UNIVERSITÉ DE NANTES THÈSE DE DOCTORAT Ahmed SELLOUM Jury

149 Pages·2011·3.14 MB·French

UNIVERSITÉ DE NANTES
ÉCOLE DOCTORALE
SCIENCES ET TECHNOLOGIES DE L’INFORMATION
ET MATHÉMATIQUES
Année 2010 N◦ B.U. : ED 503-106
LOCALISATION MULTI-CAPTEURS D’UN VEHICULE
ROUTIER SOUS CONTRAINTES CARTOGRAPHIQUES
Mise en œuvre d’un filtre particulaire et d’une modélisation multivoies
de la route par des clothoïdes
THÈSE DE DOCTORAT
Spécialité : Automatique et Traitement du Signal
Présentée et soutenue publiquement par
Ahmed SELLOUM
Le 19 Novembre 2010
au Laboratoire Central des Ponts et Chaussées
Jury
Rapporteurs : Philippe BONNIFAIT Professeur, Université de Compiègne
Dominique MEIZEL Professeur, ENSI Limoges
Examinateurs : Jean-Yves TOURNERET Professeur, ENSEEIHT, Toulouse
François PEYRET Directeur de Recherche, LCPC, Nantes
David BETAILLE Chargé de Recherche, LCPC, Nantes
Eric LE CARPENTIER Maître de Conférence, Ecole Centrale de Nantes

Résumé
Dans le domaine des Systèmes de Transport Intelligents, de nombreuses aides à la
conduite nécessitent la localisation précise et fiable du véhicule en temps réel sur
une carte numérique. La technologie GPS, associée à une carte standard, s’avère
généralement satisfaisante pour les systèmes classiques de navigation, toutefois elle
souffre de sérieux problèmes quand l’application nécessite une précision au niveau
de la voie de circulation avec un indicateur de confiance associé. La thèse s’appuie
sur trois propositions qui permettent d’apporter une solution innovante au problème
posé : 1) l’utilisation d’une carte numérique précise décrivant toutes les voies de la
route sous la forme d’une succession de clothoïdes; 2) le choix d’un vecteur d’état
discret-continu comprenant directement les coordonnées du véhicule sur la carte;
3) l’utilisation du filtrage particulaire qui permet de traiter les multi-hypothèses,
d’estimer les probabilités associées à chacune et d’appliquer aisément les contraintes
cartographiques. D’un point de vue pratique, cette assignation du véhicule à un
tronçon de voie sur la carte est importante puisque les règles de conduite automo-
bile et certaines informations au conducteur sont attachées à l’infrastructure à ce
niveau de détail. La mise en œuvre de ce système a été menée en deux étapes. Dans
un premier temps, la localisation du véhicule est effectuée par un filtre particulaire
sous contraintes spatiales définies par une carte précise. Les résultats obtenus en
simulation et à partir de données réelles font apparaître en détail les intérêts de la
méthode proposée par rapport à un système classique. Dans un deuxième temps,
l’exploitation de la contrainte directionnelle de la route et d’un multi-modèle d’évo-
lution du véhicule permet de pallier les effets éventuels d’un mauvais gyromètre.
Abstract
In the field of Intelligent Transportation Systems, many Advanced Driver Assistance
Systems require reliable and precise location of the vehicle in real time on a digital
map. The GPS technology, combined with a standard map, is generally satisfactory
for conventional navigation systems, however, it suffers from serious problems when
the application requires an accuracy at a road lane level with a confidence indicator
associated. The thesis is based on three proposals that bring an innovative solution
totheproblem:1)theuseofaprecisedigitalmapdescribingallthelanesoftheroad
as a series of clothoïds (spirals), 2) the choice of a discrete-continuous state vector
that comprises directly the coordinates of the vehicle on the map, 3) the use of a
particle filter that can handle multiple hypotheses, estimate the probabilities asso-
ciated with each of them and apply easily cartographic constraints. From a practical
standpoint, this assignment of the vehicle to a road lane on the map is important
because the driving rules and some driver information are tied to the infrastructure
atthislevelofdetail.Theimplementationofthissystemwasconductedintwosteps.
First, the location of the vehicle is done by a particle filter with space constraints
defined by a precise map. The results obtained from simulation and real data show
in detail the interests of the proposed method compared to a conventional system.
In a second step, the use of the directional constraint of the road and of a vehicle
evolution multi-model allows to remedy the possible effects of a bad gyro.

Remerciements
Je remercie tous les membres de mon jury, Monsieur Jean-Yves Tourneret pour
l’avoir présidé, Monsieur Philippe Bonnifiat et Monsieur Dominique Meizel pour
l’intérêt qu’ils ont porté à mon travail en acceptant d’être rapporteurs.
Je remercie également mon directeur de thèse Francois Peyret pour m’avoir ac-
cueilli dans son labo. Je souhaite remercier tout particulièrement David Bétaille et
Eric Le Carpentier pour m’avoir encadré durant toutes ces années, pour leurs pré-
cieux conseils et leurs idées innovantes ainsi que pour toute la patience dont ils ont
fait preuve lors de la correction de ce manuscrit.
Biensurjeremerciel’ensembledespersonnesquej’aipucotoyeràladivisionMé-
trologie et Instrumentation du LCPC de Nantes, notamment Rafael Toledo-Moreo
(chercheur invité), Miguel, Christian et sa femme, Philippe et sa femme, Jean-Marc,
Sylvie et son mari, Fleury, Florian, Ré-Mi, William, Ahmed, Marie-Christine, Yve-
line et tous ceux que j’ai oubliés.
Enfin mes dernières pensées vont à l’ensemble des personnes de ma famille qui
m’ont toujours encouragé à poursuivre cette voie et soutenu dans les moments dif-
ficiles. Je tiens à remercier beaucoup ma femme pour son soutien moral et son aide
concernant les corrections orthographiques.

