Arduino

‫اﻟﺟﻣﮭورﯾﺔ اﻟﺟزاﺋرﯾﺔ اﻟدﯾﻣﻘراطﯾﺔ اﻟﺷﻌﺑﯾﺔ‬
République Algérienne Démocratique et Populaire

‫وزارة اﻟﺗﻌﻠﯾم اﻟﻌﺎﻟﻲ و اﻟﺑﺣث اﻟﻌﻠﻣﻲ‬
Ministère de l’enseignement Supérieur et de la Recherche scientifique
Université Mohamed Khider Biskra

Faculté des Sciences et de la Technologie
Département de Génie Electrique
Filière : Automatique
Option : Automatique Avancée
Réf:…………
Mémoire de Fin d'Etudes

En vue de l’obtention du diplôme:
MASTER
Robot Mobile avec Suivi Visuel de ligne
Présenté par :
-Belhouchet Khaled
-Khammar Kamelia
Soutenu le : 05 Juin 2013
Devant le jury composé de :

Mr Messaoudi Abdelhamid MAA Président
Mr Boumehraz Mohamed MAA Encadreur
Mr Benelmir Okba MCB Examinateur
Année universitaire: 2012 / 2013

Ministère de l’enseignement Supérieur et de la recherche scientifique

Mémoire de Fin d'Etudes

En vue de l’obtention du diplôme:
MASTER
Présenté par : Avis favorable de l’encadreur :

-Belhouchet Khaled - Boumehraz Mohamed signature
-Khammar Kamelia
Avis favorable du Président du Jury

Messaoudi Abdelhamid Signature
Cachet et signature
Ministère de l’enseignement Supérieur et de la Recherche scientifique

Proposé par : Belhouchet Khaled et Khammar Kamelia
Dirigé par : Boumehraz Mohamed
RESUMES (Français et Arabe)
Notre projet robot mobile avec suivi visuel de ligne, est de type uni-cycle composé par un châssis et 3
roues : deux roues motrices polarisées sur même axe et une roue libre pour assurer l’équilibre du robot. Pour
commander les deux moteurs CC une carte ArduinoUno a été utilisée.
Le suivi de la ligne est assuré par un système à base d’un laptop et une webcam permettant
l’acquisition en temps réel de l’image du terrain. Cet image utilisée pour la détection de la ligne et le calcule
des commandes envoyées à la carte de commande des moteurs pour assurer le suivi de la ligne.
‫ﻋﺠﻼت ﻋﺠﻠﺘﯿﻦ ﻟﻠﻘﯿﺎدة ﻣﺘﻤﺮﻛﺰﺗﯿﻦ‬3 ‫ﯾﺘﻜﻮن اﻟﺮوﺑﻮت ﻣﻦ اطﺎر و‬. ‫ﻣﺸﺮوﻋﻨﺎ ھﻮ ﻋﺒﺎرة ﻋﻦ روﺑﻮت ﻣﺘﺤﺮك ﯾﺘﺘﺒﻊ ﺑﺎﻟﺒﺼﺮﯾﺔ اﻟﻤﺴﺎر‬
.‫ ﻟﺘﺤﻜﻢ ﻓﻲ اﻟﻤﺤﺮﻛﯿﻦ ﻣﻦ ﻧﻮع ﺗﯿﺎر ﻛﮭﺮﺑﺎئ ﻣﺴﺘﻤﺮ اﺳﺘﺨﺪﻣﻨﺎ ﺑﻄﺎﻗﺔ اردوﯾﻨﻮ اﯾﻨﻮ‬.‫ﻋﻠﻰ ﻧﻔﺲ اﻟﻤﺤﻮر وﻋﺠﻠﺔ ﺣﺮة ﻟﺘﺤﻘﯿﻖ ﺗﻮازن اﻟﺮوﺑﻮت‬
‫ ھﺬه اﻟﺼﻮرة ﺗﺴﻤﺢ ﺑﺎﻟﻜﺸﻒ ﻋﻦ‬. ‫وﻟﻀﻤﺎن ﺗﺘﺒﻊ اﻟﻤﺴﺎر اﺳﺘﻌﻤﻠﻨﺎ ﻛﻤﺒﯿﻮﺗﺮ ﻣﺤﻤﻮل و ﻛﺎﻣﯿﺮا وﯾﺐ ﺗﻘﻮم ﺑﻨﻘﻞ ﻣﺒﺎﺷﺮ ﻟﺼﻮرة اﻟﺤﻘﻞ‬
.‫اﻟﻤﺴﺎر وﺣﺴﺎب اﻻواﻣﺮ اﻟﻤﺮﺳﻠﺔ اﻟﻰ ﻟﻮﺣﺔ اﻟﺘﺤﻜﻢ ﻓﻲ اﻟﻤﺤﺮﻛﺎت ﻟﻤﺮاﻗﺒﺔ ﺗﺘﺒﻊ اﻟﻤﺴﺎر‬
Le mémoire contient par ordre d'apparition:
 Dédicaces
 Remerciements
 Liste des Tableaux
 Liste des Figures
 Liste des abréviations
 Résumés (bilingue)
Sommaire :
* Introduction générale
* Chapitre 1, 2, 3…
(Chaque chapitre commence par une Introduction et se termine par une conclusion)
* Conclusion générale et perspectives
* Bibliographie
* Annexe
Type d'écriture:
- Times new Roman 12

- Les titres en Gras
- Interligne 1.5
- Formules et Figures sont numérotées par chapitre :
exp. Fig. n°Chap. n°figure (Fig. I.1) ou (Equ. I.1)
Remarques :
 Eviter le glaçage de la page de garde. ‫ ﻋﺪم ﺗﺠﻠﯿﺪ اﻟﺼﻔﺤﺔ اﻷوﻟﻰ‬
 Respecter le contenu par ordre d’apparition. ‫ اﺣﺘﺮام اﻟﻤﺤﺘﻮى اﻟﻤﺬﻛﻮر أﻋﻼه‬
 Ecrire les résumés bilingues dans une seule ‫ ﻛﺘﺎﺑﺔ ﻣﻠﺨﺺ ﻟﻠﻤﺬﻛﺮة ﺑﺎﻟﻠﻐﺘﯿﻦ‬
page… ‫)اﻟﻌﺮﺑﯿﺔ واﻟﻔﺮﻧﺴﯿﺔ( و ﻓﻲ ﺻﻔﺤﺔ‬
‫اﻟﺦ‬... ‫واﺣﺪة‬
Dédicaces
Je dédie ce modeste travail :
A mes parents
A mes chères sœurs
A tout mes amis
Khammar kamelia.
Remerciements
Nous tenons premier lieu remercier Dieu tout puisant de m’avoir accordé la force et le
courage de mener ce travail à terme.
Nous tenons à adresser mes sincères remerciements à mon encadreur de thème le
Dr .Mohamed Boumehraz ,Professeur à l’Université Mohamed Kheidar de Biskra pour sa
disponibilité, pour sa lecture , suggestion et remarques et surtout pour sa confiance sans
limite mise en mois tout au long de ce projet de recherche. Nous vous pris de bien vouloir
agréer le témoignage de ma plus vive reconnaissance et mon profond respect.
Nous remerciements particulièrement ma famille pour leur soutien moral tout au
long de ce travail, merci de m’avoir encouragé, et cru en moi.
Nous remerciements également mes amis mes collègues de travail, sans oublier mes
collègues du laboratoire qui m’ont encouragé tout au long de ce projet et m’ont beaucoup
aidé.
Enfin, nous remerciements les membres de jury qui m’ont fait l’honneur d’accepter
de juger ce modeste travail.
Liste des tableaux
Tableau.III.2 : Table de vérité de pont en H………………………………………... 44

Tableau.III.4 : Les principales caractéristiques de l’Arduino Uno……………… 46
Liste des figures
CHAPITRE I : Généralités sur les robots mobiles.
Figure. I.1 : Représentation d'un robot mobile………………………………………… 02

Figure. I.2 : Exemple de plate-forme différentielle…………………………………………. 04
Figure. I.3 : Urban Robot de la société iRobot ………………………………………... 04
Figure. I.4 : Exemple de plate-forme omnidirectionnelle.……………………………... 04
Figure. I.5 : Exemple de plate-forme non holonome……………………………………….. 05
Figure. I.6: Robot mobile: (a) MIABOT, (b) Pioneer P3-DX…………………………….. 06
Figure. I.7 : Robot mobile de type voiture.…………………………………………….. 07
Figure. I.8 : Robucab…………………………………………………………………………… 08
Figure. I.9 : Le robot martien Sojouner……………………………………………………… 10
Figure. I.10 : Le robot sous marin TAIPAN ………………………………………….. 10
Figure. I.11 : Drone de surveillance RESSAC de l’ONERA………………………………. 10
Figure. I.12 : Localisation à l’estime…………………………………………………………. 10
Figure. I.13 : Localisation absolue (méthode par triangulation)…………………………. 12
Figure. I.14 : Courbe B-spline………………………………………………………………… 14
Figure. I.15 : Courbe de Bézier cubique…………………………………………………….. 14
Figure. I.16 : Graphe de visibilité (à gauche) et diagramme de Voronoi (à droite)…… 15
Figure. I.17 : Poursuite de trajectoires admissibles……………………………………. 19
Figure. I.18 : Genghis, développé par Rodney Brooks au MIT au début des années
1990………………………………………………………………………………………………… 20
Figure. I.19 : Exemples de robots utilisés dans différentes applications………………. 20
CHAPITRE II : Traitement d’image numérique-Suivi visuel.
Figure. II.1 : Développement de la science traitement d’image depuis 1950 à 2005…... 26

Figure. II.2 : Le niveau de gris du pixel………………………………………………………. 27
Figure. II.3 : Image couleur……………………………………………………………………. 28
Figure. II.4 : Pixellisation……………………………………………………………………… 29
Figure. II.5 : Effets de la quantification à l'acquisition……………………………………. 29
Figure. II.6 : Les images sont prises dans différent de bruits……………………………… 30
Figure. II.7 : Comparaison entre un éclairage non uniforme et correction de
l’éclairage………………………………………………………………………………………….. 30
Figure. II.8 : Flou de bougé/filé dû à un temps de pose/intégration trop long………….. 30
Figure. II.9 : Effet de lignage dû au balayage entrelacé des caméras vidéo…………….. 31

Figure. II.10 : Schémas présente familles d’approximation d’une droite………………… 31
CHAPITRE III : Réalisation pratique.
Figure. III.1 : Schéma de commande des moteurs avec le circuit L298.……………… 42

Figure. III.2 : Hacheur L298…………………………………………………………………… 43
Figure. III.3 : Schéma interne du L298……………………………………………………….. 43
Figure. III.4 : Etat d’un pont en H : (a) Moteur déconnecté, (b) Rotation ou sens 1, (c)
Rotation inverse ou sens inverse……………………………………………………………….. 45
Figure. III.5 : La première fenêtre concerne la webcam………………………………... 50
Figure. III.6 : La deuxième fenêtre montre la détection de la ligne……………………… 51
Figure. III.7 : Schéma du principe du système de commande……………………………... 51
Liste des abréviations
I.N.S.A : Institut National des Sciences Appliquées
L.A.A.S: Laboratories d’analyes et d’Architecture des Systemes
GPS : Global Positionning System
EGNOS: European Geostationary Navigation Overlay System
GPSRTK : Real Time Kinematics
PMP : Planification de Mouvement Partiel
VFH : Vector Field Histogram
3 D: Dull, Dirty, Dangerous
RGB: Rouge-Vert Bleu
Bit: binary digit
HSV: Hue, Saturation, Value
YCbCr: Luminance, Chrominance bleue, Chrominance rouge

CAN : Convertisseur Analogique Numérique
CC : Courant Continue
GND : Modèle Géométrique Direct
VDD : alim ou niveau logique haut pour un circuit CMOS
VSS : alim ou niveau logique bas pour un circuit CMOS
PWM : Modulation de largeur d’impulsion
Résumé
Notre projet robot mobile avec suivi visuel de ligne, est de type uni-cycle composé
par un châssis et 3 roues : deux roues motrices polarisées sur même axe et une roue libre
pour assurer l’équilibre du robot. Pour commander les deux moteurs CC une carte
ArduinoUno a été utilisée.
Le suivi de la ligne est assuré par un système à base d’un laptop et une webcam
permettant l’acquisition en temps réel de l’image du terrain. Cet image utilisée pour la
détection de la ligne et le calcule des commandes envoyées à la carte de commande des
moteurs pour assurer le suivi de la ligne.
Mots clefs : Robot Mobile-Suivi Visuel-Ligne.
: ‫ﻣﻠﺨﺺ‬
: ‫ﻋﺠﻼت‬3 ‫ﯾﺘﻜﻮن اﻟﺮوﺑﻮت ﻣﻦ اطﺎر و‬. ‫ﻣﺸﺮوﻋﻨﺎ ھﻮ ﻋﺒﺎرة ﻋﻦ روﺑﻮت ﻣﺘﺤﺮك ﯾﺘﺘﺒﻊ ﺑﺎﻟﺒﺼﺮﯾﺔ اﻟﻤﺴﺎر‬
‫ ﻟﺘﺤﻜﻢ ﻓﻲ اﻟﻤﺤﺮﻛﯿﻦ ﻣﻦ ﻧﻮع ﺗﯿﺎر‬.‫ﻋﺠﻠﺘﯿﻦ ﻟﻠﻘﯿﺎدة ﻣﺘﻤﺮﻛﺰﺗﯿﻦ ﻋﻠﻰ ﻧﻔﺲ اﻟﻤﺤﻮر وﻋﺠﻠﺔ ﺣﺮة ﻟﺘﺤﻘﯿﻖ ﺗﻮازن اﻟﺮوﺑﻮت‬
.‫ﻛﮭﺮﺑﺎء ﻣﺴﺘﻤﺮ اﺳﺘﺨﺪﻣﻨﺎ ﺑﻄﺎﻗﺔ اردوﯾﻨﻮ اﯾﻨﻮ‬
‫ ھﺬه‬. ‫وﻟﻀﻤﺎن ﺗﺘﺒﻊ اﻟﻤﺴﺎر اﺳﺘﻌﻤﻠﻨﺎ ﻛﻤﺒﯿﻮﺗﺮ ﻣﺤﻤﻮل و ﻛﺎﻣﯿﺮا وﯾﺐ ﺗﻘﻮم ﺑﻨﻘﻞ ﻣﺒﺎﺷﺮ ﻟﺼﻮرة اﻟﺤﻘﻞ‬
.‫اﻟﺼﻮرة ﺗﺴﻤﺢ ﺑﺎﻟﻜﺸﻒ ﻋﻦ اﻟﻤﺴﺎر وﺣﺴﺎب اﻻواﻣﺮ اﻟﻤﺮﺳﻠﺔ اﻟﻰ ﻟﻮﺣﺔ اﻟﺘﺤﻜﻢ ﻓﻲ اﻟﻤﺤﺮﻛﺎت ﻟﻤﺮاﻗﺒﺔ ﺗﺘﺒﻊ اﻟﻤﺴﺎر‬
.‫ ﻣﺴﺎر‬-‫ ﺗﺘﺒﻊ ﺑﺎﻟﺒﺼﺮﯾﺔ‬-‫ روﺑﻮت ﻣﺘﺤﺮك‬: ‫اﻟﻜﻠﻤﺎت اﻻﺳﺎﺳﯿﺔ‬
Robot Mobile Avec Suivi Visuel De Ligne

