Camera-centric perception has matured into a cornerstone of modern autonomy, from self-driving cars and factory cobots to underwater and planetary exploration. This review synthesizes more than a decade of progress in vision-based robotic navigation through an engineering lens, charting the full pipeline from sensing to deployment. We first examine the expanding sensor palette—monocular and multi-camera rigs, stereo and RGB-D devices, LiDAR–camera hybrids, event cameras, and infrared systems—highlighting the complementary operating envelopes and the rise of learning-based depth inference. The advances in visual localization and mapping are then analyzed, contrasting sparse and dense SLAM approaches, as well as monocular, stereo, and visual–inertial formulations. Additional topics include loop closure, semantic mapping, and LiDAR–visual–inertial fusion, which enables drift-free operation in dynamic environments. Building on these foundations, we review the navigation and control strategies, spanning classical planning, reinforcement and imitation learning, hybrid topological–metric memories, and emerging visual language guidance. Application case studies—autonomous driving, industrial manipulation, autonomous underwater vehicles, planetary rovers, aerial drones, and humanoids—demonstrate how tailored sensor suites and algorithms meet domain-specific constraints. Finally, the future research trajectories are distilled: generative AI for synthetic training data and scene completion; high-density 3D perception with solid-state LiDAR and neural implicit representations; event-based vision for ultra-fast control; and human-centric autonomy in next-generation robots. By providing a unified taxonomy, a comparative analysis, and engineering guidelines, this review aims to inform researchers and practitioners designing robust, scalable, vision-driven robotic systems.

Robust indoor robot navigation typically demands either costly sensors or extensive training data. We propose a cost-effective RGB-D navigation pipeline that couples feature-based relative pose estimation with a lightweight multi-layer-perceptron (MLP) policy. RGB-D keyframes extracted from human-driven traversals form nodes of a topological map; edges are added when visual similarity and geometric–kinematic constraints are jointly satisfied. During autonomy, LightGlue features and SVD give six-DoF relative pose to the active keyframe, and the MLP predicts one of four discrete actions. Low visual similarity or detected obstacles trigger graph editing and Dijkstra replanning in real time. Across eight tasks in four Habitat-Sim environments, the agent covered 190.44 m, replanning when required, and consistently stopped within 0.1 m of the goal while running on commodity hardware. An information-theoretic analysis over the Multi-Illumination dataset shows that LightGlue maximizes per-second information gain under lighting changes, motivating its selection. The modular design attains reliable navigation without metric SLAM or large-scale learning, and seamlessly accommodates future perception or policy upgrades.

Ce travail de thèse porte sur la numérisation complète d'environnements vastes et complexes en utilisant un TLS ou un scanner mobile. Nous proposons un planificateur de vue multi-objectif adaptatif capable de fonctionner dans un environnement inconnu pour guider l'opérateur humain en mode "hors ligne" et faciliter la tâche de numérisation ou en mode "en ligne" avec un scanner embarqué sur un robot mobile pour une exploration automatique de l'environnement. La méthode proposée suppose que le scanner est déplacé sur une surface plane ce qui est fréquent dans les environnements d'intérieur, les zones urbaines, les espaces ouverts ou encore dans certaines applications du patrimoine culturel. Dans un premier temps, nous proposons une nouvelle stratégie d'exploration automatisée qui exploite des régions spécifiques de l'environnement, nommées "cellules conservatrices" pour réduire le nombre de déplacements du scanner et obtenir une numérisation complète de l'environnement. Ensuite, nous introduisons une approche pour améliorer le processus de numérisation en mode "hors ligne", en particulier lors de l'utilisation d'un TLS dans les grands environnements. Pour ce faire, nous avons proposé de combiner l'utilisation d'un scanner laser terrestre avec un robot mobile équipé d'un miroir plan. La méthode permet de réduire considérablement l'effort fourni par l'opérateur humain pour déplacer le scanner dans l'environnement et améliore le taux de complétude du nuage de points final. Les méthodes proposées dans cette thèse ont été validées avec des nuages de points simulés et réels avec un TLS et un robot mobile et montrent de bonnes performances en termes de taux de couverture et de temps de calcul par rapport à d'autres stratégies de planification de vues dans la littérature, mais aussi par rapport aux résultats obtenus par un opérateur humain expérimenté dans un environnement large et complexe