HAL Id: tel-00844931
https://tel.archives-ouvertes.fr/tel-00844931
Submitted on 16 Jul 2013
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Romeo Tatsambon Fomena
To cite this version:
Romeo Tatsambon Fomena. Asservissement visuel par projection sphérique. Robotique [cs.RO].
Université Rennes 1, 2008. Français. �tel-00844931�
THESE
présentée
devant l'Université de Rennes 1
pour obtenir
le gradede : Do teur de l'Université de Rennes 1
Mention Traitement du Signal et télé ommuni ations
par
TATSAMBON FOMENA Roméo
Equipe d'a ueil: IRISA,Equipe-projetLagadi
E ole Do torale: Matisse
Composante universitaire : SPM
Titre de lathèse :
Asservissement visuel par proje tion sphérique
Soutenue le28 novembre 2008 devantla ommission d'examen
M. Kadi Bouatou h Président
MM. Philippe Martinet Rapporteurs
Seth Hut hinson
MM. Patri k Rives Examinateurs
El-Mustapha Mouaddib
Je remer ie Kadi Bouatou h qui me fait l'honneur de présider e jury. Je remer ie
Philippe Martinetet Seth Hut hinsond'avoirbienvoulu a epter la hargede
rappor-teur. Je remer ie Patri k Rives et El-Mustapha Mouaddib d'avoir bien voulu juger e
travail.
Je remer ie mondire teur de thèse François Chaumette : 'est la onan e que tu
m'asa ordée qui m'adonné desailes.
Mauri e T huenté, vousêtes mon modèle. Ce travail estle fruit desidées que vous
avezinitiéesdepuisl'UniversitédeNgaoundéré.Pour avoirfait ir uler l'aide,jetiensà
diremer iàMi helT hotsoua.GillesPokam,tes onseilsm'ontguidé, jet'enremer ie.
Mon devoirest de ontinuer àfaire ir uler l'aideet les idées reçues.
Eri Pottier, Shane Cloude et Wolfgang-Martin Boerner, j'apprends toujours de
vous: je rêve d'uneappli ation de l'asservissement visuel enimagerie radar.
Désiré, Flavien, Odile, Véronique et Anne, mention spé ialeà voustous, vousavez
étéprésentstoutle temps delamise enroute del'oeuvre.
Shaharyar, weunderstand ea h otheron manypoints.I havelearnt alotfrom you.
Nowwe should think about a hopefully bright future... you knowwhat Imean.
Ryuta thanks a lot for the fruitful dis ussions we have had on the stability. Now I
feelstableon thatissue.
Céline et Amaury, votre regard, sur les dernières lignes de e mémoire, a permis
d'améliorer elui- i.
Rak, Céline, Ni olas, Claire, Albert, Murielle, Fabien, Anthony, Andrea, Xiang,
Alexandre,Mohammed,Eri etChristophe, jevousremer iepourvotreparti ipatio nà
l'ambian e vivante danslaquelle j'aibaigné.
Didier, Lysiane et Guerri , le livre, sur la re her he, que vous m'avez oert a été
une grandesour e d'inspiration et de motivation.
Papa,maman,Céline,Sylvain,Nadège, Mireille, Harmanet Léonie,votreprésen e,
Introdu tion 5
1 Cadre de l'étude 9
1.1 Formationde l'image . . . 10
1.1.1 Systèmespour lavision omnidire ti onnelle . . . 11
1.1.2 Passage du repèrede l'objetaurepère deproje tion . . . 13
1.1.3 Proje tion surleplan image . . . 15
1.1.4 Passage du planimage au apteur . . . 19
1.2 Commande . . . 21
1.2.1 Pose durobot relative àl'objet . . . 22
1.2.2 Spé i ation visuelle d'unetâ he . . . 23
1.2.3 Analysede stabilité . . . 24
1.3 Séle tiond'informations visuelles . . . 29
1.3.1 Asservissement visuel2D . . . 29 1.3.2 Asservissement visuel3D . . . 31 1.3.3 Asservissement visuel2 1/2D . . . 33 1.4 Synthèse . . . 34 2 Modélisation 37 2.1 Imagede points . . . 37
2.1.1 Informations visuelles existantes . . . 38
2.1.2 Nouvelles informationsvisuelles pour un point. . . 39
2.1.3 Nouvelles informationsvisuelles pour deux points . . . 43
2.2 Imagede droites . . . 45
2.2.1 Informations visuelles existantes . . . 46
2.2.2 Nouvelles informationsvisuelles . . . 48
2.3 Imagede sphères . . . 51
2.3.1 Informations visuelles existantes . . . 51
2.3.2 Nouvelles informationsvisuelles . . . 55
2.4 Momentssphériques . . . 59
2.4.1 Momentssphériques omme informationsvisuelles . . . 59
2.4.4 Appli ation au assimple d'unesphère . . . 75
2.5 Imagede er les 3D . . . 76
2.5.1 Informations visuelles existantes . . . 77
2.5.2 Nouvelles informationsvisuelles . . . 78
2.6 Synthèse . . . 79
3 Appli ation à l'asservissement visuel 83 3.1 Positionneme nt par rapportà unpoint . . . 83
3.1.1 Informations visuelles hoisies et analyse dela ommande . . . . 84
3.1.2 Résultats expérimentaux . . . 85
3.2 Positionneme nt par rapportà unobjetdénipar un ensemblede points 88 3.2.1 Informations visuelles existantes . . . 88
3.2.2 Informations visuelles hoisies . . . 89
3.2.3 Analysede la ommande. . . 90
3.2.4 Résultats . . . 91
3.3 Positionneme nt par rapportà unesphère . . . 100
3.3.1 Informations visuelles hoisies et analyse dela ommande . . . . 101
3.3.2 Résultats : paramétrisationgénérale . . . 103
3.3.3 Résultats : paramétrisationspé ique . . . 107
3.4 Positionneme nt par rapportà unesphère marquée . . . 109
3.4.1 SphèreCC . . . 110
3.4.2 Sphèrespé iale . . . 112
3.4.3 Analysede la ommande. . . 113
3.4.4 Résultats : sphèreCC . . . 114
3.4.5 Résultats : sphèrespé iale . . . 120
3.5 Synthèse . . . 122
Con lusion 125 A Complément pour la modélisation de l'image de points 129 A.1 Cal uldes informationsvisuelles . . . 129
A.2 Matri ed'intera tionasso iée à
ζ
. . . 131A.3 Analysede lastabilité dela ommande pour un point . . . 133
B Complément pour la modélisation de l'image de droites 135 B.1 Proje tion entrale atadioptrique d'une droite . . . 135
B.2 Cal uldes informationsvisuelles . . . 137
C Complément pour la modélisation de l'image de sphères 141 C.1 Cal uldes informationsvisuelles . . . 141
C.2 Analysede stabilité dela ommande . . . 145
D Cal ul des moments sphériques surle plan image 153 D.1 Cal uldes moments sphériquessurun système atadioptrique . . . 153
E Moments sphériques et image de la sphère 157
E.1 Expressiondesmomentssphériquesen fon tiondesparamètres 3Ddela
sphère . . . 157
F Complément sur la modélisation de l'image de er les 3D 161
F.1 Proje tion sphérique d'un er le3D. . . 161
F.2 Proje tion atadioptrique d'un er le3D . . . 162
G Asservissement visuel par rapport aux sphères marquées 165
G.1 Cal ulde lamatri e derotation
c
R
o
. . . 165G.2 Analysede stabilitéaux erreursde modélisation . . . 167
Voir, oune pasvoir, telleest laquestion.
