Localisation prenant en compte le contexte pour Véhicule Intelligent

par Arjun Balakrishnan

Projet de thèse en Robotique

Sous la direction de Roger Reynaud et de Sergio Rodriguez.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) , en partenariat avec SATIE - Systèmes et Applications des Technologies de l'Information et de l'Energie (laboratoire) , MOSS - Méthodes et outils pour les Signaux et Systèmes (equipe de recherche) et de Université Paris-Sud (établissement de préparation de la thèse) depuis le 01-10-2017 .


  • Résumé

    Dans le cadre de cette thèse, nous mènerons une étude contribuant à la conception de modèles d'erreurs s'intégrant dans des applications de fusion de données assistée par contexte. Pour ce faire, nous quantifierons l'impact de ces modèles suivant des critères de consistance et de robustesse dans un système de perception. Ainsi, les contributions seront appliquées à un système de positionnement assisté par contexte pour un véhicule autonome. Les résultats de cette recherche pourraient être étendus vers une contribution méthodologique. Ponctuellement, le système de localisation assisté par contexte aura la capacité d'inférer les informations relevantes à partir de diverses sources telles que l'odométrie visuelle, les mesures inertielles, le positionnement GPS et les bases de données géographiques. Les sources considérées fournissent des estimations issues d'un processus complexe, où les erreurs sont souvent mal modélisées et leur propagation négligée.

  • Titre traduit

    Context-aware localization for autonomous vehicles


  • Résumé

    This study will investigate the contributions of error models and quantify their impact in context-aware data fusion applications so as to increasing the consistency and robustness of a perception system. This research will be applied to a context-aware positioning system of an Intelligent Vehicle (IV) platform. The obtained results will allow us to transpose this approach into a probabilistic methodology contribution. Precisely, the considered context-aware positioning system will retrieve relevant information from different sources such as visual odometry, inertial measurements, global positioning systems and geographical information databases. Such sources provide observations as a result of a complex perception process, where errors of the estimation procedure need to be modeled and their propagation warranted.