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 artificielle au problème de la fabrication d'appareils capables d'interagir avec le monde physique. Cela inclut se déplacer dans le monde (robotique mobile), déplacer des objets dans le monde (robotique de manipulation), acquérir des informations par détection directe du monde (par exemple, vision industrielle) et, surtout, fermer la boucle en utilisant la détection pour contrôler le mouvement. A travers notre projet, nous avons privilégie une nouvelle méthode de détection de prise en robotique basée sur le deep learning, l'idée est d'entrainer un modèle de détection d'objets sur l'une des bases de données disponibles, ce modèle est le yolova avec les paramètres par défaut. An que nous puissions le convertir pour la détection de prises, contrairement aux méthodes de détection d'objet classique, notre modèle développé sera capable de détecter toute la région de d'intéret d'un objet, et c'est une chose très importante dans le domaine de la robotique. En pour fermer la boucle, une méthode de controle du robot est nécessaire pour prendre l'objet en toute précision et sécurité, la méthode a et e réalisée en simulation pour certaines raisons mais elle est valable pour un robot manipulateur réel.