VISION INDUSTRIELLE : RECONNAISSANCE D'OBJETS
P
ROBLÉMATIQUE: créer un ensemble d’algorithmes capable de faire correspondre des objets de même forme ou de même couleur Principales étapes du traitement
Que ce soit pour le tri de forme ou couleur, les grandes étapes sont les mêmes.
4 3
Obtenir une image exploitable
Une photo de la pièce est prise. Afin d’éliminer les inhomogénéités du
fond (le tapis), un floutage et rognage de la photo sont appliqués en calcu- lant l’écart-type des coordonnées
RGB. Nous obtenons ainsi une région d’intérêt qui est délimitée par la
pièce.
Créer le catalogue
Calculer le score unique de chaque pièce
De la même manière, la pièce à com- parer se voit attribuer un score selon le mode choisi. Elle est alors associée à la pièce du catalogue qui a le score le plus proche.
Faire correspondre une pièce inconnue
Améliorations principales
- Réduire drastiquement le temps de calcul qui est déjà un peu long pour des TP
- Ajouter une option qui combinerait tri de formes et tri de couleurs
Détection de couleurs Principe :
Nous souhaitons d’abord isoler la pièce du fond de l’image afin que la détection ne soit pas
faussée. Un
seuillage
est effectué en utilisant l’écart-type descoordonnées RGB de l’image.
L’utilisation d’une norme sur les coordonnées RGB de la région d’intérêt permet ensuite d’asso- cier un score unique à la couleur de la pièce.
Résultats et améliora- tions :
Notre système est capable de distinguer des couleurs avec comme limite une performance proche de la vision humaine. En revanche, il nécessite un seuil qui doit être choisi au préalable.
Détection de formes Principe :
A l’aide d’un algorithme nous ré- alisons un floutage et rognage de l’image afin d’éliminer un maximum d’impuretés. Les
points d’intérêts de l’image (les coins) sont détectés par la mé- thode
d’Harris
. Deux images sont comparées en calculant la corré- lation entre chaque fenêtre de pixels centrée sur les points d’intérêts.Résultats et améliora- tions :
Notre système est capable de reconnaitre de nombreuses
formes (pièces de monnaie, écri- tures…). Cependant, certaines pièces présentant trop de pa- ternes similaires (le pas d’une vis) ne sont pas correctement reconnues.
Matériel utilisé
- Raspberry Pi avec langage Python - Caméra Rasberry Pi
- Eclairage barre de LED Effilux
- Eclairage annulaire rasant Effilux - Prototypage sous Matlab
Pièce sous éclairage annulaire (tri de formes)
Effet du flouetage et du rognage (les inhomogénéi- tés de l’image de gauche ont été supprimées)
Résultat de l’algorithme utilisant les coins d’Harris
Résultat de l’algorithme de
«matching»
Les points bleus correspondent aux pixels sur lesquels sera effectué le traitement
lense.institutoptique.fr
Adrien BERTAUD
Clément NARBAUD Hector SIMON
Avec l’aide de :
Julien VILLEMEJANE Thierry AVIGNON
Lorsque l’utilisateur veut déclarer une nouvelle pièce de référence, il doit l’ajouter au catalogue. Pour cela il faut donner un nom à la pièce et choisir le mode «couleur» ou «forme». Il est alors nécessaire de calculer un score qui sera associé à la pièce.
Le score permet de caractériser la
couleur ou la forme d’une pièce. Il est différent en fonction du mode choisi : une seule valeur pour le tri couleur, et plusieurs valeurs correspondant aux points d’intérêts pour le tri de formes.
