Les électrodes en diamant polycristallin dopé au bore (BDD) présentent beaucoup d'intérêts et notamment une large fenêtre de potentiel supérieure à 3 V en milieux aqueux, un faible courant résiduel et une excellente résistance à la corrosion et à l'encrassement. Ces propriétés en font donc un matériau de choix pour le développement de capteurs chimiques. Afin d'exalter la réactivité des électrodes BDD envers certains composés, notre approche a consisté à déposer sur la surface des électrodes des nanoparticules à base de métaux de transition comme le platine ou l'iridium. Ces nanoparticules présentent une activité électro catalytique intéressante, ce qui ouvre la voie à la détection de produits dérivés de réactions enzymatiques, de pesticides ou de bien d'autres espèces non électro-actives sur les électrodes en BDD nues. L'objectif de mes travaux a été de mettre au point une nouvelle méthode de dépôt de nanoparticules métalliques sur la surface d'électrodes et de les caractériser d'un point de vue à la fois structurel et électrochimique. L'objectif est de développer un système de détection multi-capteurs composé d'électrodes BDD chacune fonctionnalisée par un catalyseur métallique différent sous forme de nanoparticules. Le système de détection permet ainsi d'obtenir une signature chimique caractéristique du composé à détecter. Par couplage des différents capteurs, des méthodes algorithmiques d'apprentissage / reconnaissance permettent alors d'apporter de la sélectivité au système de détection, à la manière d'une " langue électronique ". La technique a été appliquée à plusieurs composés d'intérêt, et notamment à l'eau oxygénée, l'indole, le scatol, le paraoxon, et l'imidaclopride. / Boron-doped polycrystalline diamond electrodes (BDD) exhibit a number of advantages, including a wide potential window above 3V in aqueous media, a low background current, and excellent resilience to corrosion and fouling. These properties make it a very interesting material for the development of chemical sensors. In order to enhance the reactivity of the BDD electrodes towards a wider range of chemical compounds, we have studied the possibility to deposit on the electrode surface nanoparticles based on transition metals such as platinum or iridium. These nanoparticles exhibit an interesting electro-catalytic activity and open the way to the detection of products derived from enzymatic reactions, pesticides or many other electrochemically non-active species. The aim of this thesis work has been to propose a new method for the deposition of metallic nanoparticles on the diamond surface and to characterize them from a structural and electrochemical point of view. The objective is to develop a multi-sensor detection system composed of several BDD electrodes each functionalized using a different metal catalyst in the form of nanoparticles. The detection system thus enables to obtain a characteristic chemical fingerprint of the product to detect. By assembling several of such sensors, and coupling them with algorithmic learning / recognition methods, the system provides an improved selectivity, in a similar way to an “electronic tongue”. This was applied to several case studies, including the detection of hydrogen peroxide, scatol, indole, paraoxon and imidaclopride.

A significant progress in the evolution of the computer systems and their interconnection over the past 70 years has allowed replacing the frequently used centralized architectures with the highly distributed ones, formed by independent entities fulfilling specific functionalities as one user-intransparent unit. This has resulted in an intense scientic interest in distributed algorithms and their frequent implementation into real systems. Especially, distributed algorithms for multi-sensor data fusion, ensuring an enhanced QoS of executed applications, find a wide usage. This doctoral thesis addresses an optimization and an analysis of the distributed systems, namely the distributed consensus-based algorithms for an aggregate function estimation (primarily, my attention is focused on a mean estimation). The first section is concerned with a theoretical background of the distributed systems, their evolution, their architectures, and a comparison with the centralized systems (i.e. their advantages/disadvantages). The second chapter deals with multi-sensor data fusion, its application, the classification of the distributed estimation techniques, their mathematical modeling, and frequently quoted algorithms for distributed averaging (e.g. protocol Push-Sum, Metropolis-Hastings weights, Best Constant weights etc.). The practical part is focused on mechanisms for an optimization of the distributed systems, the proposal of novel algorithms and complements for the distributed systems, their analysis, and comparative studies in terms of such as the convergence rate, the estimation precision, the robustness, the applicability to real systems etc.

