Localisation en intérieur à bande ultra large (UWB) et Reconnaissance d'actions industrielles - Institut de Recherche en Systèmes Electroniques Embarqués Access content directly
Theses Year : 2021

Ultra Wide Band (UWB) indoor localization and industrial action recognition

Localisation en intérieur à bande ultra large (UWB) et Reconnaissance d'actions industrielles

Abstract

Robotization, especially in factories, induces an increasingly close interaction between man and machine, a concept gathered in the term « cobotics ». The objectives of this thesis work is the development of a system of localization and recognition of operator’s actions for the piloting of industrial machines in the context of the industry 4.0. The work consisted in making a state of the art on the methods and technologies of localization in indoor environment. The Ultra WideBand (UWB) technology was selected to have an estimation of the absolute position of a person in an industrial environment. The development of a data acquisition method was carried out in order to evaluate the accuracy of a UWB system in static and dynamic mode within the IRSEEM laboratory. Complementary tests were also carried out on a production line. These tests allowed us to evaluate the performance of the UWB system in a complex industrial environment representative of the targeted applications with a reliable ground truth. Following a state of the art on the different action classification algorithms, we concluded that there is a strong interest in having data representative of the actions of an operator within a company. Thus, the coupling between the UWB and the inertial units will allow to have a precise localization and to classify the action performed by the operator. We have deepened our research on deep learning algorithms based on the skeleton called Spatio-Temporal Graph Convolutional Networks (STGCN), we have established a new method called SWGCN with a sliding window that allows a real-time detection on continuous flow data, which allowed us a better classification compared to the state of the art, and then with representative data (industrial) and therefore more complex. This last method has been combined with UWB to re-calibrate the IMUs and not to lose the location information. This thesis work opens on several applications, such as work drudgery, a better safety in companies, and an increased cobotic collaboration, that is in adequacy with the industry 4.0 towards the industry 5.0 which puts the man in the heart of the industry.
La robotisation, en particulier dans les usines, induit une interaction de plus en plus étroite entre l’homme et la machine, concept rassemblé dans le terme « cobotique ». Les objectifs de ces travaux de thèse est le développement d’un système de localisation et de reconnaissance d’actions d’un opérateur pour le pilotage de machines industrielles dans le contexte de l’industrie 4.0. Les travaux ont consisté à faire un état de l’art sur les méthodes et technologies de localisation en environnement intérieur. La technologie Ultra WideBand (UWB) a été retenue pour avoir une estimation de la position absolue d’une personne en milieu industriel. Le développement d’une méthode d’acquisition des données a été réalisé afin d’évaluer la précision d’un système UWB en statique et en dynamique au sein du laboratoire IRSEEM. Des tests complémentaires ont été également effectués sur une chaîne de production. Ces tests nous ont permis d’évaluer les performances du système UWB dans un environnement industriel complexe représentatif des applications visées avec une vérité terrain fiable. Suite à un état de l’art sur les différents algorithmes de classification d’actions, nous en avons conclu qu’il y a un fort intérêt à avoir des données représentatives des actions d’un opérateur au sein d’une entreprise. Ainsi, le couplage entre l’UWB et les centrales inertielles permettra d’avoir une localisation précise et de classifier l’action effectuée par l’opérateur. Nous avons approfondi nos recherches sur des algorithmes d’apprentissage profond basé sur le squelette appelé Spatio-Temporal Graph Convolutionnal Networks (ST-GCN). Nous avons établi une nouvelle méthode appelée SW-GCN avec une fenêtre glissante qui permet une détection temps réel sur des données en flux continue, qui nous ont permis une meilleure classification comparée à l’état de l’art, et ensuite avec des données représentatives (industrielles) et donc plus complexe. Cette dernière méthodea été combinée avec l’UWB pour recaler les IMUs et ne pas perdre l’information de localisation. Ces travaux de thèse ouvrent sur plusieurs applications, comme la réduction de la pénibilité au travail, une meilleure sécurité en entreprise, et une collaboration cobotique accrus, ce qui est en adéquation avec l’industrie 4.0 vers l’industrie 5.0 qui remet l’homme au coeur de l’industrie.
Fichier principal
Vignette du fichier
mickaeldelamare.pdf (33.96 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-03326560 , version 1 (26-08-2021)

Identifiers

  • HAL Id : tel-03326560 , version 1

Cite

Mickael Delamare. Localisation en intérieur à bande ultra large (UWB) et Reconnaissance d'actions industrielles. Robotique [cs.RO]. Normandie Université, 2021. Français. ⟨NNT : 2021NORMR024⟩. ⟨tel-03326560⟩
271 View
25 Download

Share

Gmail Facebook X LinkedIn More