Tesi sul tema "Systèmes de localisation en temps réel (RTLS)"

Des techniques fiables de radiolocalisation s’avèrent indispensables au développement d’un grand nombre de nouveaux systèmes pertinents. Les techniques de localisation basées sur les réseaux de communication sans-fil (WNs) sont particulièrement adéquates aux espaces confinés et fortement urbanisés. Le présent projet de recherche s’intéresse aux systèmes de localisation en temps réel (RTLS) basés sur les technologies de communication sans-fil existantes. Deux nouvelles techniques de radiolocalisation alternatives sont proposées pour améliorer la précision de positionnement des nœuds sans-fil mobiles par rapport aux méthodes conventionnelles basées sur la puissance des signaux reçus (RSS). La première méthode de type géométrique propose une nouvelle métrique de compensation entre les puissances de signaux reçus par rapport à des paires de stations réceptrices fixes. L’avantage de cette technique est de réduire l’effet des variations du milieu de propagation et des puissances d’émission des signaux sur la précision de localisation. La même métrique est sélectionnée pour former les signatures utilisées pour créer la carte radio de l’environnement de localisation durant la phase hors-ligne dans la deuxième méthode de type analyse de situation. Durant la phase de localisation en temps réel, la technique d’acquisition comprimée (CS) est appliquée pour retrouver les positions des nœuds mobiles à partir d’un nombre réduit d’échantillons de signaux reçus en les comparant à la carte radio préétablie. Le calcul d’algèbre multilinéaire proposé dans ce travail permet l’utilisation de ce type de métrique ternaire, équivalemment la différence des temps d’arrivée (TDOA), pour calculer les positions des cibles selon la technique de CS. Les deux méthodes sont ensuite validées par des simulations et des expérimentations effectuées dans des environnements à deux et à trois dimensions. Les expériences ont été menées dans un bâtiment multi-étages (MFB) en utilisant l’infrastructure sans-fil existante pour retrouver conjointement la position et l’étage des cibles en utilisant les techniques proposées. Un exemple emblématique de l’application des RTLS dans les zones urbaines est celui des systèmes de transport intelligents (ITS) pour améliorer la sécurité routière. Ce projet s’intéresse également à la performance d’une application de sécurité des piétons au niveau des intersections routières. L’accomplissement d’un tel système repose sur l’échange fiable, sous des contraintes temporelles sévères, des données de positionnement géographique entre nœuds mobiles pour se tenir mutuellement informés de leurs présences et positions afin de prévenir les risques de collision. Ce projet mène une étude comparative entre deux architectures d’un système ITS permettant la communication entre piétons et véhicules, directement et via une unité de l’infrastructure, conformément aux standards de communication dans les réseaux ad hoc véhiculaires (VANETs).

Les systèmes de localisation en temps réel (Real-Time Locating System - RTLS) sont de plus en plus employés dans l'industrie. Ils permettent l'automatisation de diverses tâches telles que l'identification et le suivi des objets au long de la chaîne d'approvisionnement, la surveillance d'équipements dans les usines et la sécurisation des biens. Ces systèmes sont basés sur des capteurs électroniques sans fil à faible puissance et à faible coût avec des antennes intégrées. Dans notre contexte, deux types de capteurs sont utilisés. Les tags de référence sont généralement fixés sur les murs tandis que les tags mobiles sont fixés sur les objets qui doivent être suivis. Notre système RTLS (Real Time Localisation System) exploite la puissance du signal reçu (Received Signal Strength Indication - RSSI) pour calculer la localisation des tags mobiles. Toutefois, la performance de ce système peut être influencée par plusieurs facteurs. Tout d'abord, par rapport à l'antenne, la non-uniformité du diagramme de rayonnement et le non-alignement de la polarisation des antennes peuvent affecter la puissance du signal reçu. De plus, l'impact de l'environnement résulte sur des multi-trajets qui dégradent la précision de la localisation. Dans la première partie de ce travail, nous proposons une solution pour le tag de référence en utilisant un plan réflecteur en métal pour améliorer son diagramme de rayonnement. Nous avons effectué plusieurs expériences utilisant un logiciel de simulation et nous démontrons que l'utilisation d'un plan réflecteur en métal améliore considérablement la précision de la localisation de notre système. Dans la deuxième partie, nous proposons d'utiliser des techniques de diversité d'antenne pour le tag mobile afin de minimiser les effets des multi-trajets et d'améliorer le diagramme de rayonnement afin de couvrir tout l'espace souhaité pour la localisation. Nos solutions se composent de trois antennes intégrées sur le boîtier en plastique du tag, alliant la diversité de diagramme et de polarisation. Nous proposons une première structure avec trois antennes PIFAs manufacturées et fixées à l'extérieur du boîtier, un deuxième système avec deux antennes IFAs et enfin une antenne patch triangulaire sur un substrat permettant de plier les antennes, de façon à pouvoir rentrer la structure dans le boîtier du tag. Ces systèmes ont été simulés dans différents configurations de scénario afin de valider l'amélioration apportée par nos solutions. Finalement, des expérimentations ont été menées afin de comparer les systèmes proposés dans un environnement réel. Les résultats montrent que l'erreur de localisation a été divisée par un facteur proche de trois par rapport au système d'origine.