Table des matières
Table des matières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
1 Introduction 1
2 Localisation embarquée 7
1 Localisation absolue . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1 Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Description du système GPS . . . . . . . . . . . . . . . . . . . 8
1.3 Localisation absolue par satellites GPS . . . . . . . . . . . . . 9
1.4 Localisation différentielle par mesure de pseudo-distances . . . 11
1.5 Localisation différentielle par mesure de phases . . . . . . . . 12
1.6 Points faibles du GPS . . . . . . . . . . . . . . . . . . . . . . 14
2 Localisation à l’estime . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1 Odomètre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Gyromètre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Modèle cinématique du véhicule . . . . . . . . . . . . . . . . . 16
2.4 Avantages et inconvénients de la localisation à l’estime . . . . 18
3 Localisation hybride 19
1 Modèle de Markov caché . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Théorie du filtrage bayésien . . . . . . . . . . . . . . . . . . . . . . . 21
2.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2 Récurrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3 Modèle linéaire et filtrage de Kalman . . . . . . . . . . . . . . . . . . 23
4 Modèle non-linéaire et extensions du filtrage de Kalman . . . . . . . . 25
4.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.2 De la linéarisation au filtrage de Kalman étendu . . . . . . . . 26
4.3 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5 Filtrage particulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5.1 Approximation particulaire . . . . . . . . . . . . . . . . . . . . 28
5.2 Application à l’estimation bayésienne . . . . . . . . . . . . . . 28
5.3 Filtre bootstrap . . . . . . . . . . . . . . . . . . . . . . . . . . 29
6 Application : localisation hybride lâche . . . . . . . . . . . . . . . . . 32
6.1 Etat et observations du modèle markovien . . . . . . . . . . . 32
6.2 Modèle de Markov caché . . . . . . . . . . . . . . . . . . . . . 33
6.3 Test de rejet de l’observation GPS . . . . . . . . . . . . . . . . 34
6.4 Filtre de kalman étendu lâche . . . . . . . . . . . . . . . . . . 35
6.5 Filtre particulaire lâche . . . . . . . . . . . . . . . . . . . . . . 37
7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
i
4 Cartes standard et map-matching 39
1 Etat de l’art en matière de cartes numériques routières . . . . . . . . 39
1.1 Aspects géométriques . . . . . . . . . . . . . . . . . . . . . . . 40
1.2 Aspects topographiques . . . . . . . . . . . . . . . . . . . . . 41
1.3 Attributs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2 Etat de l’art en matière de map-matching . . . . . . . . . . . . . . . 41
2.1 Les approches géométriques . . . . . . . . . . . . . . . . . . . 41
2.2 Les approches multidimensionnelles . . . . . . . . . . . . . . . 42
2.3 Les approches topologiques . . . . . . . . . . . . . . . . . . . . 42
3 Nouvelles données cartographiques pour les ADAS . . . . . . . . . . . 43
4 Localisation aidée par la carte . . . . . . . . . . . . . . . . . . . . . . 44
5 Cartes précises 47
1 Modélisation clothoïdale par voie . . . . . . . . . . . . . . . . . . . . 47
1.1 Profil longitudinal . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.2 Profil transversal . . . . . . . . . . . . . . . . . . . . . . . . . 49
1.3 Coordonnées de Frenet associées à une clothoïde . . . . . . . . 49
2 Estimation du profil longitudinal . . . . . . . . . . . . . . . . . . . . 51
3 Liens topologiques entre les éléments géométriques . . . . . . . . . . . 56
4 Attributs de position relative entre éléments . . . . . . . . . . . . . . 58
5 Structure de la base de données . . . . . . . . . . . . . . . . . . . . . 61
6 Localisation sous contrainte spatiale 63
1 Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2 Caractérisation des données . . . . . . . . . . . . . . . . . . . . . . . 64
2.1 Odomètre et gyromètre . . . . . . . . . . . . . . . . . . . . . . 64
2.2 GPS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3 Carte routière précise (ou Emap) . . . . . . . . . . . . . . . . 67
3 Modèle cinématique dans un repère de Frenet . . . . . . . . . . . . . 67
3.1 Hypothèses du modèle cinématique . . . . . . . . . . . . . . . 68
3.2 Calcul de ℓ[n] . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.3 Calcul de d[n] . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.4 Bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4 Modèle markovien du système de positionnement . . . . . . . . . . . 73
5 Modèle d’évolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.1 Phase de pré-évolution . . . . . . . . . . . . . . . . . . . . . . 75
5.2 Phase de changement d’élément . . . . . . . . . . . . . . . . . 76
6 Loi d’observation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
7 Filtre particulaire sous contrainte spatiale . . . . . . . . . . . . . . . 79
7.1 Etape 1 : initialisation . . . . . . . . . . . . . . . . . . . . . . 80
7.2 Etape 2 : évolution . . . . . . . . . . . . . . . . . . . . . . . . 80
7.3 Etape 3 : correction GPS . . . . . . . . . . . . . . . . . . . . . 82
7.4 Etape 4 : estimateur . . . . . . . . . . . . . . . . . . . . . . . 83
7.5 Etape 5 : rééchantillonnage . . . . . . . . . . . . . . . . . . . 85
7.6 Algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
8 Simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
8.1 Site de test . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
8.2 Trajectoire de référence . . . . . . . . . . . . . . . . . . . . . . 88
ii