SOMMAIRE
Introduction générale :...………………………………………………………………… 01
Chapitre N°I: Généralités sur les robots mobiles.
I.1. INTRODUCTION…………………………………………………………………... 03
I.2. DEFINITION……………………………………………………………………….. 03
I.2.1. Robot mobile………………………………………………………………….. 03
I.3. APERÇU HISTORIQUE………………………………………………………….. 04
I.4. LES EFFECTEURS………………………………………………………………… 05
I.4.1. Les plates-formes différentielles ……………………………………………… 05
I.4.2. Les plates-formes omnidirectionnelles ……………………………………….. 06
I.4.3. Les plates-formes non holonomes ……………………………………………. 07
I.4.4. Les plates-formes à pattes ……………………………………………………. 07
I.5. LA MODELISATION D’UN ROBOT MOBILE………………………………….. 07
I.5.1. Le modèle cinématique du robot de type uni-cycle ………………………….. 07
I.5.2. Le modèle cinématique de type voiture ……………………………………….. 09
I.6. LES DIFFERENTS TYPES DE TERRAIN………………………………………. 10
I.7. LOCALISATION…………………………………………………………………... 12
I.8. PLANIFICATION DE TRAJECTOIRE…………………………………………… 15
I.8.1. Approches polynomiales pour la génération de trajectoires…………………… 15
I.8.2. Carte routière (road map)……………………………………………………… 16
I.8.3. Approche globale………………………………………………………………. 17
I.8.3.1. Approche Par squelette…………………………………………………… 18
I.8.4. Approche locale………………………………………………………………... 18
I.8.4.1. Méthodes des champs de potentiel………………………………………... 18
I.8.4.2. Méthode de HUANG……………………………………………………... 18
I.8.5. Approche mixte………………………………………………………………… 19
I.8.6. Approches réactives……………………………………………………………. 19
I.8.6.1. Planification de mouvement partiel………………………………………. 19
I.8.6.2. Histogramme de champs de vecteurs……………………………………... 19
I.9. EVITEMENT REACTIF D’OBSTACLES……………………………………………….. 20
I.9.1. Méthodes analytiques………………………………………………………………… 20
1.9.2. Méthode de fenêtre dynamique………………………………………………... 21
I.10. POURSUITE DE TRAJECTOIRE……………………………………………….. 21
I.11. EXEMPLES D’APPLICATIONS………………………………………………… 22
I.12. LES TACTIQUE DE NAVIGATION DES ROBOTS MOBILES……………….. 23
I.12.1. Robots télémétriques sans mémoire ………………………………………… 23
I.12.2. Optimisation de trajectoires dans un univers connu ………………………… 24
I.12.3. Tactiques de navigation optimisées et interactives avec l’environnement….. 24
I.13. CONCLUSION……………………………………………………………………. 25
Chapitre N°II : Traitement d’image numérique-Suivi visuel.
II.1. INTRODUCTION…………………………………………………………………. 25
II.2. HISTORIQUE DU TRAITEMENT D’IMAGES………………………………….. 25
II.3. VISUALISATION……………………..…………………………………………. 25
II.3.1. Définition…………………………………………………………………………………… 26
II.3.2. Image binaire………………………………………………………………….. 26
II.3.3. Image en niveaux de gris …………………………………………………...... 26
II.3.4. Image couleur ………………………………………………………………… 27
II.3.5. Image à valeurs réelles………………………………………………………... 27
II.4. ESPACE DE COULEURS………………………………………………………… 27
II.5. ACQUISITION: ECHANTILLONNAGE / QUANTIFICATION………………... 28
II.5.1. Effets de l’échantillonnage : Pixellisation…………………………………….. 28
II.5.2. Effets de la quantification à l’acquisition…………………………………….. 28
II.5.3. Bruits lies à l’acquisition ……………………………………………………... 29
II.6.RECONNAISSANCE DE FORMES………………………………………………. 30
II.6.1. Définition……………………………………………………………………... 30
II.6.2. Méthode approximation d’une droite ………………………………………… 30
II.6.2.1. Méthodes exactes ………………………………………………………... 31
II.6.2.2. Approximation par estimation robuste…………………………………... 31
II.7. DOMAINES D’APPLICATION…………………………………………………... 32
II.8. TRAITEMENT D’IMAGE ET PERCEPTION VISUELLE……………………... 31
II.9. LES DIFFERENTS TYPES DE NAVIGATION………………………………… 31
II.9.1 Guidage………………………………………………………………………. 31
II.9.2. Action associée à un lieu……………………………………………………. 32
II.9.3. Navigation topologique……………………………………………………… 32
II.9.4. Navigation métrique…………………………………………………………. 32
II.10. CARACTÉRISTIQUE……………………………………………………………. 32
II.11. LES REPRÉSENTATIONS DE L’ENVIRONNEMENT……………………….. 33
II.11.1. Carte topologique……………………………………………………………. 33
II.11.1.1. Description……………………………………………………………… 33
II.11.1.2. Avantage……………………………………………………………….. 33
II.11.1.3. Inconvénient…………………………………………………………… 34
II.11.1. Carte métrique………………………………………………………………. 34
II.11.2.1. Description……………………………………………………………… 34
II.11.2.2. Avantage……………………………………………………………….. 35
II.11.2.3. Inconvénient…………………………………………………………… 35
II.12. DOMAINES D’APPLICATION………………………………………………… 35
II.13. MODÉLISATION DU CHEMIN PAR LA FORME……………………………. 35
II.13.1. Représentation de la forme des objets………………………………………. 36
II.13.1.1. APPROCHES GLOBALES…………………………………………… 36
II.13.1.2. APPROCHES LOCALES……………………………………………… 37
II.13.2. Catégorisation des chemins par shape context…………………………….... 37
II.14. MODÉLISATION ET CATÉGORISATION DE CHEMINS………………….... 38
II.14.1. Définition chemin……………………………………………………………. 38
II.14.2. Indexation de chemins par la forme…………………………………………. 38
II.15.CONCLUSION……………………………………………………………………. 39
Chapitre N°III : Réalisation pratique.
III.1. INTRODUCTION………………………………………………………………... 41
III.2. LA MÉCANIQUE………………………………………………………………... 41
III.2.1. Le châssis……………………………………………………………………. 41
III.2.2. Principe de fonctionnement………………………………………………….. 41
III.2.3. Structure du système………………………………………………………… 41
III.3. L’ÉLECTRONIQUE……………………………………………………………... 41
III.3.1. Alimentation…………………………………………………………………. 41
III.3.2. Commande des moteurs CC…………………………………………………. 42
III.3.2.1. Pont en H……………………………………………………………….. 43
III.3.2.2. Réalisation de module de commande des moteurs à CC……………… 45
III.3.3. Détection de la ligne………………………………………………………… 45
III.3.4. La carte Arduino Uno………………………………………………………. 45
III.3.4.1. Définition……………………………………………………………….. 45
III.3.4.2 Entrées / Sorties…………………………………………………………. 47
III.3.4.3 Communication …………………………………………………………. 48
III.4. PROGRAMMATION…………………………………………………………….. 48
III.4.1 Python………………………………………………………………………... 48
III.4.1.1. Définition ……………………………………………………………….. 48
III.4.1.2. Caractéristique du langage de programmation (python)……………….. 49
III.4.1.3. Open CV………………………………………………………………... 50
III.4.1.3.1. Fonctionnalités d’Open CV……………………………………… 50
III. 4.2. L’interface graphique: ………………………………………………………. 50
III.5. CONCLUSION …………………………………………………………………… 51
Conclusion générale et perspectives…………………………………………………….. 53
Bibliographie
Annexe
INTRODUCTION GENERALE
Grace à un succès qui ne se dément pas, La robotique est une technologie moderne
et aujourd'hui la plupart sont automatisées à l'aide des robots. Merci à la haute technologie
que la dépendance sur des êtres humains a été réduite dans une large mesure.
Un des grands avantages de l'automatisation des procédures est la précision des

résultats. La robotique est utilisée dans plusieurs industries comme l'automobile, la
médecine, l'électroménager et plusieurs autres. Le plus complexe des machines peuvent
être assemblées à l'aide de la robotique.
Les robots peuvent être fixes (bras manipulateur) ou mobiles (robot marcheur, robot
à roues) selon l’application, les robots fixes sont généralement utilisés dans les usines, les
hôpitaux, domaine agricole…etc. Cependant les robots mobiles sont généralement utilisés
dans les environnements dangereux : nucléaires, militaires, déminage,…etc. Ce dernier
type de robot est notre domaine d’intérêt dans ce mémoire.
Le suivi d’objets en robotique mobile est devenu une des tâches les plus utilisées,
Notre Projet consiste a réalisé un robot mobile suiveur de ligne de couleur sombre sur un
terrain de couleurs claire.
Notre mémoire est organisé comme suit :
Le premier chapitre présente des généralités sur les robots mobiles ;
Le deuxième chapitre est devisé en deux parties :
-La première concerne le traitement d’image numérique : historique, définitions et

applications.
- La deuxième traite la navigation : les différents types de la navigation.
Le troisième chapitre décrit la réalisation pratique : la partie pratique mécanique, la

partie électronique et les programmes développés.

1
En fin, nous finissons notre mémoire par une conclusion qui présente le bilan de ce
travail et les perspectives envisagées.

2
Généralités sur les robots mobiles
Chapitre I : Généralités Sur Les Robots Mobiles
I.1. INTRODUCTION :
Loin des images des films de science fiction, montrant hommes et robots cohabitant
harmonieusement dans des environnements complexes, la robotique c’est pendant
longtemps limitée à ses applications industrielles, se contentant de remplacer l’homme
dans l’exécution de taches simples et répétitives. Cette limitation venait notamment de
l’impossibilité de créer des systèmes capables d’évoluer dans un environnement réel. En
effet gérer l’extrême diversité des situations dans lesquels un robot peut se trouver est très
difficile. Il est clairement impossible de prévoir tous les cas de figure pour préparer des
comportements types en fonction des situations rencontrées. Il faut des lors que le robot
soit a même de percevoir son environnement intelligemment pour apprendre et comprendre
cet environnement en vu de planifier ses actions.
Loin d’avoir résolu totalement ce problème la robotique a cependant connu ces
dernières années plusieurs victoires importantes qui ont conduit à de profonds
changements. Qu’ils soient à pattes ou à roues, volant ou rampant, les robots sont
désormais capables de se mouvoir dans des environnements aussi complexes que le sol
martien ou un hall de musée avec très peu de supervision de la part de l’homme.
Dans ce chapitre nous avons présenté les différents types de robots mobiles, et des
contraintes de terrain sur les qu’ils sont conçus pour évoluer, nous aborderons les
contraintes principales liées à leur cinématique, et les solutions développées pour y
remédier.
Enfin nous étudions les outils permettant aux robots de percevoir leur
environnement et de s’y repérer. Etape primordiale nécessaire à l’autonomie totale des
robots mobiles. Cet état de l’art offre une vision non exhaustive des thématiques de
recherche associées au domaine de la robotique mobile, et présente l’ensemble des verrous
scientifiques qu’il reste à lever pour aboutir au développement d’un robot autonome. Parmi
ceux-ci, nous nous focalisons alors sur celui de la navigation d’un robot mobile. On en
trouve ci-dessous un résumé d'analyses de quelques domaines particuliers ou Applications
de la robotique.
I.2. DEFINITION :
I.2.1. Robot mobile : De manière générale, on regroupe sous l'appellation robots mobiles
l'ensemble des robots à base mobile (Figure. I.1).
Robot Mobile Avec Suivi Visuel De Ligne 3

Figure. I.1 : Représentation d'un robot mobile.
Ces machines sont constituées d'un châssis, et d'un ensemble de roues, ayant comme
fonction la stabilité et la mobilité du système (nous n'allons nous intéresser qu'aux robots
mobiles à roues, en faisant abstraction des autres types de plateformes, comme les robots
marcheurs, ou rampants). La particularité de ces robots est leur capacité à se mouvoir dans
des environnements relativement grands (sans influer sur leur constitution), grâce à leur
système de locomotion, c'est pour cela que nous allons dans ce qui suit évoquer les
différents types de roues utilisées en robotique mobile [1].
I.3. APERÇU HISTORIQUE :

La robotique est passée par plusieurs générations comme suit, [2] :
 1947 : Premier manipulateur électrique télé-opéré.