Ya-t-il plus denoblesse d'âme pour un robot à subir
La dépendan e extrême àsonenvironnement et à sonutilisateur,
Oubienà seprémunir ontrelafragilitéde sonautonomie
Et àlaréduire par une révoltevisuelle? 1
Laréponseà ettequestiondépenddel'appli atio nenvisagée.Pourdesappli ations
qui né essitent de répéter les mêmes tâ hes dans un environnement onstant et
maî-trisé, un robot peut se passerde vision et de toute per eption. C'est le as desrobots
manufa turiers utilisés sur la plupart des lignes de montage. En revan he, pour une
appli ation telleque lesuivi de ible, lavision estfondamentale.En eet,tout omme
hez l'homme, la fa ulté de per eption visuelle permet à un robot de s'informer sur
l'étatde sonenvironnement et de s'adapterauxpossiblesvariations de e dernier.
Le mouvement d'un robot équipé d'une améra peut être ommandéà partir de sa
per eption visuelle en utilisant la te hnique d'asservissement visuel. L'asservissement
visuel onsiste à utiliser laper eption pour l'a tion dans une bou le fermée, omme le
montrelagure 1.
ACTION
PERCEPTION
2 m/s
Robot
Cam ´era
Point
Objet
Fig. 1 Per evoir pour agir.
La per eption visuelle d'un objet peut être dénie omme l'abstra tion d'un
en-semble de mesures visuelles surl'objet que voit le robot. Par exemple, surla gure 1,
les oordonnées del'imagedupointsurl'objetreprésententlaper eptiondepositionde
l'objetparrapportaurobot.L'a tionquant àellepeutêtrevue omme unmouvement
(ou dépla ement ) durobot pour ee tuerune tâ he.
L'a roissementdel'autonomiedurobotpassenonseulementparl'élargissementde
son hamp de vision mais aussi et surtout par une per eption pertinente de son
envi-ronnement.
Le problème théorique sous-ja ent à une per eption pertinente de l'environnement
estlamodélisationd'informationsvisuelles adéquates, 'est-à-direpermettant aurobot
de s'appro her d'un omportement idéal pendant une tâ he(par exempleau niveaude
sa traje toire). Bien entendu, mieux le robot perçoit son environnement meilleur est
son omportement. Ce problème bien qu'ayant été l'objet de nombreuses re her hes
fru tueuses par lepassé,esten ore d'a tualité.
En eet, outre les problèmes ouverts dans la littérature sur la modélisation en
vi-sionperspe tive,peude travauxontétémenéssurl'aspe tmodélisationenutilisantles
systèmes devision omnidire ti onnelle.
Ces systèmes de vision ontraireme nt aux améras perspe tives onventionnelles,
orentunlarge hampde visiontrèsutile pour desappli ationsenrobotiquemobileet
aérienne.
Si es nouveaux systèmes de vision apportent une solution à l'élargissement du
hamp de vision du robot, il reste en ore à savoir omment exploiter judi ieusement
lagrandequantité d'informations qu'ils aptent an d'améliorerle omportement d'un
robot ommandépar asservissement visuel.
L'obje tif de etteétudeestde modéliserdesinformations visuellesidéalespourun
objet observé, aussi bien par une améra perspe tive onventionnelle que par un
sys-tème devision omnidire ti onnelle.
Pré isément, il s'agit non seulement d'améliorer , à travers le hoix d'informations
visuelles,lespropriétésa tuellesdesloisde ommande,maisaussiderepenseret
d'adap-terlamodélisation,quiàl'origineaétérestreinteau hampdevisionlimitédes améras
perspe tives lassiques,andeproter dularge hampdevisionoert parlessystèmes
de visionomnidire tionnelle.
L'appro heproposéeestlamodélisationparproje tionsphériquepuisque emodèle
métrisationqui ouvre,sipossible,toutelasphèredevueandelibérerlamodélisation
dela ontraintedu hampdevuelimité.Nousverronsquelemodèledeproje tion
sphé-rique à l'avantage de fa iliter la modélisation d'informations visuelles en omparaison
ave le modèlede proje tion en vision entrale atadioptrique.
Lessolutionsquenousproposonssontdé linéesauldestrois hapitresstru turant
e mémoire :
Le hapitre 1 présente le prin ipe de l'asservissement visuel. L'a ent est mis dans
un premier temps surun type parti ulier de systèmes de vision omnidire ti onnelle
ap-pelé système de vision entrale atadioptrique , ensuite sur la ommande du robot, et
enn sur les diérentes méthodes existantes pour résoudre le problème de hoix des
informationsvisuelles idéales pour l'asservissement visuel.
Le hapitre 2 on ernela modélisation. Il dé rit denouvellesinformations visuelles
pourlesprimitivesusuellestellesquelespoints,lesdroites,lessphèreset les er les3D.
Pour haque primitive, esnouvellesinformations visuelles sontdéterminées en
exploi-tant les propriétés géométriques de la proje tion sphérique laprimitive. Cette
modéli-sation s'appuiera surlasimpli ité de l'image sphérique de laprimitive en omparaison
ave son image atadioptrique et permettra ainsi de mettre en éviden e le fait que la
re her he d'informations visuellesidéales estplussimpleet intuitiveen utilisantle
mo-dèlede proje tion sphérique.
Le hapitre 3 présente des résultats expérimentaux signi atifs obtenus lors de la
réalisation de tâ hes de positionnement en utilisant une améra perspe tive lassique
et diérents typesde systèmes de vision omnidire tionnelle. Nous onsidérons des
ob-jets simples tels que un point et une sphère. Nous onsidérons aussi d'autres objets
volumétriques et plans représentatifs onstruits à partir d'une ombinaison des objets
pré édents. Pour haqueobjet, enexploitant letravaildemodélisation ee tuéau
ha-pitre 2,nous hoisissons unensemble d'informations visuelles judi ieux permettant au
robot de s'appro her d'un omportement idéal et don de mieux se dépla er. Chaque
hoixd'informations visuelles est justiéthéoriquement par l'analyse despropriétés de
la ommandeutilisée.
Les ontribution s majeures de ette étude sont soulignées en on lusion. Quelques
Cadre de l'étude
Cette étude s'ins rit dans le adre de l'asservissement visuel. L'asservissement
vi-suel onsiste à utiliser des informations visuelles issues d'un apteur de vision pour
ontrler les mouvements d'un robot [Shirai73, Weiss87, Feddema 89a, Espiau 92,
Hut hinson 96℄. Son s héma de prin ipe est dé rit plus en détail sur la gure 1.1 où
le robot est ommandé de façon à entrer l'image de l'objet omme lemontre l'image
désirée.
Formation de l’image
Extraction de mesures
Commande
Matrice
S ´election d’informations visuelles
ACTION
s
P
m
v
c
PERCEPTION
I
=
Image courante
L
s
2 m/s
Robot
d’interaction
s
∗
S ´election
Objet
Cam ´era
Image d ´esir ´ee
Param `etres 3D
de l’objet
Fig. 1.1 Asservissement visuel.
Commeon peut levoir surlagure1.1, unebou led'asservissementvisuel est
ompo-sée de plusieurs étapes. On a tout d'abord la partie per eption qui peut elle-même se
dé omposer en plusieurs phases:
laformationde l'image
I
sur le apteur;l'extra tiond'unve teur
m
demesuresobtenuesàl'issuedutraitementdel'image.Dans ette étude, nous ne nous intéressons pas au traitement d'images. Les
pro he de la aden evidéo; et
la séle tion du ve teur d'informations visuelles
s
à partir des mesuresm
. Cettephase onstitue le ÷ur de ette étude.
