| note
| - On cherche dans cette thèse à caractériser un domaine de confiance pour la localisation d’un véhicule, en utilisant des méthodes ensemblistes robustes par intervalles. La localisation est essentielle à la navigation en robotique mobile, en particulier pour les véhicules intelligents. Lorsque la position est utilisée dans un contexte pouvant mettre en jeu la sécurité des personnes, tel que la navigation autonome, on doit avoir recours à un mécanisme d’intégrité vérifiant que l’erreur commise reste inférieure à l’erreur maximale tolérable pour la mission. Dans le domaine aéronautique, on définit ainsi un niveau de protection associé à un risque d’intégrité. Dans un esprit similaire aux niveaux de protections utilisés en aéronautique, ce travail vise à déterminer un domaine de confiance, dans lequel l’utilisateur est garanti de se trouver avec un risque d’intégrité donné. L’utilisation de méthodes ensemblistes robustes permet de calculer un domaine de localisation tenant compte de l’éventuelle présence de mesures aberrantes. Les mesures provenant de capteurs ainsi que les paramètres des modèles sont entachés d’erreurs, souvent modélisées par leur distribution de probabilité. Dans le cadre ensembliste, on peut représenter ces erreurs par des intervalles. Quand les bornes ne sont pas spécifiées ou trop pessimistes, on peut déterminer des bornes associées à un risque, et propager ce risque au domaine de confiance calculé. Les systèmes de navigation par satellites permettent un positionnement absolu avec une bonne précision en milieu ouvert. Cependant, les mesures de pseudodistance GPS sont sujettes aux problèmes de trajets multiples ou réfléchis en zone urbaine. Une robustesse aux valeurs aberrantes est donc nécessaire. Pour compenser le manque de satellites en milieu à visibilité satellitaire réduite, des contraintes sur la position sont apportées par la cartographie 3D de l’espace roulable et l’intégration des capteurs proprioceptifs présents sur les véhicules modernes. Trois méthodes de localisation, basées sur un algorithme robuste d’inversion ensembliste par intervalles associé aux mesures GPS sont présentées dans ce document. La première consiste en un calcul époque par époque, fusionnant les mesures de pseudodistance d’un récepteur GPS avec l’information d’un modèle numérique de terrain. La seconde s’appuie sur une carte surfacique précise de « l’espace roulable » en trois dimensions, ainsi que l’observation de la dérive de l’horloge du récepteur. Enfin, la troisième méthode concerne l’estimation de la pose du véhicule à partir d’un historique fini de positions et de mesures proprioceptives. Ces trois méthodes ont été implémentées en temps-réel, et testées sur des données réelles acquises dans des environnements difficiles pour la localisation par satellites.
- In this thesis, confidence domains for vehicle localization are characterized by using robust interval methods. Positioning is of prime importance in mobile robotics and more specifically for intelligent vehicle applications. When position information is used in a safety-critical context, like autonomous vehicle navigation, an integrity method is needed to check that the positioning error stays within the limits specified for the mission. In aeronautical navigation, protection levels are defined as bounds on the position error associated to a given integrity risk. This work aims to compute a confidence domain in which the user in guaranteed to be located with a given integrity risk. The possible presence of outliers is handled by the use of robust set-membership methods. Sensor measurements and model parameters are prone to errors, which are often modeled by their probability distribution. In the set-membership working frame,errors can be represented by intervals, thus making the assumption of bounded errors. When guaranteed error bounds are unknown or too pessimistic, error bounds associated with a risk can be used. The risk taken on measurements is then propagated to the computed confidence domain. Global navigation satellite systems enable high precision absolute positioning in open sky environments, but measurements suffer from multipath and non-line-ofsight propagation in urban areas. Robustness to outliers is thus needed. To counter the lack of visible satellites in urban canyons, position is constrained by a 3D map of the drivable space and by using the proprioceptive sensors embedded in recent vehicles. This document presents three positioning methods based on a robust set inversion via interval analysis with GPS pseudorange measurements : Snapshot computation of a position confidence domain, with GPS measurements and altitude constraint from a digital elevation model. Use of a precise 3D model of the drivable space as a positioning constraint, and observation of the GPS receiver’s clock drift. Robust pose estimation from a sliding horizon of positions and proprioceptive measurements, constrained by a 3D map. These positioning methods have been implemented in real-time and tested with real data in difficult environments for satellite positioning.
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)
