Vision et IOT pour la robotique

Mener une discussion et argumenter en utilisant les termes techniques adéquats ;

Analyser une situation donnée sous ses aspects techniques et scientifiques, puis proposer des solutions qui tiennent compte des contraintes ;

Etablir la communication entre les différents matériels industriels intervenant dans le contrôle d’un processus ;

Intégrer une caméra au contrôle d'un processus et réaliser une analyse d'image ;

Objectifs et acquis d’apprentissage

Objectifs généraux

Ce cours vise à fournir aux étudiants une compréhension approfondie des principes fondamentaux de la vision par ordinateur et de l’Internet des objets (IoT) appliqués à la robotique industrielle. Il prépare les étudiants à intégrer des systèmes de perception visuelle et des capteurs dans des architectures robotiques intelligentes, en mettant l’accent sur l’analyse d’images, la détection d’objets et la localisation dans l’espace.

Acquis d’apprentissage spécifiques

• Expliquer les principes de base de l’optique appliqués à la vision robotique :

  • Identifier les caractéristiques des capteurs optiques (CCD, CMOS).

  • Comprendre la formation des images et les paramètres photographiques essentiels.

  • Différencier les modèles de couleur et la perception visuelle en contexte robotique.

• Appliquer les techniques de traitement d’image numérique :

  • Manipuler les images à l’aide de filtres, opérations de convolution et transformations.

  • Expliquer le rôle du GPU dans le traitement d’image en temps réel.

• Mettre en œuvre des fonctions de base de vision avec OpenCV :

  • Acquérir, modifier et filtrer des images.

  • Concevoir des algorithmes de détection de contours et de masquage.

• Reconnaître et analyser des objets dans une image :

  • Implémenter des méthodes de reconnaissance telles que l’OCR, la lecture de codes QR et de tags visuels.

  • Différencier les approches de détection d’objets (classique vs apprentissage automatique).

• Utiliser des outils d’intelligence artificielle pour la vision :

  • Exploiter la librairie TensorFlow pour la détection d’objets à l’aide de bases de données (ex. : YOLO).

  • Comprendre les principes d’apprentissage supervisé pour la vision robotique.

• Analyser les méthodes de positionnement et de localisation dans l’espace :

  • Comprendre les principes de fonctionnement du LiDAR, du Nav2 et des capteurs de type souris optique.

  • Intégrer ces dispositifs dans une boucle de perception et de navigation robotique.

Document annexe à la fiche UE accessible via un lien explicitant en quoi le programme d’études s’inscrit dans une politique de développement durable. Une ou plusieurs UE spécifique(s) pourraient être ciblée(s) dans cette annexe.