Outils de vision par ordinateur et d’apprentissage profond pour la détection de prise en robotique.

Abstract

La robotique et la vision appliquent les techniques de l'intelligence arti cielle au probl eme de la fabrication d'appareils capables d'interagir avec le monde physique. Cela inclut se d eplacer dans le monde (robotique mobile), d eplacer des objets dans le monde (robotique de manipulation), acqu erir des informations par d etection directe du monde (par exemple, vision industrielle) et, surtout, fermer la boucle en utilisant la d etection pour contr^oler le mouvement. A travers notre projet, nous avons privil egi e une nouvelle m ethode de d etection de prise en robotique bas ee sur le deep learning, l'id ee est d'entra^ ner un mod ele de d etection d'objets sur l'une des bases de donn ees disponibles, ce mod ele est le yolov3 avec les param etres par d efaut. A n que nous puissions le convertir pour la d etection de prises, contrairement aux methodes de d etection d'objet classique, notre mod ele d evelopp e sera capable de d etecter toute la r egion de d'int er^et d'un objet, et c'est une chose tr es importante dans le domaine de la robotique. En n, pour fermer la boucle, une m ethode de contr^ole du robot est n ecessaire pour prendre l'objet en toute pr ecision et s ecurit e, la m ethode a et e r ealis ee en simulation pour certaines raisons mais elle est valable pour un robot manipulateur r eel.