Asservissements et Commandes

La vision

a. Chez l’homme : « Une image vaut mieux que 10 000 mots ».La vision est l’un de nos sens le plus puissant. Elle nous permet la perception de notre environnement, du moins ce qui est visible (entre l’infrarouge et l’ultraviolet). Elle fait interagir en permanence le couple œil-cerveau. Sans parler du cerveau, L’œil est un organe complexe, combinant un système optique à géométrie variable et une matrice de réception point par point de l’image à haute résolution grâce à une concentration énorme de capteurs. Le nerf optique compte un million de fibres nerveuses. L’image est reconnue et mémorisée au niveau du cortex spécifique visuel du lobe occipital. Notons que notre vision est binoculaire, ce qui permet une perception en 3D.
b. En général : L’image ne se limite pas à ce qui est visible par l’œil humain. On peut utiliser toute la bande de l’onde électromagnétique (allant du Hz au GHz) pour capturer une image. Ceci est vérifié tant par la perception de nombreux animaux que par le succès récent en médecine de l’échographie, de l’IRM ; en télédétection du RADAR, Interférométrie ; etc. La vision est un processus de traitement de l’information utilisant des stratégies bien définies pour atteindre ses buts. L’entrée d’un système de vision est constituée par une séquence d’images, la sortie est une description de l’entrée en termes d’objets et de relations entre ces objets.

Puissance de la vision

                De tous nos sens, le sens de la vue est celui qui offre la plus grande flexibilité et nous apporte la plus grande quantité d’information sur ce qui nous entoure du fait de la multiplicité de ses dimensions : spatiale, énergétique, temporelle. La perception de notre espace, la reconnaissance des objets qui le composent, la détection du mouvement de ceux-ci sont des données essentielles pour l’humain et sont toutes transmises par le biais de ses yeux.

Vision artificielle

                 La vision artificielle est la construction par une machine d’une description sémantique et explicite des objets réels à partir d’images. La description est préalable à toute reconnaissance, manipulation et analyse sur les objets. Le terme de Vision Artificielle symbolise en effet toute la chaîne visuelle, partant de l’image brute et allant jusqu’à l’interprétation de son contenu. Il existe donc un aspect décisionnel très important lors de la phase de compréhension, d’où l’interaction étroite avec l’intelligence artificielle. Le traitement d’image s’intègre dans ce processus comme un outil.
a. Idée de base : L’homme n’éprouve aucune difficulté à décrire ce qu’elle voit, pourtant l’information qui est réellement disponible sur la rétine n’est, ni plus ni moins, une collection de points (environ un million). Il y a tout simplement en chaque point une information sur la quantité de lumière et la couleur qui provient de l’espace environnant et qui y sont projetés. Il ne s’agit pas d’ « imiter » la vision biologique mais de créer un modèle, qui vu de l’extérieur, possède des propriétés semblables.
b. Situation actuelle : Le succès récent des robots 3G capables de percevoir leur environnement et de réagir à celui-ci a beaucoup développé les théories et techniques de perception parmi lesquelles la vision est un domaine de recherche privilégié.[4] Il ya aussi, dans le domaine du multimédia, le concept de réalité virtuel et augmenté, le développement de l’interaction réel/virtuel ou homme/machine. La Vision Artificielle fait l’objet de nombreuse recherche du fait de ses nombreux domaines d’applications, surtout dans l’industrie. On s’intéresse beaucoup sur la perception multi-capteurs et fusion des données. En bref, la vision par ordinateur peut être vue comme une des technologies clés de ce 21è siècle.
c. Mise en œuvre : Voici le résumé des composantes d’une chaîne de vision par une machine : Le capteur dépend du domaine d’application mais est essentiellement une caméra. Celle-ci fournit une image brute. Les prétraitements réalisent les tâches d’amélioration de l’image ainsi que la mise en évidence des « points intéressants ». L’extraction de caractéristiques a pour rôle de faire une description de l’image compatible avec la description des objets contenus dans la base de connaissances, celle-ci étant la « mémoire » du système de vision. Elle joue un rôle d’interface et est directement liée au choix au type de fonctionnement du système de décision. Enfin le système décisionnel, par comparaison entre les caractéristiques qui lui sont fournies en amont et le contenu de la base de connaissances, va effectuer la reconnaissance. Ce dernier est l’intelligence du système de vision par ordinateur, il utilise les techniques de reconnaissance de formes qui ne sont pas spécifiques à l’image.
d. Difficulté : Tout ce que voit l’ordinateur est juste une grande matrice de nombres bruités (fournis par la caméra). Notre tâche est de transformer ceci en perception c’est-à-dire description en terme d’objets et de relation entre ceux-ci. Réinventer, avec du matériel informatique, les facultés encore incompris des systèmes visuels biologiques qui est spécialisés et à part analogique, est presque impossible, mais la spécification du domaine d’application simplifie grandement le système. On peut voir à travers cette illustration, à quel point la V.O. est difficile. Primitivement, l’image est une grande matrice de nombres.
e. Utilisation : On utilise essentiellement la vision pour remplacer l’homme dans une tâche assez simple, soit pour des raisons de performances, soit pour des conditions inadaptées (environnement risqué). Faute de le remplacer, elle pourra du moins assister l’homme pour mieux assurer sa tâche. Cela trouve donc de nombreuses applications dans différents domaines : industrielle (surveillance qualité, …), militaire (guidage des engins, reconnaissance, …), médical (compter les cellules, robotique médicale, télé-opération et assistance, …), sécurité (identification : empreinte digitale, visage, … et authentification), etc.