Cette thèse s'inscrit dans le contexte de l'Internet des Objets (Internet of Things, IoT), de l'identification et de la traçabilité d'objets dans des environnements dits complexes, réalisées au moyen de la technologie ULB (Ultra-Large Bande) dite de haute précision temporelle. L'ambition est de contribuer à l'évolution des systèmes ULB de localisation en temps réel par la conception et l'optimisation d'antennes ULB qui soient reconfigurables, multistandards et multifonctionnelles. Ainsi, tout système de localisation intégrant des antennes optimisées sera doté d'une qualité de localisation meilleure et de fonctions nouvelles.Les contributions principales développées dans cette thèse ont consisté en l'apport d'améliorations aux systèmes de localisation en temps réel (RTLS) basé sur la technologie ULB : conception et fabrication d'antennes ULB reconfigurables en fréquence ; conception et fabrication d'une carte électronique de localisation multistandards (ULB et Long Range - LoRa) ; étude expérimentale des systèmes RTLS intégrant les antennes conçues et validation de l'évolution de la localisation en termes de portées supérieures, de détectabilité d'objets sans connaissance préalable de leurs orientations, et en précision améliorée par l'atténuation de signaux multi-trajets
This thesis is part of the concept of the Internet of Things (IoT), object identification, and traceability in so-called complex environments through Ultra-Wide Band (UWB) technology known for its high temporal precision. The objective is to contribute to the advancement of real-time UWB-based localization systems through the design and optimization of UWB antennas that are reconfigurable, multi-standards, and multi-functions. Therefore, any localization system integrating the optimized antennas will have improved localization quality and new functionalities.The main contributions developed in this thesis involve enhancements to real-time localization systems (RTLS) based on UWB technology: design and fabrication of frequency reconfigurable UWB antennas; design and fabrication of a multi-standard localization electronic board (UWB and Long Range - LoRa); experimental study of RTLS systems incorporating the designed antennas and validation of the evolution of the localization in terms of extended reading ranges, detectability of objects without prior knowledge of their orientations, and improved location accuracy through the attenuation of multi-path signals

La mobilité des unités a connu un fort essor depuis quelques années. Une des conséquences directes dans le domaine des bases de données est l'apparition de nouveaux types de requêtes tels que les Requêtes Dépendant de la Localisation (RDL) (e. G. Un ambulancier demande l'hôpital le plus proche de sa position). Ces requêtes soulèvent des problèmes qui font depuis quelques années l'objet de plusieurs recherches. En dépit de l'abondance des travaux liés à ce domaine, les différents types de requêtes étudiés jusqu'ici ne répondent pas à tous les besoins applicatifs. En effet, des nouveaux besoins donnent naissance à des requêtes mobiles avec des contraintes de temps réel. La prise en compte à la fois des contraintes de temps réel et de mobilité lors du traitement des requêtes est un problème important à résoudre. Ainsi, notre principal objectif est de proposer une solution pour le traitement des requêtes RDL avec des contraintes de temps réel. D'abord, nous proposons un langage permettant d'exprimer différents types de requêtes RDL. Ensuite, nous concevons une architecture permettant de traiter des requêtes RDL avec des contraintes de temps réel. Les modules conçus sont destinés à être implantés au-dessus de SGBD existants (e. G. Oracle). Dans le cadre de cette architecture, nous proposons des méthodes permettant de tenir compte de la localisation du client et de son déplacement après l'envoi de la requête. Nous proposons aussi des méthodes permettant de maximiser le taux de requêtes respectant leurs échéances. Enfin, nous validons nos propositions par une mise en œuvre et des évaluations des performances des méthodes proposées
In last years, the mobility of units achieved an increasing development. One of the direct consequences in the database field is the appearance of new types of queries such as Location Dependent Queries (LDQ) (e. G. An ambulance driver asks for the closest hospital). These queries raise problems which have been considered by several researches. Despite the intensive work related to this field, the different types of queries studied so far do not meet all the needs of location based applications. In fact these works don’t take into account the real time aspect required by certain location based applications. These new requirements generate new types of queries such as mobile queries with real time constraints. Taking into account mobility and real time constraints is an important problem to deal with. Hence, our main objective is to propose a solution for considering real time constraints while location dependent query processing. First, we propose a language for expressing different type of queries. Then, we design a software architecture allowing to process location dependent queries with real time constraints. The modules of this architecture are designed to be implemented on top of existent DBMS (e. G. Oracle). We propose methods to take into account location of mobile client and his displacement after sending the query. We also propose methods in order to maximise the percentage of queries respecting their deadlines. Finally we validate our proposal by implementing the proposed methods and evaluating their performance

L'objectif est la réalisation d'une méthode de diagnostic des onduleurs de tension, alimentant des moteurs asynchrones, pour la détection et la localisation fiable de pannes en temps réel, indépendamment de l'état de l'entraînement électrique. La détection et l'identification sont obtenues par analyse des signaux sur une fenêtre temporelle glissante. L'idée conductrice du travail est : "la surveillance du rapport entre la composante continue glissante et l'amplitude du premier harmonique glissant des courants sortant des onduleurs de tension permet de localiser rapidement et de manière fiable une panne de transistors en régime permanent ou transitoire". Deux méthodes sont présentées, pour la détection et l'identification des pannes des composants correspondant à la non-conductivité des transistors. La méthode de diagnostic est basée sur l'identification de signatures spécifiques de la panne. L'onduleur surveillé fonctionne avec une commande en boucle ouverte à rapport U/f constant.