La partie a tion quant à elle peut sedé omposeren deuxétapes :
l'estimation de la pseudo-inverse de la matri e d'intera tion
L
s
. Cette matri eest fondamentale en asservissement visuel ar elle représente la relation
vision- ommande[Sanderson83, Chaumette 90℄; et
le al ul de la ommande(vitesse)
v
c
quelerobot doitexé uter.Pour unetâ he donnée,lorsque le hoix duve teur
s
n'est pasjudi ieux,lamatri ed'intera tio n
L
s
peut présenter des propriétés non désirables onduisant ainsi à unmouvement inadéquat voire irréalisable du robot [Chaumette98℄. Dans la suite, nous
dé rivons omment la matri e
L
s
intervient dans le al ul de la ommandev
c
, e quinouspermetdedénirlespropriétéssouhaitablesdelamatri e
L
s
et par onséquentde dénirdes ritèrespour hoisirleve teurs
idéal.Ensuitenousprésentonsdessolutions déjàbienétablies pour s'appro herau mieuxdus
idéal enutilisantleplussouventuneaméraperspe tive lassique.Avantdenousintéresserauxdeuxpointssus-mentionnés,
nousprésentonsd'abord laformation de l'image surunsytème de vision.
1.1 Formation de l'image
Lesystèmedevision lassiquementutilisédanslalittératureetdanslesappli ations
devisionindustrielleestune améraperspe tive.Lagure1.2montrequelqueséléments
lés de e système: ladistan e fo ale
f
détermine legrossissement et le hampde vueobservé, le entre de proje tion
C
est lelieu où onvergent tous les rayonsin idents etle apteur estune matri e d'élémentsphotosensibles indépendant s ( pi ture element ou
pixel) dont lerle estde traduirel'information lumineuse ensignaux éle triques.
Capteur
Cam ´era
Champ de vision
C
α
f
Fig. 1.2 Caméraperspe tive lassique.
Avantdenousintéresseràlades riptionproprement ditede laformationdel'image
sur le apteur, nous présentons tout d'abord quelques systèmes qui ont un hamp de
Soit
S
(C,1)
une sphère unitaire de entreC
. En théorie, lavision omnidire ti onnelleonsiste à voir dans toutes les dire tions à partir du point
C
omme le montre la-gure1.3.Le point
C
, lieuphysique oùtousles rayonsin idents onvergent, estl'uniqueentre de proje tion (voir gure 1.2 pour le as d'une améra perspe tive). L'uni ité
du entre de proje tion est né essaire pour générer des images perspe tives orre tes
(voirgure1.3)[Baker 98℄,imagesfa ilesàinterpréterpourl'÷ilhumain.En pratique,
omme nousledé rivonsdanslasuite,laréalisation d'un systèmede vision
omnidire -tionnelle à entre deproje tion unique n'est pasaisée.
0000
0000
0000
0000
0000
0000
0000
0000
0000
0000
0000
0000
0000
1111
1111
1111
1111
1111
1111
1111
1111
1111
1111
1111
1111
1111
C
omnidirectionnelle
Sph `ere de la vue
S
(C,1)
Plan de projection
perspective
Fig. 1.3Vision omnidire ti onnelle.
1.1.1 Systèmes pour la vision omnidire tionnelle
Systèmes rotatifs : Pour réaliser un système de vision omnidire ti onnelle, une
solution immédiate onsiste à faire tourner progressivement une améra perspe tive
autour de son entre de proje tion
C
jusqu'à obtenir une vision entière de la s ène[Nayar 97, Mouaddib05℄. Cependant, ette solution demande un temps relativement
important pour l'a quisition d'uneimage omnidire ti onnelle [Nayar 97℄.
Systèmes de vision entrale atadioptrique : Une autre solution, pour
s'ap-pro her au mieux d'une vision omnidire tionnelle tout en respe tant la ontrainte du
entre unique de proje tion, onsiste à ombiner un miroir de révolution bien hoisi
et une améra [Baker 98℄ : l'image de la s ène sur le miroir est aptée par la améra.
La ombinaison ainsi obtenue est onnue sous le nom de système de vision entrale
atadioptrique. Le terme atadioptrique vient du monde de l'optique où le miroir est
un élément atoptrique (relatif à la réexion) et la lentille de la améra un élément
dioptrique(relatif à laréfra tion). Quant au terme entrale, il fait référen eau entre
uniquede proje tion (CUP).Par abusdelangageet pour lasimpli ité,nousomettrons
parfoisleterme " entrale" danslasuite.
para- ertains as, l'obje tif télé entrique estrempla é par un miroirsphérique réalisant une
proje tion orthographique omme lemontre lagure1.4pour unsystèmeNetVision.
(a) (b)
Capteur
Miroir sph ´erique
C
Champ de vision
Champ de vision
Miroir parabolo¨ıdal
f
m
( ) (d)Fig. 1.4 Système de vision para atadioptr ique : (a)miroir de réexion de fo ale
f
m
, (b)miroirpourlaproje tionorthographique ,( )pro essusdeformationdel'image,(d)image para atadioptri que.
Il existe d'autres typesdesystèmes de vision atadioptrique .Entreautres, onpeut
iter euxqui ombinent unmiroirhyperboloïdalouellipsoïdal et une améra
perspe -tive [Baker 98℄. Ceux- isont dé ritssur la gure1.5, qui présente, une fois de plus, le
systèmepara atadioptr ique(voirgure1.5(a)).Pour touslesautressystèmespossibles,
lele teur intéressépourraseréférerà [Baker 98℄.
Caméras sh-eyes : Il existe d'autres systèmes de vision qui n'ont pas un entre
unique de proje tion, maisqui orent toutde même un grand hamp de vue. C'est le
as par exemple des améras sh-eye dont le entre de proje tion est sur une ourbe
dia austique ( ourbe obtenue par réfra tion) [Born 65℄. Ces améras ont une distan e
fo aleextrêmementpetitequileurpermetd'avoirun hampdevisionpouvantatteindre
surlagure1.6.
f
m
4f
m
Plan image
(a)d
m
Plan image
(b)Plan image
d
m
( )Fig.1.5Couplesusuels améra-miroir:(a)miroirparaboloïda l,(b)miroirellipsoïdal,
( )miroir hyperboloïdal,
d
m
est ladistan eentreles pointsfo aux.α
Capteur
C
Cam ´era
Champ de vision
f
(a) (b)Fig. 1.6Caméra sh-eye : (a) hampde vuedé rit par l'angle
α
, (b)image sh-eye.Dans lasuite, nous dé rivons lepro essus de formation de l'image d'un objet sur le
apteur d'une améra perspe tive, d'un système de vision entrale atadioptrique ou
d'une améra sh-eye. Nousutiliserons lesnotations dé rites dansletableau 1.1.
1.1.2 Passage du repère de l'objet au repère de proje tion
Considéronsl'exemplesimpled'unpoint
P
.Lagure1.7montrele hemindurayonissude
P
jusqu'àsonimagep
p
surle apteur.Lestroisétapesdelaformationdel'image
p
p
de
P
sont présentées danslasuite.En général
P
appartient à unobjetquia sonpropre repèredésigné i iparF
o
(voir gure 1.8). DansF
o
,P
est représenté paro
P
. La première étape onsiste à exprimer
o
P
dans le repère du CUP
F
c
; on obtient alors les oordonnéesc
P
L'expressiondes oordonnées
c
P
de
P
dansF
c
passeparladéterminati ondelaposition relativec
t
o
et del'orientation relativec
R
o
deF
o
par rapportàF
c
(voirgure1.8). Onobtient don
c
P
=
c
R
o
o
P
+
c
t
o
,
avec
t
o
∈ R
3
etc
R
o
∈ SO(3),
(1.1) oùSO(3)
estlegroupe spé ial desmatri esorthogonales.Symbole Dénition
F
c
= (C, x, y, z)
Repèreatta héau entrede proje tionC
de la améraF
o
= (O, x, y, z)
Repèreatta héà l'objetc
t
o
= (t
x
, t
y
, t
z
)
Positionrelative entrela améra et l'objetSO(3)
Groupespé ial des matri esorthogonale sc
R
o
∈ SO(3)
Orientation relative entrela améra et l'objetc
M
o
Matri e4 × 4
de passage entreF
o
etF
c
p
M
c
Matri e3 × 3
de passage entre leplanimageP
π
et le apteurc
X
= (X
x
, X
y
, X
z
)
Ve teur oordonnées deX
dansF
c
x
s
= π
s
(
c
X) =
c
X
k
c
X
k
Proje tion sphérique deX
c
x
= π
pξ
(x
s
)
Proje tion sur leplanimagec
x
= (x
x
, x
y
)
Ve teur oordonnées del'image métrique deX
surleplanimagep
x= (x
u
, x
v
)
Ve teur oordonnées del'image deX
sur le apteurTab. 1.1Notations pour lavision.
mod `ele de projection
Plan image
Capteur
C
V
c
p
P
π
P
Objet
p
p
Fig.1.7 Du pointphysique
P
à sonimagep
p
surle apteur.
