Belief functions based fusion algorithms for indoor navigation
L intérêt de la fusion multi-capteurs en environnement intérieur est croissant, notamment pour les applications impliquant la navigation telle que l étude de comportement d une personne âgée dans une maison, l efficacité énergétique, et le déploiement des robots autonomes dans les entrepôts et les h...
Guardat en:
| Autor principal: | |
|---|---|
| Altres autors: | , , , , , , , |
| Format: | Thèse numérique |
| Idioma: | Anglais Français |
| Publicat: |
2019.
|
| Matèries: | |
| Accés en línia: | Accès réservé au texte intégral |
| Nota: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire) Autre(s) contribution(s) : Sylvie Le Hégarat (Président du jury) ; Sylvie Le Hégarat, Véronique Berge-Cherfaoui, Carine Jauberthie, Gérard Poisson, Pascal Doré, Ouafae Bennis-Saboni, Rym Ben Bachouch (Membre(s) du jury) ; Véronique Berge-Cherfaoui, Carine Jauberthie (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Algorithmes de fusion pour la navigation en intérieur basés sur les fonctions de croyances |
| Sumari: | L intérêt de la fusion multi-capteurs en environnement intérieur est croissant, notamment pour les applications impliquant la navigation telle que l étude de comportement d une personne âgée dans une maison, l efficacité énergétique, et le déploiement des robots autonomes dans les entrepôts et les hôpitaux. Les données des capteurs peuvent présenter des incertitudes qui varient selon la nature des capteurs et le type de données. Dans cette thèse, nous avons développé des algorithmes de fusion multi-capteurs, pour deux types d applications de la navigation en intérieur, en tenant compte des incertitudes existantes. Pour cela, nous avons utilisé le cadre de la théorie des fonctions de croyance. La première application concerne la localisation d une personne en intérieur en utilisant un réseau de capteurs binaires. Ces capteurs sont non-intrusifs et pas coûteux, cependant ils ne fournissent que l information de présence/absence de mouvement. Pour la localisation, il faut donc déployer un réseau de ces capteurs. Afin de réduire le nombre de capteurs, nous avons utilisé une structure multiplexe avec un algorithme bayésien dans un premier temps. Cet algorithme ne gère pas les incertitudes des champs de vision des capteurs, par conséquent, nous avons développé un second algorithme basé sur le modèle des croyances transférables. La seconde application concerne la navigation des robots, précisément la perception d environnement. Pour cette dernière, nous avons développé un algorithme de fusion multi-modale (Laser avec caméra RGB-D) qui gère l incertitude des données grâce aux grilles évidentielles, et détecte les objets mobiles grâce à la gestion des conflits issus de la fusion. Nowadays, the interest of multi-sensor data fusion is increasing in several indoor environment applications, especially for applications involving navigation such as studying the behavior of elderly at home, energy efficiency, and deployment of autonomous robots in warehouses and hospitals. Sensors data may present uncertainties that vary according to the nature of the sensors and the type of data. In this thesis, we have developed multi-sensor data fusion algorithms, for two different indoor navigation applications, by taking into account the uncertainties that the sensors or the data may have. For this aim, we have mainly relied on belief functions theory. The first application concerns human indoor localization using a binary PIR sensors network. These sensors are non-intrusive and low-cost, however, they provide only information about the presence/absence of human motions. Therefore, for localization it becomes necessary to deploy a network of these sensors. In order to reduce the number of the used sensors, we have used a multiplex structure along with a Bayesian algorithm in the first time. However, this algorithm does not handle the uncertainties of sensor s fields of views, therefore, we have developed another algorithm based on the transferable belief model. The second application concerns the robots indoor navigation, precisely the perception of dynamic environments. For this last, we have developed a multi-modal data fusion algorithm (Laser data with RGB-D camera data) which manages the uncertainty of the data thanks to evidential grids, and detects the moving objects by leveraging the conflicts induced during the process of data fusion. |
|---|---|
| Descripció de l’ítem: | Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire) Autre(s) contribution(s) : Sylvie Le Hégarat (Président du jury) ; Sylvie Le Hégarat, Véronique Berge-Cherfaoui, Carine Jauberthie, Gérard Poisson, Pascal Doré, Ouafae Bennis-Saboni, Rym Ben Bachouch (Membre(s) du jury) ; Véronique Berge-Cherfaoui, Carine Jauberthie (Rapporteur(s)) |