219 - Vision artificielle et robotique appliquée

Communications orales 09 h 00 → 09 h 30

Vision artificielle et robotique : tendances technologiques

• 09 h 00
  Mot de bienvenue
• 09 h 05
  Tendances et avancées technologiques en vision artificielle et en robotique
  Moulay Akhloufi (Université de Moncton)

  L'évolution des technologies en vision artificielle et en robotique a connu une croissance importante ces dernières années. On assiste aussi à une interaction plus étroite entre ces deux domaines qui permet d'assister à l'émergence de la robotique intelligente. Selon les prédictions de Frost & Sullivan, la robotique intelligente intégrant la vision artificielle est la technologie qui va connaitre une des plus grande croissance. Dans cette présentation, nous allons discuter des tendances futures de ces deux technologies pour les prochaines années.

Communications orales 09 h 30 → 16 h 00

Vision artificielle : vision 3D, vidéosurveillance et CND

• 09 h 30
  Survol des activités de recherche en vision artificielle au Laboratoire de vision et systèmes numériques
  Denis Laurendeau (Université Laval)

  La conférence présentera un résumé des activités de recherche récentes et actuelles en vision artificielle au Laboratoire de vision et systèmes numériques et les perspectives de développements futurs.

• 10 h 00
  Utilisation de l'image et de la vision artificielle dans le développement d'outils de détection et de mesure dédiés aux feux de forêt
  Lucile Rossi (Université de Corse)

  Les feux de forêt représentent un risque majeur pour de nombreux pays dont la France, l'Espagne, la Grèce, le Portugal, la Russie, l'Australie, la Californie et le Canada. Ils occasionnent souvent des pertes humaines, économiques et écologiques importantes. La lutte contre ce risque majeur est d'autant plus efficace qu'il est possible d'anticiper son comportement au cours du temps et de détecter précocement son départ.
  L'anticipation du comportement du feu au cours du temps est possible grâce à des modèles de propagation. Ils nécessitent d'être initialisés, validés et/ou améliorés et pour cela il faut être capable d'estimer la position, la vitesse, la hauteur, la surface et le volume d'un front en propagation. Depuis une dizaine d'années, des travaux de recherche sont menés pour développer des instruments de mesure dédiés aux feux de forêt basés sur le traitement de l'image et la vision 3D. Des avancées significatives ont été faites concernant le développement de tels outils pour des feux en propagation à l'échelle du laboratoire et à l'échelle du semi-terrain.
  

• 10 h 30
  Pause
• 10 h 45
  Survol des activités du CRIM en traitement vidéo et vidéosurveillance intelligente
  Langis Gagnon (CRIM - Centre de recherche informatique de Montréal)

  Nous présenterons un résumé des différents projets en vidéosurveillance intelligente menés par l'équipe Vision et Imagerie du CRIM sur des problématiques comme la détection et le suivi d'objets ou de personnes en mouvement, la détection d'événements et la détection d'objets abandonnés.

• 11 h 15
  Inspection non destructive par vision infrarouge
  Hakim Bendada (Université Laval)

  Vision infrarouge, Contrôle non destructif, Inspection de procédés, Caractérisation de matériaux, Traitement dimages

• 11 h 45
  Dîner
• 13 h 30
  Introduction à la programmation parallèle GPGPU en traitement d'images
  Gilles Champagne (Cégep Lévis-Lauzon)

  Ce tutoriel présente une introduction à la programmation parallèle sur GPGPU (General-Purpose computation on Graphics Processing Units) pour développer des algorithmes de traitement des images.

• 14 h 15
  Biométrie en temps réel utilisant le GPGPU
  Moulay Akhloufi (Université de Moncton)

  La biométrie est un domaine important de la sécurité et la vidéosurveillance. Elle vise à établir l'identité d'une personne en mesurant une ou plusieurs de ses caractéristiques physiques. Diverses techniques ont été développées pour les extraire de manière fiable.
  Cet exposé présente l'utilisation de la programmation GPGPU pour optimiser en temps-réel le traitement des images dans le domaine de la biométrie. Plus particulièrement, l'extraction des caractéristiques physiologiques dans le spectre infrarouge.
  

• 14 h 45
  Pause
• 15 h 00
  Contributions en surveillance vidéo
  Guillaume-Alexandre Bilodeau (Polytechnique Montréal)

  Les systèmes de surveillances vidéo sont en progrès continu. Malgré ce fait, la surveillance vidéo automatisée est encore peu utilisée en pratique, car les algorithmes de détection et de suivi automatiques ne sont pas encore assez fiables. Nous proposons dans cette présentation trois avenues possibles pour l'amélioration des performances des systèmes de surveillance: 1) L'ajout d'un senseur thermique pour obtenir des informations complémentaires sur la scène, 2) Des algorithmes de suivi pour des conditions difficiles avec un senseur thermique, et 3) le suivi avec une caméra orientable (PTZ) qui permet de progressivement zoomer sur une cible.