Envisionparordinateur,laposition
c
t
o
etl'orientationc
R
rassemblées dansune matri e ditehomogène dénie par :
c
M
o
=
c
R
o
c
t
o
0
1
,
e qui onduit à réé rire(1.1) de manièreélégante sous formematri ielle
c
P
1
=
c
M
o
o
P
1
.
(1.2)C
P
o
P
c
P
c
t
o
c
R
o
O
F
o
z
x
y
z
F
c
x
y
Fig.1.8 Lien entre
o
P
etc
P
. Leve teurc
P
représente ladire tiondurayonin ident provenantdupoint
P
vuduentrede proje tion
C
.1.1.3 Proje tion sur le plan image
La se onde étape onsisteà déterminer lelien entrelerayonin ident
c
P
et l'image
c
p
de
P
surleplanimagevirtuelP
π
(voirgure1.9).Celiendépenddusystèmeutilisé pour lavision omnidire ti onnelle à traversles paramètresξ
etϕ
dumiroir (dansle asgénéral dessystèmes atadioptriques).
Systèmesde vision entrale atadioptrique : Pour eux- i,ilaétéétabliun
mo-dèledeproje tionuniéequi onsisteenuneproje tionsphériquesuivied'uneproje tion
perspe tive [Geyer 00℄. La gure 1.10(a) dé rit le modèle général qui est aussi valide
pour les améras perspe tives (où
ξ = 0
etϕ = 1
) omme le montre la gure 1.10(b).Notonsi ique,pour desraisonsde larté,leplanimage
z
= 1
estpositionnélégèrementau dessus de
S
(C,1)
. Les paramètresξ
etϕ
des miroirs des systèmes atadioptriquesusuels(voir gure1.5) sontdonnés dansletableau 1.2[Barreto 02a℄.
Soient
F
v
lerepère de la améra etF
c
lerepèredu miroir asso ié au entre unique deproje tionC
. Le pointP
estprojeté enp
s
surS
(C,1)
detelle sortequep
s
= π
s
(
c
P) =
1
k
c
P
k
c
P= (p
Ensuite
p
s
estexprimédansF
v
;onaalorsv
p
s
= (p
sx
, p
sy
, p
sz
+ξ)
.Ennv
p
s
estprojeté enc
p
surleplanimage
z
= ϕ − 2ξ
dansF
c
(z
= ϕ − ξ
dansF
v
):p
x
=
p
sx
p
sz
+ ξ
, p
y
=
p
sy
p
sz
+ ξ
.
(1.3) Lorsqueξ = 0
etϕ = 1
, (1.3) devientp
x
=
p
sx
p
sz
, p
y
=
p
sy
p
sz
,
(1.4)qui orrespondaux équationsde laproje tion perspe tive.
mod `ele de projection
Plan image
P
c
p
c
P
ϕ
− 2ξ
ξ
V
d ´ecrit par
(ϕ, ξ)
C
P
π
Fig. 1.9 Lienentre
c
P
et
c
p
.
Pour les systèmes para atadiopt rique s (
ξ = 1
etϕ = 2
), lemodèle de proje tion est dé rit par lagure1.11(a). Il s'agitde laproje tion stéréographique [Needham 97℄.Lagure 1.11(b) montre l'équivalen e entre la proje tion stéréographique et la réexion
surlemiroir paraboloïda l suiviede laproje tion orthographique .
Caméras sh-eye : Pourles amérassh-eye,lemodèle deproje tion peut êtrevu
omme une proje tion sphérique suivie d'une distorsion radiale symétrique. La gure
1.12 dé rit e modèle. Le point
P
est projeté enp
s
surS
(C,1)
. Ensuite le pointp
s
estexprimé en oordonnées sphériques
(θ, φ)
. Enn le pointp
s
est projeté enc
p
par
dis-torsion radiale symétriquesur l'angle
φ
. Plusieurs modèles de distorsionexistent poures améras [Ray94℄. L'obje tif est d'approximer au mieux la distorsion radiale.
Ré- emment,unpolynme
ρ(φ)
d'ordre 9modélisant ettedistorsionradialeaétéproposédans[Kannala 06℄ :
Les oe ients
k
i
deρ(φ)
font partie des paramètres qu'ilfaut prendre en ompte lorsdupassageduplanimageau apteur.Une versionréduite àl'ordre3de
ρ(φ)
adéjà étéutiliséepar lepassé en synthèse d'images [Greene 86℄.
C
P
p
s
c
P
S
(C,1)
c
p
ξ
ϕ
− 2ξ
V
z
z
y
x
y
x
z
= ϕ
− 2ξ
(a)C
P
S
(C,1)
ps
c
P
c
p
x
z
y
z= 1
(b)Fig. 1.10 Modèle de proje tion des systèmes de vision entrale atadioptrique : (a)
asgénéral, (b) asdes amérasperspe tivesoù
ξ = 0
etϕ = 1
.Miroir Equation
ξ
ϕ
Paraboloïde1
4f
m
m
2
x
+ m
2
y
− f
m
= m
z
1 1+2f
m
Hyperboloïdem
z
−(d
m
/2)
l
z
2
−
m
2
x
+m
2
y
l
2
xy
= 1
d
m
√
d
2
m
+4f
m
2
d
m
+2f
m
√
d
2
m
+4f
m
2
Ellipsoïdem
z
+(d
m
/2)
l
z
2
+
m
2
x
+m
2
y
l
2
xy
= 1
d
m
√
d
2
m
+4f
m
2
d
m
−2f
m
√
d
2
m
+4f
m
2
prendre'-' pour l'hyperboloïde et '+'pour l'ellipsoïde
l
z
= 1/2
p
d
2
m
+ 4f
m
2
∓ 2f
m
l
xy
=
r
f
m
p
d
2
m
+ 4f
m
2
∓ 2f
m
d
m
est ladistan eentreles pointsfo aux.Les équations deproje tion surleplanimage sh-eye sont donnéespar
p
x
= ρ(φ) cos θ, p
y
= ρ(φ) sin θ,
(1.6)ave
θ = arctan(p
sy
/p
sx
)
etφ = arccos(p
sz
)
(voirgure 1.12).Dansle asoùiln'yapasdedistorsionradiale,ona
ρ(φ) = tan φ
[Ray94℄.Partant de (1.6),on obtientp
x
= tan(φ) cos θ =
p
sx
p
sz
, p
y
= tan(φ) sin θ =
p
sy
p
sz
(1.7)qui orrespondent bienauxéquations de proje tion perspe tive.
