Contributions à l’analyse de l'integrité des sources de données d’un système de localisation multi-modale

Integrity Analysis of Data Sources in Multimodal Localization System

• Auteur / Autrice : Arjun Balakrishnan
• Direction : Roger Reynaud, Sergio Alberto Rodríguez Flórez
• Type : Thèse de doctorat
• Discipline(s) : Robotique
• Date : Soutenance le 14/12/2020
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Systèmes et applications des technologies de l'information et de l'énergie (Gif-sur-Yvette, Essonne ; 2002-....)
• Partenaire(s) de recherche : Référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)
• Jury : Président / Présidente : Hugues Mounier
• Jury : Examinateurs / Examinatrices : Véronique Berge-Cherfaoui, David Bétaille, Patrice Aknin, Cindy Cappelle, Nicole El Zoghby
• Jury : Rapporteurs / Rapporteuses : Véronique Berge-Cherfaoui, David Bétaille
• DOI : 10.70675/bedf0caaze73dz482cz8cb9ze9129f715240

Mots clés

Mots clés contrôlés

Véhicules automobiles -- Localisation automatique

Vision par ordinateur

Véhicules autonomes

Informatique sensible au contexte

Calcul d'erreur

Incertitude de mesure

Mots clés libres

Véhicules autonomes

Localisation

Source de données multimodale

Modélisation d'erreur

Évaluation de l’intégrité

Véhicules intelligents

Autonomous vehicles

Localization

Multimodal data sources

Error modeling

Integrity assessment

Intelligent vehicles

Résumé

Les véhicules intelligents sont un élément clé pour des systèmes de transport plus sûrs, efficaces et accessibles à travers le monde. En raison de la multitude de sources de données et de processus associés aux véhicules intelligents, la fiabilité de l'ensemble du système dépend fortement de la possibilité d'erreurs ou de mauvaises performances observées dans ses composants. Dans notre travail, nous nous intéressons à la tâche critique de localisation des véhicules intelligents et relevons les défis de la surveillance de l'intégrité des sources de données utilisées dans la localisation. La contribution clé de notre recherche est la proposition d'un nouveau protocole d'intégrité en combinant les concepts d'intégrité des systèmes d'information et les concepts d'intégrité existants dans les Systèmes de Transport Intelligents (STI). Un cadre de surveillance de l'intégrité basé sur le protocole d'intégrité proposé qui peut gérer les problèmes de localisation multimodale est développé. Dans la première étape, une preuve de concept pour ce cadre est développée sur la base d'une estimation de cohérence croisée des sources de données à l'aide de modèles polynomiaux. Sur la base des observations de la première étape, une représentation des données «Feature Grid» est proposée dans la deuxième étape et un prototype généralisé pour le cadre est mis en œuvre. Le cadre est testé sur les autoroutes ainsi que dans des scénarios urbains complexes pour démontrer que le cadre proposé est capable de fournir des estimations d'intégrité continue des sources de données multimodales utilisées dans la localisation intelligente des véhicules.

Intelligent vehicles are a key component in humanity’s vision for safer, efficient, and accessible transportation systems across the world. Due to the multitude of data sources and processes associated with Intelligent vehicles, the reliability of the total system is greatly dependent on the possibility of errors or poor performances observed in its components. In our work, we focus on the critical task of localization of intelligent vehicles and address the challenges in monitoring the integrity of data sources used in localization. The primary contribution of our research is the proposition of a novel protocol for integrity by combining integrity concepts from information systems with the existing integrity concepts in the field of Intelligent Transport Systems (ITS). An integrity monitoring framework based on the theorized integrity protocol that can handle multimodal localization problems is formalized. As the first step, a proof of concept for this framework is developed based on cross-consistency estimation of data sources using polynomial models. Based on the observations from the first step, a 'Feature Grid' data representation is proposed in the second step and a generalized prototype for the framework is implemented. The framework is tested in highways as well as complex urban scenarios to demonstrate that the proposed framework is capable of providing continuous integrity estimates of multimodal data sources used in intelligent vehicle localization.