Physique | Technique

 

Arthur Muster, 2004 | Neuchâtel, NE

 

Le tracking inertiel, soit « suivi de position », est un sujet actuel et traité avec beaucoup d’attention dans la communauté scientifique. De nombreux efforts sont fournis afin d’obtenir des résultats de plus en plus précis à partir de centrales inertielles. Ce travail a pour but de fabriquer un appareil de capture de données d’une centrale inertielle, ainsi que de traiter ses données afin d’obtenir un tracking du point matériel en trois dimensions. Les expérimentations montrent néanmoins des résultats erronés, et permettent de souligner la difficulté de ce type de tracking à cause des différents biais et bruits constants, répercutés lors du traitement des données.

Problématique

Les centrales inertielles, composées d’accéléromètres et gyroscopes, sont miniaturisées et embarquées dans de nombreux objets de notre quotidien, tels que les téléphones portables. De plus, le tracking est une mesure qui, aujourd’hui, possède de nombreux domaines d’applications que ce soit dans le divertissement avec les casques de réalité virtuelle, la navigation avec le GPS ou encore la recherche biomédicale. Les lois physiques permettent de décrire le mouvement de tout point dans l’espace à partir de quantité physique. Serait-il alors possible de lier ces lois aux capteurs et centrales inertielles, afin de pouvoir effectuer du tracking sur toute chose simplement?

Méthodologie

Le tracking inertiel se base sur les principes de la cinématique, qui expriment l’accélération d’un point matériel comme la double dérivée temporelle de la position. Ainsi en prenant le chemin inverse, en double intégrant numériquement les accélérations d’un point, il est possible de retrouver la position de celui-ci dans l’espace. La méthode choisie afin de réaliser les différentes expérimentations est séparée en deux phases. Premièrement, l’appareil de mesure réalisé à partir d’un montage Arduino permet l’enregistrement des données de la centrale inertielle (accéléromètre et gyroscope) sur une carte MicroSD, ceci à haute fréquence. Le choix de ce micro-processeur permet un prototypage simple et rapide. Deuxièmement, ces données sont traitées grâce à un programme en Python et différentes bibliothèques de traitement de données. C’est dans ce programme que la double intégration numérique par méthode d’Euler, la correction du repère via la vitesse angulaire et la suppression artificielle de la gravité sont effectuées.

Résultats

Les différentes mises en situation de l’appareil permettent d’obtenir des résultats réalistes mais rapidement faussés par différentes sources d’erreur et de bruit, que ce soit dans une position statique (censée donner des résultats indiquant un non-déplacement) ou non-statique subissant de fortes accélérations. Plusieurs tests montrent que l’accéléromètre capture correctement les données, mais que l’erreur progressive apparait durant la double intégration numérique. Néanmoins, il est possible d’observer le déplacement de l’appareil dans les trois dimensions, ce qui n’est pas négligeable. Pour une expérimentation statique de 10 secondes, l’erreur obtenue avec le tracking inertiel est une différence de 1000 mètres.

Discussion

Les résultats sont plutôt décevants par rapport à l’hypothèse émise au début du travail. Il est clair que les erreurs et différents biais sont importants et détériorent le traitement des données. Même pour des mesures simples, comme par exemple à l’arrêt, l’accéléromètre capture puis intègre des micros accélérations qui nuisent aux bons résultats. L’ajustement de la rotation du repère grâce à la vitesse angulaire et la suppression artificielle de la gravité peuvent aussi être cités comme de grands biais. Pour palier à ces différentes sources d’erreur, il est nécessaire d’implémenter des filtres complexes ou de nouvelles sources de données comme un magnétomètre. Ceci est en tout cas ce que préconise la littérature en la matière.

Conclusions

Le premier but de ce travail était de montrer la faisabilité et la simplicité théorique d’un tel système, néanmoins les différentes étapes et résultats montrent que ce n’est pas le cas. En effet, le tracking inertiel, bien que basé sur un principe physique trivial est bien plus compliqué à implémenter qu’un tracking optique par exemple. Ce travail souligne la difficulté de la capture de données, et du traitement de celles-ci avec différentes méthodes numériques qui ne sont pas parfaites. Le tracking inertial peut être intéressant pour un suivi de déplacement en trois dimensions sans l’aide de systèmes externes. Néanmoins, il n’est aujourd’hui pas prêt à être implémenté à grande échelle : les différents résultats de ce travail en sont la preuve.

 

 

Appréciation de l’expert

Alessandro Basili

Le travail de Arthur Muster décrit de manière claire et complète les étapes nécessaires liées au traitement de données d’un accéléromètre. Le candidat a dû comprendre la nature des données ainsi que leurs imperfections, les plusieurs sources de bruits ainsi que l’impact du biais de mesure sur le résultat. Avec ce travail le candidat explique les objectifs et le parcours pour y arriver, les défis de la calibration de l’instrument ainsi que le constat d’un résultat pas satisfaisant. Un parcours scientifique qui démarre d’une hypothèse et essaye de la démontrer.

Mention:

bien

 

 

 

Lycée Denis de Rougemont, Neuchâtel
Enseignant: Nicolas Paul