Algorithmes de référence robustes et étalons logiciels pour la fusion de données en métrologie tridimensionnelle

Robust reference algorithms and softgauges for data fusion-based methods of measured data on 3D objects

• Auteur / Autrice : Louis-Ferdinand Lafon-delpech
• Direction : Nabil Anwer, Hichem Nouira
• Type : Projet de thèse
• Discipline(s) : Génie mécanique
• Date : Inscription en doctorat le 01/12/2021
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences mécaniques et énergétiques, matériaux et géosciences (Gif-sur-Yvette, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Universitaire de Recherche en Production Automatisée
• Partenaire(s) de recherche : Référent : École normale supérieure Paris-Saclay (Gif-sur-Yvette, Essonne ; 1912-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Sciences de l'ingénierie et des systèmes (2020-....)

Mots clés

Mots clés libres

Fusion de données

Traitement de nuages de points

Métrologie

Vision industrielle

Étalons logiciels

Data fusion

Geometry processing

Metrology

Machine vision

Softgauges

Résumé

Pour améliorer les processus de fabrication par l'évaluation de la qualité, des systèmes de mesure peuvent être intégrés aux machines de production. Les méthodes de fusion de données, qui combinent des mesures issues de plusieurs capteurs, permettent d'améliorer l'exactitude, la rapidité et la robustesse, offrant ainsi une plus grande plage de mesure et une résolution plus élevée. Ces améliorations sont particulièrement utiles pour caractériser des formes complexes et surmonter les limitations des systèmes de mesure optiques, qui sont rapides mais restreints par leur champ de vision. La vérification des logiciels de fusion de données est essentielle pour garantir leur exactitude et leur fiabilité. En métrologie, cette vérification est réalisée à l'aide d'étalons logiciels (c'est-à-dire des logiciels ou des données de référence). Cependant, les méthodes de fusion de données ne disposent pas encore d'étalons logiciels pour leur vérification. Dans cette thèse, un nouveau cadre de fusion de données est établi comme base pour le développement d'un générateur de données de référence et d'un logiciel en métrologie dimensionnelle. Ce cadre intègre les processus d'alignement et de fusion pour des capteurs hétérogènes et des formes complexes, tout en prenant en charge la fusion de données groupée, la modélisation anisotrope des incertitudes, le rejet des points aberrants et une régularisation basée sur un alignement préalable. Le logiciel de référence est développé et implémenté pour des applications de systèmes de vision par ordinateur (SVO). Il est vérifié sur des nuages de points générés par un nouveau générateur de données de référence afin d'assurer une évaluation objective. La pertinence du logiciel de fusion de données a également été démontrée dans des situations réelles avec des mesures de formes complexes utilisant un SVO développé en interne.

For improving manufacturing processes trough quality assessment, measurement systems can be integrated into machines. Data fusion methods, which combine measurements from multiple sensors, can enhance accuracy, speed, and robustness, allowing for larger measuring ranges and higher resolutions. These improvements are particularly valuable for characterising complex shapes and overcoming the limitations of optical measuring systems, which are fast but restricted by their field of view. The verification of data fusion software is critical to ensure its accuracy and reliability. In metrology, software verification is carried out using softgauges (i.e., reference software or data). However, data fusion methods lack softgauges for verification. In this thesis, a novel data fusion framework is established to serve as a basis for the development of the reference data generator and software in dimensional metrology. The framework covers registration and fusion processes for heterogeneous sensors and complex shapes while handling groupwise data fusion, anisotropic uncertainty modelling, outliers rejection, and regularisation from prior registration. The reference software is developed and implemented for Machine Vision Systems (MVS). This software is verified on point clouds from a new reference data generator for unbiased evaluation. The relevance of the data fusion software in real-world situations was also demonstrated with complex shapes measurements using an in-house developed MVS.