 1954 : Premier robot programmable.
 1961 : Utilisation d’un robot industriel, commercialisé par la société UNIMATION
(USA), sur une chaine de montage de General Motors.
 1961 : Premier robot avec contrôle en effort.
 1963 : Utilisation de la vision pour commander un robot.
 1978 : Le robot ARGOS .Développé à l’Université Paul Sabatier de Toulouse
(France).Le robot ARGOS simule la navigation d’un robot mobile équipé d’un
système de vision au fur et à mesure de ses déplacements.
 1979 : le robot HILARE .les chercheurs de L.A.A.S. DE TOULOUSE (France)
étudièrent la planification des trajectoires d’un robot mobile ponctuel, dans un
environnement totalement connu.
 1981 : Le robot VESA. Ce robot, construit à l’I.N.S.A(France).de Rennes, est
équipée d’un arceau de sécurité pour réaliser la détection d’obstacles dans un
environnement totalement inconnu.

 1984 : Le robot FLAKEY .Ce robot, conçu et construit au Stanford Research

Institute et le reflet des améliorations apportées par 14 années de développement
.Le robot FLAKEY est équipé de deux roues motrices avec encodeurs, mais sa
vitesse maximale est de 66 cm /s au lieu de quelques centimètres par seconde .Ce
robot est capable de naviguer dans des environnements réels.
 1993 : Les robots ERRATIC et PIONNER. Le robot ERRATIC à été conçu par
Kurt Konolige, au Stanford Research Institue, comme un robot mobile de faible
cout pour ses cours de robotique.
 Les robots mobiles actuels : A présent la plupart des travaux de recherche portent
sur les problèmes de perception. La planification de trajectoires, l’analyse et la
modélisation de l’environnement de robot, appliqué sur des robots mobiles
commerciaux .également la recherche actuelle sur la conception mécanique des
robots mobiles pour des applications hautement spécialisées, comme l’exploration
sous-marine, les robots volants et le micro robots [3].
I.4. LES EFFECTEURS:
Nous présentons ici les différents types de bases mobiles utilisées en robotique, en
nous focalisant sur le milieu intérieur.
I.4.1. Les plates-formes différentielles : Une des configurations les plus utilisées pour les
robots mobiles d’intérieur est la configuration différentielle, on va la utilisé dans notre
projet qui comporte deux roues commandées indépendamment. Une ou plusieurs roues
folles sont ajoutées à l’avant ou à l’arrière du robot pour assurer sa stabilité (Figure. I.2).
Cette plate-forme est très simple à commander, puisqu’il suffit de spécifier les
vitesses des deux roues, et permet de plus au robot de tourner sur place. Cette possibilité
permet de traiter le robot comme un robot holonome, c’est à dire un robot pouvant se
déplacer dans toutes les directions depuis sa position courante (au contraire d’une voiture
par exemple qui est non-holonome). Cette propriété simplifie énormément la planification
de déplacement et la commande du robot.

Figure. I.2: Exemple de plate-forme différentielle.
 Ce type de plate-forme peut également être utilisé avec des chenilles ce qui fournit
une capacité de franchissement de petits obstacles intéressante (Figure. I.3). Ces
plates-formes peuvent ainsi être utilisées en milieu urbain, ou dans des décombres.
L’utilisation de chenilles conduit cependant à une odométrie très bruitée à cause du
contact mal défini entre les chenilles et le sol [1].
Figure. I.3: Urban Robot de la société iRobot.
I.4.2. Les plates-formes omnidirectionnelles :
Figure. I.4: Exemple de plate-forme omnidirectionnelle.

Les plates-formes omnidirectionnelles permettent de découpler de manière encore plus

nette le contrôle de la rotation et de la translation d’un robot et en font une plateforme
réellement holonome. Elles utilisent pour cela 3 ou quatre roues qui tournent à la même
vitesse pour fournir une translation et un mécanisme qui permet d’orienter simultanément
ces roues dans la direction du déplacement souhaitée (Figure. I.4).
Le corps du robot lui-même n’effectue pas de rotation mais uniquement des
translations. Ce système permet un contrôle très simple et relativement rapide car les
changement de direction ne concernent que les roues et peuvent donc se faire très vite. Par
contre ces plates-formes sont relativement limitées en capacité de franchissement et
requièrent un sol très plan [1].
I.4.3. Les plates-formes non holonomes : Des plates-formes non holonomes, de type
voiturent, sont également utilisées en robotique mobile (Figure. I.5). Ces plates-formes
sont toutefois plus difficiles à commander car elles ne peuvent pas tourner sur place et
doivent manœuvrer, ce qui peut être difficile dans des environnements encombrés. La
commande de ces plates-formes pour réaliser un déplacement particulier est un problème à
part entière [1].
Figure. I.5 : Exemple de plate-forme non holonome.
I.4.4. Les plates-formes à pattes : Des plates-formes à deux, quatre ou six pattes peuvent
également être utilisées. Les plateformes à six pattes sont relativement pratiques car le
robot est en équilibre permanent, ce qui facilite le contrôle. Les plates-formes à deux ou
quatre pattes sont plus complexes à commander et le simple contrôle de la stabilité et d’une
allure de marche correcte reste aujourd’hui difficile, ce qui les rend en général relativement
lentes.
L’odométrie de ce type de plates-formes est de plus généralement de très faible
qualité. Ces différents facteurs font que ces plates-formes sont rarement utilisées quand

l’application visée a un besoin précis de positionnement et de navigation. De telles

plates-formes commencent cependant à apparaître à relativement grande échelle (par
exemple le robot Aibo de Sony) et peuvent être utilisées en conjonction avec certaines
méthodes de navigation précises [1].
I.5. LA MODELISATION D’UN ROBOT MOBILE:
I.5.1. Le modèle cinématique du robot de type uni-cycle :
(a) (b)
Figure .I.6: Robot mobile: (a) MIABOT, (b) Pioneer P3-DX.
Le modèle d’un robot mobile uni-cycle correspond à celui d’une roue roulant dans un Plan.
La configuration de l’uni-cycle est caractérisée par la donnée des nombres , ,
Où x et y dénotent les coordonnées cartésiennes du point de contact de la roue avec le sol
dans un repère cartésien donné, l’orientation de la roue et l’angle de la roue mesurée à
partir de la verticale. Sachant que le roulement est sans glissement le modèle cinématique
de la roue s’exprime par les formules suivantes [4]:
̇ − ∅̇ cos = 0
( . . )
̇ − ∅̇ sin = 0
Où r représente le rayon de la roue.

Le modèle (1.1) peut être transformé pour faire apparaître les composantes des vitesses
dans les plans de la roue et perpendiculaire à la roue, les contraintes cinématiques
suivantes sont alors obtenues :
̇ sin − ̇ cos = 0
( . . )
̇ cos + ̇ sin = ∅̇
Ces deux équations sont des contraintes de type non holonome, signifiant que l’on ne peut
pas les intégrer de façon à ne faire apparaître que les coordonnées généralisées. Cela peut

se démontrer simplement à l’aide du théorème de Frobenius. En notant la vitesse

longitudinale de l’uni-cycle avec
= ∅̇ − = ̇ , sa vitesse angulaire, on déduit de (1.1) le modèle cinématique du

robot mobile non-holonome de type uni-cycle :
̇ = cos
̇ = sin ( . . )
̇=
I.5.2. Le modèle cinématique de type voiture : Un robot mobile de type voiture est
composé d’un train moteur à l’arrière du corps principal et de deux roues de direction et à
braquage différentiel à l’avant (Figure. I.7).
La configuration du véhicule de type voiture peut être représentée par le quadruplet
= [ , , , ∅] , où le point de cordonnées , est le centre de l’essieu arrière de la
voiture, est l’orientation du véhicule, ∅ l’orientation des roues avant et la distance
entre les essieux avant et arrière.
Les conditions de roulement sans glissement s’obtiennent en écrivant que les vitesses
latérales des roues avant et arrière sont nulles [4]:
̇ sin − ̇ cos = 0
̇ cos ∅ = 0 ( . . )
̇ sin( + ∅) − ̇ cos( + ∅) −
Figure. I.7: Robot mobile de type voiture.
Ces contraintes sont non intégrables, le véhicule de type voiture est donc non holonome.

En utilisant des transformations sur l’équation(1.4) , le modèle cinématique d’un

robot mobile non-holonome de type voiture est obtenu :
̇= cos
̇= sin
( . . )
tan ∅
̇=
∅̇ = , Où correspond à la vitesse longitudinale du corps du robot, alors que

correspond à la vitesse angulaire des roues directrices par rapport au corps du véhicule.
I.6. LES DIFFERENTS TYPES DE TERRAIN :

Nous rencontrons principalement 3 types d’espaces de navigation : les terrains plats,
les Terrains accidentés et les espaces 3D. Les terrains plats sont généralement utilisés pour
modéliser les milieux urbains et les intérieurs de bâtiments. Le robot évolue sur un plan 2D
considéré sans pentes, et tout objet qui sort de cet espace 2D est considéré comme un
obstacle (Figure. I.8).
Cette représentation est la plus simple à étudier et la plus répandue pour les robots
mobiles aux roues. En première approche, elle permet de se concentrer sur les problèmes
de contrôle et de navigation autonome du robot.
Figure. I.8 : Robucab [10].
Les terrains accidentés (ou 2D 1 /2) correspondent généralement aux milieux en extérieurs,
comme des forêts, des champs en robotique agricole, ou encore des terrains rocheux
(Figure. I.9). La différence avec les terrains plats est la présence des pentes, de bosses et
de creux sur le terrain d’évolution du robot.

Cela interdit d’utiliser une métrique standard 2D et cela complique pour beaucoup la
détection d’obstacles et la modélisation des déplacements du robot. De plus il devient
également important de vérifier que le robot ne bascule pas quand il escalade une pente ou
enjambe un obstacle. Le système de locomotion du robot doit dans ce cas être adapté à la
topologie du terrain.
Figure. I.9 : Le robot martien Sojouner [5].
Enfin les espaces d’évolution 3D sont par exemple utilisés pour modéliser la
navigation des robots sous-marins (Figure. I.10) et des drones volants (Figure. I.11). Les
problèmes rencontrés sont spécifiques à l’application visée.
Chaque type de terrain correspond à des problématiques bien spécifiques. Le type de
robot étudié dans ce mémoire est celui destiné à circuler en environnement urbain, la
modélisation terrain plat sera utilisée. Cela signifie que l’on considère que tous les
mouvements sont contenus dans un plan de navigation, parallèle au sol.
Figure. I.10 : Le robot sous marin TAIPAN [12].

Figure. I.11 : Drone de surveillance RESSAC de l’ONERA [8].
I.7. LOCALISATION :
Les outils permettant la localisation d’un robot dans son environnement peuvent être
classés en deux catégories : ceux par localisation à l’estime et ceux par localisation absolue
[5]. Le principe de la première catégorie consiste à intégrer des informations sur les
vitesses ou les accélérations fournies par des capteurs proprioceptifs (odomètres, centrales
inertielles).
L’avantage de ces méthodes est qu’elles sont indépendantes de l’environnement, par
contre leur souci est leur manque de précision dû à la dérive temporelle. En effet les
Erreurs s’intégrant elles aussi au fur et à mesure du temps. Il est nécessaire d’apporter
régulièrement des recalages (Figure. I.12).
Figure. I.12 : Localisation à l’estime.

Parmi les méthodes de localisation à l’estime, le système le plus simple et le plus

couramment utilisé pour la mesure de déplacement du robot est l’odométrie.
L’hypothèse de roulement sans glissement que nous avons vu précédemment, nous
permet de relier directement les déplacements du robot à la vitesse de rotation des roues.
Par intégration des déplacements à chaque instant, on en déduit la position relative du
robot par rapport à son point de départ. L’odométrie est une méthode de localisation très
courante, simple, mais également très rapidement imprécise.
En effet à cause du glissement des roues sur le sol, les erreurs s’accumulent au fur et
à mesure que le robot avance, ce qui implique d’importantes erreurs sur les longs parcours
s’il n’y a pas de recalage régulier.
Cette méthode est de ce fait fortement tributaire de la qualité du sol sur lequel le
robot se déplace. Les incertitudes sur le diamètre exact des roues, sur les paramètres
géométriques du robot, sur la résolution des codeurs, génèrent des erreurs de type
systématique, qui vont s’accumuler très rapidement en odométrie.
Cependant, ces erreurs peuvent être identifiées et évaluées pour faire un
rééquilibrage du système et ainsi améliorer sa précision. Les erreurs non systématiques
comme les glissements ou les irrégularités du sol, génèrent moins rapidement des erreurs,
mais ne peuvent par contre pas être rééquilibrées puisqu’on ne peut pas les prévoir.
Pour l’exploration martienne, où le terrain est fortement accidenté, l’utilisation de
Système d’odométrie classique est impossible. Pour cette application, Cheng a proposé une
technique d’odométrie alternative, dite odométrie visuelle, basée sur la reconnaissance de
points singuliers dans l’image vidéo du sol fournie par une caméra montée sur le robot [5]
(les points de Harris).
Connaissant le positionnement de la caméra par rapport au robot, le déplacement de
ces points dans l’image permet d’évaluer les vitesses de déplacement du robot, et par
intégration, de retrouver sa localisation relative par rapport à sa position initiale.
Le second type de méthode pour la localisation est la localisation absolue. Ces
méthodes utilisent des éléments repérables par le robot dans l’environnement de
navigation, de position
Connue, pour permettre au robot de se repérer relativement à ceux-ci. Ces éléments sont
appelés des balises ou amers et sont dits soit réels, s’ils ont été placés spécialement pour
permettre la localisation, soit virtuels s’il s’agit d’éléments présents naturellement.

