Vision industrielle et réseaux de neurones profonds : application au dévracage de pièces plastiques industrielles

Ces travaux de these presentent une methode d’estimation de pose de pieces industrielles en vue de leur devracage a partir d’un systeme mono-camera 2D en utilisant une approche par apprentissage avec des reseaux profonds. Dans un premier temps, des reseaux de neurones assurent la segmentation d’un nombre predetermine de pieces dans la scene. En appliquant le masque binaire d’une piece a l’image originale, un second reseau infere la profondeur locale de cet objet. En parallele des coordonnees de la piece dans l’image, cette profondeur est employee dans deux reseaux estimant a la fois l’orientation de l’objet sous la forme d’un quaternion et sa translation sur l’axe Z. Enfin, un module de recalage travaillant sur la retro-projection de la profondeur et le modele 3D de l’objet, permet d’affiner la pose predite par les reseaux. Afin de pallier le manque de donnees reelles annotees dans un contexte industriel, un processus de creation de donnees synthetiques est propose. En effectuant des rendus aux multiples luminosites, la versatilite du jeu de donnees permet d’anticiper les differentes conditions hostiles d’exploitation du reseau dans un environnement de production.