Avec le développement rapide et les applications étendues de la technologie de robot, la recherche sur le robot mobile intelligent a été programmée dans le plan de développement de haute technologie dans beaucoup de pays. La navigation autonome joue un rôle de plus en plus important dans le domaine de recherche du robot mobile intelligent. La localisation et la construction de cartes sont les principaux problèmes à résoudre par le robot pour réaliser une navigation autonome. Les techniques probabilistes (telles que le filtre étendu de Kalman et le filtre de particules) ont longtemps été utilisées pour résoudre le problème de localisation et de cartographie robotisées. Malgré leurs bonnes performances dans les applications pratiques, ils pourraient souffrir du problème d'incohérence dans les scénarios non linéaires, non gaussiens. Cette thèse se concentre sur l'étude des méthodes basées sur l'analyse par intervalles appliquées pour résoudre le problème de localisation et de cartographie robotisées. Au lieu de faire des hypothèses sur la distribution de probabilité, tous les bruits de capteurs sont supposés être bornés dans des limites connues. Sur la base d'une telle base, cette thèse formule le problème de localisation et de cartographie dans le cadre du problème de satisfaction de contraintes d'intervalle et applique des techniques d'intervalles cohérentes pour les résoudre de manière garantie. Pour traiter le problème du "lacet non corrigé" rencontré par les approches de localisation par ICP (Interval Constraint Propagation), cette thèse propose un nouvel algorithme ICP traitant de la localisation en temps réel du véhicule. L'algorithme proposé utilise un algorithme de cohérence de bas niveau et est capable de diriger la correction d'incertitude. Par la suite, la thèse présente un algorithme SLAM basé sur l'analyse d'intervalle (IA-SLAM) dédié à la caméra monoculaire. Une paramétrisation d'erreur liée et une initialisation non retardée pour un point de repère naturel sont proposées. Le problème SLAM est formé comme ICSP et résolu par des techniques de propagation par contrainte d'intervalle. Une méthode de rasage pour la contraction de l'incertitude historique et une méthode d'optimisation basée sur un graphique ICSP sont proposées pour améliorer le résultat obtenu. L'analyse théorique de la cohérence de la cartographie est également fournie pour illustrer la force de IA-SLAM. De plus, sur la base de l'algorithme IA-SLAM proposé, la thèse présente une approche cohérente et peu coûteuse pour la localisation de véhicules en extérieur. Il fonctionne dans un cadre en deux étapes (enseignement visuel et répétition) et est validé avec un véhicule de type voiture équipé de capteurs de navigation à l'estime et d'une caméra monoculaire. / With the rapid development and extensive applications of robot technology, the research on intelligent mobile robot has been scheduled in high technology development plan in many countries. Autonomous navigation plays a more and more important role in the research field of intelligent mobile robot. Localization and map building are the core problems to be solved by the robot to realize autonomous navigation. Probabilistic techniques (such as Extented Kalman Filter and Particle Filter) have long been used to solve the robotic localization and mapping problem. Despite their good performance in practical applications, they could suffer the inconsistency problem in the non linear, non Gaussian scenarios. This thesis focus on study the interval analysis based methods applied to solve the robotic localization and mapping problem. Instead of making hypothesis on the probability distribution, all the sensor noises are assumed to be bounded within known limits. Based on such foundation, this thesis formulates the localization and mapping problem in the framework of Interval Constraint Satisfaction Problem and applied consistent interval techniques to solve them in a guaranteed way. To deal with the “uncorrected yaw” problem encountered by Interval Constraint Propagation (ICP) based localization approaches, this thesis proposes a new ICP algorithm dealing with the real-time vehicle localization. The proposed algorithm employs a low-level consistency algorithm and is capable of heading uncertainty correction. Afterwards, the thesis presents an interval analysis based SLAM algorithm (IA-SLAM) dedicates for monocular camera. Bound-error parameterization and undelayed initialization for nature landmark are proposed. The SLAM problem is formed as ICSP and solved via interval constraint propagation techniques. A shaving method for landmark uncertainty contraction and an ICSP graph based optimization method are put forward to improve the obtaining result. Theoretical analysis of mapping consistency is also provided to illustrated the strength of IA-SLAM. Moreover, based on the proposed IA-SLAM algorithm, the thesis presents a low cost and consistent approach for outdoor vehicle localization. It works in a two-stage framework (visual teach and repeat) and is validated with a car-like vehicle equipped with dead reckoning sensors and monocular camera.

