Architecture d'un système embarqué pour la localisation temps réel de véhicules autonomes basée sur la fusion de données issues de capteurs inertiels et de l'odométrie visuelle

Embedded system architecture for real-time localization of autonomous vehicles based on data fusion from both inertial sensors and visual odometry

• Auteur / Autrice : Ayoub Mamri
• Direction : Abdelaziz Benallegue, Abdelhafid El hadri, Mustapha Ramzi
• Type : Projet de thèse
• Discipline(s) : Robotique
• Date : Inscription en doctorat le 01/11/2020
• Etablissement(s) : université Paris-Saclay en cotutelle avec Université Mohammed V
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Ingénierie des Systèmes de Versailles
• Partenaire(s) de recherche : Equipe de recherche : SyMRIC : Systèmes Mécatroniques Robotisés Intelligents et Collaboratifs
• Partenaire(s) de recherche : référent : Université de Versailles-Saint-Quentin-en-Yvelines (1991-....)

Mots clés

Mots clés libres

SLAM visuel-Inertiel

Odométrie visuelle

Fusion multi-capteurs

Embarquabilité des algorithmes

Véhicule autonome

Localisation temps réel

Autonomous vehicle

Real time implementation

Real-time localization and mapping

Sensors data fusion

Visual odometry SLAM

Hardware software matching

Résumé

Le sujet traite des problématiques liées à l'adéquation entre les algorithmes de fusion de données multi-capteurs et l'architecture des systèmes électroniques embarqués avec la prise en considération de la consommation d'énergie, l'embarquabilité et la puissance de calcul. Ce sujet s'inscrit dans le contexte actuel de la navigation des véhicules autonomes considérée comme thématique de recherche d'un grand intérêt pour l'industrie automobile et les organismes de recherche. Cette dernière décennie a connu des avancées technologiques importantes dans la réalisation des systèmes d'aide à la conduite. De même, le niveau d'automatisation des véhicules progresse de façon accélérée. Cette automatisation implique l'utilisation de multiples capteurs qui engendrent un volume très important de données à traiter et analyser. Dans cette situation, le dimensionnement du système électronique, le choix d'une architecture adaptée et l'efficacité du logiciel embarqué sont essentiels pour la mise en œuvre d'un tel système automatisé. En effet, l'automatisation totale de la conduite d'un véhicule nécessite, d'une part, des dispositifs ou des fonctions qui permettent de percevoir son environnement, de l'analyser et de l'interpréter pour se localiser de manière précise et identifier tous les objets fixes ou mobiles de son environnement avec prédiction de leur évolution dans le temps, et d'autre part, des fonctions de contrôle/commande qui permettent d'agir sur la conduite en fonction des missions et des situations. Le problème que nous souhaitons développer dans le cadre de ce travail de thèse est de concevoir, développer, et expérimenter un système permettant la mise en œuvre d'applications type Visuel-Inertiel SLAM pour localiser en temps-réel et de manière précise le véhicule dans son environnement non nécessairement connu apriori. L'approche à développer sera basée sur la fusion de données multi-capteurs telles que les données issues de centrales inertielles et des données visuelles, etc. Les algorithmes à développer devront tenir compte dès la phase de la conception de l'adéquation d'embarquabilité et architecture cible. Le travail de cette thèse visera donc à évaluer des systèmes embarqués bas coût intégrant la localisation ou la reconstruction de scène par fusion de données issues de centrales inertielles et de l'odométrie visuelles. Dans cet objectif, l'architecture électronique adoptera une approche A3 (Adéquation Algorithme Architecture). Ainsi, le système « électronique embarqué » doit disposer d'une architecture électronique et logicielle permettant d'obtenir une information pertinente globale à partir de données capteurs assurant la localisation temps-réel du véhicule dans son environnement.

The work deals with the adequacy between multi-sensor data fusion algorithms and the architecture of embedded electronic systems by taking into account energy consumption, embeddability, computing power. This field is part of the current context of autonomous vehicle navigation which is a great interest for the automotive industry and research organizations. The last decade has known significant technological progress for advanced driver-assistance systems (ADAS) and the levels of control automation are well defined. Vehicle automation uses multiple sensors that generate a very large amount of data to be handled and analyzed. In this situation, the electronic system design, the choice of a suitable architecture and the efficiency of the embedded software are crucial. Indeed, the full automation of vehicles requires, on the one hand, devices and functions that allow the perception of its environment in order to locate itself precisely and detect all the stationary or moving obstacles with a prediction of their temporal changes, and on the other hand, control/command functions that allow self-driving according to the different tasks and situations. The goal of this thesis is to design, develop and test a system allowing the implementation of SLAM applications (Visual-Intertial SLAM) to precisely locate in real-time the vehicle in its environment which is not known in advance. The approach to be developed will be based on the fusion of multi-sensor data such as inertial data and visual data, etc. The development must take into account the adequacy of the target architecture and the embeddability of the algorithm. The objective is therefore to evaluate low-cost embedded systems with an algorithm for localization and scene reconstruction based on the fusion of inertial data and visual odometry. In this context, electronic architecture will adopt an AAM approach ( Algorithm and Architecture Matching). Thus, the embedded electronics system must have an electronic and software architecture that enables relevant information to be obtained from sensor data ensuring the real-time localization of the vehicle in its environment.