Localisation d’un véhicule sur une carte routière précise - Localization on a vehicle on a precise road map

Localisation d’un véhicule sur une carte routière précise

Localization on a vehicle on a precise road map

Frédéric Chausse Jean Laneurit  Roland Chapuis 

LASMEA - UMR 6602 UBP/CNRS, Université Blaise Pascal, 24, av. des Landais 63177 Aubière Cedex France

Corresponding Author Email: 
chausse@lasmea.univ-bpclermont.fr
Page: 
159-177
|
Received: 
3 May 2005
| |
Accepted: 
N/A
| | Citation

OPEN ACCESS

Abstract: 

This article deals with a multisensor based vehicle localization method. The final precision is lesser than one meter. A low cost GPS, a video gray level camera, an odometer and a steer angle sensor provide the data to be fused. The important contributions of the article concern (1) the data fusion by Kalman filtering, (2) the caracterisation of GPS errors and their modelisation by a bias and a low level additive noise and consequently the estimation of the bias and (3) a vision/map coupling to transform local positioning given by a computer vision algorithm into a global reference thus creating another kind of exteroceptive data. The article ends presenting an important experimental validation that corresponds to the implementation of the method in a real driving situation.

Résumé

Cet article présente une approche de fusion multicapteurs permettant d'obtenir la localisation d'un véhicule avec une précision décimétrique. Les différentes sources d'informations utilisées proviennent d'un GPS autonome bas coût, d'une caméra, d'un odomètre et d'un capteur d'angle au volant. Les contributions importantes concernent (1) la formalisation et la résolution du problème de fusion par filtrage de Kalman, (2) la caractérisation expérimentale des erreurs sur les données GPS et consécutivement leur modélisation par un biais et un bruit blanc gaussien additif et l'estimation du biais, (3) le couplage d'une localisation locale par vision avec une carte précise pour fournir une autre source de donnée extéroceptive. L'article se termine par une importante validation expérimentale de la méthode proposée en situation réelle.

Keywords: 

Localization, multisensor data fusion, Kalman filtering, GPS, artificial vision

Mots clés

Localisation, fusion multisensorielle, filtrage de Kalman, GPS, vision artificielle

1. Introduction
2. Mise À Jour De L'état Par Données GPS
3. Mise À Jour De L'état Par Les Données « Vision »
4. Étape De Prédiction
5. Résultats De La Localisation
6. Conclusion
  References

[1] S. ARULAMPALAM, S. MASKELL, N. GORDON, et T. CLAPP, «A tutorial on particle filters for on-line non-linear/non-gaussian bayesian tracking», IEEE Transactions of Signal Processing, 50(2):174-188, 2002. http://citeseer.nj.nec.com/maskell01tutorial.html.

[2] P.BONNIFAIT, «Localisation précise en position et attitude des robots mobiles d'extérieur », PhD thesis, École centrale de Nantes, France, 1997.

[3] S. BOTTON, F. DUQUENNE, Y. EGELS, M. EVEN, et P. WILLIS, GPS localisation et navigation, Hermes, 1998.

[4] D. BOUVET, «Contribution à la localisation d'engins de chantiers routiers», PhD thesis, École centrale de Nantes, France, 2000.

[5] S. CLARK, G. DISSANAYAKE, P. NEWMAN, et H. DURRANTWHITE, «A solution to simultaneous localisation and map building (slam) problem», Int. Journal of Robotic and Automation, 17(3):229-241, 2001.

[6] P.H. DANA, «Global positionning system (gps) time dissemination for real-time apllications», The International journal of time critical computing systems, 12(1): 9-40, 1997.

[7] F. DELLAERT, D. FOX, W. BURGARD, et S. THRUN, «Monte carlo localization for mobile robots», IEEE International Conference on Robotics and Automation (ICRA99), 1999.

[8] C.DURIEU, M.J. ALDON, et D. MEIZEL, «La fusion de données multisensorielles pour la localisation en robotique mobile », Traitement du signal, 13(2):143-166, 1996.

[9] R.E. KALMAN, «A new approach to linear filtering and prediction problems», Transaction of the ASME Journal of Basic Engineering, 82(1): 35-45, 1960.

[10] F.LU et E. MILIOS, «Globally consistents range scan alignment for environment mapping », Autonomous robots, 4:333-349, 1997.

[11] M.BETKE et K. GURVITS, «Mobile robot localization using landmarks », volume2, pages 135-142, 1994.

[12] L.PRONZATO et E. WALTE, «Minimal-volume ellipsoids», Int. Journal of Adaptive Control and Signal Processing, 8(2):15-30, 1994.

[13] R. AUFRÈRE, «Reconnaissance et suivi de route par vision artificielle application à l'aide à la conduite », PhD thesis, Université Blaise Pascal, 2001.

[14] R. CHAPUIS, J. LANEURIT, R. AUFRÈRE, F. CHAUSSE, et T. CHATEAU, «Accurate vision based road tracker», In IV'2002 (IEEE Int. Conf. on Intelligent Vehicles), pages CD-ROM file N° IV-103.pdf, Versailles (France), June 18-20 2002.

[15] I. M. REKLEITIS, « Cooperative Localization and Multi-Robot Exploration », PhD thesis, School of Computer Science, McGill University, Montreal, Quebec, Canada, 2003. http://www.cim.mcgill.ca/˜yiannis/Publications/thesis.pdf.

[16] B. SCHIELE et J. CROWLEY, «A comparison of position estimation technics using occupancy grids », pages 1628-1634, 1994.

[17] F.C. SCHWEPPE, «Recursive state estimation : unknown but bounded errors and system inputs », IEEE Transactions on Automatic Control, 13(1): 22-28, 1968.

[18] R. TALLURI et J.K. AGGARWAL, «Image/map correspondence for mobile robot self-location using computer graphics », IEEE Transactions on Pattern Analysis and Machine Intelligence, 15: 597-601, 1993.

[19] J. VAGANAY, «Conception d'un système multisensoriel de localisation dynamique 3D pour robot mobile », PhD thesis, University Montpellier II, France, 1993.

[20] J. VAGANAY, J.G. BELLIGHAM, et J. LEONARD, «Comparison of fix computation and filtering for autonomous acoustic navigation », International Journal of Systems Science, 29: 1111-1122, 1998.

[21] H. WANG, T. ISHIMATSU, et J.T. MIAN, «Self-location for an electric wheel-chair », Japan Society of Mechanical Engineers International Journal, 40(3): 433-438, 1997.