C
P
ps
c
P
S
(C,1)
c
p
x
z
V
z
x
y
y
z= 0
(a)C
P
ps
c
P
S
(C,1)
V
c
p
z
y
y
z
z= 0
(b)Fig. 1.11 Cas des sytèmes de vision para atadio ptrique où
ξ = 1
: (a) proje tionstéréographique, (b)miroir paraboloïdalet proje tion orthographique .
Pour résumer, quel que soit le système de vision utilisé, on peut é rire de manière
générale:
c
p
1
= π
p
ξ
(π
s
(
c
P)) ,
(1.8)où
π
s
estla proje tion sphérique etπ
p
ξ
laproje tion surle planimageP
π
donnée par(1.3)pourlessystèmes atadioptrique set les amérasperspe tives(ave
(ϕ, ξ) = (1, 0)
) et par (1.6) pour les amérassh-eye(ave(ϕ, ξ) = (1, 0)
).φ
P
c
p
S
(C,1)
ps
θ
c
P
x
z
y
C
z
= 1
Fig. 1.12 Modèlede proje tion des améras sh-eye.
1.1.4 Passage du plan image au apteur
La troisièmeet dernièreétape onsiste àtrouver lelienentre
c
p
et l'image
p
p
de
P
surle apteurdevision (voirgure1.13).Celienpeut êtredé rit parune matri e
p
M
c
telleque:p
p
1
=
p
M
c
c
p
1
.
(1.9) La matri ep
M
c
ontient les paramètres intrinsèquesa
du système de vision (voir-gure1.13) :
l
u
(respe tivementl
v
)estlalongueurenmètredansladire tionu
(respe tivementv
)d'un pixel;
(u
0
, v
0
)
est leve teur- oordo nnées dupoint ditprin ipal du apteur;
f
est la distan e fo ale de la améra asso iée au miroir de fo aleϕ − ξ
(voirtableau1.2 pour les miroirsusuels).
Il existeun modèle omplet de
p
M
c
prenant en ompte :lefaitqueles dire tions
u
etv
du apteur peuventne pasêtre orthogonales; et ladistorsionradialesurle apteur ainsiqueladistorsion tangentielle induite parlenon-alignement entrel'axe optiquede la améra et l'axedu miroir[Weng 92℄.
Maisnousnouslimitonsàun modèlesimpliéquiest satisfaisant pour ette étude.En
eet,l'asservissement visuel estrobuste à egenre de simpli ation[Espiau93℄.
Systèmes de vision entrale atadioptrique : La matri e
p
M
c
est dénie dans le asgénéral par [Barreto 02a℄:p
M
c
=
(ϕ − ξ)fl
u
0
u
0
0
(ϕ − ξ)fl
v
v
0
0
0
1
.
Enposant
f
u
= (ϕ − ξ)fl
u
(resp.f
v
= (ϕ − ξ)fl
v
),on introduitladistan efo ale géné-ralisée enu
(resp.v
).Par exemple pour les amérasperspe tivesoùϕ = 1
etξ = 0
, on af
u
= f l
u
etf
v
= f l
v
et pour lessystèmespara atadioptr iques oùϕ = 1 + 2f
m
etξ = 1
(voir tableau 1.2), ona
f
u
= 2f
m
f l
u
etf
v
= 2f
m
f l
v
.Plan image
p
p
c
p
V
u
v
Capteur
l
u
l
v
P
π
(ϕ
− ξ)f
C
(u
0
, v
0
)
Fig. 1.13 Liensimpliéentre
c
p
et
p
p
.
Le ve teurdesparamètres intrinsèquesestdonnépar
a
= (f
u
, f
v
, u
0
, v
0
)
.Ceve teurestestiméau oursd'unephased'étalonnagedusystèmede vision.Plusieurs méthodes
existent pour étalonner les systèmes atadioptriques et les améras perspe tives. Une
revue de quelques méthodes est disponible dans [Mouaddib 05℄. Dans notre étude, le
système para atadio ptrique a été étalonné en utilisant deux méthodes diérentes qui
exploitent respe tivement l'image de droites [Vanderportaele06℄, et les images d'une
grille planede points [Mei07℄.
Camérassh-eye: Pourles amérassh-eyelamatri e
p
M
c
estdenouveaudéniepar :
p
M
c
=
f
0
u
f
0
v
u
v
0
0
0
0
1
avef
u
= f l
u
etf
v
= f l
v
.En plus de es quatres paramètres
(f
u
, f
v
, u
0
, v
0
)
, il faut rajouter au ve teura
lesoe ients
k
i
du polynmeρ(φ)
modélisant la distorsion (voir (1.5)). En utilisant lamodélisation de
ρ(φ)
à l'ordre 9 (voir (1.5)), on aa
= (f
u
, f
v
, u
0
, v
0
, k
1
, k
2
, k
3
, k
4
, k
5
)
[Kannala 06℄. En exploitant les images d'une grille plane, il est possible d'estimer le
ve teur
a
[Kannala06℄.Cetteméthode aété utiliséepour étalonnernotre amérash-eye. Le le teur intéressé par l'étalonnage des améras sh-eye peut aussi se référer
à [Tardif 06℄.
Nousvenonsdepasserenrevuelestroisétapesprin ipalesdelaformationdel'image
I
d'informa-tionsvisuelles( etteséle tionestprésentéeplusloin).Nousnousintéressonsmaintenant
àlapartie a tion de labou le d'asservissement visuel.
1.2 Commande
Comme le montre la gure 1.14, le but de la ommande est de dépla er le robot
suivant une onsignequipeutêtre xéedansl'image.Lesnotationsutiliséesdans ette
partie sont dé ritesdans letableau 1.3.
Commande
S ´election d’informations visuelles
L
s
(P, a)
s
∗
PERCEPTION
s
ACTION
P
v
c
e
Image d ´esir ´ee
Image courante
Robot
I
Matrice
d’interaction
Objet
de l’objet
Param `etres 3D
Fig. 1.14 Commande durobot.
Symbole Dénition
SE(3) =
R
3
× SO(3)
Groupe de Liedesdépla ements
se
(3) ≃ R
3
× R
3
Espa etangent àSE(3)
θu ∈ R
3
Représentation minimalede l'orientation relativec
R
o
r
=
c
r
o
= (
c
t
o
, θu) ∈ R
3
× R
3
Poserelative entrela améra et l'objetv
= (υ
x
, υ
y
, υ
z
) ∈ R
3
Vitessesoudegrés de liberté de translationde la améraω
= (ω
x
, ω
y
, ω
z
) ∈ R
3
Vitessesoudegrés de liberté de rotationde la amérav
c
= (v, ω) ∈ se(3)
Vitessesdela améras
∈ R
k
Ve teur d'informations visuellesL
s
∈ R
k×6
Matri ed'intera tion asso iéeàs
Tab.1.3 Notations pour larobotique.
