Strategie Pour Le Suivi Et La Saisie D Un Objet Mobile A L Aide D Un Manipulateur Decoupable A 6ddl D Architecture Generale Guide Par Un Systeme De Vision

Stratégie pour le suivi et la saisie d'un objet mobile à l'aide d'un manipulateur découpable à 6DDL d'architecture générale guidé par un système de vision

Couplage perception-action : application a la saisie automatique d'objets dans un environnement partiellement connu

NOUS NOUS INTERESSONS DANS CE MANUSCRIT A LA MANIPULATION D'OBJETS DANS UN ENVIRONNEMENT PARTIELLEMENT CONNU. AFIN DE FOURNIR AUX PLANIFICATEURS DE MOUVEMENT MIS EN JEU UN MODELE DE L'ENVIRONNEMENT CONFORME A LA REALITE PHYSIQUE, NOUS CONSTRUISONS DIFFERENTS MODELES SUR LA BASE D'INFORMATION SENSORIELLE ISSUE DE PLUSIEURS CAPTEURS VISUELS. NOUS UTILISONS POUR CELA UN CAPTEUR CAMERA-LASER POUR LA CONSTRUCTION D'UN MODELE LOCAL DU VOISINAGE DE L'OBJET A SAISIR, ET UN CAPTEUR DE VISION STEREOSCOPIQUE POUR LA CONSTRUCTION D'UN MODELE GLOBAL DE L'ENCOMBREMENT DE LA SCENE. CES MODELES SONT ENSUITE RESPECTIVEMENT EXPLOITES PAR LE MODULE DE CHOIX DE PRISES ET PAR LE PLANIFICATEUR DE TRAJECTOIRE AFIN DE PRODUIRE UNE SEQUENCE DE MANIPULATION EXECUTABLE. AFIN DE PRENDRE EN COMPTE LES CONTRAINTES DE PERCEPTION LORS DES OPERATIONS SENSORIELLES, NOUS AVONS EGALEMENT DEVELOPPE UNE METHODE GEOMETRIQUE PERMETTANT DE POSITIONNER LES CAPTEURS VISUELS D'UNE FACON APPROPRIEE DANS LA SCENE. NOUS AVONS FINALEMENT PROPOSE ET IMPLANTE UNE ARCHITECTURE LOGICIELLE PERMETTANT DE COMBINER CES METHODES EN VUE DE CONSTITUER UN SYSTEME COMPLET

Détection et suivi d'objets mobiles perçus depuis un capteur visuel embarqué

Cette thèse traite de la détection et du suivi d'objets mobiles dans un environnement dynamique, en utilisant une caméra embarquée sur un robot mobile. Ce sujet représente encore un défi important car on exploite uniquement la vision mono-caméra pour le résoudre. Nous devons détecter les objets mobiles dans la scène par une analyse de leurs déplacements apparents dans les images, en excluant le mouvement propre de la caméra. Dans une première étape, nous proposons une analyse spatio-temporelle de la séquence d'images, sur la base du flot optique épars. La méthode de clustering a contrario permet le groupement des points dynamiques, sans information a priori sur le nombre de groupes à former et sans réglage de paramètres. La réussite de cette méthode réside dans une accumulation suffisante des données pour bien caractériser la position et la vitesse des points. Nous appelons temps de pistage, le temps nécessaire pour acquérir les images analysées pour bien caractériser les points. Nous avons développé une carte probabiliste afin de trouver les zones dans l'image qui ont les probabilités la plus grandes de contenir un objet mobile. Cette carte permet la sélection active de nouveaux points près des régions détectées précédemment en permettant d'élargir la taille de ces régions. Dans la deuxième étape nous mettons en oeuvre une approche itérative pour exécuter détection, clustering et suivi sur des séquences d'images acquises depuis une caméra fixe en intérieur et en extérieur. Un objet est représenté par un contour actif qui est mis à jour de sorte que le modèle initial reste à l'intérieur du contour. Finalement nous présentons des résultats expérimentaux sur des images acquises depuis une caméra embarquée sur un robot mobile se déplaçant dans un environnement extérieur avec des objets mobiles rigides et non rigides. Nous montrons que la méthode est utilisable pour détecter des obstacles pendant la navigation dans un environnement inconnu a priori, d'abord pour des faibles vitesses, puis pour des vitesses plus réalistes après compensation du mouvement propre du robot dans les images.