Méthodologie d’étude des systèmes asservis

                    Dans la conception d’un système asservi il faudra adopter un plan d’étude très rigoureux et bien organiser. On pourra opérer de la manière suivante :
Modéliser le système :
– Décomposer le système en fonctions E/S simples pour les interconnecter suivant des relations algébriques et/ou dynamiques pour en tirer un modèle aussi précis que possible du système.
– Simplifier ce modèle pour ne garder que les comportements significatifs de celui-ci.
L’objectif est d’obtenir un modèle le plus compact possible avec le nombre suffisant et nécessaire de paramètres à identifier et assez simple pour la synthèse d’une commande. Une fois celle-ci réalisée, la valider successivement sur des modèles de plus en plus complexes avant de l’implanter sur le système réel. En général, on cherchera à modéliser mathématiquement le comportement expérimental de la chaîne directe (actionneur, processus et capteur), car la modélisation directe n’est pas évidente, surtout lorsque le système existe déjà.
Identification des paramètres du modèle déterminé
Choix du type de commande et Synthèse :
Le choix de la commande (continue ou échantillonnée) intervient sur les choix matériels, en particulier lorsque le système existe et qu’on désire perfectionner son comportement en boucle fermé.
Synthétiser le correcteur
Cela consiste à amener le système vers la performance voulue et à effectuer une compensation des effets indésirables (si les données sont bien connues).
Essais
Les résultats expérimentaux valideront ou pas les choix précédents. Rien ne dit que ces choix aient été les bons, et il faudra peut-être les revoir (Revoir le modèle utilisé, réglage) Il faut souligner que c’est en général la complexité de la fonction à réaliser et non ces principes qui rendent le modèle final si complexe. Le choix du régulateur étant lié à la caractéristique « Entrée/Sortie » du système à asservir, il sera tout d’abord nécessaire de travailler sur le système physique à asservir et d’en établir un « modèle mathématique ».

Etude du système mécanique et robotique

a. mise en place des moteurs : Pour les systèmes robotiques, il existe deux types d’articulation : articulation rotoïdeR et articulation prismatique P. Le premier permet de faire un mouvement de rotation tandis que le second celui de translation. Les moteurs muni de transmissions se place au niveau des articulations.
b. Géométrie du système mécanique : La géométrie du système est caractérisé par :
– le nombre d’axe
– l’architecture : série ou parallèle
– Le chainage des articulations : R ou P
– Le nombre de DDL

Applications et améliorations ultérieurs

                              Les applications sont nombreuses surtout dans le domaine de la robotique. Aussi, plusieurs améliorations sont prévisibles vu que ce travail touche des domaines à la pointe de la technologie. Les techniques développées peuvent être intégré dans un quelconque système de détection et de poursuite d’une cible. Développé, notre système peut faire partie intégrante d’un atelier flexible c’est-à-dire une unité de production automatisé dont la structure permet le travail sur des produits différents et/ou a une tolérance au panne supérieur. L’utilisation de la vision active c’est-à-dire de développer une action reflexe au niveau du capteur. Cela consiste par exemple à diriger l’attention vers une partie de la scène au lieu d’interpréter vaguement toute la scène. Cela permet de lever les ambiguïtés et aussi d’augmenter la précision du système de vision.

Approche

                    Il est inconcevable, dans ce domaine de la technologie, de ne pas valider les résultats de recherche par des expérimentations sur des systèmes réels. Notre expérimentation n’est qu’une simulation, qui tente d’approcher de plus près que possible la réalité. Mais la réalisation finale dépend de la spécialisation du système :
-Militaire (radar, …)
-Médical (IRM, radio, écho, …)
-Industriel (caméra, caméra infrarouge, …)
-Grand public
Nous avons surtout orienté nos travaux sur les applications « indoor », c’est-à-dire dans un environnement plus ou moins contrôlé, mais les techniques peuvent être reprises pour inspirer des applications « outdoor ». Malgré les insuffisances en moyens et ressources, nous voulons surtout montrer que nous serions des ingénieurs capables de trouver des solutions techniques pour mettre en œuvre ses idées. On a surtout utilisé un PC pour faire tourner les logiciels de simulation et également comme système de contrôle. C’est d’ailleurs le seul système informatique à notre disposition. Un des avantages de l’utilisation d’un PC comme système de contrôle centrale est qu’on peut installer tous les outils de développement directement sur la plateforme cible évitant ainsi une compilation croisé complexe (les différents optimisations processeurs sont automatique). On a utilisé des webcams connectées sur le port USB comme capteur de vision. Le port parallèle est utilisé pour interfacer l’électronique de commande et la génération des séquences pour le moteur pas à pas.

