Le positionnement précis et robuste d’un véhicule est un sujet de recherche largement étudié de nos jours. Le système de perception multi-capteurs dédié à cette tâche est, en général, composé d’un capteur de localisation absolue et de capteurs relatifs pour le calcul du déplacement et de la direction du véhicule. Les capteurs proprioceptifs permettent d’estimer la position du véhicule quand le capteur absolu est défaillant (hybridation). Ils permettent aussi une localisation plus précise quand leurs mesures sont fusionnées avec les données du capteur absolu. Ce problème de navigation robuste a été largement étudié depuis les 10 dernières années dans le cadre des études sur la radionavigation des véhicules terrestres et l’aéronautique.
Dans cette thèse, on souhaite étudier l’apport de la fusion d’information dans les systèmes de radionavigation modernes qui intègreront des GPS multi-porteuses et plusieurs capteurs proprioceptifs. On disposera par exemple, dans le cas du GPS multi-porteuses, de plusieurs observations biaisées de la distance satellite récepteur. On souhaite dans notre étude, proposer un système de fusion centralisé qui combine l’ensemble de ces données pour maximiser le Rapport Signal à Bruit de la mesure de pseudo distances. La direction du véhicule est un paramètre important pour le calcul de sa position mais aussi pour l’analyse de sa trajectoire dans les méthodes de « map matching ». On peut espérer disposer dans les futurs systèmes de radionavigation de plusieurs capteurs relatifs, comme par exemple d’un odomètre et de « Micro-Electro-Mechanical Systems », qui fourniront plusieurs observations de la direction du véhicule. Dans ce cas les mesures à fusionner sont des mesures de direction que l’on doit décrire dans le cas de la statistique circulaire. Notre étude portera donc sur la proposition d’un système de fusion centralisé, et d’un filtre non linéaire associé pour la combinaison de ces mesures angulaires.
Ce travail sera réalisé dans un cadre bayésien. Dans ce contexte, nous définirons des modèles et transformations non-linéaires pour le signal GPS et circulaires pour les mesures de directions. Les techniques de filtrage non linéaire nous semblent dans ce cadre le mieux adaptées car elles permettent d’intégrer naturellement le biais sur les mesures et la non linéarité des données. Les techniques et algorithmes seront validés sur données synthétiques dans une première étape, puis sur données réelles dans une seconde étape. Pour ce faire, on dispose au laboratoire d’un véhicule instrumenté qui permet d’intégrer au travers d’une centrale d’acquisition, des mesures d’un récepteur GPS bi-fréquences et de capteurs proprioceptifs tels qu’une station inertielle, un magnétomètre, des odomètres, un capteur de vitesse longitudinale, etc…
Les mots clés : Fusion d’information, estimation bayésienne, statistique circulaire, transformation/filtrage non linéaire.