Dans le contexte de la navigation autonome en environnement urbain, une localisation précise du véhicule est importante pour une navigation sure et fiable. La faible précision des capteurs bas coût existants tels que le système GPS, nécessite l'utilisation d'autres capteurs eux aussi à faible coût. Les caméras mesurent une information photométrique riche et précise sur l'environnement, mais nécessitent l'utilisation d'algorithmes de traitement avancés pour obtenir une information sur la géométrie et sur la position de la caméra dans l'environnement. Cette problématique est connue sous le terme de Cartographie et Localisation Simultanées (SLAM visuel). En général, les techniques de SLAM sont incrémentales et dérivent sur de longues trajectoires. Pour simplifier l'étape de localisation, il est proposé de découpler la partie cartographie et la partie localisation en deux phases: la carte est construite hors-ligne lors d'une phase d'apprentissage, et la localisation est effectuée efficacement en ligne à partir de la carte 3D de l'environnement. Contrairement aux approches classiques, qui utilisent un modèle 3D global approximatif, une nouvelle représentation égo-centrée dense est proposée. Cette représentation est composée d'un graphe d'images sphériques augmentées par l'information dense de profondeur (RGB+D), et permet de cartographier de larges environnements. Lors de la localisation en ligne, ce type de modèle apporte toute l'information nécessaire pour une localisation précise dans le voisinage du graphe, et permet de recaler en temps-réel l'image perçue par une caméra embarquée sur un véhicule, avec les images du graphe, en utilisant une technique d'alignement d'images directe. La méthode de localisation proposée, est précise, robuste aux aberrations et prend en compte les changements d'illumination entre le modèle de la base de données et les images perçues par la caméra. Finalement, la précision et la robustesse de la localisation permettent à un véhicule autonome, équipé d'une caméra, de naviguer de façon sure en environnement urbain.

Les drones sont des véhicules aériens complexes et difficiles à commander. Malgré les efforts réalisés sur la stabilisation du drone (saturations emboitées et séparées, backstepping, etc), les lois de commande ont toujours été focalisées à stabiliser l'orientation du véhicule et peu de travaux ont portés sur l'estimation de sa position. Des nombreuses approches ont été proposées pour l'estimation de la position, notamment la vision pour les environnements à l'intérieur et le GPS à l'extérieur. Cependant, il reste un grand nombre de difficultés à surmonter pour son application dans les drones. Ce travail s'inscrire dans la recherche d'une solution au problème de positionnement des drones dans des environnements à l'intérieur en utilisant les signaux radio. Étant donné que les mesures réelles sont bruyantes et non directement observables ou mesurables avec les capteurs, l'estimation de la position pose un problème difficile à résoudre. Les algorithmes des k-plus proches voisins, les moindres carrés et le filtre de Kalman ont été testé et validé en temps réels. La validation des schémas de localisation a été faite en vol stationnaire et en vol suivant une ligne. Concernant à la validation en temps réel, j'ai développé un mini hélicoptère à quatre rotors avec une architecture informatique pour l'implantation embarquée des lois de commandes pour son stabilisation ainsi que pour l'implantation des algorithmes de localisation
The Unmanned Aerial Vehicles are complex and difficult dynamic systems to control. In spite of the efforts realized on the stabilization approaches (nested saturation, back-stepping, etc. ), the control laws have been always focused to stabilize the orientation of the vehicle and few works has been developed to estimate its position. Since real measurements are noisy and are not directly observable or measurable from the sensors, the estimation of the position is a difficult problem to resolve. Numerous approaches have been proposed for position’s estimation. In particular, vision and GPS have been explored in indoor and outdoor, respectively. However, there remain many challenges to its application in UAVs. This dissertation presents a solution to the problem of location of UAV indoor using radio signals. The k-nearest neighbor (KNN) algorithm, the least squares algorithm and the Extended Kalman filter have been tested and validated in real time. The performances of the algorithms were validated during hover flight and path following flight of a mini helicopter. In order to validate the algorithms, I developed a mini helicopter with four rotors (quad rotor) with the computer architecture for implementing onboard embedded control laws for its stability and for the implementation of localization tasks

