During the last thirty years, new technologies have contributed to a drastic increase of the amount of data in environmental sciences. Monitoring networks, remote sensors, archived maps and large databases are just few examples of the possible information sources responsible for this growing amount of information. For obvious reasons, it might be interesting to account for all these information when dealing with a space-time prediction/estimation context. In environmental sciences, measurements are very often sampled scarcely over space and time. Geostatistics is the field that investigates variables in a space-time context. It includes a large number of methods and approaches that all aim at providing space-time predictions (or interpolations) for variables scarcely known in space and in time by accounting for space-time dependance between these variables. As a consequence, geostatistics methods are relevant when dealing with the processing and the analysis of environmental variables in which space and time play an important role. As direct consequence of the increasing amount of data, there is an important diversity in the information (e.g. different nature, different uncertainty). These issues have recently motivated the emergence of the concept of data fusion. Broadly speaking, the main objective of data fusion methods is to deal with various information sources in such a way that the final result is a single prediction that accounts for all the sources at once. This enables thus to conciliate several and potentially contradictory sources instead of having to select only one of them because of a lack of appropriate methodology. For most of existing geostatistics methods, it is quite difficult to account for a potentially large number of different information sources at once. As a consequence, one has often to opt for only one information source among all the available sources. This of course leads to a dramatic loss of information. In order to avoid such choices, it is thus relevant to get together the concepts of both data fusion and geostatistics in the context of environmental sciences. The objectives of this thesis are (i) to develop the theory of a Bayesian data fusion (BDF) framework in a space-time prediction context and (ii) to illustrate how the proposed BDF framework can account for a diversity of information sources in a space-time context. The method will thus be applied to a few environmental sciences applications for which (i) crucial available information sources are typically difficult to account for or (ii) the number of secondary information sources is a limitation when using existing methods. Reproduced by permission of Springer. P. Bogaert and D. Fasbender (2007). Bayesian data fusion in a spatial prediction context: a general formulation. Stoch. Env. Res. Risk. A., vol. 21, 695-709. (Chap. 1). © 2008 IEEE. Reprinted, with permission, from D. Fasbender, J. Radoux and P. Bogaert (2008). Bayesian data fusion for adaptable image pansharpening. IEEE Trans. Geosci. Rem. Sens., vol. 46, 1847-1857. (Chap. 3). © 2008 IEEE. Reprinted, with permission, from D. Fasbender, D. Tuia, P. Bogaert and M. Kanevski (2008). Support-based implementation of Bayesian data fusion for spatial enhancement: applications to ASTER thermal images. IEEE Geosci. Rem. Sens. Letters, vol. 6, 598-602. (Chap. 4). Reproduced by permission of American Geophysical Union. D. Fasbender, L. Peeters, P. Bogaert and A. Dassargues (2008). Bayesian data fusion applied to water table spatial mapping. Accepted for publication in Water Resour. Res. (Chap. 5).

Cette thèse présente une nouvelle approche de la fusion de données et applique ces notions à la modélisation et au diagnostic probabiliste dans le cadre de la télémédecine. Notre contribution se situe au niveau de la définition d'une notion de gain dans un processus de fusion de données, ainsi que de l'application des réseaux bayésiens dynamiques au diagnostic en télémédecine. Le but final est de réguler, à distance, l'état physiologique d'un patient.<br /><br />Une première étude du domaine de la fusion de données a permis d'exhiber les concepts de base de la fusion de données : processus de fusion de données et notion de gain qualifié. Elle a aussi permi de structurer et de typer les sources de données et les résultats d'un processus de fusion. Cette approche a servi de cadre général à la seconde partie de la thèse qui a portée sur la modélisation et le diagnostic médical dans le cadre d'une application de télémédecine. Il s'agit typiquement d'un problème où interviennent plusieurs sources de données incertaines et hétérogènes. Le projet Diatelicd'assistance à domicile de personnes souffrant d'insuffisance rénale, vise à monitorer l'état d'hydratation d'un patient subissant une dialyse péritonéale. Les données physiologiques recueillies quotidiennement auprès du patient sont incertaines, hétérogènes et bruitées.<br /><br />Les réseaux bayésiens dynamiques permettent de modéliser des dépendances causales, typiques de la connaissance médicale, mais aussi de gérer efficacement le problème de l'incertitude à travers le formalisme probabiliste. Le modèle à base de réseaux bayésiens permet une fusion efficace : notre but est de maximiser le gain en certitude, c'est-à-dire de détecter avec la plus grande confiance possible l'état d'hydratation du patient à partir des informations fournies par les capteurs. Ce travail théorique a donné lieu à l'implémentation d'un moteur d'inférence bayésienne, permettant d'expérimenter nos modèles. Une première version du système Diatelic(v3) a été réalisée.<br /><br />Le processus de fusion que nous modélisons permet une prise de décision plus efficace par le médecin car il indique avec précision l'état physiologique du patient. On peut ainsi réguler son état de santé et éviter les aggravations médicales. Ce travail s'est ouvert à d'autres problématiques : adaptation en-ligne de modèles, quantification du gain et prise en compte de multiples échelles de temps dans un réseau bayésien dynamique.

