Présentation de la vision en robotique

 Assurer la compétitivité de produits industrialisés par : − l’automatisation des chaı̂nes de production ; − le contrôle systématique de la qualité à chaque étape de fabrication ain d’atteindre le « zéro-défaut »; est un des enjeux industriels actuels. Jusqu’ici les systèmes robotisés ne travaillant que dans un univers igé et préalablement connu. Les systèmes de vision artiicielle permettent à ces systèmes d’appréhender l’univers évolutif dans lequel ils agissent : c’est la robotique dite de « troisième génération ». Les systèmes de vision ont pour but d’identiier, de localiser et d’effectuer des mesures sur les objets présents dans l’environnement d’un poste robotisé. Les domaines d’application de la vision en robotique vont être présentés.

 Métrologie

Dans ce domaine, on cherche à vériier les cô tes d’un objet fabriqué ou en cours de fabrication. Une des contraintes souvent présentée dans le relevé de mesure dimensionnelle est que l’opération puisse être mise en œuvre sans contact avec l’objet à analyser. Les meilleurs précisions sont obtenues avec l’emploi de dispositifs linéaires (barrettes). La igure n°1 présente trois applications de relevé de cô tes à l’aide de barrettes : La mesure du diamètre d’un objet cylindrique en cours de fabrication (contrôle d’étirage) ; L’asservissement du bord d’une bande par un système de deux caméras (la résolution est augmentée par pré-positionnement des capteurs et restriction de la zone d’analyse) ; Mesure de la hauteur d’objets en mouvement sur une tapis mobile. Le contrôle de cô tes à l’aide de capteurs linéaires est converti en un contrôle bidimensionnel pour des mesures échantillonnées lors du mouvement de l’objet à analyser ou du système d’analyse. Robotique et Vision par Ordinateur Page 10 Figure 1 : Application du traitement d’image à la métrologie (document Reticon)

 Localisation

La localisation permet de situer dans un environnement robotisé la position d’un objet et de commander un système de préhension pour en réaliser la saisie. C’est le cas d’une cellule d’assemblage où les pièces à assembler sont acheminées sur un tapis mouvant ou présentées sur un plateau d’approvisionnement. (cf. igure 2). La localisation d’un objet peut nécessiter la connaissance de sa position dans l’espace de travail, mais aussi son orientation dans celui-ci pour qu’une prise puisse être réalisée. Lorsqu’on utilise des systèmes d’acquisition de données réalisant une projection (caméra matricielle pour un univers tridimensionnel), la reconnaissance de la face d’équilibre de l’objet est nécessaire pour mener à bien une prise. Ainsi dans certains cas, la localisation ne peut se faire sans l’identiication de l’objet analysé : c’est notamment le cas lorsque plusieurs objets sont présents dans l’espace de vision. Robotique et Vision par Ordinateur Page 11 Le problème se complexiie encore lorsque les objets se recouvrent les uns les autres de manière ordonnée ou non : c’est le cas de la palettisation en vue du stockage ou de la dé-palettisation lors de l’alimentation d’une chaı̂ne automatisée.

Tri et identiication

Le tri est la forme la plus simple rencontrée en identiication. Lorsque différents objets primaires participent à la composition d’un objet à assembler, la première démarche consiste à créer un poste d’approvisionnement par objet participant à l’assemblage d’un nouvel objet au niveau du poste d’assemblage. Cette démarche apparaı̂t irréaliste lorsque : − les contraintes mécaniques et économiques limitent le nombre de postes d’approvisionnement ; − la ligne de production est partiellement robotisée ou en cours d’automatisation (le cas le plus général à l’heure actuelle) : les transferts entre postes sont réalisés de manière manuelle ; − le poste doit satisfaire à des contraintes de lexibilité (modiication du processus de fabrication ou de la composition du produit inal). Pour ces raisons, on préférera exécuter le tri des objets participant à la réalisation d’un produit ini à partir d’un poste d’alimentation unique à l’aide d’un système de vision. Lorsque ce système possède des facultés d’apprentissage, la procédure d’identiication peut être alors modiiée pour prendre en compte de nouveaux objets. Les méthodes mises en œuvre pour identiier des objets permettent de distinguer ces objets dans un univers de classes restreint, comparé au pouvoir de reconnaissance humain, mais sufisamment pour une application industrielle (par exemple la reconnaissance des lettres de l’alphabet pour une police de caractères imprimés).