Filtres bayesiens appliqués à la localisation hybride de véhicules
MOURLLION ; GRUYER ; AUBERT
Type de document
COMMUNICATION AVEC ACTES NATIONAL (ACTN)
Langue
français
Auteur
MOURLLION ; GRUYER ; AUBERT
Résumé / Abstract
L'étape de localisation précise d'un véhicule est nécessaire pour de nombreuses applications d'aides à la conduite et/ou d'automatisation. Afin de rendre robuste et fiable cette étape, nous sommes amené à utiliser différents capteurs et donc à fusionner différents flux d'informations. Les capteurs équipant le véhicule ont chacun leur propre fréquence de travail, fiabilité et précision. Parmi toutes les techniques disponibles, le filtrage de Kalman est la solution optimale dans le cas d'un modèle de véhicule linéaire. Voulant intégrer des modélisations très réalistes, nous violons la close de linéarité du filtre de Kalman classique. Dans cet article, nous présentons quatre techniques de filtrage pour systèmes non linéaires. Deux techniques cherchent à linéariser la fonction d'évolution (EKF et DD1) tandis que les deux autres (UKF et DD2) prennent la problématique à l'envers en cherchant à estimer la statistique du vecteur d'état à travers une fonction d'évolution non-linéaire.
