Équipe AVR - Automatique Vision et Robotique

ISAV 2020-2021

De Équipe AVR - Automatique Vision et Robotique
Sauter à la navigation Sauter à la recherche

Projets tutorés

  • Présentation et attribution des sujets : jeudi 10 décembre de 9h
  • Debut des projets : vendredi 15 décembre en salle C138 pour les projets qui auront lieu à TPS; vendredi 15 décembre à l'IHU pour les projets qui auront lieu à l'IHU (contacter l'encadrant afin d'obtenir un rendez-vous !!)
  • Evaluation des projets : vendredi 19 février de 8h30 à 14h en salle C138
  • Sujets :

Sujet 1 : traitement d'image pour l'identification d'un robot à câbles

  • Encadrants : Edouard Laroche [mailto: laroche@unistra] et Rima Saadaoui [mailto: rsaadaoui@unistra.fr]
  • Objectifs : contribuer à l'identification d'un modèle de robot à câbles en estimant, à partir d'un flux vidéo, les déformations transverses d'un de ses câble
  • Déroulement du projet : Un modèle de robot à câbles a été développé qui prend en compte des déformations transverses de type paraboliques. A partir d'un flux vidéos obtenu sur un robot planaire (il suffit pour cela de n'utiliser que 4 câbles du robot qui en comporte 8), vous aurez la charge d'estimer l'évolution au cours du temps des déformations des câbles. Selon les conditions au moment du projet, vous pourrez participer aux expérience destinées à récupérer le flux vidéo. Suivant votre avancée, vous pourrez également prendre en main le simulateur du robot et comparer les trajectoires obtenues avec celle fournies par la simulation.
  • Matériel disponible : robot à câbles INCA 6D et caméra
  • Lieu : Illkirch ou à distance
  • Etudiants :

Sujet 2 : Asservissement visuel direct pour l'endoscopie flexible robotisée

  • Encadrant : Florent Nageotte [1]
  • Objectifs : Les méthodes d’asservissement visuel direct (également appelé asservissement visuel photométrique ou asservissement visuel basé luminance) permettent de réaliser le contrôle d’un robot à partir d’images sans avoir recours à des procédures de traitement d’image complexes. Le vecteur d’erreur consiste en la différence des niveaux de gris entre une image désirée et l’image courante. Le jacobien utilisé dans le correcteur ne dépend alors que du gradient de l’image courante, qui peut être obtenu très facilement [Col2008,Col2011]. Ces techniques ont beaucoup été utilisées dans le cas de robots médicaux guidés par ultrasons [Nad2013] car les techniques conventionnelles nécessitant d’extraire des primitives visuelles fonctionnent mal dans le cas d’images ultrasonores.

Principe asservissement visuel direct.png

En endoscopie ces techniques ont peu été utilisées. Une des difficultés est liée au sous-actionnement des endoscopes robotisés. Par exemple, l’endoscope du robot STRAS [2] développé au laboratoire ICube dispose de seulement 4 DDLs. Il est donc en général impossible de réduire l’erreur de luminance à zéro. Une autre limitation est le bassin de convergence réduit des asservissements visuels directs. Les applications de suivi actif pour lesquelles l’erreur reste faible sont peu affectées par ce problème. Ce n’est plus le cas si l’erreur ne peut pas être annulée.

Dans ce projet on s’intéressera aux possibilités de contrôle d’un endoscope robotisé à partir d’asservissement visuel direct. Pour cela on développera un simulateur basé sur Matlab afin d'explorer la possibilité d'utiliser des invariants aux mouvements non motorisés.

  • Références :

[Col2008] C. Collewet, E. Marchand, and F. Chaumette. Visual servoing set free from image processing. In IEEE Int. Conf. on Robotics and Automation, ICRA08, Pasadena, CA, May 2008.

[Col2011] C. Collewet and E. Marchand. Photometric visual servoing. IEEE Trans. on Robotics, 27(4):828–834, August 2011.

