Dans ces travaux, nous proposons un système sûr pour la localisation de robot mobile en milieu intérieur structuré. Le principe repose sur l’utilisation de deux capteurs (lidar et caméra monoculaire) combinés astucieusement pour assurer une rapidité de calcul et une robustesse d’utilisation. En choisissant des capteurs reposant sur des principes physiques différents, les chances qu'ils se retrouvent simultanément perturbés sont minimes. L’algorithme de localisation doit être rapide et efficient tout en conservant la possibilité de fournir un mode dégradé dans éventualité où l’un des capteurs serait endommagé. Pour atteindre cet objectif de localisation rapide, nous optimisons le traitement des données à divers niveaux tels que la quantité de données à traiter ou l’optimisation algorithmique. Nous opérons une approximation polygonale des données du lidar 2D ainsi qu’une détection des segments verticaux dans l’image couleur. Le croisement de ces deux informations, à l’aide d’un filtre de Kalman étendu, nous donne alors une localisation fiable. En cas de perte du lidar, le filtre de Kalman peut toujours fonctionner et, en cas de perte de la caméra, le robot peut faire un recalage laser avec le lidar. Les données des deux capteurs peuvent également servir à d’autres objectifs. Les données lidar permettent d’identifier les portes (points de collision potentiels avec des humains), les données caméra peuvent permettre la détection et le suivi des piétons. Les travaux ont été majoritairement menés et validés avec un simulateur robotique avancé (4DV-Sim) puis ont été confirmés par des expériences réelles. Cette méthodologie permet à la fois de développer nos travaux et de valider et améliorer le caractère fonctionnel de cet outil de robotique. / In this work, we propose a safe system for robot navigation in an indoor and structured environment. The main idea is the use of two combined sensors (lidar and monocular camera) to ensure fast computation and robustness. The choice of these sensors is based on the physic principles behind their measures. They are less likely to go blind with the same disturbance. The localization algorithm is fast and efficient while keeping in mind the possibility of a downgraded mode in case of the failure of one sensor. To reach this objective, we optimized the data processing at different levels. We applied a polygonal approximation to the 2D lidar data and a vertical contour detection to the colour image. The fusion of these data in an extended Kalman filter provides a reliable localization system. In case of a lidar failure, the Kalman filter still works, in case of a camera failure the robot can rely upon a lidar scan matching. Data provided by these sensors can also deserve other purposes. The lidar provides us the localization of doors, potential location for encounter with humans. The camera can help to detect and track humans. This work has been done and validated using an advanced robotic simulator (4DV-Sim), then confirmed with real experiments. This methodology allowed us to both develop our ideas and confirm the usefulness of this robotic tool.