Im Rahmen von UPNS4D+ wird von mir der Teilbereich der automatisierten untertägigen Detektion von Gangerzlagerstätten und seltenen Erden bearbeitet. Dies erfolgt mittels eines Multisensoransatzes, der aus einer Hyperspektralkamera, einer RGB-Kamera und einem Laserscanner besteht. Die Grundlagen für die Kombination von hyperspektraler Bildverarbeitung und einer RGB-Kamera sind in der Industrie im Bereich von automatisierten Sortieranlagen zu finden. Im Bereich der Fernerkundung ist der Einsatz hyperspektraler Bilder für die Detektion geologischer Merkmale seit einigen Jahrzehnten üblich. Hier kann im Rahmen meiner Forschung gezeigt werden, dass mittels hyperspektraler Bilder Pyrit unter Tage detektiert werden kann. / In my research I work on a system which detects automatically the ore and rare earth element in a mine. This is part of UPNS4D+. For the detection I use a multi sensor system which consists of a hyperspectral camera, a RGB camera and a Laser scanner. Basics of this combination can be found in the industry. The combination of a RGB camera and a hyperspectral camera enables an automatic sorting of for example waste materials. Landsat satellites in the 1970 uses spectral information in order to detect the geology of the surface. I have tested the hyperspectral imaging in the Reiche Zeche and I can now show that Pyrite can be detected.

Mes travaux de thèse consistent à proposer et valider une démarche de métrologie 3D in-situ multi-capteurs/multi-échelles. L'intégration de systèmes de mesure au sein du moyen de production permet d'être très réactif aux présences de défauts géométriques et ainsi directement proposer des actions correctives. Afin de limiter les arrêts de fabrication, donc la diminution de l'efficience de la machine-outil, l’interopérabilité entre la fabrication et la mesure doit être maximisée : il est important de proposer une phase de mesure rapide et assurant une qualité minimum des données acquises. Un outil de mesure par caméras (Stéréo-corrélation d'images) est proposé dans ces travaux. Basé sur la connaissance du modèle FAO de la pièce et de l’environnement de travail, cet outil de mesure permet d'obtenir une cartographie des écarts géométriques de la pièce directement dans le repère FAO. Ainsi, il est possible d'analyser directement les données de mesure dans le même repère que celui de la fabrication : les temps de traitements des données sont réduits. / Integrating inspection procedures in the machining process contributes to process optimization. The use of in-situ measurement allows a betterreactivity for corrective actions. However, to be highly efficient, Machining and Inspection Process Planning must reach a high level of integration. It is hereessential to focus on the compromise measurement time vs precision: the time dedicated to inspection must be limited, but not to the detriment ofmeasurement quality. A measurement process for in-situ machining defect detection is proposed based on a stereo-DIC.

No description available.

In our society with its aging population, the design and implementation of a highperformance distributed multi-sensor and information system for autonomous physical services become more and more important. In line with this, this thesis proposes an Intelligent Multi-Sensor System, IMSS, that surveys a human activities space to detect and identify a target for a specific service. The subject of this thesis covers three main aspects related to the set-up of an IMSS: an improved depth measurement and reconstruction method and its related uncertainty, a surveillance and tracking algorithm and finally a way to validate and evaluate the proposed methods and algorithms. The thesis discusses how a model of the depth spatial quantisation uncertainty can be implemented to optimize the configuration of a sensor system to capture information of the target objects and their environment with required specifications. The thesis introduces the dithering algorithm which significantly reduces the depth reconstruction uncertainty. Furthermore, the dithering algorithm is implemented on a sensor-shifted stereo camera, thus simplifying depth reconstruction without compromising the common stereo field of view. To track multiple targets continuously, the Gaussian Mixture Probability Hypothesis Density, GM-PHD, algorithm is implemented with the help of vision and Radio Frequency Identification, RFID, technologies. The performance of the tracking algorithm in a vision system is evaluated by a circular motion test signal. The thesis introduces constraints to the target space, the stereo pair characteristics and the depth reconstruction accuracy to optimize the vision system and to control the performance of surveillance and 3D reconstruction through integer linear programming. The human being within the activity space is modelled as a tetrahedron, and a field of view in spherical coordinates are used in the control algorithms. In order to integrate human behaviour and perception into a technical system, the proposed adaptive measurement method makes use of the Fuzzily Defined Variable, FDV. The FDV approach enables an estimation of the quality index based on qualitative and quantitative factors for image quality evaluation using a neural network. The thesis consists of two parts, where Part I gives an overview of the applied theory and research methods used, and Part II comprises the eight papers included in the thesis.

