Programme de doctorat
Département d’informatique et de génie logiciel
Faculté des sciences et de génie
SOUTENANCE DE THÈSE
de
Dominic Baril
Le vendredi 30 août 2024 à 13h30
À la salle GHK-2320-2330
Lien Zoom pour se connecter à distance :
https://ulaval.zoom.us/j/63938420367?pwd=SbTQPtIfnVglciSqaj4N2ImS62WnEx.1
Meeting ID : 639 3842 0367
Passcode : 890028
“Improving the Robustness of Motion Modeling, Control and
Localization for Mobile Robots in Harsh Conditions”
Président
Monsieur Julien Lépine, Ph.D.
Département d’opérations et systèmes de décision
Faculté des sciences de l’administration
Université Laval
Examinateurs
Monsieur François Pomerleau, Ph.D. (Directeur de recherche)
Département d’informatique et de génie logiciel
Université Laval
Monsieur Philippe Giguère, Ph.D. (Co-directeur)
Département d’informatique et de génie logiciel
Université Laval
Monsieur Alexandre Girard, Ph.D. (Examinateur externe)
Faculté de génie, Université de Sherbrooke
Monsieur Joshua Marshall, Ph.D. (Examinateur)
Electrical and Computer Engineering Faculty
Queen’s University
Monsieur Mo Chen, Ph.D. (Examinateur)
School of Computing Science
Simon Fraser University
Les technologies de navigation autonome ont grandement progressé dans les deux dernières décennies. La majorité de ces avancées ont été validées en environnements intérieurs et contrôlés, comme les entrepôts et les pistes de course. Toutefois, les industries qui bénéficieraient le plus de l’automatisation des véhicules tendent à opérer en environnements hors route éloignés. Ces industries incluent l’agriculture, la construction, la défense et la foresterie. De plus, le déploiement sécuritaire de ces technologies en environnements nordiques requiert leur robustesse aux conditions hivernales. La précipitation et l’accumulation de neige entraînent des problèmes significatifs et non réglés pour les systèmes de navigation autonome, incluant le bruit de mesure de capteurs, le faible contraste de repères visuels et la variabilité de traction. La météo hivernale peut également causer un sol glacé, qui est caractérisé par une friction faible entre le pneu et le sol. La méthode la plus répandue pour localiser des véhicules est système de positionnement par satellites (GNSS), qui offre un positionnement global d’une exactitude centimétrique, si le signal de suffisamment de satellites est reçu. L’accès à un signal GNSS exacte et fiable pour la localisation en environnements éloignés est limité, ce qui bloque l’utilisation sécuritaire des technologies de navigation autonome dans ces industries.
Cette thèse s’attaque au problème de la robustesse de la navigation autonome en régions nordiques en déployant des véhicules autonomes en conditions hivernales et en forêts subarctiques. Comme cette technologie inclut plusieurs composantes, l’emphase est mise sur les sous-problèmes du suivi de chemin, de la localisation et de la cartographie. Les modèles de mouvements sont une composante fondamentale pour les algorithmes de suivi de chemin. L’exactitude de la prédiction de ces modèles est corrélée avec la performance de suivi de chemin. Par conséquent, améliorer l’exactitude de prédiction des modèles de mouvement en conditions hivernales permettra aux véhicules sans pilote (UGVs) d’opérer en conditions nordiques, tout au long de l’année.
Abstract
Autonomous navigation technologies have made great advances in the last two decades. The vast majority of these are proven in indoors or controlled environments, such as warehouses or racetracks. However, industries that stand to benefit the most from vehicle automation tend to operate in remote, off-road environments. These include agriculture, construction, mining, defense and forestry. Additionally, safe deployment of such technologies in northern environments will require robustness to harsh winter weather. Snow precipitation and accumulation cause significant unresolved challenges for autonomous navigation systems, such as sensor noise, low visual feature contrast and traction variability. Winter weather can also lead to icy terrain, characterized by low tire-terrain friction and high vehicle slip. The most widespread method for localizing vehicles is Global Navigation Satellite System (GNSS), providing centimeter-accurate global positioning, if signal from enough satellites is available. Access to accurate and reliable GNSS signal for localization in remote environments is limited, which prevents the safe usage of autonomous vehicles within these industries.
This thesis tackles the problem of improving autonomous navigation robustness in northern regions by deploying vehicles in winter conditions and subarctic forests. Since this technology includes many components, the emphasis is placed on the path following, localization and mapping sub-problems. Motion models are a fundamental component of path following algorithms, and increasing their accuracy and robustness is correlated with path following performance. Thus, improving model prediction accuracy in winter weather will enable uncrewed ground vehicles (UGVs) to operate in northern regions, throughout the year.
Note: La présentation sera donnée en anglais.
Bienvenue à tous !
