L'objectif de cette thèse est de définir puis d'étudier les performances de méthodes de guidage coopératif de véhicules aériens autonomes. L'intérêt du guidage coopératif est de confier une mission complexe à une flotte, plutôt qu'à un véhicule unique, afin de distribuer la charge de travail et d'améliorer les performances et la fiabilité. Les lois de guidage étudiées sont distribuées sur l'ensemble des véhicules afin d'une part, de répartir la charge de calcul et d'autre part, d'augmenter la fiabilité en éliminant la possibilité de perte de l'organe central de calcul de la commande.La première partie de la thèse porte sur les possibilités offertes par la règle des plus proches voisins. La loi de guidage développée consiste à ce que la commande de chaque véhicule soit élaborée en combinant les états des véhicules voisins. Afin de transmettre des consignes au groupe de véhicules, des objets dénommés agents virtuels sont introduits. Ceux-ci permettent de représenter des obstacles, d'indiquer une direction ou une cible au groupe de véhicules en utilisant des mécanismes déjà présent dans la loi de guidage.La seconde partie de la thèse porte sur les possibilités offertes par la commande prédictive. Ce type de commande consiste à employer un modèle du comportement du système afin de prédire les effets de la commande, et ainsi de déterminer celle qui minimise un critère de coût en respectant les contraintes du système. La loi de guidage développée emploi un critère de coût tenant compte et arbitrant entre les différents aspects de la mission (sécurité, progression de la mission, modération de la commande), et une procédure de recherche de la commande utilisant jeu prédéfinis de commandes candidates afin d'explorer l'espace de commande de manière efficace. Cette procédure, distincte des algorithmes d'optimisation habituels, génère une charge de calcul faible et constante, ne nécessite pas d'étape d'initialisation et est très peu sensible aux minima locaux.

A l'heure actuelle, les projets d'utilisation de drone de petites tailles à capacité de vol stationnaire<br />pour des missions d'observation dans des environnements urbains se multiplient. Les<br />contraintes d'encombrement et de confinement des pales pour la sécurité des utilisateurs ont remis<br />au goût du jour l'utilisation de véhicules à hélices carénées. L'enjeu majeur de ces minidrones est<br />la résistance au vent. Cependant, leur forme atypique et les faibles nombres de Reynolds associés<br />sont à l'origine de phénomènes aérodynamiques dont la caractérisation fine reste un problème<br />largement ouvert. Il est donc nécessaire de développer des stratégies de commande estimant ces<br />efforts en ligne pour pouvoir les contrer. Après une étape de modélisation, nous mettons en<br />évidence une structure chaînée propice à une architecture de contrôle en cascade, combinant un<br />contrôle en position de haut niveau et un contrôle en attitude de bas niveau. Mais proposer une loi<br />de commande pour le maintien à poste ne suffit pas. Encore faut-il, pour pouvoir l'implémenter<br />dans le calculateur, disposer des informations de position et d'attitude pour le contrôle en boucle<br />fermée. Nous proposons des techniques de filtrage pour reconstituer l'état du drone à partir des<br />mesures capteurs. Notre contribution porte sur deux aspects : la conception d'estimateurs non<br />linéaires dans l'espace des matrices orthogonales pour la restitution d'attitude d'une part, et la<br />navigation inertielle hybridée d'autre part. Après avoir fermé la boucle "Observation-Contrôle",<br />nous nous intéressons au problème de la navigation en présence d'obstacle. L'efficacité des méthodes<br />proposées est verifiée par des simulations et des expérimentations menées sur le minidrone<br />à hélice carénée HoverEye développé par la Société Bertin Technologies.

