Navigation magnéto-visuelle-inertielle avec invariance et apprentissage : améliorer l'estimation dans les cas bénins et sous attaques

Magneto-Visual-Inertial Navigation with Invariance and Learning: Improving Estimation in Benign Cases and under Attacks

• Auteur / Autrice : Ghadeer Shaaban
• Direction : Alain Y. Kibangou, Christophe Prieur
• Type : Projet de thèse
• Discipline(s) : Automatique - Productique
• Date : Inscription en doctorat le 26/08/2022
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Grenoble Images parole signal automatique (2007-....)
• Partenaire(s) de recherche : Equipe de recherche : DANCE

Mots clés

Mots clés libres

Données inertielles et magnétiques

Navigation

Données visuelles

Théorie d'estimation

Inertial and magnetic data

Estimation theory

Navigation

Visual data

Résumé

Cette thèse portera sur la Navigation Magnéto-Visuelle-Inertielle (fusion de données entre données inertielles, magnétiques et vision). Certaines techniques seront utilisées pour améliorer l'estimation, telles que l'invariance et l'apprentissage. Nous développerons une théorie à cette fin dans les cas bénins et lors d'attaques sur les capteurs.

This thesis will be focused on Magneto-Visual-Inertial Navigation (data fusion between inertial, magnetic and vision data). Some techniques will be used to improve estimation, such as invariance and learning. We will develop theory for such purpose in Benign Cases and under Attacks on sensors.