Robotique et Vision par Ordinateur

Robotique et Vision par Ordinateur

Vision 3D

La vision en trois dimensions est un sujet sur lequel porte de nombreuses études en vision industrielle. Les domaines d’application sont les suivants : − inspection tridimensionnelle d’objets, − prise en vrac pour du vrac vrai, − localisation d’objet en 3D. Deux types d’approche sont à distinguer : − les méthodes de perception passives, − les méthodes de perception actives. Parmi les méthodes passives, la stéréoscopie a été la plus étudiée. Elle a l’avantage d’offrir des procédures d’acquisition rapides. Par contre, les précisions obtenues en profondeur sont médiocres et la corrélation d’images issues de deux capteurs n’est pas aisée à réaliser et donne des résultats de qualité aléatoire. Parmi les méthodes actives, deux voies ont principalement été abordées (cf. igure n°33): − l’emploi conjugué de deux barrettes et d’une source laser ponctuelle et orientable, − l’emploi d’une caméra matricielle et d’une nappe laser longiligne (grâce à une lentille cylindrique) orientable. L’emploi d’une source laser permet de s’affranchir de l’ambiance lumineuse en centrant l’acquisition sur la longueur d’onde du laser. Les barrettes offrent une meilleure précision qu’une caméra matricielle. Par contre, les temps d’acquisition sont beaucoup plus que la digitalisation d’une nappe laser. D’une manière générale, les méthodes actives ne permettent pas de réaliser des applications très rapides.  Figure 33 : Méthodes d’acquisition actives en vision 3D Les procédures d’identiication sont nettement plus complexes qu’en deux dimensions et restent du domaine de la recherche : étant donné que les vues sur un objet sont partielles, seuls l’emploi de modèles structuraux sont envisageables. Les primitives employées en deux dimensions s’étendent en trois dimensions : les approximations linéiques de la frontière des objets deviennent des approximations surfaciques. Par exemple, la igure n°34 montre un porte-fusée d’un train roulant d’une automobile modélisé par un maillage de Delaunay, puis une sculpture représentées à l’aide de B-Splines. L’une des principales dificultés de ces modélisations tient dans le fait qu’un même objet peut donner lieu à différentes décompositions pour une même technique de modélisation surfacique. Les graphes ainsi générés sont aussi d’ordre plus élevé que ceux produits de manière planaire. 

Évolutions prévisibles des systèmes de traitemen

t Jusqu’à présent nous nous en sommes tenus à présenter une image dans la plupart des cas comme un tableau bidimensionnel de luminosités sur lequel on cherche à appliquer différentes techniques pour reconnaı̂tre des objets appris au préalable. Si l’on s’intéresse d’une manière plus générale aux images et aux systèmes d’information qui les manipulent, la situation actuelle se présente comme sur la igure n° 35. Figure 35 : Systèmes d’information numérique : situation présente Les informations numérisées par ces systèmes sont de trois natures différentes: − des textes que l’on crée à l’aide d’un logiciel de traitement de texte, − des graphiques que l’on crée à l’aide d’un logiciel de dessin assisté par ordinateur, − des images que l’on crée à l’aide d’un logiciel de génération synthétique d’images. Ces informations sont archivées de manière séparée et retrouvées par adresse (excepté les textes que l’on peut classer de manière ordonnée et retrouver de par le contenu de manière relationnelle). Ces systèmes permettent néanmoins de composer des documents avec plus ou moins de souplesse. Robotique et Vision par Ordinateur Page 82 Ainsi, avant d’être une industrie de transformation, le traitement de l’information est d’abord une activité de création. Le systèmes de perception (parole, vision) font leurs premiers pas dans le monde des réalisations industrielles. Si ils permettent de contrôler un manipulateur dans son cycle de travail (système fermé), ils sont encore déconnectés des autres étapes du processus industriel (conception, production, système ouvert). C’est le cas notamment des phases d’apprentissage qui sont réalisées directement sur le poste de travail sous la surveillance d’un opérateur. A ce niveau, on pourrait envisager qu’en disposant de la description géométrique d’un objet créé en C.A.O. et en connaissant la fonction de transfert du capteur utilisé en perception que l’apprentissage se fasse en simulation hors du poste de travail. Cette simulation permettrait encore de vériier que les capacités de reconnaissance du système de perception ne seront pas dépassées de manière opérationnelle. D’autres remarques de même nature permettraient d’assouplir le maniement de l’information numérique. Ainsi, pour ne plus avoir à créer l’information ex-nihilo, de nouveaux systèmes de capture de l’information permettent de l’acquérir plus directement: − reconnaissance de la parole ou de caractères imprimés (scanners OCR) pour l’acquisition de textes, − systèmes de digitalisation de graphiques ou d’images pour l’acquisition de documents de même nature. Supportés par un système de traitement de l’information, de tels outils n’apportent un réel progrès au traitement de l’information et à sa transformation que si les trois modes de représentation (textes, graphiques, images) sont gérés de manière indistincte au regard de l’utilisateur. De plus, avec l’accumulation de l’information permise par les nouveaux supports numériques rendrait caduque l’interrogation de bases de données par adresse pour privilégier l’interrogation par le contenu. Cette évolution est schématisée dans la igure n°36.