Modular device for automated and reliable mapping of indoor installations

Dans le cadre des opérations de démantèlement, l'établissement d'une cartographie radiologique précise est essentiel, car cela facilite l'identification des zones présentant des niveaux de rayonnement élevés. Cette tâche repose principalement sur les opérateurs de radioprotection qui quadrillent les zones à contrôler et réalisent des mesures aux positions correspondantes. Néanmoins, cette méthode manuelle est sujette à des erreurs humaines, peut être physiquement épuisante pour les opérateurs et les exposer à des environnements potentiellement contaminés. Par conséquent, la littérature explore progressivement des approches alternatives, comme l'intégration de mesures radiologiques avec des techniques de localisation et de cartographie simultanées (SLAM). Ces techniques offrent la capacité de cartographier l'environnement et de déterminer l'emplacement d'un capteur sans recourir aux systèmes GPS ou GNSS, généralement inopérants dans les installations nucléaires intérieures. Cependant, les solutions incorporant le SLAM dans la littérature sont souvent limitées à la localisation d'un seul type de mesure nucléaire, présentent un encombrement conséquent (dimensions et poids), et nécessitent une étape de post-traitement. En réponse à ces limitations, cette thèse propose le développement d'un dispositif modulaire pour la reconstruction et localisation 3D de mesures radiologiques, avec la volonté d'identifier l'algorithme SLAM le plus adapté au cadre du démantèlement embarqué. Sachant que la littérature présente un large éventail d'algorithmes SLAM et d'odométrie, sélectionner le plus fiable pour la reconstruction des installations nucléaires n'est pas chose aisée. Pour répondre à cette question, une révision de la littérature des algorithmes visuel-SLAM a été menée. Par la suite, ces algorithmes ont été évalués quant à leur résilience dans les conditions rencontrées dans les environnements en démantèlement. Cinq algorithmes ont été retenus pour être mis en œuvre parmi la gamme d'algorithmes identifiés, chacun ayant le potentiel de produire des performances satisfaisantes dans le contexte de cette thèse. Les algorithmes sélectionnés comprennent les Direct Sparse Odometry (DSO), Visual-Inertial Direct Sparse Odometry (VI-DSO), Large Scale Direct Monocular SLAM (LSD-SLAM), Semi-direct Visual Odometry (SVO), and Visual Inertial Semi-direct Visual Odometry (VI-SVO). Pour permettre leur comparaison, un nouvel ensemble de données représentant les caractéristiques des op