La localisation et la cartographie simultanées (SLAM) constituent une technique de navigation et de perception qui permet aux systèmes autonomes d’estimer leur position tout en établissant une carte d’un environnement inconnu ou partiellement cartographié. Parmi les applications courantes, on peut citer la navigation autonome, la cartographie environnementale, l’évitement d’obstacles et l’exploitation dans des environnements où la couverture GNSS est dégradée.
Cette page présente les fournisseurs de technologies SLAM destinées aux drones, aux UAV, aux UGV, aux robots mobiles et aux véhicules sous-marins.
Lire le Présentation de la technologie
Solutions de cartographie LiDAR et SLAM de haute précision pour drones et systèmes autonomes
Systèmes de positionnement GNSS, SLAM 3D et cartographie mobile, véhicules terrestres sans pilote
Systèmes de positionnement et de navigation GNSS, cartographie mobile par drone LiDAR et véhicules de surface sans pilote
Si vous concevez, construisez ou fournissez Localisation et cartographie simultanées (SLAM), Créez un profil pour mettre en avant vos compétences et entrer en contact avec des visiteurs qui recherchent activement vos solutions.
La localisation et la cartographie simultanées (SLAM) constituent une technique de navigation et de perception qui permet à un robot ou à un véhicule autonome d’estimer sa position tout en établissant une carte d’un environnement inconnu ou partiellement cartographié. La localisation et la cartographie SLAM s’avèrent particulièrement utiles lorsque le positionnement externe fiable n’est pas disponible, est intermittent ou s’avère insuffisant pour garantir un fonctionnement autonome précis.
Pour les drones, les véhicules terrestres sans pilote (UGV), les robots mobiles et les systèmes sous-marins, le SLAM peut combiner des données provenant de caméras, de systèmes de détection et de télémétrie par la lumière (LiDAR), de capteurs inertiels, de radars, de capteurs de profondeur et d’autres sources afin de faciliter la navigation en temps réel et la compréhension de l’environnement. Le SLAM pour les drones et les systèmes robotiques s’avère donc particulièrement utile en intérieur, sous terre, en milieu urbain, sous-marin et dans d’autres environnements où le GPS est indisponible ou où la couverture GNSS est dégradée.
Localisation et cartographie simultanées, SLAM, SL9 de SatLab.
Les systèmes SLAM combinent la localisation, la cartographie, l’estimation du mouvement et la perception de l’environnement afin de permettre un déplacement autonome dans des zones jusque-là inconnues ou seulement partiellement cartographiées.
Ensemble, ces fonctions permettent aux plateformes autonomes de garder une perception à la fois de leurs propres déplacements et de l’environnement qui les entoure pendant leur fonctionnement.
Le SLAM LiDAR utilise les mesures issues de scanners laser pour estimer le mouvement du véhicule tout en construisant des cartes géométriques de l’environnement environnant. Les balayages LiDAR successifs peuvent être alignés par correspondance de balayages ou par enregistrement de nuages de points, ce qui permet à un système de cartographie SLAM de suivre les mouvements et de construire progressivement des représentations détaillées en 2D ou en 3D de la zone. Cette approche est particulièrement adaptée aux drones, aux robots terrestres et aux véhicules autonomes évoluant dans des environnements présentant des caractéristiques géométriques suffisamment distinctes.
Le SLAM visuel utilise les images provenant d’une ou plusieurs caméras pour identifier et suivre les caractéristiques de l’environnement tout en estimant le mouvement de la caméra à travers la scène. Les configurations de caméras SLAM monoculaires, stéréoscopiques et autres peuvent offrir une perception relativement peu gourmande en ressources pour les plateformes sans pilote dont la charge utile et la puissance sont limitées, tandis qu’un drone équipé du SLAM visuel peut utiliser les caractéristiques de son environnement pour se localiser lors de vols en intérieur, d’inspections et de navigation autour de structures.