Cette thèse porte sur la modélisation d'environnements naturels et la localisation d'un robot mobile autonome. L'environnement, inconnu ou partiellement connu au départ, est perçu incrémentalement par le robot au moyen d'un capteur 3D (télémètre laser ou vision stéréoscopique). Les domaines d'application de ce travail se situent dans le cadre de la robotique mobile d'intervention et de l'exploration planétaire. Une première partie établit sous la forme d'un cahier des charges les caractéristiques que doit présenter le modèle de l'environnement et fait une analyse critique des différentes représentations étudiées dans la littérature. L'approche proposée est alors introduite et se base sur une décomposition de l'environnement en deux entités élémentaires: le sol et les objets. La deuxième partie porte sur la modélisation d'une perception. Elle précise comment le robot segmente le sol et les objets à partir des images 3D et l'illustre par de nombreux exemples sur des données issues de scènes et de capteurs différents. Un modèle géométrique est calculé indépendamment pour chacun des objets et des relations topologiques (caractérisant leurs dispositions relatives) sont établies entre eux. Des objets particuliers, appelés amers, sont sélectionnés sur la base de critères de précision et de distinction. Le robot identifie pour chacun d'eux leur sommet qui est une caractéristique reconnaissable et en calcule la position et l'incertitude en fonction de la forme de l'amer et de la résolution du capteur. La troisième et dernière partie traite de la modélisation incrémentale de l'ensemble de l'environnement. Après chaque perception, le robot cherche à reconnaître les amers ou une configuration d'amers dans le modèle. Les appariements trouvés lui permettent de réestimer à la fois sa position et son incertitude ainsi que celles des amers. Cette opération de localisation et de construction de la carte des amers est réalisée à l'aide du filtre de Kalman étendu. Le maintien des liens de corrélation entre les amers et le robot permet de conserver la cohérence globale de la carte. Plusieurs expérimentations de modélisation incrémentale sont présentées et analysées méthodiquement. Les positions estimées du robot et celles des amers sont comparées à des valeurs de reférences, notamment obtenues grâce à un théodolite laser, et permettent de conclure sur la validité des localisations et de la carte construite.

