Macario, Barros Andréa. "Modular device for automated and reliable mapping of indoor installations." Electronic Thesis or Diss., université Paris-Saclay, 2023. http://www.theses.fr/2023UPASP186.
Abstract:
Dans le cadre des opérations de démantèlement, l'établissement d'une cartographie radiologique précise est essentiel, car cela facilite l'identification des zones présentant des niveaux de rayonnement élevés. Cette tâche repose principalement sur les opérateurs de radioprotection qui quadrillent les zones à contrôler et réalisent des mesures aux positions correspondantes. Néanmoins, cette méthode manuelle est sujette à des erreurs humaines, peut être physiquement épuisante pour les opérateurs et les exposer à des environnements potentiellement contaminés. Par conséquent, la littérature explore progressivement des approches alternatives, comme l'intégration de mesures radiologiques avec des techniques de localisation et de cartographie simultanées (SLAM). Ces techniques offrent la capacité de cartographier l'environnement et de déterminer l'emplacement d'un capteur sans recourir aux systèmes GPS ou GNSS, généralement inopérants dans les installations nucléaires intérieures. Cependant, les solutions incorporant le SLAM dans la littérature sont souvent limitées à la localisation d'un seul type de mesure nucléaire, présentent un encombrement conséquent (dimensions et poids), et nécessitent une étape de post-traitement. En réponse à ces limitations, cette thèse propose le développement d'un dispositif modulaire pour la reconstruction et localisation 3D de mesures radiologiques, avec la volonté d'identifier l'algorithme SLAM le plus adapté au cadre du démantèlement embarqué. Sachant que la littérature présente un large éventail d'algorithmes SLAM et d'odométrie, sélectionner le plus fiable pour la reconstruction des installations nucléaires n'est pas chose aisée. Pour répondre à cette question, une révision de la littérature des algorithmes visuel-SLAM a été menée. Par la suite, ces algorithmes ont été évalués quant à leur résilience dans les conditions rencontrées dans les environnements en démantèlement. Cinq algorithmes ont été retenus pour être mis en œuvre parmi la gamme d'algorithmes identifiés, chacun ayant le potentiel de produire des performances satisfaisantes dans le contexte de cette thèse. Les algorithmes sélectionnés comprennent les Direct Sparse Odometry (DSO), Visual-Inertial Direct Sparse Odometry (VI-DSO), Large Scale Direct Monocular SLAM (LSD-SLAM), Semi-direct Visual Odometry (SVO), and Visual Inertial Semi-direct Visual Odometry (VI-SVO). Pour permettre leur comparaison, un nouvel ensemble de données représentant les caractéristiques des opérations de cartographie radiologique a été conçu. Cet ensemble de données a été créé à partir d'un nouveau prototype intégrant des images stéréo et des données inertielles, sphériques et radiologiques. Il a permis l'analyse comparative des algorithmes en tenant compte de leur précision de localisation et cartographie, de leur embarquabilité et de leur capacité à localiser les points chauds. Le VI-SVO a présenté les erreurs moyennes les plus faibles pour la localisation et une performance équivalente aux autres algorithmes pour la cartographie. Le VI-DSO s'est avéré être l'algorithme le plus approprié pour une implémentation embarquée. Contrairement au VI-SVO, cet algorithme n'a pas pu traiter toutes les séquences de l'ensemble des données. Parmi les algorithmes évalués, le VI-SVO a été le seul à traiter avec succès toutes les séquences et à localiser les zones de contamination. Il est donc l'algorithme le plus approprié pour la cartographie radiologique<br>In the context of the Dismantling and Decommissioning processes, establishing a precise radiological mapping is essential, as it facilitates the identification of areas with elevated radiation levels. This task predominantly relies on manual procedures performed by radiation protection operators, who construct matrices and allocate the measurements to their corresponding spatial positions. Nonetheless, this conventional method is more susceptible to human errors, can be physically exhausting for the operators, and expose them to potentially contaminated environments. Consequently, the literature is progressively exploring alternative approaches, as the integration of radiological measurements with Simultaneous Localization and Mapping (SLAM) techniques. SLAM technology offers the capability to concurrently mapping the surrounding environment and determining the location of a sensor, without the reliance on GPS or GNSS systems, which are typically non-functional within indoor nuclear facilities. Nevertheless, existing SLAM solutions in the literature are often limited to the localization of one type of nuclear measurement, tend to be cumbersome in design, and require post-processing procedures. In response to these limitations, this thesis proposes the development of a modular device for online 3D environment reconstruction and radioactivity measurement localization, focusing on the identification of the most appropriate SLAM algorithm in the context of embedded nuclear dismantling. While the literature presents an array of SLAM and odometry algorithms, selecting the most robust one for reconstructing nuclear facilities is not straightforward. To address this concern, a comprehensive review of state-of-the-art visual-sensor-based SLAM algorithms was conducted. Subsequently, these algorithms were critically evaluated concerning their resilience in the specific conditions encountered in dismantling environments. Five were chosen for implementation from the array of identified algorithms, each with the potential to yield satisfactory performance in the context of nuclear facility reconstruction. These selected algorithms include Direct Sparse Odometry (DSO), Visual-Inertial Direct Sparse Odometry (VI-DSO), Large Scale Direct Monocular SLAM (LSD-SLAM), Semi-direct Visual Odometry (SVO), and Visual Inertial Semi-direct Visual Odometry (VI-SVO). A novel dataset was conceived in the frame of this thesis to facilitate a comparative assessment. This dataset aims to accurately represent the characteristics of radiological mapping operations within nuclear facilities. This dataset was conceived using a new handheld prototype integrating stereo images and inertial, spherical, and radiological data. The proposed dataset allowed the benchmarking of the algorithms considering algorithms' tracking and mapping accuracies, embeddability, and ability to locate hotspots. The VI-SVO presented the lowest average errors for the tracking and an equivalent performance as the other algorithms for the mapping. The VI-DSO has been demonstrated to be the most suitable algorithm for an embedded implementation. However, unlike the VI-SVO, this algorithm could not process all the real-case sequences. Among the evaluated algorithms, the VI-SVO was the only one to successfully process all the sequences in the dataset and localize the contamination data, being the most suitable algorithm for the radiological mapping