Simultaneous localization and mapping (SLAM) techniques are widely researched, since they allow the simultaneous creation of a map and the sensors’ pose estimation in an unknown environment. Visual-based SLAM techniques play a significant role in this field, as they are based on a low-cost and small sensor system, which guarantees those advantages compared to other sensor-based SLAM techniques. The literature presents different approaches and methods to implement visual-based SLAM systems. Among this variety of publications, a beginner in this domain may find problems with identifying and analyzing the main algorithms and selecting the most appropriate one according to his or her project constraints. Therefore, we present the three main visual-based SLAM approaches (visual-only, visual-inertial, and RGB-D SLAM), providing a review of the main algorithms of each approach through diagrams and flowcharts, and highlighting the main advantages and disadvantages of each technique. Furthermore, we propose six criteria that ease the SLAM algorithm’s analysis and consider both the software and hardware levels. In addition, we present some major issues and future directions on visual-SLAM field, and provide a general overview of some of the existing benchmark datasets. This work aims to be the first step for those initiating a SLAM project to have a good perspective of SLAM techniques’ main elements and characteristics.

Establishing an accurate radiological mapping is an essential step for the Dismantling & Decommissioning (D&D) processes since it allows the localization of possible hotspots. Nowadays, this work is usually done manually by operators who construct matrices and place each measured value in its respective position. However, this method presents many drawbacks, leading the literature to increasingly explore alternative solutions, such as combining radiological measurements with Simultaneous Localization and Mapping techniques (SLAM). SLAM technology allows the simultaneous mapping of the surroundings and indoor localization of a sensor without needing a GPS (usually inoperative in indoor nuclear facilities). Nonetheless, the current solutions based on SLAM algorithms are not suited to different nuclear measurement devices, are often bulky, and require post-processing. To address this matter, we started the development of a modular device for online 3D environment reconstruction and radioactivity measurement localization. This work presents the selection of the most suitable SLAM algorithm for the operation of nuclear installations under dismantling. As far as we know, this is the only study in the literature that evaluates the different SLAM algorithms regarding the nuclear facilities’ characteristics. To address this issue, we established comprehensive state-of-the-art visual-sensor-based SLAM algorithms. Then, we critically assessed the algorithms from the literature regarding the characteristics present in dismantling environments. We selected and implemented five: 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). In order to compare them, we constructed a dataset not found in the literature representing the radiological mapping operations in nuclear facilities. Our dataset relies on stereo images from two cameras in a stereo configuration, inertial data from an Inertial Measurement Unit, and spherical information from a Light Detection and Ranging (LiDAR). This dataset allowed us to benchmark the algorithms considering algorithms’ tracking and mapping accuracies. The Visual Inertial Semi-direct Visual Odometry presented the lowest average errors for the tracking and an equivalent performance as the other algorithms for the mapping, being the most suitable algorithm for the dismantling operation.

Dispositif modulaire pour la cartographie automatisée et fiabilisée d'installations indoor: 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 opérations de cartographie radiologique a été conçu. Cet ensemble de données a été créé à partir d'un nouveau prototype intégrant des images stéréo et des données inertielles, sphériques et radiologiques. Il a permis l'analyse comparative des algorithmes en tenant compte de leur précision de localisation et cartographie, de leur embarquabilité et de leur capacité à localiser les points chauds. Le VI-SVO a présenté les erreurs moyennes les plus faibles pour la localisation et une performance équivalente aux autres algorithmes pour la cartographie. Le VI-DSO s'est avéré être l'algorithme le plus approprié pour une implémentation embarquée. Contrairement au VI-SVO, cet algorithme n'a pas pu traiter toutes les séquences de l'ensemble des données. Parmi les algorithmes évalués, le VI-SVO a été le seul à traiter avec succès toutes les séquences et à localiser les zones de contamination. Il est donc l'algorithme le plus approprié pour la cartographie radiologique.