Les systèmes d'aide à la conduite sont de plus en plus présents dans nos véhicules et nous garantissent un meilleur confort et plus de sécurité. Dans cette thèse, nous nous sommes particulièrement intéressés aux systèmes d'adaptation automatique de la vitesse limite. Nous avons proposé une approche alliant vision et navigation pour gérer de façon optimale l'environnement routier.Panneaux, panonceaux et marquages sont autant d'informations visuelles utiles au conducteur pour connaître les limitations temporaires en vigueur sur la route. La reconnaissance des premiers ont fait l'objet ces dernières années d'un grand nombre d'études et sont même commercialisés, contrairement aux seconds. Nous avons donc proposé un module de détection et classification de panonceaux sur des images à niveaux de gris. Un algorithme de reconstruction morphologique associé à une croissance de régions nous ont permis de concentrer la segmentation sur les zones fortement contrastées de l'image entourées d'un ensemble de pixels d'intensité similaire. Les rectangles ainsi détectés ont ensuite fait l'objet d'une classification au moyen de descripteurs globaux de type PHOG et d'une structure hiérarchique de SVMs. Afin d'éliminer en dernier lieu les panonceaux ne s'appliquant pas à la voie sur laquelle circule le véhicule, nous avons pris en compte les informations de marquages à l'aide d'une machine d'états.Après avoir élaboré un module de vision intégrant au mieux toutes les informations disponibles, nous avons amélioré le système de navigation. Son objectif est d'extraire d'une base de données embarquée, le contexte de conduite lié à la position du véhicule. Ville ou non, classe fonctionnelle et type de la route, vitesse limite sont extraits et modélisés sous forme d'attributs. La fiabilité du capteur est ensuite calculée en fonction du nombre de satellites visibles et de la qualité de numérisation du réseau. La confiance en chaque vitesse limite sera alors fonction de ces deux ensembles.La fusion des deux sources au moyen de Demspter-Shafer a conduit à de très bonnes performances sur nos bases de données et démontré l'intérêt de tous ces éléments.

Les radiations sont omniprésentes. Elles ont de nombreuses applications dans des domaines variés: en médecine, elles permettent de réaliser des diagnostiques et de guérir des patients; en communication, tous les systèmes modernes utilisent des formes de rayonnements électromagnétiques; et en science, les chercheurs les utilisent pour découvrir la composition et la structure des matériaux, pour n'en nommer que quelques-unes. Concrètement, la radiation est un processus au cours duquel des particules ou des ondes voyagent à travers différents types de matériaux. La radiation peut être très énergétique, et aller jusqu'à casser les atomes de la matière ordinaire. Dans ce cas, on parlera de radiation ionisante. Il est communément admis que la radiation ionisante peut être bien plus nocif pour les êtres vivants que la radiation non ionisante. Dans cette dissertation, nous traiterons de la radiation ionisante. La radioactivité est le processus d'émission des radiations ionisantes. Elle existe sous forme naturelle, et est présente dans les sols, dans l'air et notre planète entière est bombardée en permanence de rayonnements cosmiques énergétiques. Depuis le début du XXe siècle, les chercheurs sont capables de créer artificiellement de la matière radioactive. Cette découverte a offert de multiples avancées technologiques, mais a eu également de lourdes conséquences pour l'humanité comme l'ont démontrés les évènements de Tchernobyl et de Fukushima ou d'autres accidents dans le monde médical. Cette dangerosité a conduit à l'élaboration d'un système de radioprotection. Dans la pratique, la radioprotection est principalement mise en œuvre en utilisant la méthode ALARA. Cette méthodologie consiste à justifier, optimiser et limiter les doses reçues. Elle est utilisée conjointement avec les limites légales. Le facteur d'optimisation est contraint par le fait que l'exposition volontaire d'un travailleur aux radiations lors d'une opération doit être plus bénéfique que si aucune intervention humaine n'était conduite dans une situation donnée. Dans le monde industriel et scientifique, il existe des infrastructures qui émettent des rayonnements ionisants. La plupart d'entre elles nécessitent des opérations de maintenance. Dans l'esprit du principe ALARA, ces interventions doivent être optimisées pour réduire l'exposition des travailleurs aux rayonnements ionisants. Cette optimisation ne peut pas être réalisée de manière automatique car la faisabilité des interventions nécessite dans tous les cas une évaluation humaine. La planification des interventions peut cependant être facilitée par des moyens techniques et scientifiques comme par exemple un outil informatique. Dans le contexte décrit ci-dessus, cette thèse regroupe des considérations techniques et scientifiques, et présente la méthodologie utilisée pour développer des outils logiciels pour la mise en œuvre de la radioprotection.

