Contributions à l'estimation de l'attitude et à la détection de l'hypovigilance au volant

Contributions to attitude estimation and driver drowsiness detection

• Auteur / Autrice : Tristan Bonargent
• Direction : Olivier Géhan
• Type : Thèse de doctorat
• Discipline(s) : Automatique, signal, productique, robotique
• Date : Soutenance le 12/10/2020
• Etablissement(s) : Normandie
• Ecole(s) doctorale(s) : École doctorale mathématiques, information et ingénierie des systèmes (Caen)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Automatique de Caen (2017-2021)
• Partenaire(s) de recherche : établissement de préparation : Université de Caen Normandie (1971-....)
• Jury : Président / Présidente : Valérie Pommier-Budinger
• Jury : Examinateurs / Examinatrices : Olivier Géhan, Christophe Aubrun, Malek Ghanes, Xuefang Lin-Shi, Eric Pigeon, Audrey Chartrin, Tomas Ménard
• Jury : Rapporteur / Rapporteuse : Christophe Aubrun, Malek Ghanes

Mots clés

Mots clés contrôlés

Fusion multicapteurs

Vigilance (physiologie)

Observateurs adaptatifs

Observateurs d'états (mathématiques)

Mots clés libres

Estimation de l'attitude

Sorties multi-échantillonnées

Détection de l'hypovigilance

Attitude estimation

State observer

Adaptive observer

Multi-rated output

Drowsiness detection

Résumé

Cette thèse porte sur l'estimation de l'attitude de corps rigides et sur la détection de l'hypovigilance au volant. Lorsque l'on cherche à estimer l'attitude, plusieurs problèmes pratiques peuvent se poser. Une première problématique concerne l'estimation de l'attitude lorsque le corps est soumis à une accélération externe non-négligeable. Nous proposons, dans ce contexte, des observateurs permettant d'estimer l'attitude de l'objet considéré tout en limitant les effets de l'accélération externe sur la qualité de l'estimation. Nous nous sommes également intéressés à un autre problème pratique : le biais du gyromètre. En effet, la structure des gyromètres peut entraîner un biais dans les mesures. Ce biais peut être assimilé à un paramètre inconnu, et doit être estimé. Pour cela, nous avons synthétisé un observateur adaptatif pour une classe de systèmes non-linéaires incertains avec des sorties multi-échantillonnées. Ces sorties, correspondant à plusieurs capteurs, peuvent être échantillonnées de façon irrégulière et indépendamment les unes des autres. L'observateur proposé a été en particulier appliqué au problème de l'estimation simultané de l'attitude et du biais. Cette thèse porte également sur la détection de l'hypovigilance au volant qui est un des nombreux domaines d'application de l'estimation de l'attitude. Nous avons montré que le niveau de vigilance d'un conducteur peut être estimé à partir de données non-intrusives. Cette problématique a été soulevée afin de pouvoir conceptualiser un dispositif fiable et non-intrusif de détection de l'hypovigilance.

This thesis focuses on the estimation of the attitude of rigid bodies and on the detection of driver drowsiness. When estimating attitude, several practical problems may arise. A first problem concerns the estimation of attitude when the body is subject to a non-negligible external acceleration. We propose, in this context, observers that estimate the attitude of the considered object while limiting the effects of the external acceleration on the quality of the estimate. We have also addressed another practical problem: the gyroscope bias. Indeed, the structure of gyroscopes can lead to a bias in the measurements. This bias can be assimilated to an unknown parameter and must be estimated. For this purpose, we have designed an adaptive observer for a class of uncertain non-linear systems with multi-sampled outputs. These outputs, corresponding to several sensors, can be sampled irregularly and independently of each other. The proposed observer has been applied in particular to the problem of simultaneous estimation of attitude and bias. This thesis also deals with the detection of driver drowsiness, which is one of the many fields of application of attitude estimation. We have shown that the driver's level of drowsiness can be estimated from non-intrusive data. This issue was raised in order to conceptualize a reliable and non-intrusive device for detecting drowsiness.