Skip to Main content Skip to Navigation
Theses

Landmark based localization : Detection and update of landmarks with uncertainty analysis

Xiaozhi Qu 1
1 COGIT - Cartographie et Géomatique
LaSTIG - Laboratoire des Sciences et Technologies de l'Information Géographique
Résumé : En utilisant des amers visuels géoréférencés. Le processus d’appariement de flux d’images avec ces amers est guidé par les incertitudes des poses. On ajoute des contraintes absolues dans le système d’équations de l’ajustement de faisceaux. La dérive de la trajectoire du véhicule de cartographie est très fortement réduite.  Chaque étape de l’algorithme est évaluée sur des séquences d’images réelles avec une vérité terrain. Le véhicule de cartographie est le processus de collecte des données géo-spatiales. Ces véhicules sont souvent équipés de deux types de capteurs: télédétection (caméras, Lidar, Radar) et géolocalisation (GNSS, IMU, Odomètre). Le géoréférencement des données précis et robuste constitue un enjeu majeur pour la mise en œuvre des systèmes de cartographie mobile. En effet, en milieux urbains denses, les phénomènes de masquages GNSS et de trajets multiples pertubent les mesures de GNSS et conduisent à des erreurs de localisations importantes. Les centrales inertielles de grandes précisions permettent de combler les manques de localisation GNSS. Elles garantissent une dérive de position suffisamment faible pour obtenir la qualité de géoréférencement nécessaire pour la numérisation à des fins cartographiques. Aujourd’hui, la maturité des systèmes de géolocalisation hybride (GNSS/IMU/Odomètre) offre des solutions industrielles fiables pour la collecte de données géoréférencées. Les agences de cartographie nationales et privées ont commencées à faire des acquisitions de données nécessaires à la constitution de données géo-spatiales à très grande échelle. Cependant, le coût très onéreux des systèmes de géolocalisation intégrant des centrales inertielles de grandes précisions restreint leur utilisation à la constitution de données géoréferencées. Une solution plus abordable est nécessaire pour équiper les véhicules  employés pour les mises à jour régulières de ces données.L’objectif de cette thèse est de proposer une solution abordable de géolocalisation utilisable sur un grand nombre de véhicules pouvant être mobilisés pour la mise à jour de données géoréferencées.Nous proposons d’utiliser une ou plusieurs caméras sur un véhicule comme un système de géoréférencement. En effet la trajectoire du véhicule peut être estimée par une technique d’odométrie visuelle. Pour limiter la dérive de la trajectoire due à l’accumulation des erreurs, nous proposons de le recaler sur un ensemble d’amers visuels précisément géoréférencés. Ces amers sont reconstruits en utilisant les données géoréferencées générées par des systèmes de cartographies précis et onéreux. Les caractéristiques de route telles que les signalisations horizontales et verticales ont été choisi en tant que amers visuels.Un algorithme d’ajustement de faisceaux local a été adapté pour estimer la pose des caméras en utilisant un flux d’images acquis par un ou plusieurs caméras embarquées sur celui-ci. Une méthode rigoureuse de prise en compte des incertitudes permet de pondérer de manière automatique les différents types de contraintes dans le système d’équations de l’ajustement et d’estimer les incertitudes des paramètres. Ces dernières sont utilisées dans une approche appelée appariement par propagation qui permet d’accélérer le processus de suivi des points d’intérêt entre les images et d’éliminer un grand nombre de faux appariements. Cela réduit très fortement la dérive du véhicule en diminuant les sources des erreurs. Chaque étape de l'algorithme est évaluée sur des séquences d'images réelles avec des vérités terrains
Document type :
Theses
Complete list of metadatas

Cited literature [299 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-01586207
Contributor : Abes Star :  Contact
Submitted on : Tuesday, September 12, 2017 - 3:46:05 PM
Last modification on : Tuesday, May 12, 2020 - 8:28:22 AM
Document(s) archivé(s) le : Wednesday, December 13, 2017 - 4:06:22 PM

File

TH2017PESC1005_diffusion.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-01586207, version 1

Collections

Citation

Xiaozhi Qu. Landmark based localization : Detection and update of landmarks with uncertainty analysis. Geography. Université Paris-Est, 2017. English. ⟨NNT : 2017PESC1005⟩. ⟨tel-01586207⟩

Share

Metrics

Record views

1192

Files downloads

4769