Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Ce mémoire traite du problème de renouvellement d’une flotte de véhicules. Il présente le contexte, les motivations et les facteurs à considérer dans le processus de renouvellement. Des outils d’aide à la décision pour l’élaboration du plan de renouvellement, de la sélection de nouveaux véhicules et de la gestion de la maintenance de la flotte sont proposés. Le mémoire fait état également des coûts à prendre en considération et ce, sur tout cycle de vie de chaque véhicule. Le contenu de ce mémoire peut être exploité aussi bien par les gestionnaires de flottes de véhicules que par des chercheurs qui s’intéressent à l’analyse de cycle de vie de véhicules dans une perspective de développement durable. / This thesis deals with the issues related to the vehicles fleet renewal. It presents de context, motivations and factors to consider in the renewal process. Decisions-making tools to support the development of the renewal plan, the selection of new vehicles and fleet maintenance management are proposed. The thesis also refers to the cost to consider throughout the life cycle of each vehicle. The contents of this thesis should prove useful to both fleet managers and researches interested in costs analysis with regard to the life cycle of vehicles within a perspective of sustainable development.

Cette thèse est consacrée à l'étude de l’optimisation combinatoire multi-objective sous incertitudes. Plus particulièrement, nous abordons les problèmes multi-objectifs contenant des données floues qui sont exprimées par des nombres triangulaires floues. Pour faire face à ce type de problèmes, notre idée principale est d’étendre les concepts multi-objectifs classiques au contexte flou. Nous proposons, dans un premier temps, une nouvelle approche Pareto entre des objectifs flous (i.e. vecteurs des nombres triangulaires flous). Ensuite, nous étendons des méta-heuristiques basées sur Pareto afin de converger vers des solutions optimales floues. L’approche proposée est illustrée sur un problème bi-objectif de routage de véhicules avec des demandes floues. Dans le deuxième volet de ce travail, nous abordons l’aspect de robustesse dans le contexte multi-objectif flou en proposant une nouvelle méthodologie d’évaluation de robustesse des solutions. Finalement, les résultats expérimentaux sur des benchmarks flous du problème de routage de véhicules prouvent l’efficacité et la fiabilité de notre approche. / This thesis is devoted to the study of multi-objective combinatorial optimization under uncertainty. In particular, we address multi-objective problems with fuzzy data, in which fuzziness is expressed by fuzzy triangular numbers. To handle such problems, our main idea is to extend the classical multi-objective concepts to fuzzy context. To handle such problems, we proposed a new Pareto approach between fuzzy-valued objectives (i.e. vectors of triangular fuzzy numbers). Then, an extension of Pareto-based metaheuristics is suggested as resolution methods. The proposed approach is thereafter illustrated on a bi-objective vehicle routing problem with fuzzy demands. At the second stage, we address robustness aspect in the multi-objective fuzzy context by proposing a new methodology of robustness evaluation of solutions. Finally, the experimental results on fuzzy benchmarks of vehicle routing problem prove the effectiveness and reliability of our approach.

