Architecture de filtre de Kalman tolérante aux fautes pour la localisation des robots mobiles

Abstract

La localisation précise est une fonctionnalité importante dans les robots autonomes et les véhicules intelligents. Elle utilise différents capteurs pour déterminer une position, ce qui est fondamental pour la navigation et le contrôle. Dans cet article, nous proposons une architecture de tolérance aux fautes adaptée à la fusion de données et les détails de son application pour la localisation d'un robot mobile. Nous utilisons deux types de capteurs pour percevoir l'état du robot et l'environnement: une unité de mesure inertielle (IMU) qui donne les accélérations et les vitesses angulaires du robot, et une caméra qui fournit des séquences d'images pour un algorithme d'odométrie visuelle. Un filtre de Kalman utilise ces entrées pour estimer la position du robot. La tolérance aux fautes est fournie dans cette application par une duplication / comparaison des algorithmes de diagnostic appropriés. La technique d'injection de fautes est utilisée pour évaluer les performances de notre architecture sur une étude de cas simulée.