Une nouvelle approche d'analyse et de reconnaissance de l'environnement de la voiture autonome basée sur le recueil et la fusion de données à partir de sources flottantes

par Quentin Cabanes

Projet de thèse en Informatique

Sous la direction de Amar Ramdane-cherif et de Benaoumeur Senouci.

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 LISV - Laboratoire d'Ingénierie des Systèmes de Versailles (laboratoire) , RI - Robotique Interactive (equipe de recherche) et de université de Versailles-Saint-Quentin-en-Yvelines (établissement de préparation de la thèse) depuis le 04-09-2017 .


  • Résumé

    Notre but dans cette thèse est d'améliorer la connaissance de l'environnement observé pour le décrire du mieux possible tel qu'il est afin que la décision soit la plus fiable possible dans la cas de la conduite autonome. Pour cela nous envisageons proposer une nouvelle approche pour l'observation et l'analyse de l'environnement. Avec l'essor de utilisation de drones, cette approche sera basée sur une nouvelle technologie du recueil de données à partir de sources dites flottantes incluant notamment des données issues de la téléphonie mobile, mais également de systèmes embarqués. Dans notre cas, notre système embarqué est une flotte de drones. Ces derniers embarquent des capteurs et des algorithmes d'analyse et vont se coordonner et s'organiser pour capter et analyser des données diverses sur l'environnement afin de fournir des informations importantes et nécessaires aux algorithmes de fusion de la voiture autonome. Ces algorithme de fusion vont combiner ses informations ave celles issues des autres capteurs pour prendre des décisions face à une situation donné. Le travail de cette thèse consiste à: 1) Faire un état de l'art sur les nouvelles technologies de recueil de données à partir de sources dites flottantes. 2) Proposer un système de recueil des données utilisant une flotte de drones synchronisés qui peut recueillir des données hétérogènes 3) Proposer un système qui peut gérer les hétérogénéités de communication entre les drones 4) Proposer un système intelligent réparti et distribué pour analyser les données provenant des différents nœuds embarqués (drones) et les fusionner par la suite pour produire une décision. 5) Formaliser dans une ontologie de concepts et d'évènements la base de connaissance du contexte de conduite. Ce contexte est lié au contexte d'environnement 6) Utiliser un moteur d'inférence sur l'ontologie qui permet par exemple de trouver la règle appropriée à appliquer à partir d'une situation donnée de conduite et de l'environnement 7) Application et validation de cette approche sur un scenario bien défini dans le cas de la conduite autonome. 8) Adopter une approche de co-design HW / SW en se basant sur une plate-forme Multiprocesseurs distribués / (FPGA, Raspberries, Drones)

  • Titre traduit

    A new approach to analysis and recognition of the autonomous car environment based on the collection and fusion of data from floating sources


  • Résumé

    Our aim in this thesis is to improve the knowledge of the observed environment to describe it as best as possible so that the decision is as reliable as possible in the case of autonomous driving. To this end, we propose to propose a new approach for the observation and analysis of the environment. With the surge in the use of drones, this approach will be based on a new technology for collecting data from so-called floating sources including data from mobile telephony as well as embedded systems. In our case, our embedded system is a fleet of drones. The latter embedded on sensors and analysis algorithms and will coordinate and organize themselves to capture and analyze various environmental data in order to provide important and necessary information to the autonomous car merging algorithms. These merge algorithms will combine their information with those from other sensors to make decisions about a given situation The work of this thesis consists in: 1) To make a state of the art on the new technologies of data collection from so-called floating sources. 2) Propose a data collection system using a synchronized drones fleet that can collect heterogeneous data 3) Propose a system that can handle communication heterogeneities between drones 4) Propose a distributed and distributed intelligent system to analyze the data from the different onboard nodes (drones) and merge them later to produce a decision. 5) Formalize in ontology of concepts and events the knowledge base of the driving context. This context is linked to the environment context 6) Use an ontology inference engine which allows for example to find the appropriate rule to apply from a given driving situation and the environment 7) Application and validation of this approach on a well-defined scenario in the case of autonomous driving. 8) Adopt a HW / SW co-design approach based on a Distributed Multiprocessors / (FPGA, Raspberries, Drones)