De nos jours les méthodes de vision par ordinateur sont utilisées dans de nombreuses applications telles que la vidéo-surveillance, l'aide à la conduite ou la reconstruction 3D par exemple. Ces différentes applications s'appuient généralement sur des procédés de reconnaissance de formes ou de suivi. Pour ce faire, l'image est analysée afin d'en extraire des amers ou des primitives (contours, fonctions d'intensité ou modèles morphologiques). Les méthodes les plus courantes s'appuient sur l'utilisation de points d'intérêt représentant une discontinuité des niveaux de gris caractérisant un coin dans une image. Afin de mettre en correspondance un ensemble de points d'une image à une autre, une description locale est utilisée. Elle permet d'extraire l'information du voisinage de chaque point (valeurs des pixels, des intensités lumineuses, des gradients). Dans le cas d'applications telles que la vidéo-surveillance ou les caméras embarquées, l'ajout d'une information temporelle est fortement recommandé. Cette généralisation est utilisée au sein du laboratoire pour des projets de type véhicules intelligents (CyCab : véhicule intelligent, VELAC : VEhicule du Lasmea pour l'Aide à la Conduite). Les travaux de recherche présentés dans ce mémoire ont pour objectif de mettre en oeuvre différents outils de détection, description et mise en correspondance de points d'intérêt. Un certain nombre de contraintes a été établi, notamment l'utilisation d'images en niveaux de gris, la robustesse et l'aspect générique de la méthode. Dans un premier temps, nous proposons une analyse bibliographique des méthodes existantes. Cette dernière permet en effet d'en déduire les paramètres de mise en oeuvre ainsi que les principaux avantages et inconvénients. Nous détaillons par la suite la méthode proposée. La détection des primitives repose sur l'utilisation du détecteur fast-hessien que nous optimisons. L'utilisation d'une description locale basée sur des histogrammes de gradients orientés (HOG) est très répandue et procure de très bons résultats. Nous proposons de compléter son utilisation par un recalage et une mise à l'échelle d'un masque d'analyse elliptique créant ainsi une nouvelle forme de description locale (E-HOG). La mise en correspondance des points d'intérêt se base quant à elle sur une approche par corrélation à laquelle nous ajoutons un coefficient de sélection ainsi qu'une étape de suppression des doublons. Les différents résultats validant notre approche s'appuient sur l'utilisation de transformations synthétiques (vérité terrain) ou réelles. Nous proposons également une généralisation de notre approche au domaine spatiotemporel, permettant ainsi d'élargir son domaine d'utilisation. Le masque d'analyse précédemment cité est modifié et s'appuie donc sur l'utilisation d'ellipsoïdes. Les tests de validation reposent d'une part sur des séquences vidéo ayant subi des transformations synthétiques et d'autre part sur des séquences réelles issues de la plate-forme PAVIN (Plate-forme d'Auvergne pour Véhicules Intelligents). / Pas de résumé disponible

No description available.

Dans cette thèse, nous étudions la robustesse d’un modèle multimodal de détection d’objets en 3D dans le contexte de véhicules autonomes. Les véhicules autonomes doivent détecter et localiser avec précision les piétons et les autres véhicules dans leur environnement 3D afin de conduire sur les routes en toute sécurité. La robustesse est l’un des aspects les plus importants d’un algorithme dans le problème de la perception 3D pour véhicules autonomes. C’est pourquoi, dans cette thèse, nous avons proposé une méthode pour évaluer la robustesse d’un modèle de détecteur d’objets en 3D. À cette fin, nous avons formé un détecteur d’objets 3D multimodal représentatif sur trois ensembles de données différents et nous avons effectué des tests sur des ensembles de données qui ont été construits avec précision pour démontrer la robustesse du modèle formé dans diverses conditions météorologiques et de luminosité. Notre méthode utilise deux approches différentes pour construire les ensembles de données proposés afin d’évaluer la robustesse. Dans une approche, nous avons utilisé des images artificiellement corrompues et dans l’autre, nous avons utilisé les images réelles dans des conditions météorologiques et de luminosité extrêmes. Afin de détecter des objets tels que des voitures et des piétons dans les scènes de circulation, le modèle multimodal s’appuie sur des images et des nuages de points 3D. Les approches multimodales pour la détection d’objets en 3D exploitent différents capteurs tels que des caméras et des détecteurs de distance pour détecter les objets d’intérêt dans l’environnement. Nous avons exploité trois ensembles de données bien connus dans le domaine de la conduite autonome, à savoir KITTI, nuScenes et Waymo. Nous avons mené des expériences approfondies pour étudier la méthode proposée afin d’évaluer la robustesse du modèle et nous avons fourni des résultats quantitatifs et qualitatifs. Nous avons observé que la méthode que nous proposons peut mesurer efficacement la robustesse du modèle. / In this thesis, we study the robustness of a multimodal 3D object detection model in the context of autonomous vehicles. Self-driving cars need to accurately detect and localize pedestrians and other vehicles in their 3D surrounding environment to drive on the roads safely. Robustness is one of the most critical aspects of an algorithm in the self-driving car 3D perception problem. Therefore, in this work, we proposed a method to evaluate a 3D object detector’s robustness. To this end, we have trained a representative multimodal 3D object detector on three different datasets. Afterward, we evaluated the trained model on datasets that we have proposed and made to assess the robustness of the trained models in diverse weather and lighting conditions. Our method uses two different approaches for building the proposed datasets for evaluating the robustness. In one approach, we used artificially corrupted images, and in the other one, we used the real images captured in diverse weather and lighting conditions. To detect objects such as cars and pedestrians in the traffic scenes, the multimodal model relies on images and 3D point clouds. Multimodal approaches for 3D object detection exploit different sensors such as camera and range detectors for detecting the objects of interest in the surrounding environment. We leveraged three well-known datasets in the domain of autonomous driving consist of KITTI, nuScenes, and Waymo. We conducted extensive experiments to investigate the proposed method for evaluating the model’s robustness and provided quantitative and qualitative results. We observed that our proposed method can measure the robustness of the model effectively.

