Auteur / Autrice : | Alexandre Ndjeng Ndjeng |
Direction : | Didier Aubert, Sébastien Glaser, Dominique Gruyer |
Type : | Thèse de doctorat |
Discipline(s) : | Traitement des images et du signal |
Date : | Soutenance le 14/09/2009 |
Etablissement(s) : | Evry-Val d'Essonne |
Ecole(s) doctorale(s) : | École doctorale Sciences et Ingénierie (Evry ; 2008-2015) |
Jury : | Président / Présidente : Denis Gingras |
Examinateurs / Examinatrices : Sébastien Glaser, Dominique Gruyer, Fawzi Nashashibi, Vincent Nimier | |
Rapporteurs / Rapporteuses : Roland Chapuis, Patrick Rives |
Mots clés
Mots clés libres
Résumé
De nombreux travaux de recherches sont menés depuis quelques années dans le but de fournir une solution précise et intègre au problème de la localisation de véhicules routiers. Ces recherches sont en majorité fondées sur la théorie probabiliste de l’estimation. Elles utilisent la fusion multi-capteurs et le filtrage de Kalman mono-modèle, au travers de variantes adaptées aux systèmes non linéaires ; l’unique modèle complexe étant supposé décrire toute la dynamique du véhicule. Nous proposons dans cette thèse une approche multi-modèles. Cette étude dérive d’une analyse modulaire de la dynamique du véhicule, c’est-à-dire que l’espace d’évolution est pris comme un espace discret : plusieurs modèles simples et dédiés chacun à une manœuvre particulière sont générés, ce qui améliore la robustesse face aux défauts de modélisation du système. Il s’agit d’une variante de l’algorithme IMM, qui prend en compte l’asynchronisme des capteurs embarqués dans le processus d’estimation de l’état du véhicule. Pour cela, une nouvelle modélisation sous contraintes est développée, ce qui permet de mettre à jour la vraisemblance des modèles intégrés même en l’absence de mesures provenant de capteurs extéroceptifs. Toutefois, la performance d’un tel système nécessite d’utiliser des données capteurs de bonne qualité. Plusieurs opérations sont présentées, illustrant la correction du biais des capteurs, des bruits de mesures ainsi que la prise en compte de l’angle de dévers de la chaussée. La méthodologie développée est validée à travers une comparaison avec les algorithmes de fusion probabilistes EKF, UKF, DD1, DD2 et le filtrage particulaire. Cette comparaison est fondée sur des mesures courantes de précision et de confiance, puis sur l’utilisation de critères statistiques de consistance et de crédibilité, à partir de scénarios synthétiques et ensuite des données réelles.