• Annonces
  • Agenda partagé
  • Actualité partagée
• Espace ADUM
• Votre compte personnel
  • Compte
• Affiches réseau ADUM
  • Annonces Adum
• Inscription/Réinscription
• Retirer votre diplôme
• Catalogue de formation
• Soutenance de thèse
  • Soutenance en visio intégrale
• International
  • Aide à la mobilité internationale
  • Collège doctoral franco-allemand
• Après la thèse
  • Emploi
  • Mise à jour de la situation professionnelle
• Thèses en ligne
• Textes officiels
• Doctorat Site Institutionnel
  • Doctorat Site Institutionnel

Agenda partagé

Le 30 juin 2020

Soutenance de thèse de Farouk GHALLABI

Représentation de l'environnement et localisation instantanée d'un véhicule autonome sur voies rapides: approche laser 3D

Résumé de la thèse en français

Dans le cadre de cette thèse un sys- tème de perception à base d'un cap- teur LIDAR et un système de localisa- tion sur une carte numérique très pré- cise ont été développés dans le con- texte des développements des véhicules autonomes. Le système de perception proposé utilise les données 3D augmen- tées par la réflectivié du LiDAR afin de détecter les marquages au sol, les bar- rières, les panneaux de signalisation et les rétro-reflecteurs placés sur les bar- rières ou rails de sécurité dans un en- vironnement autoroutier. Les objets dé- tectés sont ensuite recalés par rapport à une carte numérique très précise. Cette dernière contient les lignes de marquage dans un format spécifique, les panneaux de signalisation ainsi que d'autres at- tributs sémantiques. Le recalage est as- suré via une implémentation d'un filtre particulaire auquel nous avons effecuté des améliorations pour optimiser la dis- tribution des particules sans pour autant en modifier le nombre. Cette méthode est appelée: la mise à jour contrainte du filtre. Pour évaluer la méthode pro- posée, nous avons utilisé un système de navigation satellitaire (GNSS) avec cor- rection RTK comme une vérité terrain et nous avons adopté différentes métriques pour montrer la précision de notre sys- tème. Les expériences ont été menées sur deux autoroutes: une piste de test propre à Renault et un tronçon d'environ 50 kilomètres sur sur route ouverte. Les résultats sont prometteurs et montrent la faisabilité d'un système de localisa- tion fondé sur des LiDARs seuls et avec une réprésentation éparse des données (sous forme d'amers plutôt que la totalité du nuage de points).

Résumé de la thèse en anglais

In this thesis, we address the problem of accurate localization of autonomous vehicles on highway roads using Li- DAR sensors and a highly accurate third party map. The proposed approach is based on two core modules: percep- tion and map-matching. The percep- tion module uses the 3D data enhanced by the LiDAR reflectivity to detect road primitive features: lane markings, barri- ers, traffic signs and guardrail reflectors. The map-matching module incorporates these measurements and aligns them against a highly accurate third party map. The map-matching is performed using a particle filter, which we have improved in order to deal with the particle depri- vation problem. The proposed improve- ment uses the road geometry in order to optimize the spatial distribution of parti- cles while maintaining the number of par- ticles constant. To evaluate the proposed method, we compared the localization outputs of our system to a Global Navi- gation Satellite System (GNSS) with RTK corrections (ground truth). Experiments have been conducted on two highway roads. The first is an experimental test track (CTA2) of 5 km long located at CTA, Renault's Aubevoye's Technical Center. This track is designed to exactly replicate a two-lane highway environment. The second is a section of the A13 high- way, running from Paris and ending at Aubevoye. The results are promising and show the feasibility of a localization sys- tem based on LiDARs alone and with a sparse map data representation.

Titre anglais : Precise Self-Localization of autonomous vehicles using lidar sensors and highly accurate digital maps on Highway roads
Date de soutenance : mardi 30 juin 2020 à 14h00
Adresse de soutenance : Inria Paris - Salle de Visio Centre C235
Directeur de thèse : Fawzi NASHASHIBI

Voir tous les événements