Contribution de la fusion multi-capteurs par approche probabiliste et de croyance pour la localisation

par Khalid Touil

Thèse de doctorat en Automatique, génie informatique, traitement du signal et des images

Sous la direction de Mohammed Benjelloun et de Mourad Zribi.

Soutenue en 2009

à Littoral .


  • Résumé

    Les travaux de thèse présentés dans ce mémoire portent sur la contribution de la fusion multi-capteurs par approche probabiliste et de croyance pour la localisation. En effet, deux problématiques de fusion multicapteurs ont été traitées pour l’amélioration de la navigation d’un véhicule terrestre en environnement urbain dense. Dans un premier temps, nous avons proposé une nouvelle solution pour l’intégration des systèmes de navigation : GPS et centrale inertielle (INS). La raison de cette intégration est d’exploiter les avantages de chacun des systèmes utilisés. Cette solution est basée sur de nouveaux filtres non linéaire et non paramétrique. Dans un deuxième temps, deux solutions ont été proposées pour la résolution de la divergence du filtre dans le cas ou les capteurs sont potentiellement défaillants basées sur le modèle de croyances transférables (MCT). La première consiste à introduire un capteur annexe dans les caractéristique sont connues (carte numérique). L’exploitation des informations de la carte numérique s’effectue par une corrélation entre la position du véhicule et les éléments géométriques représentant les routes sur la carte, connue sous le nom de mapmatching. Un nouveau algorithme de map-matching basée sur le MCT a été proposé afin d’identifier le segment de route le plus crédible sur lequel le véhicule est suciptible de se trouver. La deuxième consiste à proposer un algorithme de fusion d’informations permettant de tenir compte du contexte. Cette prise en compte permet de ne sélectionner à tout instant que les mesures pertinentes et de réduire l'importance ou simplement d'exclure les mesures qui pourraient perturber l’information utile.

  • Titre traduit

    Contribution of multi-sensor fusion by probabilistic and belief approach for the location


  • Résumé

    The work presented in this thesis, is focused on the contribution of multisensor fusion by probabilistic and belief approaches for localization. In fact, two problems of multisensor fusion for improving the navigation of land vehicles in dense urban environment have been addressed. As a first step, we proposed a new solution for the integration of navigation systems : GPS and inertial (INS). The reason for the integration is to exploit the advantages of each system used. This solution is based on new nonlinear and nonparametric filters. In a second step, two solutions based on the transferable belief model (TBM) have been proposed to resolve the divergence of the filter in case where these sensors are potentially failing. The first is to introduce an annex sensor in characteristics are known (digital map). The exploitation of digital map information is made by a correlation between the position of the vehicle and the geometric elements representing the roads on the map known as map-matching. A new algorithm for map-matching based on the TBM has been proposed to identify the most credible road that the vehicule is to be suciptible. The second is to propose an algorithm of information fusion to take into account the context. This incorporation allows to select at any time that the relevant measures and to reduce the importance or simply to exclude measures that could disrupt information.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (197 p.)
  • Annexes : Bibliogr. p. 156-165.

Où se trouve cette thèse ?

  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Disponible pour le PEB
  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Consultable sur place dans l'établissement demandeur
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.