CONCLUSION GENERALEET PERSPECTIVES

                    En gros, La V.A. permet de détecter un objet spécifique, de reconnaître un objet, d’extraire les caractéristiques d’un objet d’intérêt, de déterminer la pose par rapport à un repère lié au capteur de vision et de réagir en fonction de ce qui est vu, à partir des connaissances données au système. L’asservissement, c’est l’art de constater, de calculer et de bien doser la commande d’un système pour atteindre un but précis. Donc, en général, cela consiste à atteindre un état souhaité à partir de l’état actuel du système. Le problème principale est de savoir comment ? Techniquement, cela consiste à choisir le régulateur ou correcteur à utiliser. La performance et la souplesse des calculateurs numériques a permis de mettre en œuvre des techniques performantes d’asservissement. On constate que mise à part la solution apportée, la vision par ordinateur offre une nouvelle approche pour résoudre des problèmes importants notamment sur la perception robotique et l’interaction homme machine. Tout au long de ce travail, On a rencontré de nombreux problèmes, notamment sur la mise en œuvre de la vision et la vérification des résultats. On a pu résoudre quelques-uns, mais les résolutions adoptées soulèvent encore de nouveaux problèmes ! Nous avons adopté une approche plus analytique pour résoudre les problèmes de vision robotique. Cela permet non seulement d’utiliser, dans la vision, les quelques techniques d’asservissement, mais aussi d’intégrer, simplement, la vision dans la boucle d’asservissement. Nous avons pu valider notre propos par les quelques expérimentations. Une autre approche plus avancé est d’utiliser des méthodes statistiques (données multi-capteurs et EKF par exemple), des réseaux de neurones artificiels et les différentes techniques d’apprentissage par la machine (ML). En fait, cela relève du domaine de l’Intelligence artificielle. Enfin, nous souhaitons que ce travail de mémoire encourage, excite, aide, un tant soit peu, tous ce qui sont intéressés par le domaine vibrant de la « machine vision ».

Table des matières

REMERCIEMENTS
RESUME
LISTE DES ABREVIATIONS
LISTE DES TABLEAUX
LISTE DES FIGURES
INTRODUCTION
PARTIE 1 : GENERALITES
I. VISION ARTIFICIELLE
1. La vision
2. Puissance de la vision
3. Vision artificielle
II. ASSERVISSEMENT ET MECANISME
1. Introduction
2. Classification des systèmes asservis
3. L’asservissement analogique
4. L’asservissement numérique
5. Les bras manipulateurs
III. INTEGRATION DE L’INFORMATION VISUELLE DANS LA COMMANDE
1. Introduction
2. Les modes d’asservissement
3. La mise en œuvre
4. Environnement logiciel et matériel
5. Exemples d’application
PARTIE 2 : ETUDE ET CONCEPTION D’UN SYSTEME D’ASSERVISSEMENT VISUEL
IV. PERCEPTION, TRAITEMENT D’IMAGES ET VISION
1. Acquisition par CCD et traitement de bas niveau
2. Traitement de haut niveau : Filtrage et Segmentation
3. Approche classique
4. Approche avancée – Stéréovision
5. Extraction de primitives
6. Développement logiciel
V. COMMANDE ET ASSERVISSEMENT NUMERIQUE EN POSITION ET EN VITESSE
1. Les moteurs à courant continu
2. Ensemble Moteurs – Capteurs
3. Module de puissance
4. Les moteurs pas à pas
5. Interfaçage avec le micro-ordinateur
VI. INTEGRATION DES INFORMATIONS DANS LA LOI DE COMMANDE ET ASSERVISSEMENT VISUEL
1. Etude du système mécanique et robotique
2. Traitement temps réel (méthodes et contraintes)
3. Approches de la vision
4. Commande d’un bras manipulateur
5. Asservissement visuel
6. Etude et mise en place du système entier
7. Applications et améliorations ultérieurs
PARTIE 3 : SIMULATION ET RESULTATS EXPERIMENTAUX
VII. Approche 
VIII. Les Simulations 
1. Simulation des circuits de commande des moteurs
2. Simulation du système robotique
3. Simple asservissement visuel
4. Asservissement polaire
CONCLUSION GENERALE ET PERSPECTIVES
ANNEXES
REFERENCES

Télécharger le rapport complet