Back to search

École de technologie supérieure

Discrimination de textures et quantification de rugosité par algorithme d'apprentissage

Abstract

dc:description

Alors que la recherche en robotique progresse sur la manipulation d’objets, nous nous sommes intéressés à trouver des informations qui pourraient permettre d’améliorer la dextérité du robot si ce dernier en avait connaissance avant la manipulation. Nous supposons que lorsqu’une personne observe un objet, elle intègre en même temps un cetain nombre de ses caractéristiques (forme, texture, rugosité, fragilité, déformabilité...). Ces informations conditionnent son mouvement et lui permettent de mieux manipuler l’objet. En allant dans ce sens, nous cherchons à donner au toucher un moyen d’acquérir ce type d’informations. Pour cela, l’objectif de notre étude est de proposer un algorithme léger et utilisant des mouvements d’acquisition rapides pour permettre à un robot de distinguer des textures et d’estimer la rugostié. Cet algorithme a pour objectif de pouvoir être utilisé en temps réel. Dans un premier temps, nous sommes repartis de différentes études sur la discrimination de textures. Nous avons réalisé trois études visant à reconnaître différentes textures malgré des vitesses, des forces ou une orientation d’acquisition différentes. Nous avons aussi fait une étude sur 10 textures fines visant à différencier des textures proches. Pour chaque simulation (RNA ou SVM), optimisée par algorithme génétique, la reconnaissance dépasse 90%. Nous avons noté l’interêt d’utiliser des algorithmes génétiques pour optimiser la simulation. Néanmoins, ces algorithmes sont limités car il est nécessaire d’apprendre une texture avant de pouvoir la reconnaitre. Dans une seconde étude, nous avons cherché à estimer la rugosité d’un matériau en se basant sur une échelle humaine : nous avons demandé à 30 personnes de donner un indice de rugosité allant de 1 à 10 pour 25 textures. Ensuite, nous avons créé un algorithme cherchant à estimer la rugosité en étalonant notre échelle avec les résultats de nos participants. Nous avons pu voir que l’homme a du mal à définir de manière précise la rugosité sur une échelle de 1 à 10. Malgré quatre propositions d’architecture et différents traitements, l’algorithme a aussi eu des difficultés à généraliser les résultats avec uniquement 25 textures. Une étude avec plus de textures serait nécessaire.

Degree

thesis:*
Name thesis:degree_name
Mémoire de maîtrise électronique
Level thesis:degree_level
masters
Grantor dc:publisher
École de technologie supérieure
Year dc:date
2014

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Rispal, Samuel

Subjects

dc:subject × 1

Rights

Language dc:language
fr

Identifiers

dc:identifier.*
Identifier
INSERT-YOUR-LIBRARY-ID-HERE1401

Chain of custody

source
Harvested from
ETS (Quebec)
Base URL
espace.etsmtl.ca/cgi/oai2
Last updated
2026-11-18
Source record
OAI-PMH GetRecord
citation

Rispal, Samuel. Discrimination de textures et quantification de rugosité par algorithme d'apprentissage. masters thesis, École de technologie supérieure, 2014.