Le développement des systèmes autonomes engendre des besoins en perception de l'environnement de plus en plus élevés dans les systèmes électroniques embarqués. Les voitures autonomes, les drones, ou encore les casques à réalité mixte présentent des facteurs de forme limités et un budget de puissance énergétique restreint pour les performances en temps-réel. Par exemple, les cas applicatifs cités ont un budget compris entre 300W-10W, 15W-10W et 10W-10mW respectivement. La thèse se place dans le domaine des systèmes autonomes et mobiles ayant un budget de consommation de 10mW à 15W avec l'utilisation de capteurs d'images et de la centrale inertielle (IMU). La méthode Simultaneous Localization And Mapping (SLAM) fournit aux systèmes autonomes et mobiles une perception précise et robuste de l'environnement en temps-réel et sans connaissances préalables. La thèse a pour objectif de répondre à la problématique de l'exécution temps-réel du système SLAM dans son ensemble composé de fonctions de perception avancées allant de la localisation à la reconstruction 3D sur du matériel à ressources restreintes. Dans ce cadre, deux principales questions sont posées pour répondre aux défis de l'état de l'art. Comment réduire les besoins en ressources de ces fonctions de perception ? Quel est le partitionnement de la chaîne de traitement SLAM pour le système hétérogène intégrant plusieurs unités de calcul allant du circuit intégré au capteur d'image, au traitement proche capteur (FPGA) et dans la plateforme embarquée (ARM, GPU embarqué) ?. La première question abordée dans la thèse concerne le besoin de réduire les ressources utilisées par la chaîne de traitement SLAM, de la sortie du capteur à la reconstruction 3D. Dans ce sens, les travaux détaillés dans le manuscrit apportent deux principales contributions. La première présente le traitement dans le circuit intégré au capteur en impactant les caractéristiques de l'image grâce à la réduction de la dynamique. La seconde impacte le pilotage du flux d'image envoyé dans la chaîne de traitement SLAM avec un traitement proche capteur. La première contribution vise à réduire l'empreinte mémoire des algorithmes SLAM en évaluant l'impact de la réduction de la dynamique du pixel sur la précision et la robustesse de la localisation et la reconstruction 3D temps-réel. Les expérimentations menées ont montré que l'on peut réduire la donnée d'entrée jusqu'à 75% correspondant à moins de 2 bits par pixel tout en obtenant une précision similaire à la référence 8 bits par pixel. Ces résultats ont été obtenus en évaluant la précision et la robustesse de quatre algorithmes SLAM différents sur deux bases de données. La seconde contribution vise à réduire la quantité de données injectée dans le SLAM par le filtrage adaptatif qui est la stratégie de décimation pour contrôler le flux d'entrée des images. Le déclenchement des images provenant du capteur est initialement à un flux constant (20 images par seconde). Cela implique une consommation d'énergie, de mémoire, de bande passante et augmente la complexité calculatoire. Pouvons-nous réduire cette quantité de données à traiter ? Dans le cadre du SLAM, la précision et le nombre de calculs à effectuer dépendent fortement du mouvement du système. Grâce à l'IMU qui fournit les accélérations linéaires et angulaires, les données sont injectées en fonction du mouvement du système. Ces images clés sont obtenues grâce à la méthode de filtrage adaptatif (AF). Bien que les résultats dépendent de la difficulté des bases de données choisies, les expérimentations menées ont montré que l'AF permet de décimer jusqu'à 80% des images tout en assurant une erreur de localisation faible et similaire à la référence. L'étude de l'impact mémoire dans le contexte embarqué montre que le pic de consommation est réduit jusqu'à 92%
The development of autonomous systems has an increasing need for perception of the environment in embedded systems. Autonomous cars, drones, mixed reality devices have limited form factor and a restricted budget of power consumption for real-time performances. For instance, those use cases have a budget in the range of 300W-10W, 15W-10W and 10W-10mW respectively. This thesis is focused on autonomous and mobile systems with a budget of 10mW to 15W with the use of imager sensors and the inertial measurement unit (IMU). Simultaneous Localization And Mapping (SLAM) provides accurate and robust perception of the environment in real-time without prior knowledge for autonomous and mobile systems. The thesis aims at the real-time execution of the whole SLAM system composed of advanced perception functions, from localization to 3D reconstruction, with restricted hardware resources. In this context, two main questions are raised to answer the challenges of the literature. How to reduce the resource requirements of advanced perception functions? What is the SLAM pipeline partitioning for the heterogeneous system that integrates several computing units, from the embedded chip in the imager, to the near-sensor processing (FPGA) and in the embedded platform (ARM, embedded GPU)?. The first issue addressed in the thesis is about the need to reduce the hardware resources used by the SLAM pipeline, from the sensor output to the 3D reconstruction. In this regard, the work described in the manuscript provides two main contributions. The first one presents the processing in the embedded chip with an impact on the image characteristics by reducing the dynamic range. The second has an impact on the management of the image flow injected in the SLAM pipeline with a near-sensor processing. The first contribution aims at reducing the memory footprint of the SLAM algorithms with the evaluation of the pixel dynamic reduction on the accuracy and robustness of real-time localization and 3D reconstruction. The experiments show that we can reduce the input data up to 75% corresponding to 2 bits per pixel while maintaining a similar accuracy than the baseline 8 bits per pixel. Those results have been obtained with the evaluation of the accuracy and robustness of four SLAM algorithms on two databases. The second contribution aims at reducing the amount of data injected in SLAM with a decimation strategy to control the input frame rate, called the adaptive filtering. Data are initially injected in constant rate (20 frames per second). This implies a consumption of energy, memory, bandwidth and increases the complexity of calculation. Can we reduce this amount of data ? In SLAM, the accuracy and the number of operations depend on the movement of the system. With the linear and angular accelerations from the IMU, data are injected based on the movement of the system. Those key images are injected with the adaptive filtering approach (AF). Although the results depend on the difficulty of the chosen database, the experiments describe that the AF allows the decimation of up to 80% of the images while maintaining low localization and reconstruction errors similar to the baseline. This study shows that in the embedded context, the peak memory consumption is reduced up to 92%