[Nad2013] C. Nadeau and A. Krupa.Intensity-based ultrasound visual servoing : Modeling and validation with 2-d and 3-d probes.Transactions on Robotics, 29(4) :1003–1015, August 2013

  • Déroulement du projet :
    • Développement d'une simulation avec Matlab
    • Test de lois de commande
    • Simulation sur images endoscopiques
  • Matériel disponible : Utilisation de Matlab en salle de projet, images in vivo d'endoscopie
  • Lieu : Télécom Physique Strasbourg / Distanciel
  • Etudiants :

Sujet 3 : Filtrage pour la reconstruction de pose avec une caméra en mouvement

  • Encadrants : Florent Nageotte [2]
  • Objectifs : On souhaite tester des méthodes de filtrage (filtre de Kalman sans parfum, filtre particulaire) pour reconstruire la pose complète d'une caméra par rapport à un objet inconnu dans le cas où la mesure du mouvement de la caméra est très imprécise. L'application visée est en endoscopie flexible robotisée, où les mouvements de la caméra endoscopique sont mal connus en raison des erreurs sur le modèle cinématique direct du robot (frottement des câbles, déformations du corps de l'endoscope, écrasement des vertèbres de flexion). On se trouve donc dans le cas où on dispose d'un modèle de changement d'état entâché de bruit et d'une mesure seulement partielle (facteur d'échelle inconnu), pour lequel des méthodes d'estimation d'état peuvent fournir des solutions intéressantes.
  • Déroulement du projet : Il s'agira d'un projet de simulation avec Matlab. Une simulation directe réaliste sera d'abord mise en place. Puis des méthodes de filtrage seront développées et testées dans différentes configurations (amplitude de mouvement de l'endoscope, erreurs sur le modèle cinématique). NB : ce projet pourrait être prolongé par un stage avec un focus sur les aspects de vision par ordinateur avec une mise en oeuvre sur un robot réel. Renseignements
  • Matériel disponible : Machine personnelle équipée de Matlab ou machine en salle de projet.
  • Lieu : Salle de projet TPS ou à distance.
  • Etudiants :

Sujet 4

  • Objectifs : Implémentation d'une loi de commande prédictive sous contraintes sur une carte Arduino Due.

La commande prédictive sous contraintes, Model Preditive Control (MPC) en anglais est une branche de l'automatique parmi les plus reconnues en industrie. L'idée est de construire un problème d’optimisation basé sur la prédiction des futurs états du système (à partir du modèle), ou la minimisation de la fonction coût permet d’atteindre les objectives de performance, tout en prenant en compte les contraintes : saturations, valeurs interdites pour l'état (vitesse maximale d'un moteur par exemple) ..etc. L’implémentation pratique de ces lois de commande nécessite la résolution, en temps-réel (< 1 ms), d'un problème d'optimisation de type programmation quadratique avec contraintes, ce qui représente la taches principale du projet. Enfin, nous souhaitons tester la solution sur une maquette que nous utilisons pour les travaux pratiques en automatique (QET DC Motor Control Trainer). L'idée et de contrôler la position d'un moteur à courant continue, en minimisant l’énergie du signal de commande et en respectant les contraintes : ne pas dépasser une vitesse maximale donnée et respecter la saturation du signal d'entrée.

DC quanser.jpeg
  • Déroulement du projet :
  1. Programmer un solveur des problèmes d'optimisation de type programmation quadratique avec contraintes.
  2. Optimisation du code afin d'atteindre une convergence rapide (< 1 ms)
  3. Écrire les bibliothèques permettant de formaliser un problème MPC
  4. Évaluer la solution sur une maquette de commande de la position d'un moteur à courant continu
  • Matériel disponible :
  1. Arduino Due
  2. Carte électronique permettant de faire l'interface avec la maquette
  3. Maquette de commande de la position d'un moteur à courant continu
  • Lieu :
  1. A Distance
  2. C003 - Télécom Physique Strasbourg, pour l’évaluation pratique
  • Etudiants :

Sujet 5

  • Encadrants : [mailto: ]
  • Objectifs :
  • Déroulement du projet :
  • Matériel disponible :
  • Lieu :
  • Etudiants :

Sujet 6

  • Encadrants : [mailto: ]
  • Objectifs :
  • Déroulement du projet :
  • Matériel disponible :
  • Lieu :
  • Etudiants :

Sujet 7

  • Encadrants : [mailto: ]
  • Objectifs :
  • Déroulement du projet :
  • Matériel disponible :
  • Lieu :
  • Etudiants :

Sujet 8

  • Encadrants : [mailto: ]
  • Objectifs :
  • Déroulement du projet :
  • Matériel disponible :
  • Lieu :
  • Etudiants :

Sujet 9

  • Encadrants : [mailto: ]
  • Objectifs :
  • Déroulement du projet :
  • Matériel disponible :
  • Lieu :
  • Etudiants :

Sujet 10

  • Encadrants : [mailto: ]
  • Objectifs :
  • Déroulement du projet :
  • Matériel disponible :
  • Lieu :
  • Etudiants :