Dans ce mémoire nous présentons une méthode pour référencer deux nuages de points denses. Cette méthode commence par l'analyse d'un nuage de points de grand volume, composé d’environ 2 millions de points recueillis par un LiDAR (Light Detection And Ranging) monté sur une voiture, afin de le segmenter en surfaces représentatives pertinentes en termes de géométrie et de localisation. Ensuite, nous présentons la construction de descripteurs pour chacun des segments trouvés afin d’obtenir des caractéristiques significatives des segments. Ces descripteurs sont le FPFH (Fast Point Feature Histograms) et l’histogramme des orientations de surface. Pour finir, les descripteurs recueillis sur deux nuages de points différents du même environnement extérieur sont comparés pour repérer les segments similaires et ainsi permettre la localisation du véhicule par rapport à l'environnement extérieur. / In this work we present a method to reference two dense point clouds. We begin by analyzing a point cloud of a large number of points, approximately 2 million points collected by a LiDAR mounted on a car, in order to segment this point cloud into surfaces that feature representative regions of the point cloud that are interesting in terms of geometry. Then the construction of descriptors for each segment found is made to identify significant features. These descriptors are the FPFH (Fast Point Feature Histograms) and the surface orientation histogram. Finally, the descriptors collected on two different point clouds of the same outdoor environment are compared to identify similar segments and thus to allow the location of the vehicle in relation to the outdoor environment.

Nous nous intéressons à l'architecture de robots marins et sous-marins autonomes dans le cadre de missions nécessitant leur coopération. Cette coopération s'avère difficile du fait que la communication (acoustique) est très contrainte en termes de débit et de portée.  Notre travail se place dans le contexte de missions d'exploration pour détecter des éléments particuliers sur les fonds marins, et en particulier des sources d'eau chaude. Pour cela, le véhicule sous-marin parcours des segments de droite pré-planifiés et rejoint des points de rendez-vous (points de communication). Ces derniers permettent d'assurer le suivi de bon déroulement de la mission, mais surtout de mettre en oeuvre des schémas de coopération entre les véhicules sous-marins. Au fur et à mesure de l'exploration, les sous-marins construisent et mettent à jour une représentation de l'environnement qui décrit les probabilités de localisation de sources. Une approche adaptative exploite ces informations et permet de dévier les sous-marins de leurs plan initial pour augmenter la quantité d'information, tout en respectant les contraintes du plan initial, et en particulier les rendez-vous de communication. Lors des rendez-vous, chaque véhicule échange ses données avec les autres, en ne transmettant que les informations nécessaires à la mise en place de schémas de coopération. L'ensemble de ces fonctions sont intégrées au sein de l'architecture existante T-REX, pour laquelle nous proposons des composants supplémentaires qui permettent la cartographie des fonds et la définition de schémas de coopération. Différentes simulations permettent d'évaluer les travaux proposés. / There is a growing research interest in Autonomous Underwater Vehicles (AUV), due to the need for increasing our knowledge about the deep sea and understanding the effects the human way of life has on it. This need has pushed the development of new technologies to design more efficient and more autonomous underwater vehicles. Autonomy refers, in the context of this thesis, to the “decisional autonomy”, i.e. the capability of taking decisions, in uncertain, varying and unknown environments. A more recent concern in AUV area is to consider a fleet of vehicles (AUV, ASV, etc). Indeed, multiple vehicles with heterogeneous capabilities have several advantages over a single vehicle system, and in particular the potential to accomplish tasks faster and better than a single vehicle. Underwater target localization using several AUVs (Autonomous Underwater Vehicles) is a challenging issue. A systematic and exhaustive coverage strategy is not efficient in term of exploration time: it can be improved by making the AUVs share their information and cooperate to optimize their motions. The contribution of this thesis is the definition of an architecture that integrates such a strategy that adapts each vehicle motions according to its and others’ sensory information. Communication points are required to make underwater vehicles exchange information : for that purpose the system involves one ASV (Autonomous Surface Vehicle), that helps the AUVs re-localize and exchange data, and two AUVs that adapt their strategy according to gathered information, while satisfying the associated communication constraints. Each AUV is endowed with a sensor that estimates its distance with respect to targets, and cooperates with others to explore an area with the help of an ASV. To provide the required autonomy to these vehicles, we build upon an existing system (T-REX) with additional components, which provides an embedded planning and execution control framework. Simulation results are carried out to evaluate the proposed architecture and adaptive exploration strategy