• 15 h 30
  Mesure optique 3D et robotique : de nouvelles applications
  Jérôme-Alexandre LAVOIE (Creafom 3D), Charles Mony (Creaform)

Cocktail 16 h 00 → 18 h 00

Activité de maillage recherche-industrie 

Communications orales 09 h 00 → 13 h 30

Robotique intelligente : vision 3D, collaboration et précision

• 09 h 00
  La robotique à l'institut de recherche d'Hydro-Québec
  Alain CROTEAU, Regis Houde (IREQ - Institut de recherche d'Hydro-Québec)

  Depuis près de vingt ans, l'équipe robotique de l'IREQ conçoit et réalise des systèmes robotisés pour l'inspection et l'intervention dans les milieux hostiles que comportent ses installations (sous tension, sous-marin, radiation, espace restreint). Parmi ses réalisations les plus marquantes, on note le robot Scompi pour des interventions sur les turbines et les pièces encastrées, le robot sous-marin Maski pour l'inspection des structures immergées et le robot LineScout pour l'inspection des lignes de transport. La présentation fera un survol des ressources matérielles et des expertises de l'équipe et décrira ses différentes réalisations, leur déploiement sur le terrain et leurs bénéfices.

• 09 h 30
  Applications industrielles de la collaboration humain-robot
  Clément Gosselin (Université Laval)

  Les robots industriels constituent une technologie mature et bien établie. Toutefois, ils ne peuvent généralement pas être utilisés pour collaborer physiquement avec des humains, pour des raisons de sécurité.
  Cette présentation fera état de recherches en cours à l'Université Laval dans le domaine de la coopération humain-robot. Le développement de robots de collaboration, d'algorithmes de commande et de capteurs intelligents sera exposé. Des démonstrations expérimentales seront commentées.

• 10 h 00
  La vision 3D pour les applications robotiques
  Zoran Glozinic (SPG Vision & Robotic)

  Ces dernières années, des systèmes de mesure 3D sans contact ont été intégrés par diverses industries et ils ont lentement mais sûrement commencé à envahir le marché des systèmes de mesure traditionnelle. Diverses technologies sont aujourd'hui disponibles pour fournir des solutions de mesure à des applications de contrôle de la qualité ou de procédé. Dans cette présentation, nous discuterons des principaux avantages des systèmes optiques 3D mais également des défis auxquels l'ont fait face lorsque l'on emploie de telles technologies. Le traitement des données 3D sera également discuté, ainsi que différentes façons de rapporter ces données en lien avec le type d'application. Quelques applications réelles seront décrites, montrant comment des systèmes de vision 3D ont permis d'entièrement automatiser des tâches de procédé ou d'inspection.

• 10 h 30
  Pause
• 10 h 45
  Amélioration de la précision de positionnement absolu des robots industriels par vision numérique
  Moulay AKHLOUFI (CRVI - Centre de Robotique et de Vision Industrielles), Xavier MALDAGUE (Université Laval), Vincent Paquin (Université Laval)

  Cet article explore une méthode qui repose sur la vision numérique et qui permet d'améliorer la précision de positionnement absolu des robots manipulateurs industriels. En effet, comme ces machines sont habituellement assignées à des tâches répétitives, tous les efforts de conception ont visé à leur assurer une répétabilité optimale sans réels égards aux aspects de précision. Malgré cela, de plus en plus d'applications sollicitant cette qualité font leur apparition en robotique industrielle, généralement dès que l'on parle de programmation « hors-ligne ». Elles le font plus particulièrement dans les domaines de l'usinage et de l'aérospatiale où il peut être très intéressant de positionner de la façon la plus exacte possible la pointe d'un outil selon un modèle informatique tridimensionnel (CAD).
  Pour améliorer les performances à ce niveau, la méthode suivante a été appliquée. Une caméra est montée sur un robot et permet d'effectuer le suivi d'une cible fixée dans l'espace de travail. Une série de poses pour le robot est générée automatiquement et pour chacune d'elles l'information de la caméra permet de les corriger de façon à ramener la cible à un point et une taille de référence dans l'image. À partir de ces données et de celles qui proviennent des encodeurs du bras, il est possible de déterminer les erreurs dues aux déformations élastiques touchant les joints.
  La méthode a d'abord été testée en simulation, puis validée sur des robots utilisés dans l'industrie.