Cette thèse concerne la perception de l'environnement pour le guidage automatique d'un robot mobile. Lorsque l'on souhaite réaliser un système de navigation autonome, plusieurs éléments doivent être abordés. Parmi ceux-ci nous traiterons de la franchissabilité de l'environnement sur la trajectoire du véhicule. Cette franchissabilité dépend notamment de la géométrie et du type de sol mais également de la position du robot par rapport à son environnement (dans un repère local) ainsi que l'objectif qu'il doit atteindre (dans un repère global). Les travaux de cette thèse traitent donc de la perception de l'environnement d'un robot au sens large du terme en adressant la cartographie de l'environnement et la localisation du véhicule. Pour cela un système de fusion de données est proposé afin d'estimer ces informations. Ce système de fusion est alimenté par plusieurs capteurs dont une caméra, un télémètre laser et un GPS. L'originalité de ces travaux porte sur la façon de combiner ces informations capteurs. A la base du processus de fusion, nous utilisons un algorithme d'odométrie visuelle basé sur les images de la caméra. Pour accroitre la précision et la robustesse l'initialisation de la position des points sélectionnés se fait grâce à un télémètre laser qui fournit les informations de profondeur. De plus, le positionnement dans un repère global est effectué en combinant cette odométrie visuelle avec les informations GPS. Pour cela un procédé a été mis en place pour assurer l'intégrité de localisation du véhicule avant de fusionner sa position avec les données GPS. La cartographie de l'environnement est toute aussi importante puisqu'elle va permettre de calculer le chemin qui assurera au véhicule une évolution sans risque de collision ou de renversement. Dans cette optique, le télémètre laser déjà présent dans le processus de localisation est utilisé pour compléter la liste courante de points 3D qui matérialisent le terrain à l'avant du véhicule. En combinant la localisation précise du véhicule avec les informations denses du télémètre il est possible d'obtenir une cartographie précise, dense et géo-localisée de l'environnement. Tout ces travaux ont été expérimentés sur un simulateur robotique développé pour l'occasion puis sur un véhicule tout-terrain réel évoluant dans un monde naturel. Les résultats de cette approche ont montré la pertinence de ces travaux pour le guidage autonome de robots mobiles.

Pour assister la navigation piétonne dans les espaces urbains et intérieurs, une estimation précise de la pose (i.e. la position 3D et l'orientation3D) d'un équipement tenu en main constitue un point essentiel dans le développement d'outils d'aide à la mobilité (e.g. applications de réalité augmentée). Dans l'hypothèse où le piéton n'est équipé que d'appareils grand public, l'estimation de la pose est limitée à l'utilisation de capteurs à faible coût intégrés dans ces derniers (i.e. un récepteur GNSS, une unité de mesure inertielle et magnétique et une caméra monoculaire). De plus, les espaces urbains et intérieurs, comprenant des bâtiments proches et des éléments ferromagnétiques, constituent des zones difficiles pour la localisation et l'estimation de la pose lors de grands déplacements piétons.Cependant, le développement récent et la mise à disposition d'informations contenues dans des Systèmes d'Information Géographiques 3D constituent une nouvelle source de données exploitable pour la localisation et l'estimation de la pose. Pour relever ces défis, cette thèse propose différentes solutions pour améliorer la localisation et l'estimation de la pose des équipements tenus en main par le piéton lors de ses déplacements en espaces urbains et intérieurs. Les solutions proposées intègrent l'estimation de l'attitude basée inertielle et magnétique, l'odométrie visuelle monoculaire mise à l'échelle grâce à l'estimation des déplacements du piéton, l'estimation absolue de la pose basée sur la reconnaissance d'objets SIG 3D parfaitement connus et la mise à jour en position de la navigation à l'estime du piéton.Toutes ces solutions s'intègrent dans un processus de fusion permettant d'améliorer la précision de la localisation et d'estimer en continu une pose qualifiée de l'appareil tenu en main.Cette qualification est nécessaire à la mise en place d'un affichage en réalité augmentée sur site. Pour évaluer les solutions proposées, des données expérimentales ont été recueillies au cours de déplacements piétons dans un espace urbain avec des objets de référence et des passages intérieurs. / To support pedestrian navigation in urban and indoor spaces, an accurate pose estimate (i.e. 3Dposition and 3D orientation) of an equipment held inhand constitutes an essential point in the development of mobility assistance tools (e.g.Augmented Reality applications). On the assumption that the pedestrian is only equipped with general public devices, the pose estimation is restricted to the use of low-cost sensors embedded in the latter (i.e. an Inertial and Magnetic Measurement Unit and a monocular camera). In addition, urban and indoor spaces, comprising closely-spaced buildings and ferromagnetic elements,constitute challenging areas for localization and sensor pose estimation during large pedestrian displacements.However, the recent development and provision of data contained in 3D Geographical Information System constitutes a new wealth of data usable for localization and pose estimation.To address these challenges, this thesis proposes solutions to improve pedestrian localization and hand-held device pose estimation in urban and indoor spaces. The proposed solutions integrate inertial and magnetic-based attitude estimation, monocular Visual Odometry with pedestrian motion estimation for scale estimation, 3D GIS known object recognition-based absolute pose estimation and Pedestrian Dead-Reckoning updates. All these solutions are fused to improve accuracy and to continuously estimate a qualified pose of the handheld device. This qualification is required tovalidate an on-site augmented reality display. To assess the proposed solutions, experimental data has been collected during pedestrian walks in an urban space with sparse known objects and indoors passages.

