Development of GNSS/INS/SLAM Algorithms for Navigation in Constrained Environments - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2017

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

Développement d'algorithmes GNSS/INS/SLAM pour la navigation en milieux contraints

Amani Ben Afia
  • Fonction : Auteur
  • PersonId : 957729

Résumé

For land vehicles, the requirements of the navigation solution in terms of accuracy, integrity, continuity and availability are more and more stringent, especially with the development of autonomous vehicles. This type of application requires a navigation system not only capable of providing an accurate and reliable position, velocity and attitude solution continuously but also having a reasonable cost. In the last decades, 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 characteristics. 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 degraded, and, in return 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. Therefore, this Ph.D. thesis, which is part of a common French research project involving two laboratories and three companies, aims at extending the classical hybridization architecture by including other sensors capable of improving the navigation performances while having a low cost and being easily embeddable. For this reason, the use of vision-based navigation techniques to provide additional information is proposed in this thesis. In fact, cameras have become an attractive positioning sensor recently with the development of Visual Odometry 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 encounter bad performance. Therefore, this work focuses on developing a multi-sensor fusion architecture integrating visual information with the previously mentioned sensors. In particular, the contribution of this information to improve the vision-free navigation system performance is highlighted. The proposed architecture respects the project constraints consisting of developing a versatile and modular low-cost system capable of providing continuously a good navigation solution, where each sensor may be easily discarded when its information should not be used in the navigation solution
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.
Fichier principal
Vignette du fichier
BEN_AFIA_Amani.pdf (7.35 Mo) Télécharger le fichier
nfs0000000001d8076700000026 (7.35 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Format : Autre

Dates et versions

tel-01998258 , version 1 (29-01-2019)
tel-01998258 , version 2 (16-10-2023)

Identifiants

  • HAL Id : tel-01998258 , version 2

Citer

Amani Ben Afia. Development of GNSS/INS/SLAM Algorithms for Navigation in Constrained Environments. Signal and Image processing. Institut National Polytechnique de Toulouse - INPT, 2017. English. ⟨NNT : 2017INPT0090⟩. ⟨tel-01998258v2⟩
419 Consultations
1102 Téléchargements

Partager

Gmail Facebook X LinkedIn More