Les balises réelles sont dites passives si elles ont pour but de réfléchir un signal émis
par un appareil de mesure du robot (laser ou infrarouge). Il existe deux méthodes pour
utiliser ces balises pour la localisation du robot : la méthode télémétrique (calcul de la
distance robot/balise), qui nécessite la présence de deux balises pour calculer la position du
robot dans le plan ; et la méthode par triangulation, qui consiste à mesurer les angles entre
chaque balise et le robot, et qui elle nécessite l’utilisation de 3 balises.
Figure. I.13 : Localisation absolue (méthode par triangulation).
Les balises réelles sont dites actives si elles émettent un signal captable par le robot. En
Milieu extérieur, le système GPS (global positionning system) peut être utilisé pour obtenir
des positions d’une précision de l’ordre du mètre.
A la base développée par l’armée américaine dans les années 80 (lancement du
premier satellite GPS en 1978), il fut ouvert aux civils en 1995. Jusqu’en 2000 les mesures
étaient volontairement entachées d’une erreur d’une centaine de mètres, l’armée
américaine craignant que ce système soit un avantage pour leurs ennemis. Malgré le retrait
de cette erreur volontaire, la précision du système restait de l’ordre du mètre, à cause des
incertitudes sur l’orbite et l’horloge des satellites, ainsi que les retards engendrés par la
traversée des couches atmosphériques.
Pour améliorer cette précision, nous pouvons utiliser les GPS différentiels : avec un
second récepteur GPS sur une base fixe et de position connue. Il devient possible de
mesurer l’erreur et d’en déduire la correction à apporter pour la zone environnante, pour
que ce système fonctionne, il faut que la base mobile reste à une certaine portée de la base
fixe. Cette distance varie suivant la gamme de fréquence utilisée pour l’envoi des

corrections, et peut atteindre quelques dizaines de kilomètres pour les besoins de la

navigation maritime.
Des satellites géostationnaires permettent également de corriger certaines erreurs de
position. Ils envoient des corrections sur les orbites et les horloges des satellites GPS.
Ainsi pour l’Europe c’est le système EGNOS (European Geostationary Navigation
Overlay System) qui se charge d’envoyer ces corrections. La précision atteinte est de
l’ordre de 3m. Le système de GPSRTK (real time kinematics) permet d’améliorer la
précision à quelques centimètres, en utilisant la différence de phase de l’onde porteuse du
signal, sa longueur d’onde étant d’une vingtaine de centimètres.
En contre partie la portée de la station de référence avec cette méthode n’est plus
que de quelques kilomètres. Pour augmenter cette portée on a recours au RTK réseau, qui
va utiliser la redondance d’informations pour communiquer les corrections à l’appareil, via
un serveur de calcul à distance. Les systèmes de localisation GPS sont très intéressants en
rase campagne ou en banlieue.
Cependant ils s’avèrent beaucoup moins efficaces en pleine ville ou en forêt. En effet
pour fonctionner correctement un GPS a besoin de recevoir les informations de 4 satellites
au moins.
La présence d’obstacles tels que les ponts et grands bâtiments en ville empêche
parfois cette réception. Ainsi il n’est pas rare de perdre la localisation GPS pendant
quelques minutes. C’est pour cela que beaucoup de recherches dans le domaine de la
localisation sont aujourd’hui portées sur les méthodes alternatives au GPS en milieu
urbain. La vision peut être un moyen pour compléter la localisation par GPS. Ainsi
Cappella [6].
Utilise un modèle 3D de la place Stanislas à Nancy qui est confronté aux images
obtenues par les caméras embarquées sur le robot pour déterminer précisément sa position.
Yang propose d’utiliser les caméras du robot pour mettre au point un système d’odométrie
visuelle [7].
I.8. PLANIFICATION DE TRAJECTOIRE :
 Chemin: Un chemin entre une situation initiale XI et une situation finale XF est une
représentation géométrique du d’emplacement du corps qui ne considère pas le
temps [8].
I.8.1. Approches polynomiales pour la génération de trajectoires: Différentes
méthodologies de planification basées sur l’utilisation de trajectoires Polynomiales. Par
exemple, l’utilisation de courbes de type spline ou B-spline. La trajectoire est conçue en

prenant en compte les contraintes cinématiques du robot mobile ainsi que la position des
différents obstacles statiques à éviter.
Une trajectoire générée par une courbe B-spline peut-être représentée à titre
d’exemple comme sur la Figure. I.14.
Figure. I.14 : Courbe B-spline.
Sur cette figure, , représentent les points de passage de la courbe et

, , , , sont les points qui forment le polygone de contrôle de la courbe.
En pratique pour les robots mobiles de type uni-cycle ou véhicule, les B-splines cubiques
s’avèrent être un choix suffisant pour définir une trajectoire vérifiant les contraintes
cinématiques.
Une autre famille de trajectoires fréquemment utilisées pour la planification des
robots mobiles non-holonomes est basée sur l’utilisation des courbes de Bézier. Un
exemple de courbe de Bézier cubique est représenté sur la Figure. I.15.
Figure. I.15 : Courbe de Bézier cubique.

Les points , , constituent le polygone de contrôle de la courbe [4].
I.8.2. Carte routière (road map) :
Cette approche est basée sur l’identification d’un ensemble de routes dans l’espace libre.
La base de cette approche est de capturer la connectivité de l’espace libre d’un robot dans
un réseau de dimension 1 de courbes ou de lignes appelée carte routière. Une fois la carte
routière construite, elle est utilisée comme étant un réseau de segments de routes (chemin)
pour la planification des mouvements des robots.
L’objectif de cette approche est de construite un réseau routière qui rend le robot
capable à visiter tous les points possible de l’environnement libre de navigation. On note
qu’il y a deux approches différentes pour la construction de la carte routière. Dans le
premier cas les routes sont le plus proche possible de l’obstacle, d’où l’appellation
de « Graphe de visibilité » les chemins qui résultent sont de longueur minimum ; le
deuxième cas est appelé « diagramme de Voronoi » les routes restent le plus loin possible
de l’obstacle [9].
Figure. I.16 : Graphe de visibilité (à gauche) et diagramme de Voronoi (à droite).
I.8.3. Approche globale: Elle est utilisée lorsque le robot évolue dans un environnement
entièrement connu. Le principe de cette approche est de capturer la connexité globale de
l’espace libre dans un graphe qui est ensuite exploré. La connaissance de l’environnement
nécessite sa modélisation :

I.8.3.1. Approche Par squelette :

Un squelette est une concaténation de portions de courbes. Il est structuré en un graphe
dont les arêtes sont ces portions de courbes et les nœuds leurs extrémités.
Il existe plusieurs types de squelettes entre autres : les graphes de visibilités et les
‘freeways’ :
Graphe de visibilité : Les nœuds du squelette sont les sommets des obstacles, tandis
que les arêtes sont les segments joignant deux à deux les sommets visibles.
Les ‘freeways’: L’espace libre est divisé en un ensemble de cônes dont les axes
constituent les ‘freeways’ que le robot va pouvoir suivre. Les arêtes du graphe
représentent les ‘freeways’, alors que les nœuds sont leurs extrémités.
Les méthodes se basant sur une approche globale ont l’avantage de générer un chemin
optimal tandis qu’elles ont l’inconvénient de consommer beaucoup de temps de calcul et
d’espace mémoire [10].
I.8.4. Approche locale : Contrairement à l’approche globale, cette approche ne nécessite
pas une connaissance a priori de tout l’environnement, mais découvre celui ci au fur et à
mesure à l’aide de systèmes de perception.
Cette approche est itérative (incrémentale). A chaque itération, on détermine
l’incrément du déplacement. A titre d’exemple on peut citer deux méthodes [10] :
I.8.4.1. Méthodes des champs de potentiel : Le robot est assimilé à un point plongé dans
un champ de potentiel artificiel. Ce champ de potentiel est défini comme la combinaison
d’un potentiel qui attire le robot vers sa cible et de potentiels qui l’écartent des différents
obstacles. Des améliorations de cette méthode ont vu le jour après le résultat satisfaisant
qu’elle a donné.
I.8.4.2. Méthode de HUANG: Le principe de cette méthode est d’essayer de joindre la
cible en ligne droite (reliant les positions initiale et finale). Si un obstacle intervient en
cours du chemin, détecté par les ultrasons placés sur l’avant du robot, il est alors
contourné. Des méthodes similaires ont été développées au paravent considérant le robot
comme un point matériel et en utilisant d’autres systèmes de perception, mais ayant
toujours un principe semblable.
Une adaptation de la méthode de HUANG permettant de prendre en compte les
contraintes cinématiques du robot a été testée avec succès.
L’avantage des méthodes utilisant cette approche réside dans leurs efficacités en
termes de temps de calcul qui permet leurs utilisations dans des applications temps réel. En

revanche elles présentent l’inconvénient de tomber dans des minima locaux et de générer
une trajectoire souvent non optimale.
I.8.5. Approche mixte: L’intérêt de cette approche est de profiter des avantages des deux
approches précédentes, à savoir :
 Temps de calcul faible pour l’approche locale.
 Chemin généré optimal pour l’approche globale.
L’idée de cette approche est de générer un chemin optimal, en utilisant une méthode
globale, donnant l’allure générale de la trajectoire à suivre.
Ensuite, le robot exécutera cette trajectoire, à l’aide d’un générateur local de
trajectoire et de son système de perception, tout en évitant de rentrer en collision avec des
obstacles imprévus au moment de la modélisation (changements éventuels de
l’environnement, obstacles mobiles) [10].
I.8.6. Approches réactives: Les approches réactives consistent à calculer à chaque pas de
temps (après récupération des informations sur l’environnement fournies par les capteurs
du système) le contrôle instantané à appliquer sur les actionneurs du système [11].
I.8.6.1. Planification de mouvement partiel: Une dernière approche réactive mérite d’être
notée : il s’agit de la planification de mouvement partiel (en anglais : Partial Motion
Planning – PMP utilisée. Celle-ci consiste à calculer relativement, en un temps de décision
fixe, une trajectoire se rapprochant le plus possible du but. Cette méthode consiste en un
algorithme à trois étapes répète à chaque pas de temps :
 Mise à jour du modèle de l’environnement à partir des entrées capteurs du robot.
 Recherche délibérative d’une trajectoire menant à l’état but. Si le but n’a pas été
Atteint après un temps de décision fixe, la trajectoire calculée s’en rapprochant le plus est
choisie comme trajectoire à suivre.
Enfin, le mouvement planifie au pas de temps précédent est exécuté. Cette approche
permet donc d’être réactive aux diverses évolutions de l’environnement tout en étant
capable de sortir des impasses non d´détectées à priori. Elle reste sujette à des minima
locaux, mais en est néanmoins bien plus robuste que les approches citées précédemment
[11].
I.8.6.2. Histogramme de champs de vecteurs: Dans la lignée des approches par champs de
potentiels, sont apparus les histogrammes par champs de vecteurs (en anglais : Vector
Field Histogram - VFH). Ceux-ci, introduits par Koren et Borenstein sont nés de la
combinaison des champs de potentiels et des grilles d’occupation [11] :

Un histogramme basé sur une grille cartésienne de l’environnement est construit et

mis à jour au fur et à mesure de la navigation afin de reporter la présence d’obstacles à
proximité du robot. Afin de choisir une direction à suivre, un histogramme polaire est
construit à partir de la grille d’occupation : en discrétisant les différentes directions
possibles autour du robot, l’histogramme polaire est construit en pondérant pour chaque
secteur de la discrétisation polaire les cellules traversées de la grille d’occupation
contenant des obstacles.
Une fois cet histogramme polaire construit, des ”vallées candidates” sont
d’exterminés comme les suites de secteurs contigus de l’histogramme polaire libres
d’obstacles La direction à prendre par le système est alors déterminée par le milieu de la
vallée menant le plus directement au but.
Initialement conçue pour la navigation de robots holonomes (pouvant naviguer dans
toutes les directions), cette méthode a été étendue à plusieurs reprises afin de prendre en
compte les dimensions du robot (par un espace de configuration implicite) et ses
contraintes de vitesse.Plus tard, les VFH ont été combinés à une recherche A* (VFH*) afin
de trouver un chemin menant vers le but et d’échapper ainsi aux minima locaux.
Les méthodes VFH disposent néanmoins encore de fortes limitations : Elles ne
prennent en compte ni la dynamique du système robotique, ni l’éventuelle présence
d’obstacles mobiles ; le mouvement instantané du robot est calculé uniquement à partir des
informations sur la position courante des obstacles. Leur vitesse n’est en aucun cas
considérée.
I.9. EVITEMENT REACTIF D’OBSTACLES:
Dans cette partie, nous faisons un bref état de l’art des principales méthodes
d’évitement réactif d’obstacles afin de mettre en lumière leurs avantages et leurs limites
par rapport aux spécificités de notre problématique.
I.9.1. Méthodes analytiques: Même en l’absence d’obstacles, commander un système non
holonome pour l’amener d’une configuration de départ a une configuration d’arrivée n’est
pas une chose aisée. En effet, il n’existe pas aujourd’hui d’algorithme général permettant
de résoudre le problème pour n’importe quel système non holonome.
Des méthodes analytiques sont connues seulement pour certaines classes de
systèmes. Pour les autres, on ne dispose que de méthodes numériques. En outre, la
présence d’obstacles rend les méthodes analytiques inapplicables à des systèmes non
holonomes [9].

