Sousa Lillo, Katia
[VerfasserIn]
;
Université Grenoble Alpes
[MitwirkendeR];
Marchand, Nicolas
[MitwirkendeR];
Lacroix, Simon
[MitwirkendeR]
Caractérisation de l’incertitude liée à la position des points d’intérêt dans le contexte de la navigation ; Uncertainty estimation applied to navigation systems
Titel:
Caractérisation de l’incertitude liée à la position des points d’intérêt dans le contexte de la navigation ; Uncertainty estimation applied to navigation systems
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Dans cette thèse, on s'intéresse à la caractérisation de l'incertiude de localisation des mesures optiques dans une image. Autrement dit, il s'agit d'estimer localement la précision de la position de chaque point d'intérêt observé et suivi au cours du temps. L'application envisagée est un système (VINS - Visual Inertial Navigation System) de navigation Inertie/Vision couplé par une méthode de filtrage. Une hypothèse populaire consiste à considérer l'incertitude fixe et égale de tous les points issus d'une même image, et plus généralement d'un même capteur pour une application donnée. Cette approximation est raisonnable dans un environnement statique ou quasi-statique, mais aura le rôle d'un filtre appliquée à un environnement dynamique. Dans ce cas, une partie de l'information utile est perdue induisant un manque d'information lorsque les images capturées sont bruitées, même partiellement. Une caractérisation précise de l'incertitude sur les mesures permet la pondération des observations, ainsi qu'une alimentation constante d'observations même bruitées à l'application visée. L'intérêt de qualifier la précision des mesures est de pouvoir appliquer un filtrage serré à la navigation et ainsi réduire le biais sur la localisation du système mobile. Pour réponde à cette problématique, nous proposons une méthode DUNE (Deep UNcertainty Estimation) d'estimation de la covariance pour chaque point d'intérêt à partir de la position des ces points. Notre approche, basée sur des techniques d'apprentissage profond, propose une modélisation d'erreur locale. Elle évalue en particulier le tracker KLT (Kanade Lucas Tomatsi). La méthode proposée a l'avantage de ne pas être dépendante du tracker KLT, et peut s'exporter à différentes méthodes de suivi de points (ORB, SIFT .). Cette approche originale est évaluée à travers des métriques appropriées, une validation géométrique et une intégration dans un système de navigation VINS. ; In this thesis, we are interested in the characterization of the localization uncertainty of optical ...