• 11 h 15
  Guidage par vision d'un préhenseur universel articulé pour soudage robotisé sans gabarit de maintien
  Moulay AKHLOUFI (CRVI - Centre de Robotique et de Vision Industrielles), Vincent Paquin (Université Laval)

  En soudage robotisé, les pièces à assembler doivent habituellement être maintenues par des gabarits qui leur assurent une position stable, connue et invariante d'une itération à l'autre, permettant ainsi aux robots d'effectuer leurs tâches. Cette méthode comporte plusieurs inconvénients : un opérateur doit être impliqué dans la boucle pour placer les pièces dans les gabarits (ou une coûteuse machine spécialisée doit le faire), différents gabarits doivent être conçus, fabriqués et entretenus pour chaque type de pièces, et le robot doit être rééquipé lorsque le type de pièces change. Toutes ces opérations entraînent des coûts non négligeables qui pourraient être évités.
  Cet article présente un système de soudage robotisé qui règle les problèmes énoncés précédemment. Il est constitué de deux bras manipulateurs, le premier étant muni d'un préhenseur polyvalent articulé et le second, d'une buse de soudage. L'ensemble est guidé par des algorithmes de vision numérique. Le préhenseur s'adapte aux différents types de pièces, ce qui permet d'éviter de rééquiper le robot. Grâce au guidage par vision numérique, il est possible de saisir les pièces sur un convoyeur ou une simple table, rendant ici superflu le recours à un gabarit. Les principaux aspects du travail sont la calibration entre les différentes composantes, les algorithmes de vision et les stratégies de soudage. Un prototype a été conçu et testé avec succès sur de vraies pièces utilisées en industrie.

• 11 h 45
  Dîner

Communications orales 13 h 30 → 14 h 30

Vision artificielle II : vision 3D et vidéosurveillance

• 13 h 30
  Application de vision numérique utilisant le capteur Kinect pour l'identification et le suivi d'usagers interagissant avec une table interactive
  Juan ECHEVARRIA (CIMMI - Centre collégial de transfert en imagerie numérique et médias interactifs), Glenn FRANCK (R et D pour la défense Canada), Éric HARVEY (CIMMI - Centre collégial de transfert en imagerie numérique et médias interactifs), Jean-Nicolas Ouellet (CIMMI - Centre collégial de transfert en imagerie numérique et médias interactifs), Stacey SCOTT (University of Waterloo)

  Les environnements collaboratifs de type tables interactives connaissent un intérêt grandissant ces dernières années. Dans ce type d'environnement, les usagers interagissent physiquement avec la surface de la table soit en utilisant leur main ou un stylet. Dans ce contexte, la gestion des identités de plusieurs personnes interagissant autour de la table et leurs droits d'accès aux informations affichées est problématique. En effet, bien que des méthodes de reconnaissance de visages existent pour reconnaitre l'usager, il est difficile d'établir le lien entre une main interagissant avec la table et un usager en particulier. Afin de résoudre cette problématique, nous proposons d'utiliser le capteur de mouvement Kinect de Microsoft afin de déterminer l'identité des usagers interagissant avec la table. Pour se faire, nous exploitons la carte de profondeur retournée par le capteur pour détecter et suivre chaque usager. Le capteur nous renseigne sur la posture de l'usager en déterminant, entre autres, la position des bras et de la tête. En appliquant un algorithme de reconnaissance faciale à l'image 2-D de la caméra visible de la Kinect, il est alors possible de déterminer l'identité de l'usager interagissant avec la table. Nous présenterons les résultats de ce travail de recherche financé par R&D pour la Défense Canada (DRDC Atlantic), en collaboration avec le département d'ingénierie systèmes de l'Université de Waterloo.

• 14 h 00
  Détection des véhicules avec le flot optique dense et les descripteurs de Fourier
  Dominique Beaulieu (Université Laval)

  Les dernières années ont vu l'industrie automobile explorer la fabrication de véhicules intelligents afin d'améliorer la sécurité routière. Parmi les fonctionnalités étudiées pour les systèmes d'aide à la conduite se trouvent la détection des véhicules qui a pour objectif la diminution du risque de collision en enlevant automatiquement le régulateur de vitesse en cas de coupure de route.
  Nous utilisons la méthode de flot optique proposée par Brox et al. 2004 en émettant certaines hypothèses sur les caractéristiques du flot optique généré par les véhicules (vitesse, direction, position). Par seuillage du flot optique, nous isolons d'abord une première région d'intérêt. De cette région, nous isolons une deuxième région d'intérêt à partir des arêtes détectées, région qui se rapproche du véhicule à détecter et représentée par un contour. Les arêtes contenues dans cette deuxième région comprennent, en plus de celles du véhicule, celles de l'arrière-plan et de la route, ce qui fait que le contour obtenu est « bruité ». Si l'on compare le contour obtenu à un signal, les arêtes non désirées introduisent dans la deuxième région d'intérêt ce qui se compare à des hautes fréquences que l'on peut filtrer dans le domaine fréquentiel en représentant le contour à l'aide des descripteurs de Fourier. Le contour ainsi filtré épouse presque la forme réelle du véhicule.

Panel / Atelier 14 h 30 → 15 h 30

Vision artificielle et robotique appliquées (discussions et clôture)