Étude de l'application des contraintes géométriques et spatiales à la localisation piétonne en intérieur

Study of the application of geometric and spatial constraints to indoor pedestrian localisation

• Auteur / Autrice : Mohamed Anis Ghaoui
• Direction : Roger Reynaud, Bastien Vincke
• Type : Thèse de doctorat
• Discipline(s) : Sciences du traitement du signal et des images
• Date : Soutenance le 26/09/2023
• 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 : référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Informatique et sciences du numérique (2020-….)
• Partenaire(s) de recherche : Laboratoire : Systèmes et applications des technologies de l'information et de l'énergie (Gif-sur-Yvette, Essonne ; 2002-....)
• Jury : Président / Présidente : Myriam Servières
• Jury : Examinateurs / Examinatrices : Silvère Bonnabel, Nel Samama, Sylvie Le Hégarat
• Jury : Rapporteurs / Rapporteuses : Silvère Bonnabel, Nel Samama

Mots clés

Mots clés contrôlés

Reconnaissance d'objets (informatique)

Vision par ordinateur

Intelligence artificielle

Fusion multicapteurs

Navigation par inertie

Mots clés libres

Localisation en intérieur

Fusion de données

Localisation par vision

Intelligence Artificielle

Indoor Localisation

Data Fusion

Localisation by vision

Artificial intelligence

Résumé

En localisation en intérieur, l'usage de signaux proprioceptifs provenant d'une centrale inertielle portée par le piéton permet d'avoir une première estimation de la position et du cap du piéton. Cette estimation devient vite erronée à cause de l'accumulation des erreurs provenant des capteurs bruités.Cette thèse se décompose en deux parties. Dans la première, l'étude des contraintes spatiales vise à incorporer la carte d'un bâtiment à un système de localisation en intérieur afin de limiter l'erreur d'estimation. Cette partie propose la représentation de la vraisemblance du mouvement humain dans l'espace intérieur sous la forme d'une grille. Cette représentation a pour effet de réduire l'incertitude sur la position et d'augmenter l'intégrité du système.La deuxième partie de cette thèse concerne l'introduction d'un signal extéroceptif pour corriger l'estimation. Ce signal est une détection d'amer dans une image par un modèle neuronal. Cette partie propose donc la méthodologie d'adaptation du réseau de neurones au problème de localisation en définissant les besoins, les hypothèses, les outils et les méthodes nécessaires pour obtenir ce signal. Enfin, elle propose une gestion probabiliste des cas où le modèle neuronal produit des faux positifs.Durant les étapes de sa construction, le système proposé est validé par des séries de tests unitaires et d'expériences de localisation menés pour montrer l'impact des propositions de ce manuscrit.

In indoor localisation, the use of a proprioceptive signals coming from an inertial measurements unit carried by the pedestrian offers a first estimate of the position and heading of the pedestrian. This estimate quickly becomes erroneous because of the accumulation of errors from noisy sensors data.This thesis is divided into two parts. In the first, the study of spatial constraints aims to incorporate the map of a building with an indoor localisation system in order to limit the estimation error. This part proposes the representation of human motion likelihood in interior space in the form of a grid. This representation has the effect of reducing the uncertainty on the position and increasing the integrity of the system.The second part of this thesis concerns the introduction of an exteroceptive signal to correct the estimation. This signal is a detection of landmark in an image by a neural model. This part therefore proposes the methodology for adapting the neural network to the problem of localisation by defining the needs, the hypotheses, the tools and the methods necessary to obtain this signal. Finally, it proposes a probabilistic management of cases where the neural model produces false positives.During each step of its construction, the proposed system is validated by a series of unitary tests and experiments conducted to demonstrate the impact of the propositions of this thesis.