Development of GNSS/INS/SLAM Algorithms for Navigation in Constrained Environments

Développement d'algorithmes GNSS/INS/SLAM pour la navigation en milieux contraints Les exigences en termes de précision, intégrité, continuité et disponibilité de la navigation terrestre, consistant à estimer la position, la vitesse et l’attitude d’un véhicule, sont de plus en plus strictes, surtout depuis le développement des véhicules autonomes. Ce type d’applications nécessite un système de navigation non seulement capable de fournir une solution de navigation précise et fiable, mais aussi ayant un coût raisonnable. Durant les dernières décennies, les systèmes de navigation par satellites (GNSS) ont été les plus utilisés pour la navigation, surtout avec la baisse continue des coûts des récepteurs. Cependant, malgré sa capacité à fournir des informations de navigation absolue avec une bonne précision dans des milieux dégagés, l’utilisation du GNSS dans des milieux contraints tels que le milieu urbain est limitée. En effet, la présence des bâtiments, des arbres et d’autres structures empêchent la bonne réception des signaux GNSS et dégradent leur qualité. Ceci peut entraîner une erreur de position importante qui peut dépasser le kilomètre dans certains cas. Beaucoup de techniques ont été proposées dans la littérature pour remédier à ces problèmes et améliorer les performances GNSS. Toutefois, ces techniques présentent, elles aussi, des limitations. Ce problème peut être surmonté en fusionnant les "bonnes" mesures GNSS avec les mesures d'autres capteurs ayant des caractéristiques complémentaires. En effet, en exploitant la complémentarité des capteurs, les algorithmes d'hybridation peuvent améliorer la solution de navigation par rapport aux solutions fournies par chacun des capteurs séparément. Les algorithmes d'hybridation les plus largement mis en œuvre pour les véhicules terrestres fusionnent les mesures GNSS avec des données inertielles et / ou odométriques. Ainsi, ces capteurs de navigation à l’estime assurent la continuité du système lorsque les informations GNSS ne sont pas disponibles et améliorent les performances du système lorsque les signaux GNSS sont altérés. De son côté, le GNSS limite la dérive de la solution de navigation à l’estime s’il est disponible. Cependant, les performances obtenues par cette hybridation dépendent énormément de la qualité du capteur de navigation à l’estime utilisé, surtout lorsque les signaux GNSS sont dégradés ou indisponibles. Par conséquent, cette thèse vise à enrichir l’architecture d'hybridation en incluant d'autres mesures de capteurs capables d'améliorer les performances de navigation tout en disposant d'un système bas coût et facilement embarquable. C’est pourquoi l'utilisation de techniques de navigation basées sur la vision pour fournir des informations supplémentaires est proposée dans cette thèse. En effet, les caméras deviennent un capteur de positionnement de plus en plus attrayant avec le développement de techniques d'Odométrie Visuelle et de Localisation et Cartographie simultanées (SLAM), capable de fournir une solution de navigation précise tout en ayant des coûts raisonnables. En outre, les solutions de navigation visuelle ont une bonne qualité dans les environnements texturés où le GNSS risque d'avoir de mauvaises performances. Par conséquent, ce travail se concentre sur le développement d'une architecture multi-capteurs fusionnant l'information visuelle avec les capteurs précédemment mentionnés et étudie en particulier la contribution de l'utilisation de cette information pour améliorer les performances du système de navigation. Cette architecture respecte les contraintes du projet dans lequel s’inscrit cette thèse consistant à développer un système polyvalent et modulaire ayant un faible coût, étant capable de fournir en continu une bonne solution de navigation et où les données des capteurs de mauvaise qualité peuvent être facilement écartées.