L'objectif de cette thèse est de définir puis d'étudier les performances de méthodes de guidage coopératif de véhicules aériens autonomes. L'intérêt du guidage coopératif est de confier une mission complexe à une flotte, plutôt qu'à un véhicule unique, afin de distribuer la charge de travail et d'améliorer les performances et la fiabilité. Les lois de guidage étudiées sont distribuées sur l'ensemble des véhicules afin d'une part, de répartir la charge de calcul et d'autre part, d'augmenter la fiabilité en éliminant la possibilité de perte de l'organe central de calcul de la commande.La première partie de la thèse porte sur les possibilités offertes par la règle des plus proches voisins. La loi de guidage développée consiste à ce que la commande de chaque véhicule soit élaborée en combinant les états des véhicules voisins. Afin de transmettre des consignes au groupe de véhicules, des objets dénommés agents virtuels sont introduits. Ceux-ci permettent de représenter des obstacles, d'indiquer une direction ou une cible au groupe de véhicules en utilisant des mécanismes déjà présent dans la loi de guidage.La seconde partie de la thèse porte sur les possibilités offertes par la commande prédictive. Ce type de commande consiste à employer un modèle du comportement du système afin de prédire les effets de la commande, et ainsi de déterminer celle qui minimise un critère de coût en respectant les contraintes du système. La loi de guidage développée emploi un critère de coût tenant compte et arbitrant entre les différents aspects de la mission (sécurité, progression de la mission, modération de la commande), et une procédure de recherche de la commande utilisant jeu prédéfinis de commandes candidates afin d'explorer l'espace de commande de manière efficace. Cette procédure, distincte des algorithmes d'optimisation habituels, génère une charge de calcul faible et constante, ne nécessite pas d'étape d'initialisation et est très peu sensible aux minima locaux. / The thesis objective is to define and study the performances of cooperative guidance methods of autonomous aerial vehicles. The interest of cooperative guidance is to entrust a complex mission to a fleet, instead of an isolated vehicle, to distribute the workload and improve performances and reliability. Studied guidance laws are distributed among all vehicles, on one hand to distribute the computation load, and on the other hand to remove the possibility to lose the centralized organ of command computation.The first part deals with the possibilities offered by the nearest neighbour rule. The developed guidance law consists in elaborating the command of each vehicle by combining the states of neighbour vehicles. To transmit instructions to the fleet of vehicles, objects denominated virtual agents are introduced. These allow figuring obstacles, indicating direction or target using existing mechanisms of the guidance law.The second part deals with the possibilities offered by model predictive control. This type of command consists in employing a behavioural model of the system to predict the control effects, and thus finding the one that minimises a cost criterion while respecting system's constraints. The developed guidance law uses a cost criterion that take into account and arbitrate between the several aspects of the mission (safety, mission evolution, control moderation), and a control search procedure based on a predefined set of candidate controls to explore the control space efficiently. This procedure, different from usual optimisation algorithms, generate a low and constant computation load, needs no initialisation step and is little sensitive to local minima.

La navigation autonome des voitures robotisées est un domaine largement étudié avec plusieurs techniques et applications dans une démarche coopérative. Elle intègre du contrôle de bas niveau jusqu’à la navigation globale, en passant par la perception de l’environnement, localisation du robot, et autres aspects dans une approche référencée capteurs. Bien qu’il existe des travaux très avancés, ils présentent encore des problèmes et limitations liés aux capteurs utilisés et à l’environnement où la voiture est insérée.Ce travail aborde le problème de navigation des voitures robotisées en utilisant des capteurs à faible coût dans des milieux urbains. Dans cette thèse, nous avons traité le problème concernant le développement d’un système global de navigation autonome référencée capteur appliqué à un véhicule électrique intelligent, équipé avec des caméras et d’autres capteurs. La problématique traitée se décline en trois grands domaines de la navigation robotique : la perception de l’environnement, le contrôle de la navigation locale et la gestion de la navigation globale. Dans la perception de l’environnement, une approche de traitement d’image 2D et 3D a été proposé pour la segmentation de la route et des obstacles. Cette méthode est appliquée pour extraire aussi des caractéristiques visuelles, associées au milieu de la route, pour le contrôle de la navigation locale du véhicule. Avec les données perçues, une nouvelle méthode hybride de navigation référencée capteur et d’évitement d’obstacle a été appliquée pour le suivi de la route. Cette méthode est caractérisée par la validation d’une stratégie d’asservissement visuel (contrôleur délibératif) dans une nouvelle formulation de la méthode “fenêtre dynamique référencée image" (Dynamic Window Approach - DWA, en anglais) (contrôleur réactif). Pour assurer la navigation globale de la voiture, nous proposons l’association des données de cartes numériques afin de gérer la navigation locale dans les points critiques du chemin, comme les intersections de routes. Des essais dans les scénarios difficiles, avec une voiture expérimentale, et aussi en environnement simulé, montrent la viabilité de la méthode proposée. / Autonomous navigation of car-like robots is a large domain with several techniques and applications working in cooperation. It ranges from low-level control to global navigation, passing by environment perception, robot localization, and many others in asensor-based approach. Although there are very advanced works, they still presenting problems and limitations related to the environment where the car is inserted and the sensors used. This work addresses the navigation problem of car-like robots based on low cost sensors in urban environments. For this purpose, an intelligent electric vehicle was equipped with vision cameras and other sensors to be applied in three big areas of robot navigation : the Environment Perception, Local Navigation Control, and Global Navigation Management. In the environment perception, a 2D and 3D image processing approach was proposed to segment the road area and detect the obstacles. This segmentation approach also provides some image features to local navigation control.Based on the previous detected information, a hybrid control approach for vision based navigation with obstacle avoidance was applied to road lane following. It is composed by the validation of a Visual Servoing methodology (deliberative controller) in a new Image-based Dynamic Window Approach (reactive controller). To assure the car’s global navigation, we proposed the association of the data from digital maps in order tomanage the local navigation at critical points, like road intersections. Experiments in a challenging scenario with both simulated and real experimental car show the viabilityof the proposed methodology.