HAL Id: tel-01998258 https://tel.archives-ouvertes.fr/tel-01998258 Submitted on
HAL Id: tel-01998258 https://tel.archives-ouvertes.fr/tel-01998258 Submitted on 29 Jan 2019 HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés. Distributed under a Creative Commons Attribution - NonCommercial - NoDerivatives| 4.0 International License Development of GNSS/INS/SLAM Algorithms for Navigation in Constrained Environments Amani Ben Afia To cite this version: Amani Ben Afia. Development of GNSS/INS/SLAM Algorithms for Navigation in Constrained Envi- ronments. Signal and Image processing. INPT, 2017. English. tel-01998258 THÈSE En vue de l’obtention du DOCTORAT DE L’UNIVERSITÉ DE TOULOUSE Délivré par : Institut National Polytechnique de Toulouse (INP Toulouse) Présentée et soutenue par : Amani Ben Afia le vendredi 20 octobre 2017 Titre : Développement d’Algorithmes GNSS/INS/SLAM pour la Navigation en Milieux Contraints Development of GNSS/INS/SLAM Algorithms for Navigation in Constrained Environments École doctorale et discipline ou spécialité : ED MITT : Signal, image, acoustique et optimisation Unité de recherche : École Nationale de l’Aviation Civile Directeur/trice(s) de thèse : Dr. Christophe Macabiau Dr. Anne-Christine Escher Jury : Prof. John Raquet, Air Force Institute of Technology, Rapporteur et président Prof. Silvère Bonnabel, MinesParisTech, Rapporteur Prof. Stephan Weiss, Alpen-Adria-Universität, Membre Dr. Christophe Macabiau, École Nationale de l’Aviation Civile, Membre Dr. Anne-Christine Escher, École Nationale de l’Aviation Civile, Membre M. Marc Pollina, M3 Systems, Membre ii A tout ceux qui étaient là pour moi pendant ma thèse iii iv Acknowledgments I would like to deeply acknowledge all the people who helped me both directly and behind the scenes to complete my Ph.D. Tout d’abord, je remercie mon directeur de thèse Dr. Christophe Macabiau pour m’avoir donné la chance d’effectuer cette thèse au sein du groupe SigNav et pour avoir pu me trouver du temps, avec toute la charge de travail qu’il a. Ses idées inspirantes, sa confiance en moi, sa rigueur, ainsi que son sens de l’humour ont rendu chaque discussion avec lui passionnante et instructive. Je remercie également ma co-encadrante de thèse Dr. Anne-Christine Escher pour son support constant, aussi bien sur le plan professionnel qu’humain. Ses conseils et ses encadrements ont été d’une grande valeur pour l’aboutissement de ce travail. Je tiens à remercier également Dr. Antoine Drouin pour son aide précieuse, son soutien et sa patience. Sa contribution a été très importante pour l’aboutissement de cette thèse. I gratefully thank Prof. John Raquet for reviewing my research and for being the president of this thesis defense jury. I would also like to thank him for his valuable comments and his encouragements. Although it took me 2 weeks to investigate on who mentioned “Dr.” on my office nameplate after the thesis defense, I was so honored to know that “the wanted man” was Prof. Raquet. I would also like to thank Prof. Silvère Bonnabel for finding the time to review my thesis, despite his heavy workload. I also gratefully thank Prof. Stephan Weiss for accepting to be a member of this thesis defense jury and for the interesting discussions we have on the multi-sensor fusion topics. His works on this field have been very inspiring and instructive for me. Many thanks to Mr. Marc Pollina for accepting to be a member of the thesis defense. Je remercie également tous les membres de Signav pour leur amitié et pour toutes les discussions intéressantes qu’on a eu. Je remercie Myriam (pour son amitié et son support sur tous les plans), Ikhlas et Sara (pour la bonne ambiance à la fin de ma thèse et pour leur soutien pendant les moments difficiles), Philippe (avec qui j’ai partagé mon bureau pendant 3 ans et avec qui je pouvais passer des heures à discuter du filtre de Kalman ou de l’hybridation), Jérémy et Paul (qui étaient toujours là pour répondre à mes questions), Enik (mon coéquipier des heures tardives de fin thèse), Giuseppe (mon co-bureau à la fin de sa thèse), Jean-Baptiste (pongiste à ses heures perdues), Alizé (ma compagne du voyage à Hawaï ), Leslie et Lina (pour m’avoir bien accueilli au labo au début de ma thèse), Daniel (pour m’avoir encadré tout au au début), Hélène (pour sa bonne humeur contagieuse), Quentin, Jade, Johan, Capucine, Roberto, Auryn, Xiao et Anne-Marie (à qui je souhaite un bon courage pour finir leurs thèses). Je remercie également tous les enseignants chercheurs des groupes SigNav et EMA pour leur disponibilité à chaque fois que je les sollicite. Je remercie aussi Coco, Cathy, Hasna et Soumia pour leur gentillesse infinie et leur encouragement. v Un grand merci à mes amis et proches qui étaient toujours là pour m’apporter leur soutien inconditionnel et leur encouragement. Les années de thèse avec vous sont beaucoup plus agréables. Finalement, je