Les travaux présentés dans ce manuscrit concernent le domaine de la localisation et la reconstruction 3D par vision artificielle. Dans ce contexte, la trajectoire d’une caméra et la structure3D de la scène filmée sont initialement estimées par des algorithmes linéaires puis optimisées par un algorithme non-linéaire, l’ajustement de faisceaux. Cette thèse présente tout d’abord une technique de recherche de l’amplitude de déplacement (recherche linéaire), ou line search pour les algorithmes de minimisation itérative. La technique proposée est non itérative et peut être rapidement implantée dans un ajustement de faisceaux traditionnel. Cette technique appelée recherche linéaire algébrique globale (G-ALS), ainsi que sa variante à deux dimensions (Two way-ALS), accélèrent la convergence de l’algorithme d’ajustement de faisceaux. L’approximation de l’erreur de reprojection par une distance algébrique rend possible le calcul analytique d’une amplitude de déplacement efficace (ou de deux pour la variante Two way-ALS), par la résolution d’un polynôme de degré 3 (G-ALS) ou 5 (Two way-ALS). Nos expérimentations sur des données simulées et réelles montrent que cette amplitude, optimale en distance algébrique, est performante en distance euclidienne, et permet de réduire le temps de convergence des minimisations. Une difficulté des algorithmes de localisation en temps réel par la vision (SLAM monoculaire) est que la trajectoire estimée est souvent affectée par des dérives : dérives d’orientation, de position et d’échelle. Puisque ces algorithmes sont incrémentaux, les erreurs et approximations sont cumulées tout au long de la trajectoire, et une dérive se forme sur la localisation globale. De plus, un système de localisation par vision peut toujours être ébloui ou utilisé dans des conditions qui ne permettent plus temporairement de calculer la localisation du système. Pour résoudre ces problèmes, nous proposons d’utiliser un capteur supplémentaire mesurant les déplacements de la caméra. Le type de capteur utilisé varie suivant l’application ciblée (un odomètre pour la localisation d’un véhicule, une centrale inertielle légère ou un système de navigation à guidage inertiel pour localiser une personne). Notre approche consiste à intégrer ces informations complémentaires directement dans l’ajustement de faisceaux, en ajoutant un terme de contrainte pondéré dans la fonction de coût. Nous évaluons trois méthodes permettant de sélectionner dynamiquement le coefficient de pondération et montrons que ces méthodes peuvent être employées dans un SLAM multi-capteur temps réel, avec différents types de contrainte, sur l’orientation ou sur la norme du déplacement de la caméra. La méthode est applicable pour tout autre terme de moindres carrés. Les expérimentations menées sur des séquences vidéo réelles montrent que cette technique d’ajustement de faisceaux contraint réduit les dérives observées avec les algorithmes de vision classiques. Ils améliorent ainsi la précision de la localisation globale du système. / The works presented in this manuscript are in the field of computer vision, and tackle the problem of real-time vision based localization and 3D reconstruction. In this context, the trajectory of a camera and the 3D structure of the filmed scene are initially estimated by linear algorithms and then optimized by a nonlinear algorithm, bundle adjustment. The thesis first presents a new technique of line search, dedicated to the nonlinear minimization algorithms used in Structure-from-Motion. The proposed technique is not iterative and can be quickly installed in traditional bundle adjustment frameworks. This technique, called Global Algebraic Line Search (G-ALS), and its two-dimensional variant (Two way-ALS), accelerate the convergence of the bundle adjustment algorithm. The approximation of the reprojection error by an algebraic distance enables the analytical calculation of an effective displacement amplitude (or two amplitudes for the Two way-ALS variant) by solving a degree 3 (G-ALS) or 5 (Two way-ALS) polynomial. Our experiments, conducted on simulated and real data, show that this amplitude, which is optimal for the algebraic distance, is also efficient for the Euclidean distance and reduces the convergence time of minimizations. One difficulty of real-time tracking algorithms (monocular SLAM) is that the estimated trajectory is often affected by drifts : on the absolute orientation, position and scale. Since these algorithms are incremental, errors and approximations are accumulated throughout the trajectory and cause global drifts. In addition, a tracking vision system can always be dazzled or used under conditions which prevented temporarily to calculate the location of the system. To solve these problems, we propose to use an additional sensor measuring the displacement of the camera. The type of sensor used will vary depending on the targeted application (an odometer for a vehicle, a lightweight inertial navigation system for a person). We propose to integrate this additional information directly into an extended bundle adjustment, by adding a constraint term in the weighted cost function. We evaluate three methods (based on machine learning or regularization) that dynamically select the weight associated to the constraint and show that these methods can be used in a real time multi-sensor SLAM, and validate them with different types of constraint on the orientation or on the scale. Experiments conducted on real video sequences show that this technique of constrained bundle adjustment reduces the drifts observed with the classical vision algorithms and improves the global accuracy of the positioning system.

