Normal view MARC view ISBD view

Affinement de relevés laser mobiles issus de LIDARs multi-couches / Houssem Nouira ; sous la direction de François Goulette et de Jean-Emmanuel Deschaud

Auteur principal : Nouira, Houssem, 1990-...., AuteurAuteur secondaire : : Goulette, François, Directeur de thèse, Membre du jury;Deschaud, Jean-Emmanuel, 1981-..., Directeur de thèse, Membre du jury;Filliat, David, 1974-...., Président du jury de soutenance;Checchin, Paul, 1968-...., Rapporteur de la thèse;Lacroix, Simon, Rapporteur de la thèse;Vallet, Bruno, 1980-...., Membre du juryAuteur secondaire collectivité : Université de Recherche Paris Sciences et Lettres, Organisme de soutenance;École doctorale Sciences des métiers de l'ingénieur, Paris, Ecole doctorale associée à la thèse;École nationale supérieure des mines, Paris, Autre partenaire associé à la thèse;Centre de robotique, Paris, Laboratoire associé à la thèseLangue :de résumé, Français ; de résumé, Anglais.Publication : 2017Dewey: 621.366Classification : 620Résumé : Les Systèmes Mobiles de Cartographie basés LIDAR permettent d’obtenir des cartes 3D de l’environnement, qui sont géo-référencées grâce à d’autres capteurs embarqués sur le véhicule : GPS, centrale inertielle, ou encore odomètre sont de tels capteurs qui permettent de localiser le véhicule mobile pendant la campagne d’acquisition. Toutefois, ces cartes manquent de précisions et un affinage des cartes est essentiel dans de nombreux cas d’applications où une précision fine est requise sur les cartes 3D, comme pour des applications de classifications par exemple.Lors de la création de cartes 3D géoréférencées,les données sont tout d’abord acquises par le capteur LIDAR et référencées dans le repère cartésien du laser à l’aide d’un calibrage intrinsèque du capteur d’acquisition. Ensuite, un calibrage extrinsèque du capteur permet de caractériser la transformation entre le capteur et le véhicule, et permet de référencer les données dans le repère « body», lié au véhicule d’acquisition. Enfin, avec la trajectoire du véhicule obtenue en fusionnant les données issues des GPS, centrale inertielle et odomètre, il est possible de géoréférencer les données lasers.Nous proposons dans cette thèse d’affiner les relevés laser issus d’acquisitions effectuées à l’aide d’un véhicule mobile de cartographie, en optimisant plusieurs paramètres différents qui entrent en compte dans le géoréférencement des données. Nous nous sommes intéressés à l’affinement des nuages de points par optimisation des paramètres decalibrage extrinsèque dans un premier temps, puis par optimisation des paramètres de calibrage intrinsèque, et enfin par optimisation des paramètres de translations liés à la trajectoire du véhicule mobile.; LIDAR based Mobile Mapping Systems allowto get 3D maps of the environment, which are globally referenced with the help of others sensors embedded on the vehicle: GPS,Inertial Measurement Unit, or odometer are such sensors which allow localizing the vehicle during the acquisition process. However, these maps lack of precision, and are finement of the maps is necessary for manywork where a good precision is needed on the 3D maps, like classification applications for example.When creating the globally referenced 3D maps, the data are firstly acquired by the LIDAR sensor and referenced in the Cartesian reference frame of the sensor withan intrinsic calibration of the sensor. Then, anextrinsic calibration gives the transformation between the sensor and the vehicle, and gives data referenced in the « body »reference frame, linked to the vehicle. Finally, with the fusion of the data coming from the GPS, the Inertial Measurement Unit and theodometer, the laser data can be globally referenced.In this thesis, we propose to refine the point clouds coming from acquisitions done with a mobile mapping system, by optimizing some parameters which are used in the georeferencing process of the data. Firstly, we were interested in the refinement of point clouds by optimizing the extrinsic calibration parameters, and then we were interested in the refinement of point clouds by optimizing the intrinsic calibration parameters; finally by optimizing the translation parameters of the mobile vehicle trajectory..Thèse : .Sujet - Nom d'actualité : Lidar -- Étalonnage -- Thèses et écrits académiques ;Systèmes d'information géographique -- Thèses et écrits académiques ;Cartographie -- Thèses et écrits académiques ;Lasers en topographie -- Thèses et écrits académiques ;Véhicules automobiles -- Capteurs -- Thèses et écrits académiques Ressource en ligneAccès au texte intégral | Accès en ligne | Accès en ligne
Current location Call number Status Date due Barcode
En ligne
https://pastel.archives-ouvertes.fr/tel-01699239 Available