1.9.2. Méthode de fenêtre dynamique: Cette technique proposée dans travaille dans
l’espace des commandes du robot. La taille du domaine de recherche des vitesses
accessibles (c’est-a-dire n’entrainant pas de collisions) est réduite par la prise en compte
explicite du modèle cinématique du système. Les commandes envoyées au robot sont le
résultat de la maximisation sur ce domaine de recherche d’une fonction cout liée à la
configuration finale.
L’utilisation de cette méthode est très intéressante pour un robot se déplaçant
rapidement ou pour un robot ayant des capacités d’accélération et de décélération limitées.
Elle permet alors de produire un déplacement du robot sur et régulier. Son extension au
cadre multi robots est cependant très délicate du fait de son manque de flexibilité [4].
I.10. POURSUITE DE TRAJECTOIRE:
Une fois la trajectoire du robot déterminée dans le contexte de l’évitement d’obstacle
ou non, il faut pouvoir la suivre. Le problème de suivi d’une trajectoire de référence pour
un robot mobile non-holonome est apparu comme un problème de premier ordre pour la
communauté roboticienne dans ces dernières années.
En effet, la forte utilisation des robots mobiles dans les domaines où l’être humain ne
peut pas être présent, notamment dans les sites nucléaires à haut risque ou dans le cas de
l’exploration spatiale, nécessite la mise en œuvre de lois de commande autonomes et
performantes pour assurer les tâches assignées aux robots. Plusieurs travaux concernant la
poursuite de trajectoire ont été développés dans ce contexte. Après une rapide
formalisation de ce problème, une liste non exhaustive des différentes commandes
disponibles dans la littérature est présentée [4].
Formulation du problème : Une propriété des modèles de robot mobile non-
holonome (de type voiture ou uni-cycle) est qu’ils ne sont pas stables par un retour
d’état continu et stationnaire. Ce corollaire est le résultat des travaux de [4].
Figure. I.17 : Poursuite de trajectoires admissibles.

I.11. EXEMPLES D’APPLICATIONS :

Aujourd’hui, le marché commercial de la robotique mobile est toujours relativement
restreint, mais il existe de nombreuses perspectives de développement qui en feront
probablement un domaine important dans le futur.
Les applications des robots peuvent se trouver dans de nombreuses activités
"ennuyeuses, salissantes ou dangereuses" (3 D’s en anglais pour Dull, Dirty, Dangereuse),
mais également pour des applications ludiques ou de service, comme l’assistance aux
personnes âgées ou handicapées. Parmi les domaines concernés, citons [12] :
La robotique de service (hôpital, bureaux).
La robotique de loisir (aibo, robot ’compagnon’).
La robotique industrielle ou agricole (entrepôts, récolte de productions agricoles,
mines).
La robotique en environnement dangereux (spatial, industriel, militaire).
Figure. I.18 : Genghis, développé par Rodney Brooks au MIT au début des années 1990.
A cela, s’ajoute à l’heure actuelle des nombreuses plates-formes conçues

essentiellement
Pour les laboratoires de recherche.
La Figure. I.19 montre quelques exemples de robot réels

Figure. I.19: Exemples de robots utilisés dans différentes applications.
I.12. LES TACTIQUE DE NAVIGATION DES ROBOTS MOBILES :

On peut classer ces tactiques en trois groupes, suivant que le robot ne connait rien de
son univers de déplacement (robots télémétriques sans mémoires), qu’il le connait
totalement (univers connu) ou qu’il le découvre au fur et à mesure de son déplacement
(navigation optimisée et interactive avec l’environnement) [8].
I.12.1. Robots télémétriques sans mémoire : Il s’agit de robots qui cherchent à se déplacer
dans un univers inconnu pour atteindre un but, en évitant les obstacles à l’aide d’un
télémètre à courte ou à longue portée (tactile, ultrasonore ou infrarouge).Pour ce faire, ils
sont munis des primitives suivantes :
Aller en ligne droite sur une longueur donnée.
Tourner d’un angle donné.
Viser au télémètre dans une direction donnée.

Certains de ces robots peuvent se repérer par rapport au but, à la fois en direction et en
distance Comme ils n’ont pas la mémoire de l’environnement, il n’est pas possible de
planifier au départ leur chemin, ni leur donner des informations sur cet environnement.
Néanmoins ils possèdent quelques mots de mémoires qui leur permettent de
discriminer l’enchainement des taches à accomplir.
I.12.2. Optimisation de trajectoires dans un univers connu : Dans ce cas, l’univers,
connu parfaitement, est modélisé soit par une grille, soit par des polygones. La
modélisation par grille a été utilisée dans les premiers travaux de recherche d’un chemin
optimal car cette représentation se prête bien à une programmation directe, La robot
occupant une case ou étant modélisés par des cases hachurées.
L’univers est ainsi représenté par une matrice, appelée matrice d’adjacence, dont les
éléments sont 0 ou 1 suivant que le case correspondante est libre ou occupée par un
obstacle .Le déplacement du robot n’est en générale permis que suivant quatre directions
perpendiculaires (horizontales et verticale ou huit directions (à 45 ), suivant une direction
quelconque.
Dans le modèle des polygones, les obstacles sont modélisés par des polygones dont il
suffit de connaitre la position des sommets pour que l’environnement soit parfaitement
définit .Dans cette représentation, qui requiert moins de mémoire que la précédente, le
chemin est constitué de segments joignant différents sommets de polygones .Ce chemin
sera optimal lorsque la somme des couts des arcs constituant le chemin dans le graphe
(dont les nœuds sont les sommets des polygones) sera minimale.
I.12.3. Tactiques de navigation optimisées et interactives avec l’environnement :
Ces tactiques s’appliquent aux cas réels fréquents ou l’environnement du robot n’est
pas entièrement connu, soit à cause des limites de son organe de vision, soit parce que des
obstacles ont pu être ajoutés à l’environnement initiale mémorisé, soit encore par suite de
l’imprécision dans la localisation du robot.
Il en résulte une combinaison des tactiques décrites précédemment .Au départ étant
donné la connaissance de l’environnement dont dispose le robot, une trajectoire optimale
est planifiée et le robot commence à le suivre .En cas de détection imprévue d’un obstacle,
le robot met en action son opérateur de vision pour réactualiser son modèle
d’environnement, puis la procédure précédente est réitérée (optimisation, suivi de la
trajectoire, vision).

I.13. CONCLUSION :
La perception d’une part et la commande au sens large de l’autre part sont donc les
deux thèmes majeurs de recherche pour obtenir un robot mobile parfaitement autonome.
Parmi les problématiques liées à la commande, celle de la navigation qui tient un rôle
important : elle consiste à déterminer les trajectoires que le robot sera capable de suivre
pour lui permettre d’évoluer correctement au milieu d’obstacles.

Traitement d’images-Navigation
Chapitre II : Traitement D’images Numérique-Navigation
II.1. INTRODUCTION :
Dans ce chapitre on se concentrera sur les concepts fondamentaux du traitement
d’images : historique, définition, Acquisition, domaine d’application, nous avons présenté
le différent type de navigation, les représentations de l’environnement.
II. 2. HISTORIQUE DU TRAITEMENT D’IMAGES :
La technologie numérique moderne est devenue omniprésente. Grâce à elle, il est
devenu possible de traiter des signaux multidimensionnels avec des systèmes très divers,
depuis les téléphones portables jusqu’aux ordinateurs massivement parallèles. Dans le
domaine des images, Le traitement des images, opère une transformation image → image.
Figure. II.1 : Développement de la science traitement d’image depuis 1950 à 2005 [13].
II.3. VISUALISATION:
Une image réelle est obtenue à partir d'un signal continu bidimensionnel comme par
exemple un appareil photo ou une caméra... Sur un ordinateur, on ne peut pas représenter
de signaux continus, on travaille donc sur des valeurs discrètes [14].

II.3.1. Définition : Une image numérique est définie comme un signal fini bidimensionnel
échantillonné à valeurs quantifiées dans un certain espace de couleurs. Elle est constituée
de points (pixels).
 Signal fini : une image possède des dimensions finies, exemple : 640x480,
800x600 points…
 Signal bidimensionnel : une image possède deux dimensions : largeur, hauteur.
 Signal échantillonné : les pixels d’une image sont régulièrement espacés sur une
grille carrée.
 Valeurs quantifiées : les valeurs des pixels appartiennent à un intervalle borné
Connu.
 Espace de couleur : il existe de nombreuses façons de percevoir les couleurs d’une
image, l’espace de représentation le plus connu est l’espace RGB (rouge-vert bleu).
Autrement dit, une image est une matrice M × N de valeurs entières prises sur un intervalle
borné 0, N où N est la valeur maximale du niveau de gris [14].
Figure .II.2 : Le niveau de gris du pixel.

p(i, j) Est le niveau de gris du pixel de coordonnées ligne i et colonne j dans l'image.
p(i, j) ∈ 0, N . Les valeurs des niveaux de gris sont des entiers.
II.3.2. Image binaire: Une image binaire est une image MxN où chaque point peut prendre
uniquement la valeur 0 ou 1. Les pixels sont noirs (0) ou blancs (1). Le niveau de gris est
codé sur un bit. Avec N = 2 et la relation sur les niveaux de gris devient: p (i, j) = 0 ou
p(i, j) = 1.
II.3.3. Image en niveaux de gris : Une image aux niveaux de gris autorise un dégradé de
gris entre le noir et le blanc. En général, on code le niveau de gris sur un octet (8 bits) soit
256 nuances de dégradé. L'expression de la valeur du niveau de gris avec Ng = 256
devient:

p(i, j) ∈ [0, 255].

II.3.4. Image couleur : Une image couleur est la composition de trois (ou plus) images en
niveaux de gris sur trois (ou plus) composantes. On définit donc trois plans de niveaux de
gris, un rouge, un vert et un bleu. La couleur finale est obtenue par synthèse additive des
ces trois (ou plus) composantes.
Figure.II.3 : Image couleur.
On a les relations sur les niveaux de gris: p_R(i, j) ∈[0, 255], p_V(i, j) ∈[0, 255],
p_B(i, j) ∈[0, 255]. On voit bien sur la figure qu'une image couleur est en fait l'association
de trois plans de niveau de gris, chacun d'eux étant une couleur de base [14].
II.3.5. Image à valeurs réelles : Pour les images, le résultat peut ne pas être entier, il est
donc préférable de définir l'image de départ et l'image résultat comme des images à valeurs
réelles [14]. En général, une image à valeurs réelle est telle que le niveau de gris est un réel
compris entre 0.0 et 1.0. On a dans ce cas pour une image à niveaux de gris
[14]:p (i, j) ∈[0.0, 1.0]. Pour une image couleur, la relation devient p_R(i, j) ∈[0.0,
1.0],p_V(i, j) ∈[0.0, 1.0], p_B(i, j) ∈[0.0, 1.0].
II.4. ESPACE DE COULEURS:
La couleur est une donnée importante pour une image, elle modifie la perception que
l'on a de l'image. L'espace de représentation standard décompose une image en trois plans
de couleur: RGB. Les couleurs finales sont obtenues par synthèse additive de ces trois
couleurs primaires.
Il existe cependant des problèmes qui peuvent nécessité de changer d'espace de
couleur pour percevoir différemment l'image. Il y a des Images où la couleur importe peu,
par exemple des photographies de cellules vivantes (pseudo-transparentes), des images

radar, des images satellites... Dans ce cas, l'espace RGB n'est plus utilisé. On lui préfère
d'autres espaces comme HSV ou YCbCr [14].
II.5. ACQUISITION: ECHANTILLONNAGE / QUANTIFICATION :
II.5.1. Effets de l’échantillonnage :
-Pixellisation [16] :
Figure. II.4 : Pixellisation.
Contours en marche d’escalier.

Perte de netteté.
Détails moins visibles/ moins précis.
Perte de résolution.
II.5.2. Effets de la quantification à l’acquisition : [16]
CAN sur les systèmes d’acquisition d’images.
Codage de la valeur de chaque pixel sur N bits (En général 8 bits).
Figure .II.5 : Effets de la quantification à l'acquisition.
Apparition de faux contours.

Bruit de quantification.
Effet visible à l’œil en dessous de 6/7 bits.
Quantification sur 8 bits pour l’affichage.

II.5.3. Bruits lies à l’acquisition : Les images sont souvent entachées de bruit, parfois non
visible à l’œil, et qui perturberont les traitements [16].
Figure. II.6 : Les images sont prises dans différent de bruits.
 Optimiser les conditions d’éclairage.

 Attention à l’éclairage ambiant.
 Diaphragme ouvert = faible profondeur de champ.
 Eclairage important = dégagement de chaleur.
Figure. II.7 : Comparaison entre un éclairage non uniforme et correction de l’éclairage.
Figure .II.8 : Flou de bougé/filé dû à un temps de pose/intégration trop long.

