Nous présentons ici une approche au problème de la localisation d'un robot autonome utilisant la vision informatique. Il s'agit d'obtenir une estimation précise de la position du robot dans un environnement exploré au préalable, ceci même sans une estimation connue a priori. Notre approche prend avantage à la fois de méthodes qui reposent sur l'interprétation des données ainsi que de méthodes statistiques plus générales.
Ceci est réalisé en entrainant le robot a reconnaître à partir d'une serie d'images un ensemble d'éléments visuels appelés points de repère, chacun d'entre eux étant défini comme étant un point extrême d'une fonction mesurant le caractère unique d'une portion de l'image en question. Ces points de repères sont ensuite enregistré dans une base de données, ceci avec l'information visuelle nécessaire afin de les distinguer les uns des autres.
La localisation est accomplie en associant chaque point de repère observé avec un point de repère qui se trouve déjà dans la base de données en question; ceci produit une estimation de la position du robot pour chaque point de repère observé. Ces differentes positions sont ensuite combinées afin d'obtenir une estimation de la position finale ainsi que l'incertitude associée avec cette position en question.
L'expérience démontre qu'il est possible d'estimer la position du robot avec une résolution supérieure à la densité d'échantillonnage. Ce résultat est également maintenu si l'on modifie les paramètres de la méthode de localisation, ou encore si l'on modifie la densité d'échantillonnage.