Set-membership localization of drones using interval methods

Localisation ensembliste de drones à l’aide de méthodes par intervalles

Ide Flore Kenmogne Fokam (1, 2)

1 IRISA - Institut de Recherche en Informatique et Systèmes Aléatoires
2 RAINBOW - Sensor-based and interactive robotics

This thesis aims at characterizing a pose domain for the localization of drones, using interval set-membership methods. This characterization is enables to quantify the positioning uncertainty. In the absence or failure of GPS, in constrained and indoor environments, an alternative is to use the camera. The image measurements and those coming from the drone sensors as well as the models parameters are very often tainted by errors. Classical estimation methods provide a point estimate of the drone pose (position and orientation), assuming a probabilistic model of errors. However, it is sometimes difficult or impossible to describe precisely the probability distributions of these disturbances. In the set-membership framework, these errors can be represented by intervals. Interval analysis can then be used to propagate uncertainties, even in the presence of outliers. This work proposes an interval set-membership localization method based on image measurements; a quantifier elimination method for taking into account the uncertainties on the landmarks positions; and a method for solving the set-membership cooperative localization problem. Each of these methods has been implemented and tested in simulation and on real data acquired in an indoor environment. making their comparisons with existing classical methods possible.

Dans cette thèse, on cherche à caractériser un domaine de pose pour la localisation de drones, en utilisant des méthodes ensemblistes par intervalles. Cette caractérisation a pour but de quantifier l'incertitude de localisation. En absence ou défaillance du GPS, en milieux contraints et intérieurs, une alternative est d'utiliser la caméra. Les mesures dans l'image et celles provenant des capteurs du drone ainsi que les paramètres des modèles sont très souvent entachés d'erreurs. Les méthodes classiques d'estimation de fournir une estimation ponctuelle de la pose (position et orientation) du drone, en modélisant les erreurs par leur distribution de probabilité. Toutefois, il est parfois difficile, voire impossible, de décrire précisément les lois de probabilité de ces perturbations. Dans le cadre ensembliste, on peut représenter ces erreurs par des intervalles. L'utilisation de l'analyse par intervalles permet de propager de manière garantie les incertitudes, même en présence de données aberrantes. Ces travaux proposent une méthode de localisation ensembliste par intervalles basée sur l'observation d'amers géoréférencés ; l'élimination de quantificateur pour la prise en compte des incertitudes sur les positions des amers ; et une méthode pour résoudre le problème de localisation coopérative ensembliste. Chacune d'elles a été testée en simulation et sur des données réelles acquises dans un environnement intérieur, rendant possible leurs comparaisons aux méthodes classiques existantes.

Mots clés: Set-Membership methods; Intervals; Cooperative localization; Vision; Drones

Mots clés: Méthodes ensemblistes; Intervalles; Localisation collaborative; Vision; Drones

Domaines: Robotique [cs.RO]

Ide Flore Kenmogne Fokam. Localisation ensembliste de drones à l’aide de méthodes par intervalles. Robotique [cs.RO]. Université de Rennes, 2019. Français. ⟨NNT : 2019REN1S084⟩. ⟨tel-02921454⟩