Localisation et navigation de robots
|
|
- Delphine Savard
- il y a 8 ans
- Total affichages :
Transcription
1 Localisation et navigation de robots UFR des Sciences, Département EEA M2 EEAII, parcours ViRob Semestre 9, 2014/2015 Fabio MORBIDI Laboratoire MIS Équipe Perception et Robotique Jeudi, salle TP102, h
2 2 Évolution du cours au fil du temps Localisation et navigation des robots (ViRob) Localisation, navigation et asservissement Vision avancée (ViRob) Asservissement visuel (Opt.)
3 3 Perspective d ensemble Perception Décision Environnement Action See-Think-Act
4 4 Exemple Perception: Il y a un mur en face! Décision: Tourne à gauche Action: Régle la vitesse des roues, ex. ω G (t) =0.5 rad/s, ω D (t) =0.1 rad/s, t [t a,t b ]
5 5 Deux questions cruciales Où suis-je?? Localisation! A? B Comment aller de A à B? Navigation! et aussi Comment détecter B? Comment éviter les obstacles?
6 6 Plan du cours Chapitre 1: Localisation 1.1 Introduction et défis 1.2 Odométrie 1.3 Filtrage et fusion de capteurs 1.4 Autres techniques de localisation Chapitre 2: Navigation 2.1 Stratégies de navigation 2.2 Architectures de contrôle 2.3 Navigation vers un but 2.4 Evitement d obstacles
7 7 Bibliographie Introduction to Autonomous Mobile Robots R. Siegwart, I.R. Nourbakhsh, D. Scaramuzza, MIT press, 2ème éd., 2011 (Chapitres 4, 5 et 6) Principles of Robot Motion: Theory, Algorithms, and Implementations H. Choset, K.M. Lynch, S. Hutchinson, G.A. Kantor, W. Burgard, L.E. Kavraki, S. Thrun, MIT press, 2005 Robotics: Modelling, Planning and Control B. Siciliano, L. Sciavicco, L. Villani, G. Oriolo, Springer, 1er éd., 2009 (Chapitres 4, 12) Estimation with Applications to Tracking and Navigation: Theory Algorithms and Software Y. Bar-Shalom, X.R. Li, T. Kirubarajan, John Wiley & Sons, 2001 (Chapitres 5, 6 et 12) Diapos du cours:
8 8 Avant de commencer Je suppose que vous avez une bonne connaissance: Algèbre linéaire (vecteurs, matrices, valeurs et vecteurs propres, etc.) Calcul multidimensionnel (gradients, matrice jacobienne, etc.) Théorie des probabilités, variables et processus aléatoires Théorie de l estimation (ex. filtre de Kalman) Notions de base de robotique à réviser dans les prochaines jours!!! Note finale: 50% CC, 50% TP
9 Localisation et navigation de robots UFR des Sciences, Département EEA M2 EEAII, parcours ViRob Chapitre 1 : Localisation F. Morbidi 2014/2015
10 10 Plan du chapitre Introduction et défis Partie 1 Odométrie Partie 2 Filtrage et fusion de capteurs Partie 3 Autres techniques de localisation Partie 4
11 Partie 1 : Introduction et défis 11
12 12 Introduction Localiser: Déterminer la place de quelque chose, l'endroit où se situe quelque chose (Dict. La Rousse) Vous êtes ici
13 13 Introduction Hypothèse: nous avons une carte de l environnement Facile Difficile
14 14 Introduction Robotique manipulatrice Robots sériels : où est l effecteur? Robot «fixe» L intégration et/ou la combinaison des angles articulaires permet(tent) de déduire la pose 3D de l effecteur Connaissance des longueurs des axes Plus un problème de calibrage que de localisation
15 15 Introduction Robotique manipulatrice Robots parallèles : où est l effecteur? Plus complexe que sériel Grande dynamique Plusieurs bases pour un même effecteur Mais zone/volume de mouvement limité et facilement identifiable
16 16 Introduction Robotique mobile Environnement ouvert Pas de lien fixe avec l environnement Pas de mesures directes de la pose (x, y, θ) Zone de mouvement «sans limite» Video ETHZ
17 17 Introduction Objectif : la navigation A grande échelle : besoin de localisation Compétence importante et difficile d un robot mobile Pour le succès de la navigation: Perception: le robot doit interpréter ses capteurs pour extraire des données pertinentes Localisation: le robot doit déterminer sa position dans l environnement Décision: le robot doit décider de comment agir pour atteindre son but Commande du mouvement: le robot doit actionner ses moteurs pour réaliser la trajectoire désirée
18 18 Introduction Localisation: il a reçu la plus grande attention de la recherche au cours de la dernière décennie
19 19 Où intervient la localisation? Connaissance, base de données Mission, commandes Localisation Construction de carte «position» carte globale Cognition, planif. de trajectoire modèle d environnement, carte locale trajectoire perception Extraction d information et interprétation données brutes Perception environnement, monde réel Réalisation de chemin commande d actionneurs Action contrôle de mouvement
20 20 Introduction Schéma général de localisation d un robot mobile Encoder base de données, carte prédiction de position (ex. odométrie) position position prédite mise à jour de position (estimation?) OK données brutes des capteurs ou primitives extraites appariement observation observations appariées perception
