Segmentation et mesures géométriques

150 Pages·2017·13.24 MB·French

by  Nicolas Aubry

Segmentation et mesures géométriques: application aux
objets tubulaires métalliques
Nicolas Aubry
To cite this version:
Nicolas Aubry. Segmentation et mesures géométriques: application aux objets tubulaires mé-
talliques. Synthèse d’image et réalité virtuelle [cs.GR]. Université de Lorraine, 2017. Français. ￿NNT:
2017LORR0110￿. ￿tel-01649874￿
HAL Id: tel-01649874
https://theses.hal.science/tel-01649874
Submitted on 27 Nov 2017
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est
archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
AVERTISSEMENT

Ce document est le fruit d'un long travail approuvé par le jury de
soutenance et mis à disposition de l'ensemble de la
communauté universitaire élargie.

Il est soumis à la propriété intellectuelle de l'auteur. Ceci
implique une obligation de citation et de référencement lors de
l’utilisation de ce document.

D'autre part, toute contrefaçon, plagiat, reproduction illicite
encourt une poursuite pénale.

Contact : [email protected]

LIENS

Code de la Propriété Intellectuelle. articles L 122. 4
Code de la Propriété Intellectuelle. articles L 335.2- L 335.10
http://www.cfcopies.com/V2/leg/leg_droi.php
http://www.culture.gouv.fr/culture/infos-pratiques/droits/protection.htm
E´cole doctorale IAEM Lorraine
Segmentation et mesures
g´eom´etriques : application aux objets
tubulaires m´etalliques
`
THESE
pr´esent´ee et soutenue publiquement le 12 Juillet 2017
pour l’obtention du
Doctorat de l’Universit´e de Lorraine
(mention informatique)
par
Nicolas Aubry
Composition du jury
Pr´esident : Laurent WENDLING (Professeur, Universit´e Paris Descartes)
Rapporteurs : Laure TOUGNE (Professeur, Universit´e de Lyon 2 )
Pascal DESBARATS (Professeur, Universit´e de Bordeaux)
Examinateurs : Sylvain CONTASSOT-VIVIER (Professeur, Universit´e de Lorraine)
Olivier VALLET (Docteur, Entreprise Numalliance)
Laurent WENDLING (Professeur,Universit´e Paris Descartes)
Directeurs : Isabelle DEBLED-RENNESSON (Professeur, Universit´e de Lorraine)
Bertrand KERAUTRET (Maitre de Conf´erences, Universit´e de Lorraine)
Laboratoire Lorrain de Recherche en Informatique et ses Applications — UMR 7503
Mis en page avec la classe thesul.
i
(cid:224) mes parents, mon frŁre
et ma femme Carole
qui m’ont toujours soutenu.
ii
RØsumØ
La prØsence de spØcularitØ sur un objet est un problŁme rØcurrent qui limite l’appli-
cation de nombreuses mØthodes de segmentation. En e(cid:27)et, les spØcularitØs sont des zones
ayant une intensitØ trŁs ØlevØe et perturbent ØnormØment la dØtection dŁs lors que l’on
utilise la notion de gradient de l’image. Les travaux menØs dans cette thŁse permettent
de proposer une nouvelle mØthode de dØtection d’un objet tubulaire mØtallique dans une
image. La mØthode s’a(cid:27)ranchit de la notion de gradient en utilisant la notion de pro(cid:28)l
d’intensitØ. Nous proposons dans ce manuscrit, un processus qui parcourt des zones rec-
tangulaires prØdØ(cid:28)nies de l’image, par balayage d’un segment discret (cid:224) la recherche d’un
pro(cid:28)l d’intensitØ rØfØrence.
Ces travaux s’inscrivent dans une collaboration avec Numalliance, une entreprise qui
fabrique des machines-outils. Cette collaboration permet de mettre en pratique cette mØ-
thode dans le cadre d’un systŁme de contr(cid:244)le qualitØ automatique et temps-rØel des piŁces
manufacturØes par les machines-outils. Pour cela, la mØthode prØsentØe doit Œtre rapide,
robusteauxspØcularitØset(cid:224)l’environnementindustrieltoutenØtantsu(cid:30)sammentprØcise
pour permettre de conclure sur la conformitØ ou non de la piŁce.
Mots-clØs: segmentation, tubulaire, mØtallique, spØcularitØ, gØomØtrie discrŁte, contr(cid:244)le
qualitØ, environnement industriel.
Abstract
The presence of specularity on an object is a recurring problem that limits the
application of many segmentation methods. Indeed, specularities are areas with a very
high intensity and greatly disturb the detection when the notion of gradient of the image
is used. The work carried out in this thesis makes it possible to propose a new detection
method for a metallic tubular object in an image. The method avoids the notion of
gradient by using the notion of intensity pro(cid:28)le. We propose in this manuscript a process
which traverses prede(cid:28)ned rectangular areas of the image by scanning a discrete segment
in search of a reference intensity pro(cid:28)le.
This work is part of a collaboration with Numalliance, a company that manufactures
machine tools. This collaboration enables this method to be put into a real industrial
application as part of an automatic and real-time quality control system for parts manu-
factured by machine tools. To this end, the method presented must be fast, robust to the
specularities and to the industrial environment while being su(cid:30)ciently precise to make it
possible to conclude on the conformity or not of the part.
Keywords: segmentation, tubular, metallic, specularity, discrete geometry, quality con-
trol, industrial environment.
Table des matiŁres
Table des (cid:28)gures vii
Chapitre 1 Introduction 1
Partie I (cid:201)tat de l’art 9
Chapitre 2 Segmentation & dØtection de segments/droites 11
2.1 Segmentation d’images . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.1.1 Approches (cid:19) contours (cid:20) . . . . . . . . . . . . . . . . . . . . . . 14
2.1.2 Approches (cid:19) rØgions (cid:20) . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.3 ExpØrimentations en milieu industriel . . . . . . . . . . . . . . . 24
2.2 DØtection de segments ou droites . . . . . . . . . . . . . . . . . . . . . 29
2.2.1 MØthodes choisies . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.2 ExpØrimentations en milieu industriel . . . . . . . . . . . . . . . 42
Chapitre 3 GØomØtrie discrŁte 49
3.1 Droites discrŁtes 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2 Segments (cid:29)ous . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3 DØtection de segments dans une image en niveaux de gris . . . . . . . . 57
Partie II Contributions 63
Chapitre 4 MØthode des pro(cid:28)ls d’intensitØ 65
v
vi Table des matiŁres
4.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.2 Notre approche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.2.1 Notions importantes . . . . . . . . . . . . . . . . . . . . . . . . 72
4.2.2 Exploration d’une zone de recherche . . . . . . . . . . . . . . . 74
4.3 Extension de la mØthode : interpolation . . . . . . . . . . . . . . . . . 82
4.4 Analyse des deux algorithmes . . . . . . . . . . . . . . . . . . . . . . . 86
4.5 Extension aux images non industrielles et limites . . . . . . . . . . . . 94
Chapitre 5 Validation & intØgration industrielle 97
5.1 Validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.1.1 RØsultats obtenus avec les critŁres respectØs . . . . . . . . . . . 98
5.1.2 RØsultats obtenus avec les critŁres non respectØs . . . . . . . . . 100
5.1.3 RØsultats avec translation des zones de recherche . . . . . . . . 105
5.2 IntØgration industrielle . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.3 Description d’un premier prototype . . . . . . . . . . . . . . . . . . . . 117
Chapitre 6 Conclusion & perspectives 123
Bibliographie 127