Proprioceptive and exteroceptive sensor fault tolerance architecture for an autonomous vehicle

Le véhicule autonome offre plusieurs avantages : le confort, la réduction du stress, et la réduction de la mortalité routière. Néanmoins, les accidents mortels impliquant sa responsabilité, ont mis en exergue ses limitations et ses imperfections. Ces accidents soulèvent des questions sur la fiabilité et des voix ont fait part d'une forte préoccupation pour la sécurité des usagers du véhicule autonome. En outre, les tâches de perception et de localisation des véhicules autonomes peuvent avoir des incohérences amenant à des erreurs qui nuiraient à la stabilité du véhicule. Les sources de ces incohérences peuvent être de natures différentes et agir à la fois sur le capteur lui-même (Hardware), ou bien sur le post-traitement de l'information (Software). Dans ce contexte, plusieurs difficultés doivent être surmontées pour arriver à sécuriser l'interaction des systèmes automatisés de conduite avec les conducteurs humains face à ces problèmes, l'adoption d'une stratégie de commande tolérante aux défauts est primordiale. Dans le cadre de cette thèse, des stratégies de détection et de tolérance aux fautes pour la perception et la localisation sont mise en œuvre. En outre, des stratégies de détection et d'estimation de défauts pour les capteurs proprioceptifs sont par ailleurs proposées. L'objectif est d'avoir une localisation fiable de défaut et assurer un fonctionnement avec des performances acceptables. Par ailleurs, vue l'imprédictibilité et la variété des scènes routières, une fusion tolérante aux fautes à base des algorithmes de vote est élaborée pour une meilleure perception. La fusion tire profit des technologies actuelles de détection d'obstacles (détection par radio, faisceaux lumineux ou par caméra) et l'algorithme de vote assure une sortie qui s'approche le plus de la réalité. Des tests avec des données réelles issues d'un véhicule démonstrateur sont utilisés pour valider les approches proposées dans cette thèse.Driverless vehicle offers several advantages: comfort, reduced stress, and reduced road mortality. Nevertheless, fatal accidents involving its responsibility, have highlighted its limitations and imperfections. These accidents raise questions about autonomous vehicle reliability, and voices expressed a strong concern for the safety of users of the autonomous vehicle. Furthermore, the tasks of perception and localization of autonomous vehicles may have inconsistencies leading to errors that would affect the stability of the vehicle. The sources of these inconsistencies can be of different natures and act both on the sensor itself (Hardware), or on the post-processing of information (Software). In this context, several difficulties must be overcome to secure the interaction of automated driving systems with human drivers facing these problems, the adoption of a fault-tolerant control strategy is paramount. In this thesis, a fault detection and fault tolerant control strategies for perception and localization are implemented. In addition, fault estimation strategies for proprioceptive sensors are also proposed. The purpose is to have a reliable fault localization and ensure acceptable performance. Moreover, given the unpredictability and variety of road scenes, a fault-tolerant fusion based on voting algorithms is developed for a better perception. The fusion takes advantage of current obstacle detection technologies (radio, light beam or camera detection) and the voting algorithm provides an output that is closest to reality. Tests with real data from a demonstrator vehicle are used to validate the approaches proposed in this thesis