Dans plusieurs tâches de la robotique, la vision est considérée comme l’élément essentiel avec lequel la perception de l’environnement ou l’interaction avec d’autres utilisateurs peut se réaliser. Néanmoins, les artefacts potentiellement présents dans les images capturées rendent la tâche de reconnaissance et d’interprétation de l’information visuelle extrêmement compliquée. Il est de ce fait, très important d’utiliser des primitives robustes, stables et ayant un taux de répétabilité élevé afin d’obtenir de bonnes performances. Cette thèse porte sur les problèmes de localisation et de détection de fermeture de boucle d’un robot mobile en utilisant la saillance visuelle. Les résultats en termes de précision et d’efficacité des applications de localisation et de détection de fermeture sont évalués et comparés aux résultats obtenus avec des approches de l’état de l’art sur différentes séquences d’images acquises en milieu extérieur. Le principal inconvénient avec les modèles proposés pour l’extraction de zones de saillance est leur complexité de calcul, ce qui conduit à des temps de traitement important. Afin d’obtenir un traitement en temps réel, nous présentons dans ce mémoire l’implémentation du détecteur de régions saillantes sur la plate forme reconfigurable DreamCam
In several tasks of robotics, vision is considered to be the essential element by which the perception of the environment or the interaction with other users can be realized. However, the potential artifacts in the captured images make the task of recognition and interpretation of the visual information extremely complicated. It is therefore very important to use robust, stable and high repeatability rate primitives to achieve good performance. This thesis deals with the problems of localization and loop closure detection for a mobile robot using visual saliency. The results in terms of accuracy and efficiency of localization and closure detection applications are evaluated and compared to the results obtained with the approaches provided in literature, both applied on different sequences of images acquired in outdoor environnement. The main drawback with the models proposed for the extraction of salient regions is their computational complexity, which leads to significant processing time. To obtain a real-time processing, we present in this thesis also the implementation of the salient region detector on the reconfigurable platform DreamCam

Les avancées technologiques notables dans le domaine de la communication sans fil ont ouvert de nouvelles perspectives pour améliorer les systèmes d'aide à la conduite existants. En effet il a été prouvé que l'échange de données de positionnement absolu et relatif entre des véhicules d'un même groupe peut améliorer la précision de la localisation de tous ces membres. Le travail présenté dans ce manuscrit s'inscrit dans ce cadre et propose une approche totalement distribuée permettant de combiner les informations provenant des capteurs de tous les véhicules d'un groupe pour obtenir l'estimation la plus précise possible de la pose de ces derniers tout en minimisant les informations transmises sur le réseau de communication. Le principe de l'approche proposée est que chaque véhicule utilise ses propres capteurs pour mettre à jour une estimation de l'état du groupe puis la transmet à ses congénères. La fusion des états reçus et l'état construit dans chaque véhicule donne l'estimation de l'état global du groupe qui intègre les informations provenant de tous ces membres. L'approche proposée a été validée expérimentalement en simulation et dans un environnement réel avec un groupe de deux véhicules urbains.

Ce mémoire de thèse présente la réalisation d'un système de localisation pour un robot mobile fondé sur la vision monoculaire. L'objectif de ces travaux est de pouvoir faire naviguer un véhicule robotique sur parcours donné en milieu urbain. Le robot est d'abord conduit manuellement. Pendant cette phase d'apprentissage, la caméra embarquée enregistre une séquence vidéo. Après un traitement approprié hors ligne, une image prise avec le même matériel permet de localiser le robot en temps réel. Cette localisation peut être utilisée pour commander le robot et faire en sorte qu'il suive de façon autonome le même parcours que durant la phase d'apprentissage. Le principe retenu consiste à construire une carte tridimensionnelle de la zone parcourue pendant la phase d'apprentissage, puis à se servir de la carte pour se localiser. Une grande partie de ce mémoire est consacré à l'étude des performances du système

Cette thèse propose une approche hiérarchique du diagnostic des systèmes complexes par décomposition en sous-systèmes élémentaires de diagnostic puis agrégation de ceux-ci. Le chapitre 1 décomposition en sous-systèmes élémentaires de diagnostic puis agrégation de ceux-ci. Le chapitre 1 détaille la problématique du diagnostic en temps réel ainsi que celle des systèmes complexes. Il en propose une solution par décomposition hiérarchique et présente l'outil logiciel dialogs issu de ce concept. Il présente enfin un système complexe illustrant cette approche. La station d'épuration de Maxéville et son séchage thermique des boues. Les chapitres 2 et 3 abordent l'aspect modulaire de cette approche au travers de l'étape de génération de symptômes. Le chapitre 2 propose pour cela des méthodes de détection de défauts permettant, de générer des symptômes indépendants. Le chapitre 3 présente des techniques plus élaborées assurant également la localisation de défauts au travers d'ensemble de symptômes. La nécessité d'associer les résidus fournis par ces méthodes dans des niveaux de décision hierarchiquement supérieurs impose leur homogénéisation au moyen de tests de décision présentes chapitre 2. Le chapitre 4 développe les notions de hiérarchisation et d'agrégation de systèmes élémentaires au travers de deux méthodes de localisation de défauts, la décision structurée et la décision à objectifs multiples. Une troisième technique, la décision générique, permet de conclure quant à l'état du système complet

