Université Lille1 - Sciences et Technologies Contribution à la localisation dynamique de véhicule : apport de la cartographie 3D pour la navigation en milieu urbain Cartographie 3D Cartographie 3D 006 Fusion multicapteurs Statistique bayésienne Tolérance aux fautes (ingénierie) Kalman, Filtrage de Localisation par satellites, Systèmes de Automobiles Systèmes de guidage Véhicules automobiles Localisation automatique Réalité virtuelle Text Electronic Thesis or Dissertation fr Les techniques de localisation pour la navigation autonome en milieu extérieur ont connu une grande évolution durant les dix dernières années. Actuellement, elles sont au centre des préoccupations de beaucoup de chercheurs, du fait des applications diverses et variées suite à la banalisation de l’utilisation des systèmes GNSS (GPS (Américain), Glonass (Russe), Beidou (Chinois), Galiléo (Européen)) couplés à la cartographie 2D, puis depuis peu à la cartographie 3D. Ainsi la première partie du mémoire propose une solution au problème de la localisation en milieu urbain avec une construction des observations à partir de la cartographie 3D en manipulant des amers naturels visuels et télémétriques. En explorant l’apport de la réalité virtuelle pour la navigation autonome d’un mobile en milieu extérieur, une méthode de détection et de localisation d’obstacles à l’aide de la cartographie 3D est présentée. La deuxième partie des travaux, plus méthodologique, pose le problème de la localisation mono et multi-véhicules comme un problème d’observation d’état. Une approche de fusion de données multi-capteurs utilisant des réseaux Bayésiens dynamiques permet de manipuler des solutions multi-hypothèses dans l’objectif de fournir une solution intègre, voire tolérante aux défaillances capteurs en intégrant des couches de diagnostic et de validation de données. Les non-linéarités des modèles d’évolutions des véhicules utilisés sont traitées via une linéarisation exacte avec modèle chaîné. Cette représentation a été intégrée dans le formalisme des réseaux Bayésiens. Une comparaison des résultats obtenus avec les méthodes classiques, comme le filtrage de Kalman étendu et non-biaisé, est présentée afin d’illustrer les performances des approches proposées.Enfin, ces développements sont testés et validés sur des données réelles via les plateformes RobuCar du LAGIS et CyCab de l’INRIA Nancy – Grand-Est. application/pdf 1 : 1 Mo https://pepite-depot.univ-lille.fr/RESTREINT/HDR/2011/50376-2011-413.pdf El Badaoui El Najjar Maan 1900-01-01 080104738 2011-01-01 Automatique Université Lille1 - Sciences et Technologies 026404184 HDR non oui Pomorski Denis 130589853 ddc:000 ASCII PDF 9999 restriction 2012-01-01 9999-01-01 restriction 2012-01-01 9999-01-01