Évitement d'obstacles pour quadrirotors en utilisant un capteur de profondeur

La sécurité est l'une des préoccupations majeures en robotique et ce autant dans le but de protéger le robot que dans le but de protéger son environnement. Parmi les fonctionnalités relevant de la sécurité, l'évitement d'obstacles est prisée car elle permet de faire évoluer un robot de manière autonome dans un environnement non contrôlé. Cette thèse s'articule autour de cette fonctionnalité d'évitement d'obstacles pour un type de robot spécifique, le quadrirotor. Deux algorithmes d'évitement d'obstacles seront ainsi présentés. Le premier sera quasiment exclusivement l'agrégat d'éléments présentés indépendamment les uns des autres dans la littérature récente dédiée aux quadrirotors. Le deuxième algorithme présentera une nouveauté, un filtrage spatial sur les coûts associés aux différentes trajectoires générées, qui permet d'améliorer les performances d'évitement. Ces deux algorithmes utiliseront un unique capteur de profondeur et se baseront, notamment, sur la platitude des quadrirotors et sur l'utilisation d'une carte de profondeur locale donnant une information sur 360degree.L'autre contribution de cette thèse réside dans la création du benchmark BOARR qui a été développé pour effectuer des tests d'évitement d'obstacles en simulation. Ce benchmark a été construit pour tenter de simuler au mieux un des problèmes présent à de multiples reprises dans la littérature : la navigation dans une forêt dense avec un quadrirotor d'environ SI{500}{g}. Ce benchmark est disponible en open-source et l'auteur de cette thèse espère, grâce à cet outil, augmenter la qualité des tests effectués sur la capacité d'évitement d'obstacles qui est, on le rappelle, une fonctionnalité de sécurité et qui nécessite donc des tests rigoureux.