La télédétection contribue à la cartographie et la modélisation des paramètres forestiers. Ce sont les systèmes optiques et radars qui sont le plus généralement utilisés pour extraire des informations utiles à la caractérisation de ces paramètres. Ces systèmes ont montré des bons résultats pour estimer la biomasse dans certains biomes. Cependant, ils présentent des limitations importantes pour des forêts ayant un niveau de biomasse élevé. En revanche, la télédétection LiDAR s’est avérée être une bonne technique pour l'estimation des paramètres forestiers tels que la hauteur de la canopée et la biomasse. Alors que les LiDAR aéroportés acquièrent en général des données avec une forte densité de points mais sur des petites zones en raison du coût de leurs acquisitions, les données LiDAR satellitaires acquises par le système spatial (GLAS) ont une densité d'acquisition faible mais avec une couverture géographique mondiale. Il est donc utile d'analyser la pertinence de l'intégration des hauteurs estimées à partir des capteurs LiDAR et des données auxiliaires afin de proposer une carte de la hauteur des arbres avec une bonne précision et une résolution spatiale élevée. En outre, l'estimation de la hauteur des arbres à partir du GLAS est difficile compte tenu de l'interaction complexe entre les formes d'onde LiDAR, le terrain et la végétation, en particulier dans les forêts denses. Par conséquent, la recherche menée dans cette thèse vise à: 1) Estimer et valider la hauteur des arbres en utilisant des données acquises par le LiDAR aéroportés et GLAS. 2) évaluer le potentiel de la fusion des données LiDAR (avec les données aéroportées ou satellitaires) et des données auxiliaires pour l'estimation de la hauteur des arbres à une échelle régionale (Guyane française). L'estimation de la hauteur avec le LiDAR aéroporté a montré une EQM sur les estimations de 1,6 m. Ensuite, le potentiel de GLAS pour l'estimation de la hauteur a été évalué en utilisant des modèles de régression linéaire (ML) ou Random Forest (RF) avec des métriques provenant de la forme d'onde et de l'ACP. Les résultats ont montré que les modèles d’estimation des hauteurs avaient des précisions semblables en utilisant soit les métriques de GLAS ou les composantes principales (PC) obtenues à partir des formes d’onde GLAS (EQM ~ 3,6 m). Toutefois, un modèle de régression (ML ou RF) basé sur les PCs est une alternative pour l'estimation de la hauteur, car il ne nécessite pas l'extraction de certaines métriques de GLAS qui sont en général difficiles à dériver dans les forêts denses.Finalement, la hauteur extraite à la fois des données LiDAR aéroporté et GLAS a servi tout d'abord à spatialiser la hauteur en utilisant les données environnementales cartographiées. En utilisant le RF, la spatialisation de la hauteur des arbres a montré une EQM sur les estimations de la hauteur de 6,5 m à partir de GLAS et de 5,8 m à partir du LiDAR aéroporté. Ensuite, afin d'améliorer la précision de la spatialisation de la hauteur, la technique régression-krigeage (krigeage des résidus de la régression du RF) a été utilisée. Les résultats de la régression-krigeage indiquent une diminution de l'erreur quadratique moyenne de 6,5 à 4,2 m pour les cartes de la hauteur de la canopée à partir de GLAS, et de 5,8 à 1,8 m pour les cartes de la hauteur de la canopée à partir des données LiDAR aéroporté. Enfin, afin d'étudier l'impact de l'échantillonnage spatial des futures missions LiDAR sur la précision des estimations de la hauteur de la canopée, six sous-ensembles ont été extraits de de la base LiDAR aéroporté. Ces six sous-ensembles de données LiDAR ont respectivement un espacement des lignes de vol de 5, 10, 20, 30, 40 et 50 km. Finalement, en utilisant la technique régression-krigeage, l’EQM sur la carte des hauteurs était de 1,8 m pour le sous-ensemble ayant des lignes de vol espacés de 5 km, et a augmentée jusqu’à 4,8 m pour le sous-ensemble ayant des lignes de vol espacés de 50 