La problématique entourant la mise en oeuvre, la conception et le conditionnement de micro-capteurs au sein d'une application embarquée représente un enjeu industriel majeur, consiste en un vaste ensemble de défis techniques et touche à de nombreux champs de recherche scientifiques comme d'applications commerciales. Ce mémoire de thèse compile de manière pédagogique et détaillée la conception, la réalisation et l'évaluation expérimentale d'un capteur MEMS constitué d'un simple micro-filament destiné à la mesure, mutuellement, de la température, de la pression et de l'humidité d'une ambiance gazeuse, en utilisant un même et mutuel étage de conditionnement du signal – ce qui en tant que tel constitue une méthode d'intégration particulièrement originale qui est arbitrairement référencée comme "intégration totale". Aussi, le principe physique sous jacent à ce triplet de mesurage est la diffusion par conduction de la chaleur, produite par effet Joule dans l'élément sensible, à travers l'échantillon gazeux l'environnant. Ainsi, le principe de fonctionnement consiste en ce que, la réponse transitoire d'un tel ensemble permet d'une part de mettre en évidence, simultanément et de manière diagonalisable, à une température donnée, l'influence de la pression et de l'humidité sur la conductivité thermique et la capacité calorifique du couple sonde/échantillon. D'autre part, l'élément sensible est spécifiquement prévu pour que dans les conditions initiales du régime transitoire de l'échauffement, sa résistance électrique ne soit sensible qu'à la seule température ambiante, indépendamment des deux mesurandes. / Integration of micro sensors within an embedded system is a challenging task in terms of commercial application and deals with many fields of research. This report compiles a novel methodology of multi-sensor integration, from the design to the experimental evaluation. The reported MEMS gas sensor is made from a resistive micro-wire. It is designed to the sensing of temperature, pressure and humidity of a gaseous sample, at the same time, in using only a single sensing part as well as a single conditioning principle – which is by itself a new feature arbitrarily called "total integration". The physical principle involved here is heat-diffusion, where heat is produced by Joule effect within the resistive sensing part, sinking through the gaseous sample. The key is that the transient response of such a sensor enables the reading of both the sample thermal conductivity and heat capacity, depending on both humidity and pressure at a given temperature, the later being only depending upon the initial response of the sensor transient response.

Le risque de chute provoqué par le phénomène épisodique de ‘Freeze of Gait’ (FoG) est un symptôme commun de la maladie de Parkinson. Cette étude concerne la détection et le diagnostic des épisodes de FoG à l'aide d'un prototype multi-capteurs. La première contribution est l'introduction de nouveaux capteurs (télémètres et goniomètres) dans le dispositif de mesure pour la détection des épisodes de FoG. Nous montrons que l'information supplémentaire obtenue avec ces capteurs améliore les performances de la détection. La seconde contribution met œuvre un algorithme de détection basé sur des réseaux de neurones gaussiens. Les performance de cet algorithme sont discutées et comparées à l'état de l'art. La troisième contribution est développement d'une approche de modélisation probabiliste basée sur les réseaux bayésiens pour diagnostiquer le changement du comportement de marche des patients avant, pendant et après un épisode de FoG. La dernière contribution est l'utilisation de réseaux bayésiens arborescents pour construire un modèle global qui lie plusieurs symptômes de la maladie de Parkinson : les épisodes de FoG, la déformation de l'écriture et de la parole. Pour tester et valider cette étude, des données cliniques ont été obtenues pour des patients atteints de Parkinson. Les performances en détection, classification et diagnostic sont soigneusement étudiées et évaluées. / Freezing of Gait (FoG) is an episodic phenomenon that is a common symptom of Parkinson's disease (PD). This research is headed toward implementing a detection, diagnosis and correction system that prevents FoG episodes using a multi-sensor device. This particular study aims to detect/diagnose FoG using different machine learning approaches. In this study we validate the choice of integrating multiple sensors to detect FoG with better performance. Our first level of contribution is introducing new types of sensors for the detection of FoG (telemeter and goniometer). An advantage in our work is that due to the inconsistency of FoG events, the extracted features from all sensors are combined using the Principal Component Analysis technique. The second level of contribution is implementing a new detection algorithm in the field of FoG detection, which is the Gaussian Neural Network algorithm. The third level of contribution is developing a probabilistic modeling approach based on Bayesian Belief Networks that is able to diagnosis the behavioral walking change of patients before, during and after a freezing event. Our final level of contribution is utilizing tree-structured Bayesian Networks to build a global model that links and diagnoses multiple Parkinson's disease symptoms such as FoG, handwriting, and speech. To achieve our goals, clinical data are acquired from patients diagnosed with PD. The acquired data are subjected to effective time and frequency feature extraction then introduced to the different detection/diagnosis approaches. The used detection methods are able to detect 100% of the present appearances of FoG episodes. The classification performances of our approaches are studied thoroughly and the accuracy of all methodologies is considered carefully and evaluated