Accéder directement au contenu Accéder directement à la navigation
Thèse

Deep learning, Inertial Measurements Units, and Odometry: Some Modern Prototyping Techniques for Navigation Based on Multi-Sensor Fusion

Résumé : Cette thèse aborde les méthodes d’estimation d’état pour les véhicules équipés de divers capteurs tels que des caméras et des centrales inertielles. Le filtre de Kalman est un outil largement utilisé pour estimer l’état d’un système dynamique, qui soulève des questions théoriques pour les systèmes non linéaires présents dans la navigation, et qui repose sur des modèles physiques et des paramètres qui doivent être optimisés efficacement par l’utilisateur. La thèse contribue au filtrage de Kalman pour la navigation, où les contributions se divisent en deux contributions majeures. La première contribution consiste à s’appuyer sur le récent filtre de Kalman étendu invariant pour résoudre les problèmes difficiles que sont l’inconsistence du filtre de Kalman étendu pour le problème de la localisation et de la cartographie simultanées, de la navigation avec des capteurs visuels, et la question plus générale du filtrage de Kalman sur les variétés. La deuxième contribution consiste à utiliser des outils récents du domaine de l’intelligence artificielle, à savoir l’apprentissage profond, pour améliorer les filtres de Kalman, notamment pour relier les mesures des capteurs à l’état du système, et pour régler le filtre efficacement, c’est-à-dire utiliser des techniques d’apprentissage automatique pour trouver une stratégie de réglage dynamique des paramètres du filtre de Kalman qui correspond aux données et qui est également capable de fournir de nouvelles informations au filtre. La thèse introduit ainsi différents algorithmes de filtrage et réseaux de neurones profonds dont l’implémentation est rendue open-source.
Liste complète des métadonnées

Littérature citée [231 références]  Voir  Masquer  Télécharger

https://hal-mines-paristech.archives-ouvertes.fr/tel-03006062
Contributeur : Martin Brossard <>
Soumis le : dimanche 15 novembre 2020 - 10:25:42
Dernière modification le : mercredi 18 novembre 2020 - 03:11:09

Fichier

90941_BROSSARD_2020.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : tel-03006062, version 1

Citation

Martin Brossard. Deep learning, Inertial Measurements Units, and Odometry: Some Modern Prototyping Techniques for Navigation Based on Multi-Sensor Fusion. Automatic. ISMME, 2020. English. ⟨tel-03006062⟩

Partager

Métriques

Consultations de la notice

97

Téléchargements de fichiers

197