km. / Remote sensing has facilitated the techniques used for the mapping, modelling and understanding of forest parameters. Remote sensing applications usually use information from either passive optical systems or active radar sensors. These systems have shown satisfactory results for estimating, for example, aboveground biomass in some biomes. However, they presented significant limitations for ecological applications, as the sensitivity from these sensors has been shown to be limited in forests with medium levels of aboveground biomass. On the other hand, LiDAR remote sensing has been shown to be a good technique for the estimation of forest parameters such as canopy heights and above ground biomass. Whilst airborne LiDAR data are in general very dense but only available over small areas due to the cost of their acquisition, spaceborne LiDAR data acquired from the Geoscience Laser Altimeter System (GLAS) have low acquisition density with global geographical cover. It is therefore valuable to analyze the integration relevance of canopy heights estimated from LiDAR sensors with ancillary data (geological, meteorological, slope, vegetation indices etc.) in order to propose a forest canopy height map with good precision and high spatial resolution. In addition, estimating forest canopy heights from large-footprint satellite LiDAR waveforms, is challenging given the complex interaction between LiDAR waveforms, terrain, and vegetation, especially in dense tropical and equatorial forests. Therefore, the research carried out in this thesis aimed at: 1) estimate, and validate canopy heights using raw data from airborne LiDAR and then evaluate the potential of spaceborne LiDAR GLAS data at estimating forest canopy heights. 2) evaluate the fusion potential of LiDAR (using either sapceborne and airborne data) and ancillary data for forest canopy height estimation at very large scales. This research work was carried out over the French Guiana.The estimation of the canopy heights using the airborne showed an RMSE on the canopy height estimates of 1.6 m. Next, the potential of GLAS for the estimation of canopy heights was assessed using multiple linear (ML) and Random Forest (RF) regressions using waveform metrics and principal component analssis (PCA). Results showed canopy height estimations with similar precisions using either LiDAR metrics or the principal components (PCs) (RMSE ~ 3.6 m). However, a regression model (ML or RF) based on the PCA of waveform samples is an interesting alternative for canopy height estimation as it does not require the extraction of some metrics from LiDAR waveforms that are in general difficult to derive in dense forests, such as those in French Guiana. Next, canopy heights extracted from both airborne and spaceborne LiDAR were first used to map canopy heights from available mapped environmental data (geological, meteorological, slope, vegetation indices etc.). Results showed an RMSE on the canopy height estimates of 6.5 m from the GLAS dataset and of 5.8 m from the airborne LiDAR dataset. Then, in order to improve the precision of the canopy height estimates, regression-kriging (kriging of random forest regression residuals) was used. Results indicated a decrease in the RMSE from 6.5 to 4.2 m for the regression-kriging maps from the GLAS dataset, and from 5.8 to 1.8 m for the regression-kriging map from the airborne LiDAR dataset. Finally, in order to study the impact of the spatial sampling of future LiDAR missions on the precision of canopy height estimates, six subsets were derived from the airborne LiDAR dataset with flight line spacing of 5, 10, 20, 30, 40 and 50 km (corresponding to 0.29, 0.11, 0.08, 0.05, 0.04, and 0.03 points/km², respectively). Results indicated that using the regression-kriging approach, the precision on the canopy height map was 1.8 m with flight line spacing of 5 km and decreased to an RMSE of 4.8 m for the configuration for the 50 km flight line spacing.

