Solutions de localisation des systèmes mobiles de cartographie en environnements structurés

Automated localization is an important functionality for Mobile Mapping Systems (MMS). This thesis presents complimentary solutions to the current localization methods used in a terrestrial MMS, using GPS receivers and Inertial Measurement Units (IMU). A smoothing-based post-mission processing improves the 3D maps generated by MMS. However, this approach is still insufficient, when exposed to slowly varying input sensor errors. The thesis proposes an alternative localization method using 2D laser scanners. The proposed laser odometry approach uses planar landmarks in manmade environments, to detect and compute the transformation of the mobile platform. Unlike Simultaneous Localization and Mapping (SLAM) technique, used in indoor robotic navigation, the relative 3D transformation is computed without using a map, but by exploiting the time invariant properties of the extracted features. A new Divide & Conquer (D&C) approach is proposed to simplify the computation, involving both transformation and Data Association.La localisation automatique est une fonctionnalité importante des systèmes de cartographie mobiles (Mobile Mapping Systems, MMS). La présente thèse présente des solutions complémentaires aux méthodes de localisation utilisées actuellement dans un système MMS terrestre, qui utilise des récepteurs GPS et des centrales à inertie (Inertial Measurement Units, IMU). Un post-traitement, par lissage des données, permet d'améliorer les cartes 3D générées par un MMS. Cette approche est cependant insuffisante pour corriger les erreurs à variations lentes des capteurs. La présente thèse propose une technique de localisation alternative, fondée sur des scanners 2D à lasers. La méthode présentée ici, d'odométrie par laser, utilise des repères plans, qui sont fréquents dans les environnements créés par l'Homme : ces repères fixes permettent de déterminer le déplacement opéré par la plateforme mobile. Contrairement à la technique du SLAM (Simultaneous Localization and Mapping), utilisée pour la navigation des robots à l'intérieur d'un bâtiment, la transformation 3D est calculée sans avoir recours à une carte préétablie, mais en exploitant des propriétés invariantes des caractéristiques extraites de l'environnement. Nous proposons une approche par "division pour régner" (divide and conquer, D&C) qui simplifie les tâches d'association des repères (data association, DA) et de reconstruction du mouvement