Nous présentons d'abord (très brièvement) la relation entre lerobot et l'objet lors
1.2.1 Pose du robot relative à l'objet
Lors de la tâ he de positionnement , 'est l'ee teur du robot qui est dépla é
rela-tivement à l'objet. Plus pré isément, 'est la améra (montée sur l'ee teur) qui est
dépla ée. Celle- i peut être lo alisée par sapose
c
r
o
relative à l'objetque nousnotonssimplement
r
danstoute ettepartie (voir gure1.15).Le ve teurr
est omposédesixparamètres indépendant s dont trois pour dé rire la position relative
c
t
o
de la améraet troisautres pour dé rire l'orientation relative
c
R
o
dela améra.En eet, d'aprèslathéoried'Euler sur laparamétrisatio nd'unematri e de rotation, troisparamètres sont
né essairesetsusantspourreprésenterl'orientationrelative
c
R
o
.Cettethéorieest dé- rite dansplusieurs livresdont [Spong 05℄.Onpeut iter parexemple lareprésentationθu ∈ R
3
oùθ ∈] − π, π[
est l'angle de rotation etu
∈ R
3
ladire tion unitaire de l'axe
de rotation(voirgure1.16).Cette représentation s'obtient,à partir de
c
R
o
=
r
11
r
12
r
13
r
21
r
22
r
23
r
31
r
32
r
33
,
de lafaçon suivante
θ = arccos
r
11
+ r
22
+ r
33
− 1
2
etθu =
1
2
sinθ
r
r
32
13
− r
− r
23
31
r
21
− r
12
,
(1.10)oùsin
(x) = sin x/x
.Parabusdelangage,parfoisnousappeleronsr
laposedel'ee teurdu robot ou du robot. L'ensemble des poses possibles
r
que peut atteindre l'ee teurdu robot onstitue l'espa e detravail du robot.
z
O
F
o
x
y
c
t
o
c
R
o
C
x
z
v
y
F
c
ω
Image d ´esir ´ee
Image courante
r= (
c
t
o
, θu)
y
u
θ
z
x
C
F
c
Fig.1.16 Rotation d'angle
θ
autourd'un axe de dire tionu
.1.2.2 Spé i ation visuell e d'une tâ he
Latâ he onsisteàamenerl'ee teurdurobotàuneposequiréalisela onsignexée
(voir par exemple gure1.15). Il est possible d'exprimer ette tâ he robotique omme
la régulation d'une fon tion
e(r(t))
sur un horizon temporel [Samson 91℄;t
étant lavariabletemps et
r
lapose durobot. Dansnotre as,lafon tione
est donnée pare
(r(t)) = s((r(t))) − s
∗
(1.11) oùs
: SE(3) →
R
k
r(t)
7→ s((r(t)))
est une appli ation diérentiable qui dénit un ensemble de
k
informations visuellesséle tionnées à lapose
r(t)
;s
∗
est la onsigne( orrespondant à latâ he) surles
infor-mationsvisuelles. I ion onsidère que
s
∗
est onstant.
Puisque
s
est diérentiable,e
estdiérentiableet on a[Espiau92℄ :˙e =
∂e
∂r
˙r =
∂s
∂r
˙r = L
s
v
c
(1.12) oùL
s
∈ R
k×6
, appelée matri e d'intera tion, représente la relation vision- ommande
[Sanderson83, Chaumette 90℄.Pluspré isément, ette matri edé rit lavariation
tem-porelle des informations visuelles
s
due à un mouvement de la améra. Le ve teurv
c
=(v, ω) ∈ se(3)
oùv
= (υ
x
, υ
y
, υ
z
)
etω
= (ω
x
, ω
y
, ω
z
)
sontrespe tivementlesvitesses detranslationetderotationdela améra(voirgure1.15),etse
(3) ≃ R
3
× R
3
est
l'es-pa e tangent à
SE(3)
.Par exemple,àpartir de l'imageperspe tive
p
p
dupoint
P
et del'expression(1.9),il est possible d'obtenir le ve teur de oordonnées métriques
c
p
= (p
x
, p
y
)
et de dé-nir un ve teurs
de deux informations visuelles tel ques
= (p
x
, p
y
)
. La matri ed'in-tera tion asso iée, dépendant de la profondeur
P
z
in onnue dans e as, est donnéepar [Feddema 89b℄ :
L
s
=
−1/P
z
0
p
x
/P
z
p
x
p
y
−(1 + p
2
x
)
p
y
0
−1/P
z
p
y
/P
z
1 + p
2
y
−p
x
p
y
−p
x
.
(1.13)Une méthode généralede al ul desmatri es d'intera tio n pour les primitives usuelles
Pour assurerune régulation exponentielle dé ouplée de latâ he
e
, on impose˙e = −λe
(1.14)où
λ ∈ R
∗+
est legain de latâ he qui doit être réglé de manière adéquate pour avoir
un tempsrapide de onvergen e touten préservant lastabilitédu système.
En inje tant (1.12) dans(1.14), ondéduit la ommande (vitesse)idéale envoyée au
robot
v
c
= −λL
+
s
e,
(1.15)où
L
+
s
estlapseudo-inverse ausens de Moore-Penrose delamatri e d'intera tio n.La matri e d'intera tio n
L
s
dépend des paramètres 3DP
de l'objet, ainsi que desparamètresintrinsèques
a
dusystèmedevision(voirgure1.14).Pouréviterd'alourdirles notations, nous n'é rirons pas omme il se devrait
L
s
(P, s, a)
. Comme on l'a vudans la partie formation de l'image, on ne dispose que d'une estimation de
a
. Il enest généralement de même pour les paramètres 3D
P
du modèle de l'objet et pourle ve teur
s
d'informations visuelles. C'est pourquoi en pratique, on travaille ave les estimationsP
b
,bs
etba
desparamètres de lamatri e d'intera tion. De e fait, la vitesse envoyée aurobot et obtenue de (1.15) s'é ritv
c
= −λb
L
+
s
be,
(1.16)où
L
b
+
s
est la pseudo-inverse au sens de Moore-Penrose de l'estimation de la matri ed'intera tio n.
1.2.3 Analyse de stabilité
La gure 1.17 illustre lanotion de stabilité. Une bille pla ée dansun bol retourne
toujours au fond après un ertain temps. Au fond du bol, la bille est dite en position
d'équilibre stable. En revan he, pla ée au dessus du bol positionné à l'envers, la bille
une fois perturbée n'y revient plus. Le dessus du bol est appelé position d'équilibre
instable.
Position stable
Position instable
Fig.1.17 Positions d'équilibre stableet instable.
D'unpoint devuephysique,labilleattiréepar lefond dubolperd progressivement
del'énergie,jusqu'àstabilisationaufond.Lefonddubolestdon appelépoint
Onparlede stabilitéglobaledupointd'équilibrelorsque,pla éeaufonddubol,labille
yretourne aprèsn'importe quel é art.
Pourlessystèmesdynamiques,Lyapunovaproposéun adreformelsimple
permet-tant d'analyserlastabilité de la ommande: une ommandeest stablelorsqu'aul du
temps l'énergie dusystèmediminue[Lyapunov66℄. Puisqu'ilest di ile dedéterminer
pré isément l'énergie d'un système, Lyapunov a introduit une fon tion
L(x)
qui peutêtreinterprétée ommel'énergiedusystèmeenmouvement.Unetellefon tion
L(x)
,ap-peléefon tiondeLyapunov,doitdon êtrestri tementpositivei.e.
L(0)= 0
etL(x) > 0
pourx 6= 0
. Le le teurintéressépar lesdétails théoriquesdel'analyse delastabilitéausensde Lyapunovpeut seréféreràl'ouvrage [Spong05℄.
Stabilité au sens de Lyapunov : I i,nous présentons desdénitions relativesà la
stabilitédessystèmes dynamiques.
Soit unsystèmenon linéaire ou linéairedéni par l'équationdiérentielle
˙x = f (x).
(1.17)L'équation(1.17) dé rit l'évolution dansletemps del'étatdusystèmeenfon tion d'un
état initial (voir gure1.18). Si
f (0) = 0
alors le pointx
e
= 0
est dit point d'équilibredusystème.
Dénition 1.1 Lepointd'équilibre
x
e
= 0
est stableausensdeLyapunov sipour toutǫ > 0
, il existeδ(ǫ)
tel quekx(t
0
) − x
e
k < δ ⇒ kx(t) − x
e
k < ǫ ∀t ≥ t
0
.
En d'autres termes, omme le montre la gure 1.19(a), le système (1.17) est stable
si la solution reste dans une boule
B
ǫ
entrée enx
e
et de rayonǫ
losrque l'état initialx(t
0
)
estdansune bouleB
δ
entrée enx
e
.Autrementdit,silesystèmesubitunepetite perturbation de sa position d'équilibrex
e
, alors il reste pro he dex
e
tout letemps (àpartir dumoment où ilest perturbé).