Titre provenant de l'écran-titre

Ecole(s) Doctorale(s) : École doctorale Sciences des métiers de l'ingénieur (Paris)

Partenaire(s) de recherche : École nationale supérieure des mines (Paris) (Établissement de préparation de la thèse), Centre de robotique (Paris) (Laboratoire)

Autre(s) contribution(s) : David Filliat (Président du jury) ; François Goulette, Jean-Emmanuel Deschaud, Bruno Vallet (Membre(s) du jury) ; Paul Checchin, Simon Lacroix (Rapporteur(s))

Thèse de doctorat Informatique temps réel, robotique et automatique Paris Sciences et Lettres 2017

Les Systèmes Mobiles de Cartographie basés LIDAR permettent d’obtenir des cartes 3D de l’environnement, qui sont géo-référencées grâce à d’autres capteurs embarqués sur le véhicule : GPS, centrale inertielle, ou encore odomètre sont de tels capteurs qui permettent de localiser le véhicule mobile pendant la campagne d’acquisition. Toutefois, ces cartes manquent de précisions et un affinage des cartes est essentiel dans de nombreux cas d’applications où une précision fine est requise sur les cartes 3D, comme pour des applications de classifications par exemple.Lors de la création de cartes 3D géoréférencées,les données sont tout d’abord acquises par le capteur LIDAR et référencées dans le repère cartésien du laser à l’aide d’un calibrage intrinsèque du capteur d’acquisition. Ensuite, un calibrage extrinsèque du capteur permet de caractériser la transformation entre le capteur et le véhicule, et permet de référencer les données dans le repère « body», lié au véhicule d’acquisition. Enfin, avec la trajectoire du véhicule obtenue en fusionnant les données issues des GPS, centrale inertielle et odomètre, il est possible de géoréférencer les données lasers.Nous proposons dans cette thèse d’affiner les relevés laser issus d’acquisitions effectuées à l’aide d’un véhicule mobile de cartographie, en optimisant plusieurs paramètres différents qui entrent en compte dans le géoréférencement des données. Nous nous sommes intéressés à l’affinement des nuages de points par optimisation des paramètres decalibrage extrinsèque dans un premier temps, puis par optimisation des paramètres de calibrage intrinsèque, et enfin par optimisation des paramètres de translations liés à la trajectoire du véhicule mobile.

LIDAR based Mobile Mapping Systems allowto get 3D maps of the environment, which are globally referenced with the help of others sensors embedded on the vehicle: GPS,Inertial Measurement Unit, or odometer are such sensors which allow localizing the vehicle during the acquisition process. However, these maps lack of precision, and are finement of the maps is necessary for manywork where a good precision is needed on the 3D maps, like classification applications for example.When creating the globally referenced 3D maps, the data are firstly acquired by the LIDAR sensor and referenced in the Cartesian reference frame of the sensor withan intrinsic calibration of the sensor. Then, anextrinsic calibration gives the transformation between the sensor and the vehicle, and gives data referenced in the « body »reference frame, linked to the vehicle. Finally, with the fusion of the data coming from the GPS, the Inertial Measurement Unit and theodometer, the laser data can be globally referenced.In this thesis, we propose to refine the point clouds coming from acquisitions done with a mobile mapping system, by optimizing some parameters which are used in the georeferencing process of the data. Firstly, we were interested in the refinement of point clouds by optimizing the extrinsic calibration parameters, and then we were interested in the refinement of point clouds by optimizing the intrinsic calibration parameters; finally by optimizing the translation parameters of the mobile vehicle trajectory.

Configuration requise : un logiciel capable de lire un fichier au format : PDF

Powered by Koha