UMR CNRS 7253

by Vincent DREVELLE, PhD student HDS - Intelligent vehicles

Abstract

On cherche à caractériser un domaine de confiance pour la localisation d'un véhicule, en utilisant des méthodes ensemblistes robustes par intervalles. La localisation s'appuie sur la fusion de mesures brutes GPS avec un a priori cartographique tridimensionnel et les capteurs proprioceptifs du véhicule.

L'utilisation de méthodes ensemblistes permet, sous hypothèse d'erreurs de mesure bornées, de calculer l'ensemble des positions compatibles avec les mesures. Chaque information exprime ainsi une contrainte sur la localisation. Des méthodes de calcul par intervalles associées à la propagation de contraintes permettent de caractériser de façon garantie une zone de localisation sous la forme d'un sous-pavage (union de boites disjointes). L'hypothèse d'erreurs bornées étant impossible à garantir en pratique, on utilise des intervalles d'erreur sur les mesures dont la confiance permet d'assurer un niveau d'intégrité spécifié sur la zone de localisation.

La présence de mesures GPS aberrantes est fréquente en environnement urbain, en particulier à cause des signaux réfléchis. L'utilisation de contraintes relaxées permet un calcul de position robuste aux données aberrantes, tout en rendant possible leur détection et identification. De plus le nombre de signaux GPS disponibles étant souvent insuffisant pour déterminer une position, le calcul de la zone de localisation est effectué en couplage serré avec une carte surfacique 3D de l'espace roulable.

Pour assurer la continuité de la localisation, la pose courante du véhicule est estimée à partir d'un horizon des dernières positions calculées et des mesures proprioceptives du véhicule (vitesse et vitesse de lacet). L'évolution du véhicule est contrainte sur la carte et le calcul est robuste à la présence de positions erronées dans l'horizon.

Cette méthode de localisation ensembliste robuste est implantée en temps-réel sur le véhicule expérimental Carmen du laboratoire Heudiasyc.