Figure .II.9 : Effet de lignage dû au balayage entrelacé des caméras vidéo.
Une bonne acquisition Des traitements facilités
II.6.RECONNAISSANCE DE FORMES :
II.6.1. Définition : A partir d’un nuage de points (pixels) obtenu après une phase de
traitement, on cherche à retrouver une forme connue a priori qui décrit «au mieux» les
points extraits [17].
II.6.2. Méthode approximation d’une droite : Méthodes basées sur une approche par
moindres carrés obtenue à partir de la minimisation d’une distance.
Il existe de nombreuses méthodes pour résoudre ce problème apparemment simple.
Approximation d’une droite
Approches Approches par

Exactes Estimation
robuste
Figure. II.10 : Schémas présente d’approximation d’une droite.
II.6.2.1. Méthodes exactes : On considère que tous les points extraits participent avec le
même poids à la description de la droite.
II.6.2.2. Approximation par estimation robuste : Recherche de la meilleure droite
représentant au mieux l’ensemble des points sous l’hypothèse d’un bruit entachant la
position des points [17].

II.7. DOMAINES D’APPLICATION:

Permet ces domaines [16] :
 Contrôle industriel.
 Robotique.
 Télédétection.
 Multi media.
 Médecine.
II.8. TRAITEMENT D’IMAGE ET PERCEPTION VISUELLE :
Une difficulté fondamentale de la vision artificielle vient du manque de connaissance
profonde des mécanismes qui régissent la compréhension des images dans la nature. La
vision humaine est en effet extrêmement performante (déplacement, lecture,
reconnaissance), mais nous n'avons aucun retour conscient sur les mécanismes mis en jeu
(à la différence du jeu d'échec par exemple).
En cela l'étude des mécanismes physiologiques et psychologiques de la vision est une
source très importante d'information, et d'inspiration [13].
II.9. LES DIFFERENTS TYPES DE NAVIGATION :
II.9.1 Guidage : Cette capacité permet d’atteindre un but qui n’est pas un objet matériel
directement visible, mais un point de l’espace caractérisé par la configuration spatiale d’un
ensemble d’objets remarquables, ou amers, qui l’entourent ou qui en sont voisins [12] .
 La stratégie de navigation, souvent une descente de gradient également, consiste

alors à se diriger dans la direction qui permet de reproduire cette configuration.
 Cette capacité semble utilisée par certains insectes, comme les abeilles, et a été
utilisée sur divers robots.
 Cette stratégie utilise également des actions réflexes et réalise une navigation locale
qui requiert que les amers caractérisant le but soient visibles.
II.9.2. Action associée à un lieu : Cette capacité est la première capacité réalisant une
navigation globale, c’est-à-dire qui permette de rejoindre un but depuis des positions pour
lesquelles ce but ou les amers qui caractérisent son emplacement sont invisibles [12].
 Elle requiert une représentation interne de l’environnement qui consiste à définir

des lieux comme des zones de l’espace dans lesquelles les perceptions restent
similaires, et à associer une action à effectuer à chacun de ces lieux.

 L’enchaînement des actions associées à chacun des lieux reconnus définit une
route qui permet de rejoindre le but.
 Ces modèles permettent donc une autonomie plus importante mais sont limités à
un but fixé.
 Une route qui permet de rejoindre un but ne pourra en effet pas être utilisée pour
rejoindre un but différent.
 Changer de but entraînera l’apprentissage d’une nouvelle route, indépendante des
routes permettant de rejoindre les autres buts.
II.9.3. Navigation topologique : Cette capacité est une extension de la précédente qui
mémorise dans le modèle interne les relations spatiales entre les différents lieux [12].
 Ces relations indiquent la possibilité de se déplacer d’un lieu à un autre, mais ne

sont plus associées à un but particulier. Ainsi le modèle interne est un graphe qui
permet de calculer différents chemins entre deux lieux arbitraires.
 Ce modèle ne permet toutefois que la planification de déplacements parmi les lieux
connus et suivant les chemins connus.
II.9.4. Navigation métrique : Cette capacité est une extension de la précédente car elle
permet au robot de planifier des chemins au sein de zones inexplorées de son
environnement. Elle mémorise pour cela les positions métriques relatives des différents
lieux, en plus de la possibilité de passer de l’un à l’autre.
Ces positions relatives permettent, par simple composition de vecteurs, de calculer

une trajectoire allant d’un lieu à un autre, même si la possibilité de ce déplacement n’a pas
été mémorisée sous forme d’un lien [12].
II.10. CARACTÉRISTIQUE :
En robotique mobile, comme pour l’homme ou certains animaux, l’utilisation de

cartes est quasiment indispensable pour permettre d’effectuer des tâches de navigation
dans des conditions environnementales complexes, qui ne sont pas spécialement adaptées
pour le robot.
La construction et l’utilisation de telles cartes posent cependant de nombreux

problèmes, notamment pour garantir l’adéquation entre la carte et le monde réel. Pour cette
raison, la plupart des robots trouvent aujourd’hui un compromis entre une approche

réactive et une approche utilisant une carte afin de bénéficier de la rapidité et de la

robustesse de la première et de la capacité de déplacement à long terme de la seconde [12].
II.11. LES REPRÉSENTATIONS DE L’ENVIRONNEMENT :
II.11.1. Carte topologique :
II.11.1.1. Description: Représenter l’environnement du robot sous forme de graphe: Les

nœuds du graphe correspondent à des lieux, c’est-à-dire des positions que le robot peut
atteindre et Les arêtes liant les nœuds marquent la possibilité pour le robot de passer
directement d’un lieu à un autre et mémorisent en général la manière de réaliser ce
passage.
La détection et la mémorisation des lieux reposent en général sur deux procédures

qui utilisent les perceptions : La première permet simplement de comparer deux
perceptions et donc de reconnaître un lieu de la carte ou de détecter un lieu nouveau et La
seconde procédure permet de mémoriser un nouveau lieu ou d’adapter la définition d’un
lieu lors des passages successifs du robot en ce lieu.
La première procédure peut donner des résultats erronés. Par exemple, un lieu déjà
visité peut ne pas être reconnu, ou un lieu nouveau peut être confondu avec un lieu déjà
mémorisé. Pour résoudre ces problèmes, la reconnaissance des lieux fera donc appel aux
données proprioceptives en plus des perceptions [12].
II.11.1.2. Avantage : Un avantage important des cartes topologiques est qu’elles ne

requièrent pas de modèle métrique des capteurs pour fusionner les données proprioceptives
et les perceptions au sein d’une représentation unifiée de l’environnement.
Le bruit sur les mesures des capteurs influe principalement sur la reconnaissance des
lieux, tandis que le bruit sur les données proprioceptives influe principalement sur la
position associée à chaque lieu.
La mémorisation de l’environnement sous forme d’un ensemble de lieux distincts

autorise en général une définition des lieux plus directement reliée aux capacités
perceptives du robot.
Il n’y a pas de limitation au type de capteurs utilisables, Cette utilisation directe des
perceptions permet meilleure mise en relation du robot avec son environnement.

La discrétisation de l’environnement correspondant au choix des lieux représentés

dans la carte est un autre point fort des cartes topologiques. Cette discrétisation est en effet
très utile pour la planification des mouvements du robot, qui se réduit alors à la recherche
de chemin dans un graphe [12].
II.11.1.3. Inconvénient : Nécessitent en général une exploration très complète de

l’environnement pour le représenter avec précision.
Représentant des lieux avec une assez grande densité spatiale, cela peut être un
inconvénient, car l’exploration complète de l’environnement demandera un temps
important.
La reconnaissance des lieux de l’environnement peut également être difficile dans le

cas de capteurs très bruités, ou d’environnements très dynamiques. Il devient alors très
difficile d’estimer correctement la position du robot au sein de cette carte et de lui ajouter
de nouvelles informations sans erreurs.
La représentation de l’environnement peut être assez proche des données brutes des
capteurs du robot, ce qui peut être un avantage du point de vue de l’autonomie du robot
[12].
II.11.1. Carte métrique:
II.11.2.1. Description: L’environnement est représenté par un ensemble d’objets auxquels

sont associées des positions dans un espace métrique, généralement en deux dimensions.
Cette espace est, la plupart du temps, celui dans lequel s’exprime la position du
robot estimée par les données proprioceptives qui permettent, en utilisant un modèle
métrique des capteurs, de détecter ces objets et d’estimer leur position par rapport au robot.
La position de ces objets dans l’environnement est alors calculée en utilisant la

position estimée du robot.
Carte de l’environnement correspond directement à l’espace libre, c’est-à-dire à

l’espace dans lequel le robot peut se déplacer [12].
II.11.2.2. Avantage : Représente l’ensemble de l’environnement, Et non un petit sous-

ensemble de lieux comme le font les cartes topologiques.

La position du robot est définie de manière non ambiguë par ses coordonnées au sein
de l’espace dans lequel la carte est représentée.
Il s’ensuit une utilisation simple et directe de toutes les informations métriques

fournies par les données proprioceptives ou les perceptions [12].
II.11.2.3. Inconvénient : Le calcul de chemin au sein des cartes métriques peut être plus
complexe, car la planification se déroule dans un espace continu et non dans un espace
préalablement discrétisé, comme c’est le cas pour les cartes topologiques.
De nombreux modèles recourent d’ailleurs à l’extraction d’une carte topologique

depuis la carte métrique pour réaliser cette opération de planification [12].
II.12. DOMAINES D’APPL ICAT ION :
Objectif de créer des modèles riches de l’environnement qui peuvent avoir plusieurs
utilisations. Ils peuvent notamment permettre à un opérateur distant d’avoir une bonne
compréhension de l’environnement du robot, ou au robot d’avoir un comportement plus
adapté à son environnement [18].
II.13. MODÉLISATION DU CHEMIN PAR LA FORME:
Beaucoup d'applications de vision par ordinateur ont pour but la reconnaissance

d'objets. Dans ces applications, la forme joue un rôle fondamental surtout quand d'autres
attributs comme la couleur et la texture ne donnent pas d'information complémentaire
suffisante sur la nature de l'objet. Par exemple, si nous parvenons à identifier (par couleur
et texture) une région du type chemin sur la scène, nous ne savons rien sur sa catégorie
(i.e., s'il s'agit d'un chemin « tout droit », d'un « virage à gauche », d'un « virage à droite »,
d'une « bifurcation », d'une «intersection », etc.) ce qui peut être déterminées de manière
naturelle en utilisant la forme. L'apparence d'un objet est en effet, largement caractérisée
par des mesures de dimensions physiques basées sur la forme.
Il n'y pas de définition universelle pour décrire ce qu'on appelle la « forme ».
Chez l'homme, l'impression de forme est généralement accompagnée par des informations
de couleur et d'intensité (texture) qui permettent de faire émerger une représentation
géométrique caractéristique de l'objet. Ainsi, l'identification des objets est réalisée de

manière courante en utilisant leurs propriétés visuelles ; nous définissons la forme comme
un modèle géométrique constitue par un ensemble de points, courbes, surfaces solides, etc.
La mise en correspondance des formes va nécessiter leur transformation dans un

espace de représentation dans lequel nous pourrons les comparer, trouver leurs
ressemblances, en utilisant certaine mesure de similarité [19].
II.13.1. Représentation de la forme des objets : L'un des principaux problèmes pour la
reconnaissance automatique des formes consiste à déterminer une représentation ou
description convenable à cet effet. Elle doit être à la fois unique pour l'objet étudie et
capable d'accepter certaines variations pour caractériser les éléments d'une même classe.
Les schémas de représentation de formes doivent satisfaire quelques propriétés pour

donner des résultats satisfaisants : invariance a la translation, à la rotation et aux
changements d'échelle. Par définition, ce type de transformations ne modifient pas la forme
de l'objet et c'est plutôt en utilisant les transformations affines que l'on peut obtenir une
certaine indépendance au point de vue.
D'autres facteurs peuvent gêner la mise en correspondance de formes dans des scènes
naturelles, par exemple les occultations et la variation dans l'éclairage de l'objet. Dans
notre application, les objets de l'arrière-plan comme les arbres, les bâtiments, les voitures
ou les poteaux ont une forte influence sur l'aspect (la forme) des chemins. Par conséquent,
il est important de modéliser non seulement les propriétés d'un objet mais également les
relations entre ceux-ci et les objets du fond de la scène.
Les différentes représentations possibles pour définir la forme des objets 2D, peuvent
être classifies suivant les caractéristiques qu'elles utilisent :
II.13.1.1. APPROCHES GLOBALES :
 surface, périmètre, largeur, hauteur,

 moments invariants, moments de Zernike,
 morphologie mathématique,
 élongation, circularité,

II.13.1.1.2. APPROCHES LOCALES :
 Coins ou sommets (position, angles, . . .).

 Segments (position, longueur, . . .).
 Facettes ou régions (position, surface, couleurs, texture, . . .), en utilisant les
contours de l'objet, squelette.
 Représentation par des histogrammes (Shape Context, signature polaire).
 Descripteurs de Fourier, représentation par vecteurs propres, splines …
La reconnaissance des objets 2D est menée par des méthodes différentes :
 Appariement de gabarit « template matching» : les objets à détecter sont

représentés par des échantillons (imagettes) ou gabarits (templates). L'image
étudiée est balayée avec le template en comparant les pixels du template à ceux de
la portion de l'image recouverte.
Une mesure de comparaison du type coefficients de corrélation ou somme de différences
(Maximales ou absolues) sert à quantifier la similarité entre les template et une portion de
l'image.
 Méthodes basées sur l'apparence (en exploitant l'espace propre)
 Méthodes fondées sur des caractéristiques : Arbres d'interprétation, alignement etc.
La catégorisation d'un chemin perçu dans une scène doit utiliser une représentation qui
exploite le contour de la région correspondante de l'image.
Le descripteur choisi pour représenter la forme d'un chemin est appelée Shape
Context, considère comme une alternative fiable de classification et d'identification
d'objets à partir de leurs points de contour. Du fait de la polyvalence et de la richesse de ce
descripteur, nous l'avons adopté pour la classification et la catégorisation de chemins (de
terre, goudronne...) à partir de leurs caractéristiques morphologiques (carrefours, lignes
droites, intersections en T, impasse, virages, etc.). Notre principale motivation vise
l'exploitation des intersections détectes dans un réseau de chemins, pour la construction
d'une carte topologique exploitée ensuite pour la navigation autonome.