Le SLAM visuo-inertiel combine les observations des caméras avec les mesures provenant d’une unité de mesure inertielle (IMU), ce qui permet aux atouts de chaque méthode de détection de se compléter mutuellement. Les données inertielles fournissent des informations de mouvement à court terme et à haut débit, tandis que les observations visuelles contribuent à limiter la dérive accumulée, ce qui rend cette approche particulièrement utile pour la navigation SLAM par drone, où des caméras et des IMU compactes peuvent offrir un équilibre efficace entre poids, fréquence de mise à jour et perception de l’environnement.
Le SLAM LiDAR-inertiel combine les mesures LiDAR avec les données inertielles afin d’améliorer l’estimation du mouvement lors de déplacements rapides et entre deux balayages laser successifs. L’IMU fournit des mesures à haute fréquence de la rotation et de l’accélération, tandis que le LiDAR fournit des informations géométriques sur l’environnement immédiat, créant ainsi une combinaison capable de prendre en charge le SLAM des véhicules aériens sans pilote (UAV), la robotique mobile, le SLAM des véhicules autonomes et d’autres systèmes nécessitant une localisation 3D robuste.
Le SLAM RGB-D utilise des caméras qui fournissent à la fois des images en couleur et des informations de profondeur par pixel, ce qui permet au système de restituer simultanément l’aspect visuel et la géométrie tridimensionnelle de la scène. Les mesures directes de profondeur peuvent simplifier la cartographie dense sur des portées relativement courtes, ce qui rend les systèmes RGB-D particulièrement adaptés à la robotique d’intérieur, à l’inspection d’espaces confinés et à d’autres applications où la portée du capteur de profondeur est suffisante.
Le SLAM radar utilise des signaux radiofréquences réfléchis pour estimer les mouvements et cartographier les caractéristiques de l’environnement, offrant ainsi une option de détection qui ne dépend pas de l’éclairage visible. Le radar peut fonctionner dans l’obscurité et conserver des performances satisfaisantes en présence de poussière, de brouillard, de fumée et dans d’autres conditions qui réduisent l’efficacité de la détection optique, ce qui lui permet de compléter les caméras ou le LiDAR dans les systèmes sans pilote conçus pour des environnements difficiles.
Localisation et cartographie simultanées (SLAM), C01 SLAM LiDAR de SKYLANDX.
Le SLAM multicapteurs combine les mesures issues de plusieurs technologies de détection, telles que le LiDAR, les caméras, les radars, les IMU, les récepteurs GNSS ou l’odométrie du véhicule, de sorte que les faiblesses d’une source de données puissent être compensées par les informations provenant d’une autre. La fusion des capteurs permet d’améliorer la continuité lorsque certains capteurs deviennent peu fiables, tout en fournissant des informations complémentaires sur la géométrie, la vision, le mouvement et la position absolue, ce qui s’avère particulièrement utile pour les systèmes autonomes évoluant dans des environnements variés, tant en intérieur qu’en extérieur.
Le choix des capteurs influe sur la portée, la précision, l’adéquation à l’environnement, les exigences en matière de charge utile et les besoins en calcul d’un système SLAM ; les combinaisons de capteurs sont donc sélectionnées en fonction à la fois du véhicule et de son environnement d’exploitation.
Les combinaisons de capteurs sont choisies en fonction de l’environnement d’exploitation, de la précision de localisation requise, de la dynamique du véhicule, ainsi que des contraintes en matière de taille, de poids, de consommation d’énergie et de capacité de traitement.
Le SLAM pour drones permet un vol autonome dans des zones où le GNSS ne peut pas fournir de solution de navigation fiable, ce qui permet à l’appareil d’estimer sa position par rapport aux surfaces et aux éléments environnementaux environnants. La navigation de drones en intérieur, l’inspection des infrastructures, la cartographie d’entrepôts, les opérations dans les tunnels et la navigation autour des bâtiments peuvent toutes recourir au SLAM pour drones, tandis qu’un système SLAM autonome pour drones peut également fournir des informations cartographiques à des logiciels d’évitement de collisions et de planification de trajectoire. Les systèmes multi-UAV peuvent étendre encore davantage ces capacités grâce à une cartographie partagée ou coordonnée entre plusieurs appareils.
