Précision et automatisation : la robotique guidée par vision transforme la fabrication

Partie I

Moteur de la digitalisation : demande croissante précision, qualité, fiabilité. Dynamiques marché obligent industrie : nouveaux produits, designs modifiés selon sentiments consommateurs, personnalisation, livraisons plus rapides. Robotique et vision industrielle ont atteint maturité technologique indépendamment. Développements récents sont complémentaires pour processus plus efficaces. Cet article éclaire la robotique guidée par vision (VGR) dans la fabrication. Pertinente aussi pour robots mobiles, humanoïdes, cartésiens, SCARA ; focus sur robots articulés.

Concepts clés vision industrielle et robots

Vision industrielle : automatisation de la vision humaine. Capture image (yeux) + traitement/analyse/résultats (cerveau). Capteurs numériques dans caméras industrielles avec optiques spécialisées → acquisition images → hardware/logiciel traite, analyse, mesure caractéristiques pour prise décision.

Applications types classées en quatre :

• Guidage
• Identification
• Mesure (Gauging)
• Inspection

Focus ici : guidage robot. Systèmes MV localisent pièce, assurent placement correct assemblage. Identifient position composant 2D/3D, aident robot suivre coordonnées précisément. Réduisent complexité fixations. Pour comprendre, voir comment robot se positionne pour localiser composant.

Système coordonnées robot : différents repères. Principaux systèmes décrivant mouvement robot (Figure 1.1). Contrôle pince/outil crucial, position via mouvements coordonnés axes. Différentes pinces/outils = dimensions différentes → point spécial : centre outil (TCP), indépendant type outil. Origine repère outil. Point similaire pour pince/poignet. Connexions mutuelles outil, poignet, autres repères (Figure 1.2).

TCP en relation avec repères poignet, base, monde, objet. Idéalement, coordonnées objet correspondent exactement aux coordonnées TCP programmées → origine objet enseignée au robot, coordonnées TCP enregistrées. Pour répétabilité, robot et objet doivent se retrouver au même point chaque fois.

Positionnement robot gouverné par servomécanismes → précis. Composants fixes : précision dépend tolérances usinage, fixations, table indexage. Donc TCP peut ne pas correspondre coordonnées réelles objet (décalage souhaité/réel) → erreur positionnement. Si robot doit saisir objet ou opérer sur objet arrivant aléatoirement sur convoyeur, déterminer son origine devient quasi impossible sans système vision pour guider.

Si déployé, vision identifie coordonnées temps réel objet, transmet au robot, qui compense décalage dans TCP → précision positionnement outil assurée. Méthode usada : soudage, dépôt colle, composants fixés, « pick and place » objets aléatoires sur convoyeur mobile. Exemples : imprécisions plan 2D → vision 2D.

Applications prélèvement bac (bin picking) : objets aléatoires dans bac → analyse spatiale 3D nécessaire. Coordonnées X,Y,Z + angles orientation 3 axes cruciaux pour robot identifier objet le plus facile à saisir sans collision. → vision 3D.

Vision 3D populaire : stéréo deux caméras (coordonnées + carte hauteur). Calibrage caméras et algorithme fusion images → image 3D. Image bac analysée → coordonnées TCP composant le plus aisé. Autres techniques : triangulation laser, temps de vol.

Partie II

Acquisition d'image

Image qualité clé VGR. Trois composants : caméra, optiques, éclairage.

• Caméra : environnements industriels difficiles (poussière, chocs, vibrations robot). Doit livrer images constantes qualité pour centaines milliers cycles. Interfaces communication robustes (Ethernet fiable, longueurs câble). Protection ingress (IP) cruciale si poussiéreux. Alimentation PoE préférable (évite câbles multiples). Câbles caméra : flexion cyclique passages chaînes porte-câbles bras robot → câbles compatibles chaînes traînantes.
• Optiques : selon champ vision (FOV), distance travail (WD), taille capteur. Deux facteurs critiques : distorsion barillet minimale ; robustesse objectif (mêmes chocs/vibrations), réglages iris/mise au point stables.
• Éclairage : crucial. Doit mettre en évidence caractéristique à inspecter. Contour programmé identifié précision désirée. Éclairage adapté selon objet/contour. Prélèvement/soudage/colle : barres lumineuses diffuses simples. Prélèvement bac stéréo : lumières structurées projetées sur composant pour contours/profils.

Défis robotique + vision

Application VGR 2D standard : défis à adresser :

• Distorsions
• Calibrage coordonnées
• Calibrage Z
• Alignement coordonnées

Distorsions : deux types à corriger avant VGR.

• Distorsions objectif : objectifs (surtout grand angle) → « distorsion barillet ».
• Distorsions montage incliné caméra : robot nécessite dégagement → caméra souvent montée inclinée → distorsion image.

Les deux nécessitent correction/calibrage pour coordonnées précises.

Calibrage coordonnées : robot unités mm/pouces, caméra pixels. Calibrer caméra pour corrélation pixels ↔ unités coordonnées. Mesure à distance travail constante. Robot 3D → préhension nécessite spécification Z.

Calibrage Z : calcule X,Y si Z varie dans profondeur champ* objectif. Calibrage caméra procédure spécifique plaque calibrage (voir plus bas).

Alignement coordonnées : robot et vision ont repères propres. Déviations : robot connaît sa position et TCP ; vision calibrée sur plaque. Robot calcule décalages, aligne. Étape critique : robot doit suivre chemin depuis origine définie par vision. Mauvaise calibration → écarts trajectoire graves, collisions possibles.

Plaque de calibrage : marquages dimensions précises. Figure 2.1 exemples.

Correction distorsions objectif/montage via plaque : plaque placée distance définie sous caméra, image acquise (Figure 2.2). Après calibrage distorsion, image alignée (Figure 2.3).

Calibrage coordonnées via plaque : lignes/grille plaque ↔ pixels caméra. Pointeurs sur points/coins plaque. Distances connues → saisies champs paramétrage logiciel. Vision calcule pixels pour cette distance. Valide tant que distance travail, FOV, montage caméra inchangés. Recalibrage si l'un change.

Tendances et avancées

VGR pas nouvelle, application mature. Presque tous fabricants robots offrent solutions intégrées VGR. Avancées récentes caméras (haute vitesse, 3D temps de vol, stéréo intégrées) et logiciels (IA, ML) ajoutent fiabilité et robustesse supplémentaires.

Réseaux neuronaux profonds pour enseigner/ré-enseigner positions/orientations composants tous plans. Nombre possibilités allonge entraînement, mais GPU récent accélère. Plateformes cloud ML aussi déployées.

Conclusion

VGR gagne popularité rapide tous domaines. Autrefois pilotée par auto, maintenant agroalimentaire, pharma (pick and place haute vitesse, palettisation/dépalettisation), génie lourd (suivi joint soudage, dépôt colle). Besoin standards pour inter-compatibilité fabricants vision et constructeurs robots. Vers « nouvelle normale » fabrication, VGR rôle majeur.