Poste These - Production automatique de modeles tridimensionnels par numerisation 3D

These - Production automatique de modeles tridimensionnels par numerisation 3D These DeadLine: 12/10/2009 ralph.seulin@u-bourgogne.fr http://www.le2i.com Contexte de travail La numérisation complète d'un objet est une tâche particulièrement fastidieuse, coûteuse en ressources humaines et matérielles, et dont le résultat dépend fortement de l'expérience de l'opérateur en fonction de la complexité de la pièce numérisée (géométrie, état de surface et environnement d’acquisition). L’équipe Vision3D du laboratoire Le2i vise à améliorer l’exploitation de capteurs de mesure sans contact, en particulier par l’automatisation des procédés de numérisation 3D. Les travaux menés depuis 2002 sur cette thématique ont conduit à la mise au point d’une méthodologie permettant de rationnaliser les procédures et de simuler leur automatisation. Ces travaux d’automatisation ont abouti à deux principales stratégies de numérisation selon les informations disponibles sur l’objet : la planification de prise de vues hors-ligne à partir d’un modèle de référence (“Model Based Method”) et le calcul de la meilleure position suivante (“Next-Best-View”) sans aucune information à priori sur l’objet (“Non-Model Based Method”). Le sujet proposé intervient dans la continuité de deux thèses menées sur cette thématique. L’objectif principal est la génération automatique de modèles 3D d’objets par numérisation 3D et post-traitements associés. Objectifs Les travaux à mener concernent la planification de prises de vues tridimensionnelles couplée à des algorithmes de post-traitements. L’approche proposée est originale parce qu’elle consiste en une mise au point d’une chaine continue allant de l’acquisition jusqu’au conditionnement des données pour la production de modèles 3D. La plupart des travaux dans le domaine se focalisent sur une partie de la chaine, n’offrant ainsi qu’une réponse partielle à la problématique d’automatisation du procédé. Les méthodes d’automatisation actuellement étudiées doivent être améliorées au niveau du champ observé, de la gestion de la visibilité et du conditionnement du modèle en fonction de l’application visée. Actuellement seuls les objets entièrement contenus dans le champ de vue peuvent être traités automatiquement et cette contrainte limite fortement le système. La résolution spatiale de l’acquisition pourra également être augmentée en diminuant la distance scanner-objet, une gestion multi-échelle de l’acquisition est ainsi à mener. L’intégration simultanée d’autres capteurs possédant des caractéristiques complémentaires (résolutions, distance de travail, …) sur un système de positionnement est également une voie à explorer. Des améliorations significatives sont également à mener sur la gestion de la visibilité de l’objet selon les points de vue. La visibilité est actuellement estimée de façon binaire. Nous souhaitons introduire une fonction de coût prenant en compte directement d’autres paramètres tel que l’angle d’observation des surfaces. La gestion avancée des degrés de liberté du système de positionnement est également à étudier en associant la mise en place de procédures de reconnaissance de formes pour déterminer la pose optimale du capteur (positionnement et orientation) afin d’acquérir la géométrie de portions à fort gradient de courbure (par exemple 6ème degré de liberté d’un bras robotisé combinée à un 7ème axe soit une rotation du membre manipulateur associée à une table rotative). Enfin les données à produire sont dépendantes de l’application visée, ainsi les procédures doivent s’adapter selon l’utilisation qui sera faite du modèle. On distingue pour cela trois principales familles d’application avec leurs spécifications associées: L’analyse de formes qui nécessite une forte densité de points et une haute précision / La production de modèles visuels qui nécessite une texturation des modèles / La rétro-conception d’objets qui implique un conditionnement des données particulier pour la reconstruction de surfaces. Les méthodologies d'automatisation de numérisation 3D sont à ce jour testées en simulation. Elles doivent être finalement implantées et optimisées sur un démonstrateur réel. L’implantation s’effectuera sur une cellule entièrement pilotable constituée d’un bras robot à 6 axes équipée d’une table rotative verticale et d’une tête de numérisation 3D par projection de franges. La mise en œuvre de ce démonstrateur implique une gestion avancée des contraintes physiques de l’environnement et de l’objet étudié. Le positionnement s’effectue sans apprentissage et est calculé à partir des données collectées. Les trajectoires doivent faire l’objet d’une optimisation avec une gestion des collisions. Connaissances et compétences requises: - Vision par Ordinateur - Analyse et Traitements 3D - Traitement d’Images - Développement en C++, Visual Basic Script et XML - Notions de Robotique Industrielle & Connaissance des Environnements MeshLab et MatLab fortement appréciées