tiens à remercier toute ma famille, sans qui, je n’aurais jamais été ce que je suis maintenant. En particulier j’offre cette thèse à mes parents qui, même loin de moi, étaient toujours là pour me soutenir et me pousser vers l’avant, comme ils l’ont toujours fait depuis mon plus jeune âge. Mon frère et sa petite famille qui sont toujours là à mes côtés malgré la distance. Et pour finir, je remercie Daly, pour tout ce qu’il a fait pour moi, surtout pendant la période de rédaction. Abstract The requirements in terms of navigation accuracy, integrity, continuity and availability are increasing for land vehicles especially with the development of automated and autonomous vehicle applications. This type of applications requires a navigation system not only capable of providing continuously an accurate and reliable navigation solution but also having a reasonable cost. In the last decades, the Global Navigation Satellite System (GNSS) has been the most widely used navigation system especially with the receivers decreasing cost over the years. However, despite of its capability to provide absolute navigation information with long time accuracy, this system suffers from problems related to signal propagation especially in urban environments where buildings, trees and other structures hinder the reception of GNSS signals and degrade their quality. This can result in significant positioning error exceeding in some cases a kilometer. Many techniques are proposed in the literature to mitigate these problems and improve the GNSS accuracy. Unfortunately, all these techniques have limitations. A possible way to overcome these problems is to fuse “good” GNSS measurements with other sensors having complementary advantages. In fact, by exploiting the complementarity of sensors, hybridization algorithms can improve the navigation solution compared to solutions provided by each stand-alone sensor. Generally, the most widely implemented hybridization algorithms for land vehicles fuse GNSS measurements with inertial and/or odometric data. Thereby, these Dead-Reckoning (DR) sensors ensure the system continuity when GNSS information is unavailable and improve the system performance when GNSS signals are corrupted, and in turn, the GNSS limits the drift of the DR solution if it is available. However, the performance achieved by this hybridization depends thoroughly on the quality of the DR sensor used especially when GNSS signals are degraded or unavailable. Since the targeted application is cost-sensitive and low-cost sensors should be used, the common solution of fusing GNSS with inertial and/or odometric data mentioned previously cannot provide the high performance required by the application. For this reason, the use of vision-based navigation techniques to provide additional information is proposed in this thesis to improve the navigation performance. In fact, cameras have become, recently, an attractive positioning sensor with the development of Visual Odometry (VO) and Simultaneous Localization and Mapping (SLAM) techniques, capable of providing accurate navigation solution while having reasonable cost. In addition, visual navigation solutions have a good quality in textured environments where GNSS is likely to have bad performance. This interesting aspect makes visual techniques promising to achieve good performance in difficult GNSS environments. Therefore, this Ph.D. thesis focuses on developing a multi-sensor fusion architecture integrating visual information and particularly studies the contribution of fusing this information with the previously mentioned sensors to improve the vision-free navigation system performance. vii The dissertation begins with a description of the context and challenges of this work, an identification of the navigation requirements and a presentation of the thesis objective and contribution. Then a description of the commonly used land navigation sensors is performed. The system principle and the measurement models of each sensor are provided. The state of the art of the integrated systems is addressed and the integration techniques and strategies are explained. The third chapter reviews the existing vision-based navigation techniques and highlights their challenges especially in outdoor large-scale environments. A particular interest is brought to ORB-SLAM open-source software that has been used in this study to provide the visual information fed to the developed system. The fourth chapter provides a detailed explanation of the proposed multi-sensor navigation system. The choices made to design this system are justified and uploads/Science et Technologie/ phd-thesis-ben-afia.pdf
Documents similaires
-
17
-
0
-
0
Licence et utilisation
Gratuit pour un usage personnel Attribution requise- Détails
- Publié le Mai 01, 2021
- Catégorie Science & technolo...
- Langue French
- Taille du fichier 7.4948MB