多式联运定位系统：巴黎萨克雷大学机器人学博士论文2020UPASG060

博士论文NNT：2020UPASG060。多式联运定位系统巴黎萨克雷大学博士论文第580号博士学院博士专业：机器人学研究单位：巴黎-萨克雷大学、ENS巴黎-萨克雷、CNRS，SATIE，91190，Gif-sur-Yvette，法国参考：奥赛科学学院论文在全视频会议上提交和答辩，2020年12月14日，通过阿琼·巴拉克里希南评审团组成Hugues Mounier总裁巴黎萨克雷大学教授Véronique CHERFAOUI报告员考试员大学教授，技术大学Compigne，索邦大学David BETAILLE审查员报告员古斯塔夫·埃菲尔大学Cindy Cappelle考官贝尔福-蒙贝利亚尔理工大学讲师Nicole El-Zoghby检查员雷诺集团研发工程师Patrice AKNIN检查员SystemX技术研究所研究主任Roger REYNAUD博士生导师巴黎萨克雷大学教授Sergio Rodriguez联合主管巴黎萨克雷大学高级讲师确认：本博士论文于2017年10月至2020年12月在巴黎-萨克雷大学SATIE实验室发表它得到了法国国家教育和研究部的资助。我想对所有直接或间接为这项研究做出贡献的人表示感谢，没有他们，我就无法完成这项研究。我衷心感谢我的导师罗杰·雷诺教授和塞尔吉奥·罗德里格斯教授，感谢他们的宝贵建议、不断的鼓励和个人的参与。他们在这方面无可挑剔的知识和谨慎的指导不仅帮助我在这段旅程中颤抖，而且还为我的科学和个人生活提供了宝贵的见解。特别感谢Flavien Delgehier在这项工作中进行的实验期间提供了所有必要的技术支持。我非常感谢SATIE和DIGITEO实验室的所有成员和研究人员，他们在不同阶段参与了本研究的讨论和评估最后，我感谢我的家人和朋友的鼓励，以及多年来在这项工作中所表现出的巨大理解。摘要智能汽车是人类由于与智能车辆相关的大量数据源和过程，整个系统的可靠性在很大程度上取决于其组件中观察到的在我们的工作中，我们专注于智能汽车本地化的关键任务，并解决了监控本地化中使用的数据源完整性的我们研究的主要贡献是通过将信息系统的完整性概念与智能交通系统（ITS）领域的现有完整性概念相结合，提出了一种新的完整性形式化了一个基于理论化完整性协议的完整性监控框架，可以处理多模态本地化问题。作为第一步，基于使用多项式模型的数据源的交叉一致性估计，开发了该框架的概念 基于第一步的观察，在第二步中提出了特征网格数据表示，并实现了框架的通用原型。 该框架在高速公路以及复杂的城市场景中进行了测试，以证明所提出的框架能够提供智能车辆定位中使用的多模式数据源的连续完整性估计。摘要智能汽车是全球更安全、更高效、更便捷的交通系统的关键组成部分。 由于与智能车辆相关的数据源和过程的多样性，整个系统的可靠性在很大程度上取决于在其组件中观察到的错误或不良性能的可能性。在我们的工作中，我们专注于智能汽车定位的关键任务，并解决了监控定位中使用的数据源完整性的挑战。 我们研究的主要贡献是提出了一种新的完整性协议，将信息系统的完整性概念与智能交通系统（ITS）中现有的完整性概念相结合。基于所提出的完整性协议，开发了一个完整性监控框架，可以处理多模式定位问题。在第一步中，基于使用多项式模型的数据源的交叉一致性估计来开发该框架的概念证明基于第一阶段的观察，在第二阶段提出了"特征网格"数据的表示，并实现了框架的通用原型。该框架在高速公路和复杂的城市场景中进行了测试，以证明所提出的框架能够提供用于智能车辆定位的多模式数据源的连续完整性估计法语综合智能汽车预示着一个高效、安全的交通世界。全球导航卫星系统（GNSS）、日益强大的传感器和基于人工智能（AI）的感知方法的进步然而，由于与ITS相关的数据源和过程的多样性，整个系统的可靠性在很大程度上在本论文中，我们研究了智能汽车定位的关键任务，并解决了监控用于定位的数据源的完整性的挑战。 虽然已经有几项工作提供了在某些应用或操作环境的上下文中监视某些数据源（包括GNSS系统和地图）的完整性的方法， 但 是 对 于 在 各 种 场 景 中 用 于 车 辆 定 位 的 多 模 式 数 据 源 的 完 整 性 监视 ， 仍 然 存 在 专 用 的 通 用 和 可 扩 展 的 方 法 的 空 间 。本文的第一章致力于研究科学领域中对完整性概念的不同解释及其在智能汽车定位中的应用。确定了当前方法的局限性，并通过将信息系统完整性概念与TSI中的现有概念相结合来定义新的完整性协议在第二章中，通过根据数据源对不同类型的定位方法进行分类和分析，描述了多模态定位问题。八已使用。这项研究第三章提出了一个完整性监控框架，使用理论化的完整性协议来处理多模态定位问题。本章还讨论了所提出的框架的相关性和完整性评估方法的选择。第四章描述了数据源的几何建模和为验证拟议的完整性监测框架而开发的基于交叉一致性的完整性估计技术。从所有数据源中检测单个特征（道路形状），并使用二次多项式进行建模从该方法获得的结果作为拟议框架的概念验证，并表明它能够在高速公路和半城市情况下监测全球导航卫星系统、地图和视觉数据的完整性在第五章中，提出了一种改进的数据表示模型和一种基于一致性的完整性估计技术使用所提出的"特征网格"的数据表示结合了环境的多个空间特征，例如道路结构、道路标记和周围基础设施的几何形状。使用公开可用的数据集以及真实世界的数据采集进行实验的结果被分析，以显示所提出的框架的有效性。实验表明，所提出的框架能够在道路场景以及复杂的城市场景中提供不同类型数据源的连续完整性估计 此外，还使用该框架计算了经典的位置完整性参数，并将其与智能汽车领域可用的标准位置完整性要求进行了比较。最后，本文强调了本研究的主要发现，以及所提出的诚信管理方法的潜力和可能的改进。