La problématique générale de notre travail s'inscrit dans le domaine scientifique de la recherche d'information (RI). Les modèles de RI classiques sont généralement basés sur une définition de la notion de pertinence qui est liée essentiellement à l'adéquation thématique entre le sujet de la requête et le sujet du document. Le concept de pertinence a été revisité selon différents niveaux intégrant ainsi différents facteurs liés à l'utilisateur et à son environnement dans une situation de RI. Dans ce travail, nous abordons spécifiquement le problème lié à la modélisation de la pertinence multidimensionnelle à travers la définition de nouveaux modèles d'agrégation des critères et leur évaluation dans des tâches de recherche de RI. Pour répondre à cette problématique, les travaux de l'état de l'art se basent principalement sur des combinaisons linéaires simples. Cependant, ces méthodes se reposent sur l'hypothèse non réaliste d'additivité ou d'indépendance des dimensions, ce qui rend le modèle non approprié dans plusieurs situations de recherche réelles dans lesquelles les critères étant corrélés ou présentant des interactions entre eux. D'autres techniques issues du domaine de l'apprentissage automatique ont été aussi proposées, permettant ainsi d'apprendre un modèle par l'exemple et de le généraliser dans l'ordonnancement et l'agrégation des critères. Toutefois, ces méthodes ont tendance à offrir un aperçu limité sur la façon de considérer l'importance et l'interaction entre les critères. En plus de la sensibilité des paramètres utilisés dans ces algorithmes, est très difficile de comprendre pourquoi un critère est préféré par rapport à un autre. Pour répondre à cette première direction de recherche, nous avons proposé un modèle de combinaison de pertinence multicritères basé sur un opérateur d'agrégation qui permet de surmonter le problème d'additivité des fonctions de combinaison classiques. Notre modèle se base sur une mesure qui permet de donner une idée plus claire sur les corrélations et interactions entre les critères. Nous avons ainsi adapté ce modèle pour deux scénarios de combinaison de pertinence multicritères : (i) un cadre de recherche d'information multicritères dans un contexte de recherche de tweets et (ii) deux cadres de recherche d'information personnalisée. Le deuxième axe de recherche s'intéresse à l'intégration du facteur temporel dans le processus d'agrégation afin de tenir compte des changements occurrents sur les collection de documents au cours du temps. Pour ce faire, nous avons proposé donc un modèle d'agrégation sensible au temps pour combinant le facteur temporel avec le facteur de pertinence thématique. Dans cet objectif, nous avons effectué une analyse temporelle pour éliciter l'aspect temporel des requêtes, et nous avons proposé une évaluation de ce modèle dans une tâche de recherche sensible au temps. / The main research topic of this document revolve around the information retrieval (IR) field. Traditional IR models rank documents by computing single scores separately with respect to one single objective criterion. Recently, an increasing number of IR studies has triggered a resurgence of interest in redefining the algorithmic estimation of relevance, which implies a shift from topical to multidimensional relevance assessment. In our work, we specifically address the multidimensional relevance assessment and evaluation problems. To tackle this challenge, state-of-the-art approaches are often based on linear combination mechanisms. However, these methods rely on the unrealistic additivity hypothesis and independence of the relevance dimensions, which makes it unsuitable in many real situations where criteria are correlated. Other techniques from the machine learning area have also been proposed. The latter learn a model from example inputs and generalize it to combine the different criteria. Nonetheless, these methods tend to offer only limited insight on how to consider the importance and the interaction between the criteria. In addition to the parameters sensitivity used within these algorithms, it is quite difficult to understand why a criteria is more preferred over another one. To address this problem, we proposed a model based on a multi-criteria aggregation operator that is able to overcome the problem of additivity. Our model is based on a fuzzy measure that offer semantic interpretations of the correlations and interactions between the criteria. We have adapted this model to the multidimensional relevance estimation in two scenarii: (i) a tweet search task and (ii) two personalized IR settings. The second line of research focuses on the integration of the temporal factor in the aggregation process, in order to consider the changes of document collections over time. To do so, we have proposed a time-aware IR model for combining the temporal relavance criterion with the topical relevance one. Then, we performed a time series analysis to identify the temporal query nature, and we proposed an evaluation framework within a time-aware IR setting.