La robotique SLAM est largement utilisée pour la navigation terrestre autonome dans les entrepôts, les mines, les tunnels, les installations industrielles et d’autres environnements où la cartographie des infrastructures ou le positionnement par satellite peuvent être incomplets ou indisponibles. Un robot SLAM peut créer ou mettre à jour une carte de l’environnement tout en estimant sa propre position au sein de celui-ci, ce qui permet au logiciel de navigation de planifier des itinéraires contournant les obstacles ; une technologie similaire de cartographie et de localisation pour véhicules autonomes est utilisée par les robots d’inspection, les plateformes de recherche et de sauvetage, les véhicules terrestres non habités (UGV) de sécurité et d’autres systèmes robotiques mobiles.
Les véhicules sous-marins autonomes (AUV) et les véhicules télécommandés (ROV) peuvent utiliser le SLAM pour faciliter la localisation et la cartographie lorsque les signaux GNSS ne pénètrent pas sous la surface de l’eau. Le SLAM basé sur le sonar peut utiliser des mesures acoustiques pour identifier les caractéristiques des fonds marins, les structures ou d’autres repères environnementaux, tandis que des approches visuelles-inertelles peuvent être utilisées lorsque la visibilité et l’éclairage sont suffisants. Ces techniques peuvent compléter les systèmes de navigation inertiels, acoustiques et basés sur la vitesse lors d’inspections sous-marines, de cartographie et de missions sous-marines autonomes.
Le SLAM est étroitement lié à plusieurs techniques de navigation et de cartographie, bien que leurs objectifs sous-jacents et leurs résultats diffèrent. Bon nombre de ces technologies peuvent également fonctionner en tant que composants au sein d’une architecture SLAM plus large.
| Technologie | Fonction principale | Capteurs typiques | Lien avec le SLAM |
| Odométrie visuelle | Estime le mouvement relatif à partir d’images séquentielles | Caméras monoculaires ou stéréoscopiques | Peuvent fournir des estimations de mouvement au sein d’un système SLAM visuel, mais ne permettent pas nécessairement de construire ou d’optimiser globalement une carte persistante. |
| Odométrie LiDAR | Estime le mouvement en faisant correspondre des balayages laser successifs | LiDAR 2D ou 3D | Fait souvent partie du SLAM LiDAR, le traitement SLAM plus complet incluant la cartographie, la fermeture de boucle et l’optimisation de la carte. |
| Navigation inertielle | Estime la position, la vitesse et l’assiette à partir de mesures inertielles | Accéléromètres et gyroscopes | Ils fournissent une estimation continue du mouvement mais accumulent une dérive ; les données inertielles sont donc fréquemment fusionnées avec celles des capteurs SLAM. |
| Localisation basée sur le GNSS | Fournit la position par rapport à un référentiel mondial | Récepteur GNSS et antenne | Permet un positionnement absolu lorsque des signaux satellites sont disponibles et peut également servir à contraindre les solutions SLAM. |
| Balayage LiDAR 3D | Permet de capturer les mesures géométriques des surfaces environnantes | Scanner LiDAR 3D | Il génère des données de nuage de points, mais un scanner n’est pas en soi un système SLAM. Le SLAM ajoute une estimation continue de la pose et un alignement de la carte pendant que le capteur se déplace. |
Ces technologies sont souvent combinées plutôt qu’utilisées isolément ; les systèmes SLAM pour drones, par exemple, peuvent intégrer l’odométrie visuelle ou LiDAR, la navigation inertielle et le GNSS au sein d’une architecture unique de navigation et de cartographie.
La technologie SLAM continue de se développer à mesure que les capteurs, le calcul embarqué et la perception autonome gagnent en performances, ce qui permet aux systèmes de fonctionner plus longtemps et d’extraire davantage d’informations des environnements qu’ils cartographient.
Ensemble, ces avancées font évoluer la localisation et la cartographie simultanées (SLAM), passant de systèmes de navigation individuels à un fonctionnement autonome plus persistant, distribué et sensible au contexte.
Recherche d'entreprises et de produits