Dénition 1.2 Si le système est stable et s'il onverge vers le point d'équilibre
x
e
, i.e.kx(t
0
) − x
e
k < δ ⇒
lim
t→+∞
x(t) = x
e
,
alors on dit que lepoint d'équilibre
x
e
est asymptotiquement stable .Autrementdit, silesystèmesubitunepetite perturbation desapositiond'équilibre
x
e
,alors ilyrevientau l dutemps (à partir du moment oùil estperturbé). Cettenotion
estillustrée surlagure1.19(b).
Ces deux notions de stabilité peuvent aussi se traduire en utilisant la fon tion de
L(x)
deLyapunov.Dénition 1.3 Le point d'équilibre
x
e
= 0
est stable si˙
L(x) ≤ 0 ∀x ∈ Ω(x
e
),
x
e
´etat initial
Point d’ ´equilibre
(a)x
e
(b)Fig. 1.18Systèmes stables: (a)systèmelinéaire, mêmeévolution pour tous lesétats
initiaux, (b)systèmenon linéaire,l'évolution estfon tion de l'étatinitial.
δ
x(t
0
)
ǫ
x
e
(a)δ
x(t
0
)
ǫ
x
e
(b)Fig.1.19 Stabilité d'un système : (a)ausens de Lyapunov,(b)asymptotique.
Dénition 1.4 Dans le as où la dérivée de la fon tion de Lyapunov est stri tement
négative, i.e.
˙
L(x) < 0 ∀x ∈ Ω(x
e
),
alors lepoint d'équilibre
x
e
est asymptotiquement stable .Dénition 1.5 Pour un systèmelinéaire dé ritpar (1.17), on a
f (x) = Ax,
où
A
est une matri e onstante. Dans e as, le point d'équilibrex
e
est globalementasymptotiquement stable si et seulement si Re
(λ(A)) < 0
, i.e. toutes les partiesréelles des valeurs propres dela matri e
A
sontstri tement négatives.Il est parfois di ile d'analyser la stabilité globale d'un système non linéaire.
Ce-pendant, on peut s'intéresser à sa stabilité lo ale en linéairisant au point d'équilibre
l'équation(1.17) dé rivant l'évolution desonétat. Onobtient alors lamatri e
A
=
∂f
∂x
x
e
=0
(1.18)quiest linéaire et invariante dansletemps. Dans e as, on ditque:
Dénition 1.6 Le point d'équilibre
x
e
du systèmenon linéaire (1.17) est lo alementstablesietseulement siRe
(λ(A)) ≤ 0
oùla matri eA
est donnée en(1.18). Cemêmepoint est lo alement asymptotiquement stablesi etseulement siRe
(λ(A)) < 0
.Remarque 1.1 Si
A
< 0
, i.e les valeurs propres de sa matri e symétriqueA
s
=
1
2
(A
⊤
+ A)
sont stri tement négatives, alors le point d'équilibrex
e
du systèmenon linéaire (1.17) est lo alement asymptotiquement stable et
˙
L < 0
. Autrement dit, si le système subit une petite perturbation de sa position d'équilibrex
e
alors il yretourne en s'y rappro hant systématiquement . Cette remarque est plus forte que
la dénition 1.6où la façon dont le systèmeretourne à sa positiond'équilibre n'est pas
spé iée.
Appli ation à l'asservissement visuel : Pour un système dont la dynamiqueest
(1.12) et l'erreur donnée par (1.11),une fon tion deLyapunov andidate est
L(e(t))=
1
2
ke(t)k
2
=
1
2
e
⊤
e.
(1.19)Le point d'équilibre orrespond i i à
e(t) = 0
(énergie nulle, en référen e à l'exemplei-dessusdubol). La variation temporelle de ettefon tion est
˙
L= e
⊤
˙e.
(1.20)En inje tant (1.12) dans(1.20),on a
˙
L= e
⊤
L
s
v
c
.
(1.21)De(1.21), onobtient l'équationdelabou lefermée en remplaçant
v
c
par savaleurdonnée en (1.16)
˙
L= −λe
⊤
L
s
L
b
+
s
be.
(1.22)En pratique, omme
L
s
ets
dépendent des paramètres 3DP
de l'objet et desparamètres intrinsèques
a
du système de vision que l'on ne onnait pas pré isément,il est possible d'avoir deserreurs dansles estimations de
L
b
+
s
et debs
. D'où l'intérêt de l'analysedelastabilitéauxerreursdemodélisationdel'objetetauxerreursd'étalonnag edusystèmede vision.
Sion onsidèreuniquementdeserreursdemodélisationalors
be= e
.Partantde(1.22), l'équationde labou lefermée s'é rit˙
L= −λe
⊤
L
s
L
b
+
s
e.
(1.23)Partant de(1.23), d'aprèslathéoriede Lyapunov, si
alors
L < 0
˙
et la ommande du système est asymptotiquement stable. En d'autrestermes, si le système est perturbé de son point d'équilibre (ou point d'attra tion)
e(t) = 0
,ilyretourne aprèsun ertaintemps arla onditionL < 0
˙
peutêtre interpré-tée omme le faitque l'énergie du système sedissipe.Onparle de stabilitélo ale pourdesperturbations oupositionsinitiales très pro hesdu point d'équilibre,et de stabilité
globale pour desperturbation sou positionsinitiales danstoutl'espa e de travail.
Dans le as où on linéarise au point d'équilibre l'expression (1.22) de la bou le
fermée,on obtient immédiatement lesystèmelinéaire
˙e = −λL
s
∗
L
b
+
s
∗
E
∗
e
(1.25) oùL
s
∗
estlavaleurdésiréedeL
s
etE
∗
estune matri etelleque
be= E
∗
e
dont
l'expres-sion est en général obtenue par linéarisation de
be
. Dans e as, la stabilitéasymp-totique lo ale est obtenue si et seulement si les valeurs propres de
L
s
∗
L
b
+
s
∗
E
∗
sont stri tementspositives.Il existe d'autres sour es d'erreurs dont nous ne traitons pas i i, notamment les
erreurs liées au bruit sur l'image. Pour e type d'erreur, il est possible d'ee tuer une
analysede stabilité par erreur bornée[Vi torino 02℄.
Le but de ette étude est d'améliorer la ommande du système à travers le hoix
d'informations visuelles
s
. Mais il est également de l'améliorer à travers le hoix dus héma de ontrle. En eet, la matri e d'intera tio n ourante
L
s
peut présenter desproblèmes de singularité (dansle as de perte de rang, ertaines informations visuelles
éléments de
s
deviennent linéairement dépendantes) ae tant ainsi la stabilité de laommande.Deplusle al ul de
L
s
exigeuneestimationdesparamètres 3D ourantsP
del'objet.Une solution onsisteàutiliserlamatri ed'intera tio ndésirée
L
s
∗
(P
∗
)
oùle
paramètre
P
∗
estxé [Chaumette90℄.La ommandedans e asest donnée par
v
c
= −λb
L
+
s
∗
e.
(1.26)On peut aussiutiliser la moyenne entre les intera tions ourante et désirée [Tahri 03,
Malis04℄
v
c
= −λ
b
L
s
+ b
L
s
∗
2
!
