SOUTENANCE DE THESE
9/02/2015
LU Wenjie 9/02/15 DIGITEO BAT 660 à 14h

SUJET : A Multi-source Vehicle Localization System for Intelligent Vehicles with Error Modeling


Sous la direction de Messieurs : Roger Reynaud, Sergio Rodriguez, Emmanuel Seignez
Son directeur de recherches.
SOUTENANCE DE THESE AYANT POUR JURY :
(indiquer les noms par ordre alphabétique)
· Michel DEVY
· Fawzi NASHASHIBI
· Roger REYNAUD
· Sergio RODRIGUEZ
· Emmanuel SEIGNEZ
· Un examinateur sera ajouté à ce jury, le nom sera communiqué ultérieurement

RESUME
Les applications pour véhicules autonomes et les systèmes d'aide avancée à la conduite (Advanced Driving
Assistance Systems - ADAS) mettent en oeuvre des processus permettant à des systèmes haut niveau de
réaliser une prise de décision. Pour de tels systèmes, la connaissance du positionnement précis (ou localisation)
du véhicule dans son environnement est un pré-requis nécessaire.
Cette thèse s'intéresse à la détection de la structure de scène, au processus de localisation ainsi qu'à la
modélisation d'erreurs. A partir d'un large spectre fonctionnel de systèmes de vision, de l’accessibilité d'un
système de cartographie ouvert (Open Geographical Information Systems - GIS) et de la large diffusion des
systèmes de positionnement dans les véhicules (Global Positioning System - GPS), cette thèse étudie la
performance et la fiabilité d'une méthode de localisation utilisant ces différentes sources.
La détection de marquage sur la route réalisée par caméra monoculaire est le point de départ permettant de
connaître la structure de la scène. En utilisant, une détection multi-noyau avec pondération hiérarchique, la
méthode paramétrique proposée effectue la détection et le suivi des marquages sur la voie du véhicule en
temps réel. La confiance en cette source d'information a été quantifiée par un indicateur de vraisemblance.
Nous proposons ensuite un système de localisation qui fusionne des informations de positionnement (GPS), la
carte (GIS) et les marquages détectés précédemment dans un cadre probabiliste basé sur un filtre particulaire.
Pour ce faire, nous proposons d'utiliser les marquages détectés non seulement dans l'étape de mise en
correspondance des cartes mais aussi dans la modélisation de la trajectoire attendue du véhicule.
La fiabilité du système de localisation, en présence d'erreurs inhabituelles dans les différentes sources
d'information, est améliorée par la prise en compte de différents indicateurs de confiance. Ce mécanisme est
par la suite utilisé pour identifier les sources d'erreur.
Cette thèse est conclue par une validation expérimentale des méthodes proposées dans des situations réelles
de conduite. Leurs performances ont été quantifiées en utilisant un véhicule expérimental et des données en
libre accès sur internet.


ABSTRACT
Autonomous Vehicles (AV) applications and Advanced Driving Assistance Systems (ADAS) relay in scene
understanding processes allowing high level systems to carry out decision making. For such systems, the
localization of a vehicle evolving in a structured dynamic environment constitutes a complex problem of crucial
importance.
Our research addresses scene structure detection, localization and error modeling. Taking into account the
large functional spectrum of vision systems, the accessibility of Open Geographical Information Systems (GIS)
and the widely presence of Global Positioning Systems (GPS) onboard vehicles, we study the performance and
the reliability of a vehicle localization method combining such information sources.
Monocular vision–based lane marking detection provides key information about the scene structure. Using an
enhanced multi-kernel framework with hierarchical weights, the proposed parametric method performs, in real
time, the detection and tracking of the ego-lane marking. A self-assessment indicator quantifies the confidence
of this information source.
We conduct our investigations in a localization system which tightly couples GPS, GIS and lane makings in the
probabilistic framework of Particle Filter (PF). To this end, it is proposed the use of lane markings not only
during the map-matching process but also to model the expected ego-vehicle motion.
The reliability of the localization system, in presence of unusual errors from the different information sources,
is enhanced by taking into account different confidence indicators. Such a mechanism is later employed to
identify error sources.
This research concludes with an experimental validation in real driving situations of the proposed methods.
They were tested and its performance was quantified using an experimental vehicle and publicly available
datasets.