Les capteurs de vision délivrant des images en couleur et l'information de profondeur ont récemment gagné en popularité. Les véhicules autonomes bénéficient de nouvelles méthodes de perception 3D grâce à ces capteurs. Nous avons étudié les différentes étapes de traitement d’un sys­tème afin d'apporter des contributions au niveau du couplage capteur-algorithme et de l'architec­ ture de calcul. Cette étude a commencé par une analyse expérimentale approfondie de l’impact des modalités d’acquisition des capteurs sur la préci­sion de la localisation. Nous avons développé la méthode HOOFR-SLAM RGB-D, qui a été éva­ luée à l’aide d’un ensemble de données RGB-D. Les résultats obtenus ont montré une amélioration significative de localisation et du temps de trai­ tement. Nous avons proposé un modèle d’archi­ tecture basé sur FPGA pour le pré-traitement du HOOFR SLAM. Cette architecture offre des per­ formances supérieures et un compromis entre la consommation d’énergie et le temps de traitement
Vision sensors with color and depth hâve recently gained popularity. Autonomous ve- hicles benefit from new 3D perception methods thanks to these sensors. We hâve investigated the various processing stages of the System to make contributions at the sensor-algorithm coupling and computing architecture levels. This study began by conducting a thorough experimental analysis of the impact of sensor acquisition modalities on locali­ zation accuracy. We introduced RGB-D HOOFR- SLAM, which was assessed using a self-collected RGB-D dataset. We compared the measurement results to those of the most advanced algorithms. The results revealed a significant réduction in lo­ calization errors and a significant gain in proces­ sing speed compared to the state-of-the-art stéréo and RGB-D algorithms. We proposed the implé­ mentation of the HOOFR SLAM front-end on an FPGA-based architecture. This innovative archi­ tecture delivers superior performance and a trade- off between power consumption and processing time

L'estimation de la pose (position et l'attitude) en temps réel est une fonction clé pour les véhicules autonomes routiers. Cette thèse vise à étudier des systèmes de localisation pour ces véhicules en utilisant des capteurs automobiles à faible coût. Trois types de capteurs sont considérés : des capteurs à l'estime qui existent déjà dans les automobiles modernes, des récepteurs GNSS mono-fréquence avec antenne patch et une caméra de détection de la voie regardant vers l’avant. Les cartes très précises sont également des composants clés pour la navigation des véhicules autonomes. Dans ce travail, une carte de marquage de voies avec une précision de l’ordre du décimètre est considérée. Le problème de la localisation est étudié dans un repère de travail local Est-Nord-Haut. En effet, les sorties du système de localisation sont utilisées en temps réel comme entrées dans un planificateur de trajectoire et un contrôleur de mouvement pour faire en sorte qu’un véhicule soit capable d'évoluer au volant de façon autonome à faible vitesse avec personne à bord. Ceci permet de développer des applications de voiturier autonome aussi appelées « valet de parking ». L'utilisation d'une caméra de détection de voie rend possible l’exploitation des informations de marquage de voie stockées dans une carte géoréférencée. Un module de détection de marquage détecte la voie hôte du véhicule et fournit la distance latérale entre le marquage de voie détecté et le véhicule. La caméra est également capable d'identifier le type des marquages détectés au sol (par exemple, de type continu ou pointillé). Comme la caméra donne des mesures relatives, une étape importante consiste à relier les mesures à l'état du véhicule. Un modèle d'observation raffiné de la caméra est proposé. Il exprime les mesures métriques de la caméra en fonction du vecteur d'état du véhicule et des paramètres des marquages au sol détectés. Cependant, l'utilisation seule d'une caméra a des limites. Par exemple, les marquages des voies peuvent être absents dans certaines parties de la zone de navigation et la caméra ne parvient pas toujours à détecter les marquages au sol, en particulier, dans les zones d’intersection. Un récepteur GNSS, qui est obligatoire pour le démarrage à froid, peut également être utilisé en continu dans le système de localisation multi-capteur du fait qu’il permet de compenser la dérive de l’estime. Les erreurs de positionnement GNSS ne peuvent pas être modélisées simplement comme des bruits blancs, en particulier avec des récepteurs mono-fréquence à faible coût travaillant de manière autonome, en raison des perturbations atmosphériques sur les signaux des satellites et les erreurs d’orbites. Un récepteur GNSS peut également être affecté par de fortes perturbations locales qui sont principalement dues aux multi-trajets. Cette thèse étudie des modèles formeurs de biais d’erreur GNSS qui sont utilisés dans le solveur de localisation en augmentant le vecteur d'état. Une variation brutale due à multi-trajet est considérée comme une valeur aberrante qui doit être rejetée par le filtre. Selon le flux d'informations entre le récepteur GNSS et les autres composants du système de localisation, les architectures de fusion de données sont communément appelées « couplage lâche » (positions et vitesses GNSS) ou « couplage serré » (pseudo-distance et Doppler sur les satellites en vue). Cette thèse étudie les deux approches. En particulier, une approche invariante selon la route est proposée pour gérer une modélisation raffinée de l'erreur GNSS dans l'approche par couplage lâche puisque la caméra ne peut améliorer la performance de localisation que dans la direction latérale de la route
Estimating the pose (position and attitude) in real-time is a key function for road autonomous vehicles. This thesis aims at studying vehicle localization performance using low cost automotive sensors. Three kinds of sensors are considered : dead reckoning (DR) sensors that already exist in modern vehicles, mono-frequency GNSS (Global navigation satellite system) receivers with patch antennas and a frontlooking lane detection camera. Highly accurate maps enhanced with road features are also key components for autonomous vehicle navigation. In this work, a lane marking map with decimeter-level accuracy is considered. The localization problem is studied in a local East-North-Up (ENU) working frame. Indeed, the localization outputs are used in real-time as inputs to a path planner and a motion generator to make a valet vehicle able to drive autonomously at low speed with nobody on-board the car. The use of a lane detection camera makes possible to exploit lane marking information stored in the georeferenced map. A lane marking detection module detects the vehicle’s host lane and provides the lateral distance between the detected lane marking and the vehicle. The camera is also able to identify the type of the detected lane markings (e.g., solid or dashed). Since the camera gives relative measurements, the important step is to link the measures with the vehicle’s state. A refined camera observation model is proposed. It expresses the camera metric measurements as a function of the vehicle’s state vector and the parameters of the detected lane markings. However, the use of a camera alone has some limitations. For example, lane markings can be missing in some parts of the navigation area and the camera sometimes fails to detect the lane markings in particular at cross-roads. GNSS, which is mandatory for cold start initialization, can be used also continuously in the multi-sensor localization system as done often when GNSS compensates for the DR drift. GNSS positioning errors can’t be modeled as white noises in particular with low cost mono-frequency receivers working in a standalone way, due to the unknown delays when the satellites signals cross the atmosphere and real-time satellites orbits errors. GNSS can also be affected by strong biases which are mainly due to multipath effect. This thesis studies GNSS biases shaping models that are used in the localization solver by augmenting the state vector. An abrupt bias due to multipath is seen as an outlier that has to be rejected by the filter. Depending on the information flows between the GNSS receiver and the other components of the localization system, data-fusion architectures are commonly referred to as loosely coupled (GNSS fixes and velocities) and tightly coupled (raw pseudoranges and Dopplers for the satellites in view). This thesis investigates both approaches. In particular, a road-invariant approach is proposed to handle a refined modeling of the GNSS error in the loosely coupled approach since the camera can only improve the localization performance in the lateral direction of the road. Finally, this research discusses some map-matching issues for instance when the uncertainty domain of the vehicle state becomes large if the camera is blind. It is challenging in this case to distinguish between different lanes when the camera retrieves lane marking measurements.As many outdoor experiments have been carried out with equipped vehicles, every problem addressed in this thesis is evaluated with real data. The different studied approaches that perform the data fusion of DR, GNSS, camera and lane marking map are compared and several conclusions are drawn on the fusion architecture choice