+
e,
(1.27)ou mieuxen ore, une ombinaison judi ieusement hoisie[Marey08℄
v
c
= −λ
kb
L
s
+ (1 − k)b
L
s
∗
+
e,
(1.28) avek ∈ R ∩ ]0, 1[
.D'autres études sur l'améliorat ion de la ommande portent sur l'observabilité des
mouvements du robot [Nelson 96, Sharma97℄, sur la visibilité de l'objet à travers la
La piste que noussuivons dans ette étude onsiste à hoisir judi ieusement
s
and'améliorer la relation vision- ommande
L
s
(voir gure 1.20), et don d'améliorer laommande donnée par (1.16). Cette piste a fait l'objet de nombreuses re her hes que
nousprésentonsdanslasuite.
S ´election d’informations visuelles
L
s
(P, a)
s
I(a)
P
Image courante
Robot
v
c
Matrice
PERCEPTION
d’interaction
Objet
Param `etres 3D
de l’objet
Fig. 1.20 Quel hoixpour
s
?1.3 Séle tion d'informations visuelles
L'utilisation de ertaines informationsissues d'un apteur devision peut
potentiel-lement onduire à des problèmes de stabilité de la ommande si ledépla ement que le
robotdoitee tueresttrèsgrand [Chaumette 98℄.Ilfautdon hoisirdesinformations
idéalesassurant lespropriétés suivantes: stabilitélo alevoireglobale dela ommande,
robustessede la ommandeauxerreurs de modélisationde l'objetet d'étalonnage,
ab-sen ede singularités et de minima lo aux, traje toire satisfaisante du robot maisaussi
desinformations dansl'image et enn dé ouplage maximalet relation linéaire (but
ul-time)entrelesinformationsvisuellesetlesdegrésdeliberté ommandés.Cettedernière
propriété permet d'avoir une ommande linéaire (du système),qui onverge danstout
l'espa e detravail.
Plusieurs solutions surle hoixde
s
existent.Ces solutionspeuvent être lasséesen fon tiondutyped'informationsvisuellesutilisées[Sanderson80℄:informationsvisuelles2D,3Dou hybrides (2Det 3D).
1.3.1 Asservissement visuel 2D
Ils'agiti id'utiliserdire tementdesinformationsdel'espa e2Dimagepour
ontr-lerles mouvementsdu robot (voir gure1.21),par exemple les oordonnées de l'image
perspe tive du point
P
[Feddema 89b℄ :s
= (p
x
, p
y
)
. En utilisant une améra pers-pe tive, les informations visuelles pour des objets géométriques telles que les sphères,pointest donnéedans[Barreto 02b℄,et elledel'image d'unedroite dans[Mezouar 04,
Hadj-Abdelkader08℄
L'avantagede e type d'asservissement visuel résidedanssarobustesseaux erreurs
d'étalonnag e[Espiau93℄,etauxerreursdetraitement d'image.Enrevan he, es héma
nepermetpasun ontrle dire tdelapose
r
durobot,i.e.iln'yapasde ontrle dela traje toiredurobot dansl'espa e artésien3D. De e fait,lerobot, aulieu d'atteindrelaposedésirée, peut se retrouver soit dansun desquatreminimum globaux lorsque le
ve teur
s
est onstitué des oordonnées de troispoints[Chaumette 93, Mi hel93℄,soitdans un minimum lo al lorsque le ve teur
s
est onstitué des oordonnées de quatrepoints [Chaumette98℄. Une autre onséquen e du fait qu'on ne ontrle pas la pose
r
du robot est que la matri e d'intera tio n peut présenter des singularités ( ertainesinformations visuelles deviennent linéairement dépendantes), e qui peut entraîner des
problèmes de stabilité de la ommande [Chaumette 98℄. C'est la raison pour laquelle
plusieurs travaux ont été (et sont en ore) menés pour améliorer le omportement du
systèmeen utilisant desinformationsvisuelles 2D.
Fig. 1.21 Contrle dans l'espa e 2D image : oordonnées de l'image d'un point sur
l'objet.
Pourun omportementsatisfaisantdurobotdansl'espa e artésien,uneinformation
visuelleproportionnelleàlaprofondeurdel'objetaétéproposéedans[Mahony 02℄.Dans
le même but, les vitesses de translationet de rotation de l'axe optique
z
peuvent êtredé ouplées desautres degrés de liberté àtraversune appro he partitionnée [Corke 01℄.
Une autresolution pour dé oupler les vitesses
υ
z
etω
z
de l'axez
onsisteà utiliserlesoordonnées ylindriquesde l'image
c
p
deP
[Iwatsuki05℄ :s
= (ρ, θ),
aveρ =
q
p
2
x
+ p
2
y
etθ = arctan(p
y
/p
x
).
(1.29) La matri ed'intera tio n asso iée, mettant enéviden e e dé ouplage,s'é ritL
s
=
"
− cos θ
P
z
− sin θ
P
z
ρ
P
z
(1 + ρ
2
) sin θ −(1 + ρ
2
) cos θ
0
sin θ
ρP
z
− cos θ
ρP
z
0
cos θ
ρ
sin θ
ρ
−1
#
.
(1.30)Nous pouvonsremarquer que
L
s
est singulière lorsqueρ = 0
auquel as la valeur deθ
n'est pasdénie.
obtenue enutilisant lesmoments2D[Bien 93℄.La formeanalytique delamatri e
d'in-tera tionasso iéeauxmoments2Ddetoutordreaétéprésentéedans[Chaumette04℄ .
Ré emment lathéoriedesmomentsinvariantsaétéutiliséepour déterminerdes
ombi-naisonsparti ulière sdemoments2Dtellesquelamatri ed'intera tio nestquasilinéaire
et dé ouplée lorsque desobjetsplans sont onsidérés [Tahri05℄.
Lesétudes sus-mentionnéesutilisent lemodèlede proje tion perspe tivemais
d'au-tresmodèlesdeproje tionsontaussiadaptés,notammentlemodèledeproje tion
sphé-riquequiorelapropriétédepassivitésion onsidèrelaproje tiond'unpoint[Hamel 02℄.
Ce modèle de proje tion a été utilisé pour dénir un diéomorphisme global entre
les informations visuelles
s
et la poser
du robot en onsidérant une sphèremar-quée [Cowan 05℄. Ce diéomorphisme peut être interprété omme un hangement de
oordonnéesentrel'espa e2Dimage etl'espa e artésien3Dpermettantde ontrlerla
pose. Ce travail original seral'objet d'uneattention parti ulière autroisième hapitre.
Ré emment,unehomographieàpartirdedeuxproje tionssphériquesaétéutiliséepour
déterminer unensembled'informations visuellesisomorphe àlaposed'un robotéquipé
d'un systèmede vision atadioptrique [Benhimane06℄.Enn, une autrereprésentation
générique de l'image de l'objet est possible en utilisant les moments al ulés sur la
surfa e d'une sphère [Tahri 04℄. Cette dernière méthode a été ré emment appliquée à
l'image entrale atadioptrique d'un nuage de points [Tahri 08℄. Nous reviendrons, au
deuxième hapitre, sur ette nouvelle voie prometteuse.
1.3.2 Asservissement visuel 3D
La tableau 1.4dé rit les notationsutilisées dans ette partie.
Ce type d'asservissement visuel utilise des informations visuelles exprimées dans
l'espa e artésien 3Den entrée de laloi de ommande(1.16) [Wilson96, Martinet97℄.
Cesinformationssontobtenuesàpartirdelaposerelative
c
r
o
del'objetparrapportàlaaméra(voirgure1.22).Cetteposepeut être al uléeàpartir dumodèlegéométrique
de l'objet. Plusieurs méthodes existent pour estimer
c
r
o
, par exemple elles donnéesdans[Tsai 87, Dementhon 95, Lu00, Mar hand 02℄. En bou le ouverte, il est possible
d'estimer assez pré isément le mouvement 3D à réaliser entre les images initiale et
désiréede l'objeten utilisant une améra sphérique [Fermuller 00℄.
Symbole Dénition