Remerciements table des Matières Introduction 1

6.4 Tests d'évaluation

Les tests menés pour valider cette approximation polygonale ont été effectués (cf. figure 6.14)

• 
  dans un premier temps sur des images de synthèses simulant une image hystérésis (issue d'une opération de détection de contours) : image 1
  
• 
  puis sur des images réelles : images 2 et 3.
  

Ces tests ont été engagés pour valider l'approximation polygonale par les segments de droites (cf. figure 6.15), ainsi que l'approximation par les segments de droites et les arcs de cercles (cf. figure 6.16).

Sur ces deux dernières figures, les segments sont plaqués sur l'image originale. Les segments rouges sont des segments de droites approximés, les segments magentas sont des arcs de cercles approximés.

Image 1

Image 2





Image 3

Image 3

Figure 6.14 : Echantillons d'image utilisées pour les tests






A
Figure 6.15 : Approximation Polygonale par les segments de droites
pproximation Polygonale par les segments de droites et les arcs de cercles






Figure 6.16 : Approximation Polygonale par les segments de droites

et arcs de cercle

7. Résultats Expérimentaux

Après avoir présenté les différents traitements d'image mis en place, il est intéressant de valider leur application réelle.

Le but premier étant de superviser un centre d'usinage rapide, il semble important de valider le processus de vision pour :

• 
  détecter le déplacement éventuel de la pièce (dû à un mauvais bridage par exemple)
  
• 
  connaître la robustesse du processus de vision quant aux dégradations dû à l'environnement de travail (projections de copeaux, de lubrifiant, vibrations, variations de luminosité…).
  

Pour effectuer ces tests, un programme général a été mis en place. Les tests sont réalisés en corrélant une image référence (supposée représenter l'environnement de travail idéal de la machine : pièce présente, bien positionnée, pas de défauts…) avec une image quelconque acquise dans le milieu de travail.

Trois types de corrélation sont utilisés pour augmenter la robustesse du processus de vision :

• 
  Corrélation entre l'image des points de fortes courbures de l'image référence et de l'image quelconque testée.
  

Il y a appariement des points de fortes courbures ayant la même localisation.

• 
  Corrélation entre l'image obtenue par approximation polygonale de l'image référence et de l'image testée.
  

Il y a appariement des segments ayant les mêmes caractéristiques.

• 
  Corrélation des niveaux de gris des deux images
  

Pour les deux premières corrélations le coefficient est déterminé simplement par le nombre de points ou segments appareillés et le nombre total de segments ou points présents dans l'image.

La troisième méthode de corrélation est utilisée pour vérifier le degré de ressemblance des niveaux de gris. La méthode utilisée est la moins sensible à la lumière car le signal original (l'image) est centré réduit (moyenne nulle, variance égale à 1).

Le coefficient calculé est le coefficient d'inter corrélation. Soit l'image de référence appelée R et l'image testée appelée T, le coefficient d'inter corrélation est donné par : [ROCHE 95]

[7.1]

7.1 Détection des déplacements par la méthode de Harris

Procédure :

On sélectionne une vingtaine de fenêtres sur une image référence que l'on appelle D00 et on lance la détection des points de fortes courbures. Ensuite, à l'aide d'un banc de mesure, on déplace la culasse horizontalement et on détecte les nouvelles coordonnées pixel des points de fortes courbures, avec les mêmes fenêtres sélectionnées précédemment.

Le tableau de la figure 7.1 montre les résultats obtenus :




Figure 7.1 : Résultats sur la détection des déplacements

Au vu des résultats, il semble aisé de détecter un déplacement supérieur à 0.5mm.

7.2 Influence des Bruits sur la Détection des Points Caractéristiques

7.2.1 Eau et Lubrifiant

D'après les tests menés, l’eau et le lubrifiant n'ont pas d'influence sur la détection des PFCs (Points de fortes courbures).

7.2.2 Vibrations

La caméra filmant la scène a été soumise à des vibrations, vibrations engendrées sur le bras la supportant. Des images ont été capturées à plusieurs instants de façon non régulière. Chaque image a subi un filtrage par la méthode de Harris.

La figure 7.2 montre l'image de référence sur laquelle les tests ont été réalisés. La figure 7.3 donne le résultat de l'opérateur de Harris sur 3 images saisies avec des vibrations.

Figure 7.2 : image référence

Figure 7.3 : Résultats de la détection des PFCs sur des images bruitées (vibrations)

On peut tout d'abord voir que tous les points de fortes courbures ne sont pas détectés. De plus l'erreur de localisation varie de +/- 2 pixels.

Une méthode pour palier ce problème est de faire la moyenne de plusieurs images bruitées et d'effectuer la détection des PFCs sur cette image.

La figure 7.4 montre l'image résultante de la moyenne de 10 images bruitées.

Figure 7.4 : Image résultant de la moyenne de 10 images

Exemple représentatif sur un point :

avec un zoom position exacte = (575.7414 317.6679)

avec la moyenne des 10 images position obtenue = (575 318)

7.2.3 Copeaux

Pour ce test, la pièce (la culasse) a été encombrée de multiples copeaux.

Après analyse, il s'est avéré que la détection des PFCs est sensible à la présence de copeaux de dimension importante (1mm x 5mm), ce qui n'est pas le cas pour le centre d'usinage rapide Urane (1mm x 1mm maximum).

La figure 7.5 montre l'image référence sans copeaux et son résultat par l'opérateur de Harris. La figure 7.6 montre la même image avec un gros copeaux et son résultat.




Figure 7.5 : Image référence et détection des PFCs

Figure 7.6 : Image bruitées par un copeau et détection des PFCs

7.2.4 Luminosité

Lorsque l'on sélectionne une grande fenêtre l’influence de la lumière est considérable à cause du seuillage (seuil=% max (matrice )).

Par contre ce n’est pas le cas sur des petites fenêtres.