Pour les véhicules intelligents, un système de perception est un élément clé pour caractériser en temps réel un modèle de l’environnement de conduite autour du véhicule. Lors de la modélisation de l’environnement, les informations relatives aux obstacles doivent être gérées prioritairement car les collisions peuvent être mortelles pour les autres usagers de la route ou pour les passagers à bord du véhicule considéré. La caractérisation de l’espace occupé est donc cruciale mais pas suffisante pour les véhicules autonomes puisque le système de contrôle a besoin de trouver l’espace navigable pour assurer une planification sure de trajectoire. En effet, afin de naviguer sur les routes publiques avec d’autres utilisateurs, le véhicule doit aussi suivre les règles de circulation qui sont décrites, par exemple, par des marquages au sol peints sur la chaussée. Dans ce travail, nous nous concentrons sur une approche fondée sur des grilles égocentrées pour modéliser l’environnement. L’objectif est d’obtenir un modèle unifié contenant les informations d’obstacle avec des règles sémantiques de la route. Pour modéliser les informations d’obstacle, l’occupation est assurée par l’interprétation des informations des différents capteurs comme les valeurs des cellules. Pour modéliser la sémantique de l’espace navigable, nous proposons d’introduire la notion de grille de voies qui consiste à intégrer l’information sémantique de voie dans les cellules de la grille. La combinaison de ces deux niveaux d’information donne ainsi un modèle d’environnement plus raffiné. Lors de l’interprétation des données des capteurs en information d’obstacle, il faut manipuler des incertitudes dues à de l’ignorance ou des erreurs. L’ignorance est liée à la perception des nouveaux espaces dans la zone de perception et les erreurs proviennent de mesures bruitées et d’estimations imprécises de la pose. Dans cette recherche, la théorie de la fonction de croyance est adoptée pour faire face aux incertitudes et nous proposons des modèles évidentiels pour différents types de capteurs comme des lidars et des caméras. Les grilles de voie contiennent des informations sémantiques sur les voies provenant des marquages au sol, par exemple. À cette fin, nous proposons d’utiliser une carte a priori qui contient des informations détaillées sur la route comme l’orientation de la route et les marquages des voies. Ces informations sont extraites de la carte en utilisant une estimation de pose fournie par un système de localisation. Dans le modèle proposé, nous intégrons dans les grilles les informations de voie en tenant compte de l’incertitude de la pose estimée. Les algorithmes proposés ont été implémentés et testés sur des données réelles obtenues sur des routes publiques. Nous avons développé des algorithmes Matlab et C ++ avec le logiciel PACPUS développé au laboratoire
For intelligent vehicle applications, a perception system is a key component to characterize in real-time a model of the driving environment at the surrounding of the vehicle. When modeling the environment, obstacle information is the first feature that has to be managed since collisions can be fatal for the other road users or for the passengers on-board the considered vehicle. Characterization of occupation space is therefore crucial but not sufficient for autonomous vehicles since the control system needs to find the navigable space for safe trajectory planning. Indeed, in order to run on public roads with other users, the vehicle needs to follow the traffic rules which are, for instance, described by markings painted on the carriageway. In this work, we focus on an ego-centered grid-based approach to model the environment. The objective is to include in a unified world model obstacle information with semantic road rules. To model obstacle information, occupancy is handled by interpreting the information of different sensors into the values of the cells. To model the semantic of the navigable space, we propose to introduce the notion of lane grids which consist in integrating semantic lane information into the cells of the grid. The combination of these two levels of information gives a refined environment model. When interpreting sensor data into obstacle information, uncertainty inevitably arises from ignorance and errors. Ignorance is due to the perception of new areas and errors come from noisy measurements and imprecise pose estimation. In this research, the belief function theory is adopted to deal with uncertainties and we propose evidential models for different kind of sensors like lidars and cameras. Lane grids contain semantic lane information coming from lane marking information for instance. To this end, we propose to use a prior map which contains detailed road information including road orientation and lane markings. This information is extracted from the map by using a pose estimate provided by a localization system. In the proposed model, we integrate lane information into the grids by taking into account the uncertainty of the estimated pose. The proposed algorithms have been implemented and tested on real data acquired on public roads. We have developed algorithms in Matlab and C++ using the PACPUS software framework developed at the laboratory