Cette thèse concerne la perception de l’environnement pour le guidage automatique d’un robot mobile. Lorsque l’on souhaite réaliser un système de navigation autonome, plusieurs éléments doivent être abordés. Parmi ceux-ci nous traiterons de la franchissabilité de l’environnement sur la trajectoire du véhicule. Cette franchissabilité dépend notamment de la géométrie et du type de sol mais également de la position du robot par rapport à son environnement (dans un repère local) ainsi que l’objectif qu’il doit atteindre (dans un repère global). Les travaux de cette thèse traitent donc de la perception de l’environnement d’un robot au sens large du terme en adressant la cartographie de l’environnement et la localisation du véhicule. Pour cela un système de fusion de données est proposé afin d’estimer ces informations. Ce système de fusion est alimenté par plusieurs capteurs dont une caméra, un télémètre laser et un GPS. L’originalité de ces travaux porte sur la façon de combiner ces informations capteurs. A la base du processus de fusion, nous utilisons un algorithme d’odométrie visuelle basé sur les images de la caméra. Pour accroitre la précision et la robustesse l’initialisation de la position des points sélectionnés se fait grâce à un télémètre laser qui fournit les informations de profondeur. De plus, le positionnement dans un repère global est effectué en combinant cette odométrie visuelle avec les informations GPS. Pour cela un procédé a été mis en place pour assurer l’intégrité de localisation du véhicule avant de fusionner sa position avec les données GPS. La cartographie de l’environnement est toute aussi importante puisqu’elle va permettre de calculer le chemin qui assurera au véhicule une évolution sans risque de collision ou de renversement. Dans cette optique, le télémètre laser déjà présent dans le processus de localisation est utilisé pour compléter la liste courante de points 3D qui matérialisent le terrain à l’avant du véhicule. En combinant la localisation précise du véhicule avec les informations denses du télémètre il est possible d’obtenir une cartographie précise, dense et géo-localisée de l’environnement. Tout ces travaux ont été expérimentés sur un simulateur robotique développé pour l’occasion puis sur un véhicule tout-terrain réel évoluant dans un monde naturel. Les résultats de cette approche ont montré la pertinence de ces travaux pour le guidage autonome de robots mobiles. / This thesis addresses the perception of the environment for the automatic guidance of a mobile robot. When one wishes to achieve autonomous navigation, several elements must be addressed. Among them we will discuss the traversability of the environment on the vehicle path. This traversability depends on the ground geometry and type and also the position of the robot in its environment (in a local coordinate system) taking into acount the objective that must be achieved (in a global coordinate system).The works of this thesis deal with the environment perception of a robot inthe broad sense by addressing the mapping of the environment and the location of the vehicle. To do this, a data fusion system is proposed to estimate these informations. The fusion system is supplied by several low cost sensors including a camera, a rangefinder and a GPS receiver. The originality of this work focuses on how to combine these sensors informations. The base of the fusion process is a visual odometry algorithm based on camera images. To increase the accuracy and the robustness, the initialization of the selected points position is done with a rangefinder that provides the depth information.In addition, the localization in a global reference is made by combining the visual odometry with GPS information. For this, a process has been established to ensure the integrity of localization of the vehicle before merging its position with the GPS data. The mapping of the environment is also important as it will allow to compute the path that will ensure an evolution of the vehicle without risk of collision or overturn. From this perspective, the rangefinder already present in the localization process is used to complete the current list of 3D points that represent the field infront of the vehicle. By combining an accurate localization of the vehicle with informations of the rangefinder it is possible to obtain an accurate, dense and geo-located map environment. All these works have been tested on a robotic simulator developed for this purpose and on a real all-terrain vehicle moving in a natural world. The results of this approach have shown the relevance of this work for autonomous guidance of mobile robots.