L’autonomie fonctionnelle d’un robot mobile repose sur sa capacité à interpréter les données issues de capteurs embarqués, en vue de reconstruire une représentation pertinente de son environnement. Parmi les capteurs les plus couramment utilisés figurent le LIDAR, le RADAR et les caméras. Ces dernières représentent une solution à la fois économique et particulièrement riche en informations visuelles.
Cependant, une caméra unique ne permet pas d’estimer directement la distance entre le capteur et les objets observés, en raison de l’absence d’information de profondeur. Pour pallier cette limitation, plusieurs approches sont envisageables : l’utilisation d’une stéréovision (deux caméras) ou la fusion de données entre une caméra et un capteur de télémétrie tel qu’un LIDAR ou un RADAR. Ces solutions offrent des performances intéressantes mais impliquent souvent un coût élevé, tant en termes de calculs embarqués que de charge utile ou de coût global du système.
Une alternative consiste à combiner une caméra avec une centrale inertielle, qui permet de mesurer certains paramètres cinématiques et de configuration du robot. Cette fusion capteur/caméra constitue une approche prometteuse pour la perception et la navigation. En effet, l’image capturée par une caméra correspond à une projection 2D du monde 3D, entraînant une perte intrinsèque de l’information de profondeur.
Dans ce contexte, la reconstitution de la profondeur est une étape essentielle pour permettre la localisation, la reconstruction de l’environnement et la navigation autonome, notamment dans des milieux inconnus. C’est dans cette perspective que s’inscrivent nos travaux de recherche, menés en collaboration avec le laboratoire IBISC de l’université Evry Paris-Saclay.