Les véhicules dits intelligents actuellement développés par la plupart des constructeurs automobiles, ainsi que les véhicules autonomes nécessitent des informations sur le contexte dans lequel ils évoluent. Certaines de ces informations (par exemple la courbure de la route, la forme des intersections, les limitations de vitesses) sont fournies en temps réel par le système de navigation qui exploite les données de cartes routières numériques. Des défauts résultant de l’évolution du réseau routier ou d’imprécisions lors de la collecte de données peuvent être contenus dans ces cartes numériques et entraîner le dysfonctionnement des systèmes d’aide à la conduite. Les recherches menées dans cette thèse visent à rendre le véhicule capable d’évaluer, de manière autonome et en temps réel, l’intégrité des informations fournies par son système de navigation. Les véhicules de série sont désormais équipés d’un grand nombre de capteurs qui transmettent leurs mesures sur le réseau central interne du véhicule. Ces données sont donc facilement accessibles mais de faible précision. Le défi de cette thèse réside donc dans l’évaluation de l’intégrité des informations cartographiques malgré un faible degré de redondance et l’absence de données fiables. On s’adresse à deux types de défauts cartographiques : les défauts structurels et les défauts géométriques. Les défauts structurels concernent les connections entre les routes (intersections). Un cas particulier de défaut structurel est traité : la détection de ronds-points qui n’apparaissent pas dans la carte numérique. Ce défaut est essentiel car il est fréquent (surtout en Europe) et perturbe le fonctionnement des aides à la conduite. Les ronds-points sont détectés à partir de la forme typique de la trajectoire du véhicule lorsqu’il les traverse, puis sont mémorisés pour avertir les aides à la conduite aux prochains passages du véhicule sur la zone. Les imprécisions de représentation du tracé des routes dans la carte numérique sont quant à elles désignées comme défauts géométriques. Un formalisme mathématique est développé pour détecter ces défauts en comparant l’estimation de la position du véhicule d’après la carte à une autre estimation indépendante de la carte. Cette seconde estimation pouvant elle aussi être affectée par un défaut, les anciens trajetsdu véhicule sur la même zone sont utilisés. Un test statistique est finalement utilisé pour améliorer la méthode de détection de défauts géométriques dans des conditions de mesures bruitées. Toutes les méthodes développées dans le cadre de cette thèse sont évaluées à l’aide de données réelles
Several Intelligent Vehicles capabilities from Advanced Driving Assistance Systems (ADAS) to Autonomous Driving functions depend on a priori information provided by navigation maps. Whilst these were intended for driver guidance as they store road network information, today they are even used in applications that control vehicle motion. In general, the vehicle position is projected onto the map to relate with links in the stored road network. However, maps might contain faults, leading to navigation and situation understanding errors. Therefore, the integrity of the map-matched estimates must be monitored to avoid failures that can lead to hazardous situations. The main focus of this research is the real-time autonomous evaluation of faults in navigation maps used in intelligent vehicles. Current passenger vehicles are equipped with proprioceptive sensors that allow estimating accurately the vehicle state over short periods of time rather than long trajectories. They include receiver for Global Navigation Satellite System (GNSS) and are also increasingly equipped with exteroceptive sensors like radar or smart camera systems. The challenge resides on evaluating the integrity of the navigation maps using vehicle on board sensors. Two types of map faults are considered: Structural Faults, addressing connectivity (e.g., intersections). Geometric Faults, addressing geographic location and road geometry (i.e. shape). Initially, a particular structural navigation map fault is addressed: the detection of roundabouts absent in the navigation map. This structural fault is problematic for ADAS and Autonomous Driving. The roundabouts are detected by classifying the shape of the vehicle trajectory. This is stored for use in ADAS and Autonomous Driving functions on future vehicle trips on the same area. Next, the geometry of the map is addressed. The main difficulties to do the autonomous integrity monitoring are the lack of reliable information and the low level of redundancy. This thesis introduces a mathematical framework based on the use of repeated vehicle trips to assess the integrity of map information. A sequential test is then developed to make it robust to noisy sensor data. The mathematical framework is demonstrated theoretically including the derivation of definitions and associated properties. Experiments using data acquired in real traffic conditions illustrate the performance of the proposed approaches