II.13.2. Catégorisation des chemins par shape context : La signature polaire d'une forme,
décrite par un ensemble de points, est donnée par la distribution grossière de la forme par
rapport à un point de référence ; la distribution est représentée par un histogramme polaire
des points de la forme autour du point de référence.
Le descripteur Shape Context est l'ensemble des signatures polaires de la forme par
rapport à chacun des points qui la décrit. La mise en correspondance entre deux formes
décrites par Shape Context, se fait en deux étapes :
(1) on rechercher pour chaque point échantillon sur une forme, le point échantillon sur
l'autre qui a la signature polaire la plus semblable.
(2) La maximisation de similarités globales de tous les points est résolue par l'optimisation
d'un graphe bipartite.
Cette méthode n'impose aucune restriction sur les propriétés inhérentes des points
représentant la forme. C'est-à-dire qu'ils ne correspondent pas à des points de courbure, ni
à des maxima, des minima, des points d'inflexion, etc. Pour la simplicité algorithmique,
nous avons préféré travailler avec des points uniformément sépares.
D'après nos expériences sur l'extraction de contours issus des scènes naturelles, ou
les bords des régions sont souvent assez irréguliers, cette approche nous semble assez
souple pour la représentation des chemins.
II.14. MODÉLISATION ET CATÉGORISATION DE CHEMINS :
II.14.1. Définition chemin : Un chemin entre une situation initiale et une situation
finale est une représentation géométrique du d’emplacement du corps qui ne considère
pas le temps [9].
II.14.2. Indexation de chemins par la forme : Pour l'indexation de chemins à partir de la

forme des régions étiquètent Chemin dans les images, nous ne stockons que les points de
contours lisses de ces régions. Les descripteurs « Shape Context » sont calcules pour
toutes les images de la base de données, et stockées en mémoire pour leur réutilisation.
Le but de l'indexation est de ranger ces descripteurs dans une structure qui permette
de retrouver facilement les descripteurs approximativement égaux a un descripteur donne.
Nous avons un critère de comparaison du type plus proche voisin entre les descripteurs de

la base de données et celui de la région à identifier, i.e., la forme apprise ayant la distance
la plus petite a la forme a classifier.
En conclusion, nous considérons possible d'exploiter cette technique d'indexation,

comme élément additionnel dans la navigation autonome et la construction de cartes
topologiques. Pour ce faire, les chemins caractéristiques rencontres dans la nature (disons :
carrefours, intersection, virages, etc.) sont pré-classifies en tant qu'ayant des propriétés
semblables, ce qui va nous permettre d'augmenter la base de données.
La catégorisation d'un chemin devient alors le processus d'indexation de cette forme

dans notre base de données [19].
II.15.CONCLUSION :
On a commencé ce chapitre par une bref historique sur la science de traitement

d’image ensuite on a présenté une notion de base de traitement d’image numérique,
l’espace de couleurs, l’acquisition d’image et comment reconnaitre la forme aussi sont
domaine d’application, traitement d’image et la perception visuelle.
Nous avons implanté les différents types de navigations comme le guidage, l’action
associe à un lieu la navigation topologique et métrique.

Réalisation pratique
Chapitre III : Réalisation Pratique
III.1. INTRODUCTION :
L’objectif de ce travail et rendre d’un robot mobile capable de suivre visuellement

une ligne dans un terrain.
Ce chapitre est composé de trois parties :
Dans la première partie on fait une description mécanique du robot mobile.

La deuxième partie est consacrée à la partie électronique.
Dans la troisième partie, on présente les différentes procédures et programmes
utilisés pour la commande du robot.
III.2. LA MÉCANIQUE :
La partie mécanique se compose :
 D’un châssis.
 D’un bloc équipé de deux moteurs.
 D’une roue libre.
La partie de commande comprend :
 Une camera (webcam).

 Une carte Arduino Uno.
III.2.1. Le châssis : On a utilisé cette configuration (robot mobile à roue différentielle) à

cause de sa simplicité.
III.2.2. Principe de fonctionnement : La camera détecte la position du robot par rapport à

la ligne jaune tracé sur la piste et transmettent cette commande à Notebook, ce dernier
envoyé la commande à la carte Arduino Uno pour commander les deux moteurs CC.
III.2.3. Structure du système : le robot mobile est composé d’une plate forme mobile
capable de porter les composants du système .La plate forme utilisée est très simple
composée d’un châssis, deux moteurs et une roue de commande libre.
III.3. L’ÉLECTRONIQUE :
III.3.1. Alimentation : L’unité d’alimentation du robot se compose d’une batterie 12V :

41
Un régulateur 7805a été utilisé pour obtenir une tension régulée très stable de +5V pour
l’alimentation de la partie logique du circuit L298.
Figure.III.1 : Des moteurs à CC contrôlées par un L298N.
Figure. III. 1 : Schéma de commande des moteurs avec le circuit L298.
III.3.2. Commande des moteurs CC : Pour assurer le déplacement du robot, on a utilisé

deux moteurs CC .Ces dernier fonctionnent sous une tension de 12V.
Le circuit intégré L298N à été choisi pour commander les moteurs.

42
Figure. III.2 : Hacheur L298 [Annexe A].
Figure .III.3 : Schéma interne du L298 [Annexe A].
 Principales caractéristiques :
Tension d’alimentation du circuit logique : 5V
Tension d’alimentation du circuit puissance : 0V→ 48V
Tension minimale de sensibilité MLI : 2.3V
Courant maximal du circuit puissance : 3A
III.3.2.1. Pont en H : Une structure électronique servant à contrôler polarité aux bornes
d’un dipôle. Il est composé de quatre éléments de commutation généralement disposés
schématiquement en une forme de H d’où le nom. Les commutateurs peuvent être des
relais, des transistors, ou autres éléments de commutation en fonction de l’application
visée.

43
Le pont en H (Voir la Figure. III.4) permet de contrôler la polarité de la tension aux

borne du moteur, ou de déconnecter l’alimentation des moteurs (moteur arrêté). Les
commutateurs sont actionnés deux par deux soit S1-S4 ou S2-S3 pour faire tourner le
moteurs dans un sens ou dans l’autre sens. Les paires de relais peuvent avoir des
puissances différentes selon que l’utilisation ne requiert pas le même couple dans un sens
que dans l’autre sens.
De plus, le pont en H permet d’effectuer un freinage magnétique s’il est capable d’en
dissiper la puissance générée. Cette opération s’effectue en actionnant soit les deux
commutateurs supérieurs ou inférieurs en même temps, ce qui court –circuit les bornes du
moteur et le fait par conséquent freiner.
Les états d’un pont en H sont représentés sur le Tableau .III.2.
Commutateur
Moteur S1 S2 S3 S4 0 : commutateur
ouverte
Roue libre 0 0 0 0
1 : commutateur
Sens 1 1 0 0 1
fermée
Sens 2 0 1 1 0
1 0 1 0
Arrêt 0 1 0 1
Tableau .III.2 : Table de vérité de pont en H.
Figure .III.4 : Etat d’un pont en H : (a) Moteur déconnecté, (b) Rotation ou sens1,
(c) Rotation inverse ou sens inverse.

44
III.3.2.2. Réalisation de module de commande des moteurs à CC : Le module de

commande utilise un circuit L298N comme double pont en H pour la commande des deux
moteurs dans les deux directions (dans le sens des aiguilles d’une montre, et le sens
inverse des aiguilles d’une montre), huit diodes ont été utilisées pour former deux ponts en
diode pour la protection de circuit L298N contre les surtensions provoquées par les
charges inductives.
Les entrées IN1, IN2, IN3 et IN4 du circuit L298N sont utilisées pour commander le
sens de la rotation du moteur 1 et du moteur 2 respectivement.
Les broches ENA et ENB sont directement reliées aux sorties (PWM) du MCU pour
commander la vitesse du robot par un signal PWM.
Les broches SENSA et SENSB doivent être liées à la masse directement ou a travers
une petite résistance. En utilisant une petite résistance et en connectant le SENSX on peut
vérifier si les moteurs sont surchargés ou si le L298N consomme un courant important.
Un connecteur est utilisé pour la connexion du module de commande avec la carte de

commande : carte Arduino UNO.
III.3.4. La carte Arduino Uno :
III.3.4.1. Définition : Arduino Uno est une carte microcontrôleur basée sur l’ATmega328.
Elle est dotée de 14 broches en Entrées /Sortie numérique (dont 6 peuvent être utilisées
comme sorties PWM-Modulation de largeur d’impulsion), 6 entrées analogiques, un
oscillateur à quartz 16MHZ, une connexion USB, un jack d’alimentation, un support ICSP,
un bouton ‘reset’.
Elle contient tout le nécessaire pour fonctionner ; il suffit de la connecter à un

ordinateur par le câble USB et de l’alimenter à l’aide d’un adaptateur USB ou des piles.
La carte Arduino Uno peut être alimentée par l’USB ou par une alimentation externe.
La source est sélectionnée automatiquement.
La tension d’alimentation extérieure (hors USB) peut être délivrée par un adaptateur AC-
DC ou des piles. L’adaptateur peut être connecté grâce à un ‘jack’ de 2.1 mm positif au
centre.

45
Le raccordement vers un bloc de piles peut utiliser les bornes Gnd et Vin du connecteur
d'alimentation (POWER).
La carte peut fonctionner à l'aide d'une tension extérieure de 7 à 12 volts.
Les broches (pins) d'alimentation sont les suivantes :
 VIN : C'est la tension lorsque la carte est raccordée à une source extérieure (par
opposition à la tension de 5 volts venant de l'USB ou d'un régulateur de
tension).
 5V : La tension d'alimentation régulée : elle peut venir de VIN via le régulateur
sur la carte, ou être fournie par l'USB ou un régulateur extérieur. Le courant
maximum est de 50 mA.
 GND : Masse.
La carte Uno diffère des précédentes cartes en ce qu’elle n’utilise pas le ship
convertisseur USB-Série, FTDI, mais le microcontrôleur ATmega8U2-sur la carte -
programmée comme convertisseur USB-Série.
“Uno “ signifie “ Un“ en italien et ce nom annonce la sortie de l’Arduino 1.0.
Les principales caractéristiques de l’Arduino

Uno
Microcontrôleur ATmega328
Tension de fonctionnement 5V
Tension d’Input (recommandée) 7-12V
Tension d’Input (limites) 6-20V
Pins I /O digitales 14(dont 6 sont des PWM-
modulation de largeur d’impulsion)
Pins Input Analogiques 6
Courant DC par pin I/O 40mA
Courant DC pour la broche 3.3V 50mA
Mémoire flash 32KB (ATmega328) dont 0.5KB
utilisé par le ‘bootloader’
SRAM 2KB5ATmega328)
Fréquence d’horloge 16MHz
Tableau.III.4 : Les principales caractéristiques de l’Arduino Uno.

46
III.3.4.2 Entrées / Sorties :
Chacune des 14 broches digitales de la Uno peut être utilisée en entrée ou sortie, en
utilisant les fonctions pinMode(), digitalWrite(), et digitalRead().
Elles fonctionnent en logique 0V-5V ; chacune pouvant fournir (source) ou recevoir un
courant maximal de 40 mA et dispose si besoin d'une résistance interne de 'pull-up'.
En outre, certaines broches ont des fonctions spécialisées:
• Serial: 0 (RX) and 1 (TX). Permet de recevoir (RX) et de transmettre (TX) des données
séries TTL. Ces broches sont raccordées à leurs homologues sur le chip ATmega8U2
spécialisé dans la conversion USB-to-TTL série.
• Interruptions externes 2 et 3. Ces broches peuvent être configurées pour déclencher une
interruption sur une valeur LOW, sur un front montant ou descendant, ou encore sur le
changement de valeur.
• PWM: 3, 5, 6, 9, 10, and 11. Output 10-bits de PWM avec la fonction analogWrite().
• SPI: 10 (SS), 11 (MOSI), 12 (MISO), 13 (SCK). Ces broches fournissent le support de
communication SPI en utilisant la 'library' spécialisée.
• LED: 13. Il y a une LED connectée à la broche digitale 13.
La carte Uno a 6 broches d'entrées analogiques, A0 à A5, chacune avec 10 bits de
résolution.
Par défaut les mesures sont effectuées de la masse à 5V (valeur de référence), mais il est
possible de spécifier la valeur de référence en utilisant la broche VREF et la fonction
analog Reference().
En outre, certaines broches ont des fonctions spécialisées :

• I2C: 4 (SDA) and 5 (SCL). Permettent le support du bus I2C (TWI) en utilisant la
'library' Wire.
Il y a encore quelques autres broches sur la carte:
• AREF. Tension de référence déjà mentionnée.
• Reset. Permet au niveau bas (LOW°) de faire un reset du contrôleur. Elle est utilisée
typiquement pour monter un bouton 'reset' aux cartes additionnelles ('shields') bloquant
celui de la carte principale.

