Un bras robotique conçu pour la récolte automatisée de fruits a commencé à endommager systématiquement les troncs d'arbres dans une ferme intelligente. Le système de vision stéréo du robot, chargé de calculer la distance exacte par rapport aux branches, a échoué de manière critique. Lors de l'expertise technique, il a été identifié que la carte de disparité générée par les caméras contenait des artefacts optiques. L'objectif de l'analyse forensique était de déterminer si le reflet du soleil sur les feuilles avait trompé l'algorithme de détection de profondeur.
Analyse forensique de la carte de disparité avec MATLAB 🛠️
La première étape de l'expertise a consisté à extraire les images brutes des caméras stéréo du robot. En utilisant MATLAB et sa Computer Vision Toolbox, la carte de disparité de la scène a été reconstruite. Les résultats ont montré des régions avec des valeurs de disparité anormales, en particulier dans les zones où les feuilles présentaient un éclat intense. Le reflet solaire a généré des pixels saturés que l'algorithme de correspondance stéréo a interprétés comme des objets à une profondeur bien inférieure à la réalité. Cela a provoqué que le bras robotique, lors du calcul de la trajectoire de préhension, programme un mouvement de pince trop proche du tronc, impactant l'écorce. Avec SolidWorks, la cinématique du bras a été modélisée et la géométrie a été exportée vers MeshLab pour nettoyer le maillage des points d'impact, confirmant la collision systématique aux coordonnées erronées.
Solutions pratiques et simulation dans Unity 🎯
Pour éviter de futurs incidents, deux axes de correction sont proposés. Le premier est l'installation de filtres polarisants sur les lentilles des caméras stéréo pour réduire les reflets spéculaires du soleil. Le second, plus avancé, consiste à implémenter un réseau neuronal de profondeur monoculaire comme solution de secours, entraîné à ignorer les artefacts de brillance. Pour valider ces solutions, la scène complète a été recréée dans Unity, simulant la lumière solaire dynamique et le comportement du bras robotique. La simulation a démontré qu'avec le filtre polarisant virtuel activé, la carte de disparité restait stable et le robot récoltait les fruits sans endommager le tronc. Cette étude de cas renforce la nécessité d'intégrer des systèmes de vision robustes face aux conditions environnementales défavorables dans la robotique agricole.
Comment une expertise 3D peut-elle identifier si l'erreur de profondeur dans un robot récolteur est due à un étalonnage défectueux du capteur LiDAR ou à une interprétation erronée de la géométrie du tronc dans le modèle de vision artificielle
(PS : Simuler des robots est amusant, jusqu'à ce qu'ils décident de ne pas suivre vos ordres.)