Cette thèse explore la localisation et la poursuite de véhicules à partir d'une caméra. Pour réaliser cela, nous avons convenu d'utiliser les classificateurs en cascade pour localiser les véhicules et les filtres à particules pour la poursuite. Les classificateurs en cascade nous permet d'analyser toute l'image en un temps acceptable. Cette approche est expérimentée avec différentes caractéristiques ainsi qu'avec des données artificielles générées spécifiquement pour améliorer la performance de notre classificateur. Il convient de préciser qu'avec les filtres à particules, nous pouvons exploiter la continuité des vidéos. Pour cela, il convient d'utiliser les véhicules que nous avons déjà identifiés, pour localiser les véhicules présents dans les frames suivants. Nous avons proposé une technique pour adapter notre filtre à particules à la séquence vidéo sous analyse. Notre modèle est évalué sur trois séquences vidéo différentes. Les tests ont été répétés plusieurs fois en faisant varier différents paramètres et caractéristiques. / This thesis explores vehicle localization and tracking from a dashboard camera. To achieve that, we use cascading classifiers to find the vehicles within each frame and particle filters to track them across the video. Cascading classifiers allow us to analyze the whole image in a short amount of time while maintaining accuracy. We experiment this approach using different features as well as using artificially generated training data to boost the classifier's performance. With particle filters we are able to exploit the continuity in the video. To do that, we use the identified vehicles in previous frames to locate the ones in future frames. Since the conditions can vary from video to video, we propose a technique to adapt our particle filter to each video sequence. We present our results over three different video sequences testing our approach multiple times for different parameters and features.

Ce mémoire traite du problème de la gestion d'une flotte de véhicules. Une démarche structurée qui intègre l'analyse du cycle de vie de la flotte est proposée. Différents facteurs et éléments à considérer pour l'évaluation des besoins sont tout d'abord présentés et permettent de déterminer les spécifications des véhicules ainsi que la composition de la flotte selon le profil de la demande en transport. Pour le processus d'acquisition de véhicules, une approche axée en majeure partie sur l'analyse du coût du cycle de vie est utilisée pour la sélection des véhicules. Plusieurs modèles sont également proposés afin d'optimiser l'exploitation, la maintenance et la mise en place d'un système décisionnel de renouvellement de la flotte. Finalement, pour l'équipement ayant atteint sa fin de vie utile, différentes stratégies d'aliénation sont suggérées afin de diminuer les impacts environnementaux. Le contenu de ce mémoire peut être utilisé par les gestionnaires de petites et de grandes flottes de véhicules ainsi que par les gestionnaires de projet de ce domaine qui s'intéressent à la gestion du cycle de vie d'une flotte de véhicules dans un contexte de développement durable. La démarche proposée est davantage inspirée du domaine public et parapublic mais peut également être adaptée et utilisée dans le secteur privé. Ce mémoire permettra donc aux gestionnaires de connaître les différents facteurs à prendre à considération et les meilleurs outils à utiliser pour la prise de décision, et ce, dans le but d'optimiser les différents processus de gestion du cycle de vie d'une flotte de véhicules. / This thesis addresses issues related to the management of a fleet of vehicles. A structured approach integrating the analysis of fleet life cycle is proposed. Various factors and considerations for the requirements assessment are first introduced and used to determine the vehicles specifications and the fleet composition. For the vehicle acquisition process, an approach primarily driven by the life cycle cost analysis is used for the selection of vehicles. Several models are also proposed in order to optimize the exploitation, maintenance and development of a decision-making system for fleet renewal. Finally, for equipment that has reached its useful life, different disposition strategies are suggested in order to reduce environmental impacts. The contents of this thesis can be used by managers of small and large vehicle fleets as well as project managers who work in such field and that are interested in life cycle management of a vehicle fleet in a context of sustainable development. The suggested approach is further inspired by the public and para-public sector but can also be adapted and used in the private sector context. This thesis will allow managers to understand the different factors to take into consideration and the best tools to use for decision making, in order to optimize the various processes of life cycle management of a fleet of vehicles.