47
III.3.4.3 Communication : La carte Arduino Uno a de nombreuses facilités de

communications avec un ordinateur, une autre Arduino, ou un autre microcontrôleur.
L'ATmega328 permet la communication série UART TTL, grâce aux broches digitales 0
(RX) et 1 (TX).
Un contrôleur ATmega8U2 sur la carte, canalise cette communication série vers l'USB et
apparaît comme un port de communication série virtuel pour le logiciel sur l'ordinateur.
Le firmware de l'8U2 utilise le protocole USB, et aucun driver externe n'est nécessaire.
Logiciel de programmation de l’arduino uno :
 Le logiciel de l’Arduino inclut un moniteur série permettant l'envoi et la réception

de simples données textuelles. Les leds RX et TX sur la carte clignotent pour
indiquer la transmission de données via le chip USB-to-serial vers l'ordinateur.
 Une bibliothèque 'SoftwareSerial' permet la transmission de données série à partir
de chacune des broches digitales du Uno.
 L'ATmega328 supporte le bus I2C (TWI) et le protocole synchrone maître-esclave
SPI. Le logiciel de l’Arduino inclut un ensemble de fonctions pour mettre en œuvre
ces fonctions.
Pour la réalisation de notre programme on a utilisé le langage Python, et la bibliothèque

open CV.
 Logiciel de programmation de l’arduino uno. Arduino IDE 1.0 pour Windows.
III.4. PROGRAMMATION :
III.4.1 Python :
III.4.1.1. Définition : Python est un langage de programmation très puissant qui est de plus
en plus utilisé pour développer des applications rapidement et en même temps efficaces. Il
est très utilisé dans le monde scientifique pour sa syntaxe aérée et une vitesse d'exécution
rapide.
Ce langage est aussi excellent pour la création de prototypes car sa simplicité

permet d'implémenter un projet aussi vite que l'on y réfléchit.

48
III.4.1.2. Caractéristique du langage de programmation (python) :
 IL est portable, non seulement sur les différentes variantes d'UNiX, mais aussi sur
les OS propriétaires: MacOS, BeOS, NeXTStep, MS-DOS et les différentes
variantes de Windows.
 Python est gratuit, mais on peut l'utiliser sans restriction dans des projets
commerciaux.
 Python convient aussi bien à des scripts d'une dizaine de lignes qu'à des projets
complexes de plusieurs dizaines de milliers de lignes.
 La syntaxe de Python est très simple et, combinée à des types de données évolués
(listes, dictionnaires,...), conduit à des programmes à la fois très compacts et très
lisibles. A fonctionnalités égales, un programme Python est souvent de 3 à 5 fois
plus court qu'un programme C ou C++ (ou même Java) équivalent, ce qui
représente en général un temps de développement de 5 à 10 fois plus court et une
facilité de maintenance largement accrue.
 Peut être étendu avec des modules en C.
 Le langage Python est un langage de programmation complet grâce aux
nombreuses bibliothèques spécialisées, appelées modules.
NumPy :
 NumPy est une extension du langage de programmation Python, destinée à
manipuler des matrices ou tableaux multidimensionnels. Il contient:
• un objet puissant, tableau à N dimensions.
• Des outils pour l'intégration de C / C + + et Fortran.
• l'algèbre linéaire, transformée de Fourier.
SciPy :
 SciPy est un projet visant à unifier et fédérer un ensemble de bibliothèques Python

à usage scientifique. Scipy utilise les tableaux et matrices du module NumPy. Cette
distribution de modules est destinée à être utilisée avec le langage interprété Python
afin de créer un environnement de travail scientifique.
PySerial : est un module d'accès au port série spéciale pour Python.

Pywin32: est un module de Python pour Windows Extensions.

49
III.4.1.3. Open CV :
Open CV (Open Computer Vision) est une bibliothèque graphique libre, initialement
développée par Intel, spécialisée dans le traitement d'images en temps réel. La société
Willow Garage assure le support de cette bibliothèque depuis 2010.
III.4.1.3.1. Fonctionnalités d’Open CV: La bibliothèque Open CV met à disposition

de nombreuses fonctionnalités très diversifiées permettant de créer des programmes
partant des données brutes pour aller jusqu'à la création d'interfaces graphiques
basiques.
III. 4.2. L’interface graphique: Après l’exécution du programme on obtient deux fenêtres
sur le bureau du PC :
La première permet le choix de la couleur de la ligne à poursuivre par notre robot, et

la deuxième permet d’afficher les informations (comme la détection de la ligne, avancé,
droite et tourné à gauche,…).
Figure. III.5 : La première fenêtre concerne la webcam.

50
Figure. III.6 : La deuxième fenêtre montre la détection de la ligne.
Webcam
Acquisition Prétraitement Détection de Calcule de
de l’image la ligne commande
Robot
Mobile
.
Figure. III.7 : Schéma du principe du système de commande.
III.5. CONCLUSION :
D’après les résultats obtenus et au cours de la réalisation de ce robot on peut conclure
que ce travail peut être divisé en deux grandes parties, la partie software qui est basée
essentiellement sur la programmation en langage Python, et la partie hardware qui est la
réalisation de la partie électronique et mécanique du robot. Le travail est l’intégration
entre ces deux parties pour la réalisation du robot capable de suivre en toute autonomie la
ligne tracé, et les résultats obtenus montrent que le robot peut détecter et poursuivre la
ligne détecté.

51
Conclusion générale et perspectives
Ce projet couvre un grand nombre de domaines :

 La partie hardware : on a utilisé une carte de commande Arduino uno, qui se
caractérise essentiellement par la programmation directe par un PC sans un
programmateur, pour la commande de deux moteurs DC 12V, ces composants sont
monté sur le châssis du robot.
 La partie software : on a utilisé le langage Python, et la librairie open CV pour la
réalisation de notre programme après la configuration de ces deux logiciels et des
autres modules annexes.
Consiste à l’étude et la mise en œuvre d’un robot suiveur de ligne.

Ce travail exige la maîtrise de plusieurs notions techniques aussi bien le domaine
électronique et celui de l'informatique, ce que fait que nous avons eu l’occasion à
découvrir, la programmation bas niveau par La carte Arduino Uno, Langage PYTHON, et
la librairie Open CV.
D'après le planning que nous nous étions fixés, on peut dire que nous sommes arrivés
à terme du projet dans le temps.
Au terme de notre travail, nous prévoyons des perspectives :
Une première perspective on a besoin d’utilisés des cameras de haute qualité à cause de la
perturbation de l’environnement (luminosité, les obstacles inévitables, …)
Une deuxième perspective consiste à utilisés une méthode de détection des objets basé sur
les couleurs.
Une deuxième perspective consiste à utiliser d'autres capteurs pour permettre l’évitement
d’obstacles.

52
BIBLIOGRAPHIE
[1] Melle AKLI Isma. «Elaboration d'une stratégie de coordination de mouvements pour
un manipulateur mobile redondant ». MEMOIRE de MAGISTER, Université Houari
Boumediene, Oran ,Alger, le : 14 / 07 / 2007.
[2] A. ALLOUI, A.HAJ Brahim. « Proposition d’une solution multi-agent pour la

commande et la coopération multi-robot mobile ».Mémoire d’ingénieur d’état en
automatique, Université Biskra, juin 2007.
[3] M. GHAOUI. « Planification d’un mouvement pour un robot mobile »Thèse de
magistère université de Batna.année 1997.
[4] El-Hadi GUECHI. « Suivi de trajectoires d’un robot mobile non holonome : approche
par modèle flou de Takagi-Sugeno et prise en compte des retards ». Thèse Doctorat
présentée à UNIVERSITÉ DE VALENCIENNES ET DU HAINAUT CAMBRÉSIS
Mention Automatique, le 28 juin 2010.
[5] A, Pruski , “Robotique mobile, la planification de trajectoire”, ED. Hermes, Paris

1996.
[6] C, Cappelle, El Badaoui El Najjar, M., Pomorski, D., Charpillet, F., "Détection, suivi
Et géolocalisation d'obstacles à l'aide d'un modèle 3D géo-référencé, une caméra et
Un GPS : validation avec un lidar", Conférence Internationale Francophone
d’Automatique, CIFA'08, Bucarest, Roumanie, 3-5 Septembre, 2008.
[7] Yang Cheng, Maimone, M.W., Matthies, L., “Visual odometry on the Mars
Exploration rovers- a tool to ensure accurate driving and science imaging”, IEEE
Robotics & Automation Magazine, Volume 13, Issue 2, June 2006. Page(s):54 – 62.
[8] Hacéne ABERKANE & Khireddine Messaoudene, « Mini robot mobile», MFE
ingénieur, Université de BATNA, 2001.
[9] Mohamed Selim BEN HIMANE. « Vers une approche unifiée pour le suivi temps-réel
et l’asservissement visuel ». Thèse Doctorat, L’ECOLE NATIONALE SUPERIEURE
DES MINES DE PARIS, le 06 Décembre 2006.
[10] Khiat Abdelaziz, Ouzaïd Saïd. « Etude de la manœuvrabilité d’un robot mobile
autonome non-holonome évoluant dans un espace restreint ». Mémoire d’ingénieur d’état
en informatique de l’Institut National de formation en Informatique (I.N.I) (ex: C.E.R.I.),
Promotion 1997.
[11] Bouali Abdelmalek Ingénieur d’état en électronique. « Planification de trajectoire
pour un robot mobile ». Mémoire Présenté pour obtenir le diplôme de magister
Electronique, Université El-Hadj Lakhdar – BATNA – le : 30 /06/2012.
[12] David FILLIAT. « Robotique Mobile (cour) ».Ecole Nationale Supérieure de
Techniques Avancées :
[13] Antoine MANZANERA. « Cours TERI – Master IAD ». UPMC Paris 6.
[14] Image Processing Toolbox. Version 2.2 (R11) 05-Aug-1998, Release information.
[16] Antoine MANZANERA. « Traitement d’images et vision artificielle ». Cours

ENSTA .D9-2.
[17] Olivier bernard. « Traitement d’images numérique ». Université INSA. LYON.
[18] David Filliat. «Navigation, perception et apprentissage pour la

robotique». Habilitation à Diriger des Recherches, l’Université Pierre et Marie Curie,
Paris, le 12 juillet 2011, https://www.google.dz/ david filliat les robotique mobile.
[19] JUAN GABRIEL AVI A CERVANTES. « Navigation visuelle d'un robot mobile
dans un environnement d’extérieure semi-structure ». Thèse Doctorat, de l'Institut National
Polytechnique de Toulouse, le 15 Février 2005.

Arduino

Transféré par

Droits d'auteur :

Formats disponibles

Arduino

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Arduino

Transféré par

Droits d'auteur :

Formats disponibles

‫اﻟﺟﻣﮭورﯾﺔ اﻟﺟزاﺋرﯾﺔ اﻟدﯾﻣﻘراطﯾﺔ اﻟﺷﻌﺑﯾﺔ‬

République Algérienne Démocratique et Populaire

Université Mohamed Khider Biskra

Mémoire de Fin d'Etudes

Robot Mobile avec Suivi Visuel de ligne

Devant le jury composé de :

Année universitaire: 2012 / 2013

Université Mohamed Khider Biskra

Mémoire de Fin d'Etudes

Robot Mobile avec Suivi Visuel de ligne

Présenté par : Avis favorable de l’encadreur :

Avis favorable du Président du Jury

Université Mohamed Khider Biskra

Robot Mobile avec Suivi Visuel de ligne

Proposé par : Belhouchet Khaled et Khammar Kamelia

Dirigé par : Boumehraz Mohamed

RESUMES (Français et Arabe)

- Times new Roman 12

Je dédie ce modeste travail :

A mes chères sœurs

A tout mes amis

Tableau.III.2 : Table de vérité de pont en H………………………………………... 44

CHAPITRE I : Généralités sur les robots mobiles.

Figure. I.1 : Représentation d'un robot mobile………………………………………… 02

CHAPITRE II : Traitement d’image numérique-Suivi visuel.

Figure. II.1 : Développement de la science traitement d’image depuis 1950 à 2005…... 26

Figure. II.9 : Effet de lignage dû au balayage entrelacé des caméras vidéo…………….. 31

CHAPITRE III : Réalisation pratique.

Figure. III.1 : Schéma de commande des moteurs avec le circuit L298.……………… 42

I.N.S.A : Institut National des Sciences Appliquées

L.A.A.S: Laboratories d’analyes et d’Architecture des Systemes

GPS : Global Positionning System

EGNOS: European Geostationary Navigation Overlay System

GPSRTK : Real Time Kinematics

PMP : Planification de Mouvement Partiel

VFH : Vector Field Histogram

3 D: Dull, Dirty, Dangerous

RGB: Rouge-Vert Bleu

Bit: binary digit

HSV: Hue, Saturation, Value

YCbCr: Luminance, Chrominance bleue, Chrominance rouge

Mots clefs : Robot Mobile-Suivi Visuel-Ligne.

.‫ ﻣﺴﺎر‬-‫ ﺗﺘﺒﻊ ﺑﺎﻟﺒﺼﺮﯾﺔ‬-‫ روﺑﻮت ﻣﺘﺤﺮك‬: ‫اﻟﻜﻠﻤﺎت اﻻﺳﺎﺳﯿﺔ‬

Robot Mobile Avec Suivi Visuel De Ligne

Chapitre N°I: Généralités sur les robots mobiles.

Un des grands avantages de l'automatisation des procédures est la précision des

Notre mémoire est organisé comme suit :

Le premier chapitre présente des généralités sur les robots mobiles ;

Le deuxième chapitre est devisé en deux parties :

-La première concerne le traitement d’image numérique : historique, définitions et

- La deuxième traite la navigation : les différents types de la navigation.

Le troisième chapitre décrit la réalisation pratique : la partie pratique mécanique, la

Robot Mobile Avec Suivi Visuel De Ligne

Robot Mobile Avec Suivi Visuel De Ligne

Robot Mobile Avec Suivi Visuel De Ligne 3

Figure. I.1 : Représentation d'un robot mobile.

I.3. APERÇU HISTORIQUE :

 1947 : Premier manipulateur électrique télé-opéré.

Robot Mobile Avec Suivi Visuel De Ligne 4