内容。确认。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...我摘要III摘要。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...V法文摘要八表XI列表图14列表首字母缩略词xvii1我们知道什么？11.1引言。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...21.2定义完整性。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...21.3智能汽车中的完整性。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 81.4结论192问题是什么232.1导言242.2不同类型的本地化252.3里程表292.4SLAM372.5基于地图的本地化41八2.6多模式数据建模442.7结论503建议的解决方案513.1导言523.2为什么来源的...........................................................................................................533.3数据源建模553.4技术完整性评估573.5完整性标记593.6结论604概念验证614.1导言624.2数据处理624.3完整性评估714.4实验和讨论744.5结论835通用原型855.1导言865.2方法895.3实验和讨论1055.4结论1146结论和展望117x内容表列表1.1高速公路和城市场景中警戒限值要求的192.1用于地图数据的不同表示493.1数据源的模态和属性554.1数据集1825.1比较使用基于FG的方法和基于多项式的方法110获得的5.2数据完整性监控流程可用性的元分析115图列表1.1信息系统完整性概念综述 . . . . . . . . . .1.2........................................................斯坦福-欧空局图101.3基于地面车辆导航中PE、PL、AL的完整性事件111.4涉及多种措施的外国直接投资本地化原则1.5经典RAIM实现的原理131.6全球导航卫星系统在城市环境中定位的挑战2.1GNSS三边化进程262.2自我定位概念的分类302.3不同的GNSS轨迹模型463.1智能汽车中的模块定位533.2源完整性监控框架584.1拟议方法的634.2视觉数据处理管道644.3车道标记检测和表示654.4与分析相关的各种框架664.5点到曲线映射匹配算法684.6在典型场景69中，在4.7数据集1的错误演变.................................................................................................754.8来自数据集175的不同场景4.9数据集2的错误演变774.10 来自数据集277的不同场景4.11 数据集的错误演变378十四图列表4.12 来自数据集378的不同场景4.13 数据集的错误演变4794.14 来自数据集479的不同场景4.15 数据集1上的性能评估805.1地图源中的完整性问题875.2多模态数据源5.3我们工作中使用的功能示例，从复杂场景中检测到。915.4从Vision93中检测特征的步骤5.5LiDAR数据的检测标准945.6用于源完整性监控的3DROI到网格表示5.7使用特征网格表示对来自不同源的数据进行建模的示例-感知975.8两个源的FG之间的匹配操作5.9使用顺序粒子过滤器的过程1025.10 地面车辆定位保护级别说明1045.11 数据集比较结果2011_09_26_drive_00291075.12 来自数据集2011_09_26_drive_0029的1085.13 数据集的比较结果2011_09_26_drive_00281095.14 复杂场景示例1115.15 诚信风险分配1125.16 保护级别（PL）比较114首字母缩略词AL警报限制BEV鸟瞰图BE边界错误CDF累积分布函数医生死亡清算DTAM密集跟踪和映射DBSCAN基于密度的空间聚类技术 DMP Dirichlet工艺混合东北偏东ECA错误表征方法EGNOS欧洲地球同步导航覆盖服务 EKF扩展卡尔曼滤波器FD故障检测FDE故障检测和排除FDI故障检测和隔离FP故障/可行性预测器FG功能网格FMCW频率调制连续波高斯混合模型地理信息系统GDOP几何精度稀释全球导航卫星系统全球导航卫星系统GPS全球定位系统GoF不适合HMI危险地错误引导信息HM隐马尔可夫模型高清高清HPE水平位置误差HPL水平保护水平IR完整性风险IW完整性重量ITS智能交通系统ISO国际标准化IDW反向距离加权IPM反向透视变换ICP迭代最接近点LO激光测高LatPL横向保护水平LCA责任关键型应用程序LOAM激光雷达测线和测绘LiDAR光探测和测距视线范围BBS基于位置的服务LongPL纵向防护等级查找查找表ML机器学习MRA测量拒绝方法MEO中地球轨道MI误导信息MDS运动数据源NLOS非视线外OSM开放街道地图PF颗粒过滤器PE位置错误PL保护级别QPM二次多项式模型RO雷达测距雷达无线电探测和测距RAIM接收器自主完整性监控感兴趣的ROI区域SLAM同步定位和映射SDS空间数据源SFM运动结构系统可用SU系统不可用TLS目标级别安全性TTA警报时间UKF无点卡尔曼滤波器VPL垂直防护等级VIO视觉惯性里程计视觉里程测量VGI志愿地理信息WAAS广域增强系统世界大地测量系统