21 21 Les défis de la localisation Principalement Le bruit Perception (capteurs) Action (actionneurs) L aliasing Perception: l aliasing perceptuel définit le fait que deux lieux distincts peuvent avoir la même apparence
22 22 Les défis de la localisation GPS! Intuitivement «GPS» précis : solution ultime pour la localisation Informe le robot de sa position exacte Intérieur et extérieur Réponse immédiate à la question «où suis-je?» Mais un tel capteur n existe pas! GPS précis à quelques mètres Inadapté pour des environnements à taille humaine et encore moins pour les micro- et nano-robots GPS ne peut pas fonctionner à l intérieur ou dans environnement encombré (canyons urbains et gratte-ciel) GPS = Global Positioning System (constellation de 24 satellites orbitant à km)
23 23 Les défis de la localisation Au delà des limitations du GPS Localisation est plus que la connaissance de position absolue Exemple : robot interactif Éventuellement besoin d une position absolue Position relative aux humains aussi importante Sa tâche de localisation doit inclure: Perception (multi-capteurs) pour identifier les humains Calcul de sa position relative aux humains
24 24 Les défis de la localisation Atteindre un lieu particulier demande plus qu une «simple» localisation Étape de décision Sélection de stratégie pour atteindre des buts Besoin d acquérir ou de créer un modèle de son environnement : une carte (ex. SLAM) Aide le robot dans sa planification de trajectoire En résumé, la localisation c est plutôt Construire une carte de l environnement Identifier la position du robot relativement à la carte
25 25 Les défis de la localisation Éléments cruciaux de cette localisation Les capteurs du robot Ses actionneurs Les capteurs et actionneurs sont inexactes et incomplets Une mesure parfaite n existe pas Tout l environnement ne peut être mesuré d un coup
26 26 Le bruit des capteurs Perception Capteurs : fondamentaux Leur degré de discrimination de l environnement est donc critique Le bruit des capteurs Inconsistance de mesures dans un même environnement Source: Primitives de l environnement non perçues Négligence de ces primitives
27 27 Le bruit des capteurs Exemple 1 Système de vision pour localisation à l intérieur Utilisation des couleurs détectées par caméra CCD Soleil caché : illumination différente (fenêtres) Valeurs de teinte non constantes Couleurs CCD «bruitée» pour le robot Teinte inutilisable sauf si Connaissance de la position du soleil Connaissance des nuages Autres : flou (mise au point, bougé), gain du signal, etc.
28 28 Le bruit des capteurs Exemple 2 Sonar : télémètre à ultrasons Rapport signal sur bruit très pauvre Ultrasons émis vers une surface lisse, mal orientée Signal non reflété vers le capteur Pas d écho de retour Une petite quantité d énergie peut revenir malgré tout Si le seuil sur l amplitude d énergie reçue en est proche parfois le sonar permettra de détecter l objet parfois non Par conséquent : Pour le robot, un environnement inchangé peut donner deux lectures différentes pour un sonar : un long, un court! récepteur émetteur
29 29 Le bruit des capteurs Plusieurs sonars Interférences de l environnement entre émetteurs d ultrasons Sur les robots mobiles, en général Entre 12 et 48 sonars sur une même plateforme Dans certains environnements Interférences «multi-chemins» en émissions sonars Un signal émis par un sonar est reçu par un autre Peut engendrer d importantes erreurs de mesures (sousestimation): ils se produisent rarement, moins de 1% du temps En résumé Le bruit de perception réduit l information utile des mesures d un capteur La solution est de prendre en compte plusieurs mesures, en les fusionnant au cours du temps ou avec d autres capteurs afin d améliorer globalement l information perceptuelle du robot
30 30 L aliasing perceptuel Second inconvénient des capteurs Le contenu informationnel des mesures peut être très faible Exacerbe les problèmes de perception et de localisation Problème peu intuitif pour les humains On ne rencontre que rarement ce phénomène La perception humaine, particulièrement la vision, tend à percevoir des informations uniques dans chaque état local unique Chaque lieu différent semble différent Mais pas facile: Se déplacer dans un bâtiment inconnu qui est complètement sombre Se déplacer dans un labyrinthe à taille humaine (pas unicité visuelle)
31 L aliasing perceptuel En robotique L aliasing est la norme et non l exception! Exemple : sonars ou proximètres IR Champ de perception étroit Information de profondeur dans une seule direction Pas d info comme couleur, texture, rigidité de surface Même avec plusieurs de ces capteurs, plusieurs états dans l environnement donnent les mêmes mesures Formellement : Il y a une association N à 1 des états de l environnement vers la perception du robot Env. 1 Env Env. N
32 32 L aliasing perceptuel Exemple de situation concrète Distinguer les humains des objets Le robot détecte un obstacle face à lui Doit-il dire «excusez-moi» car l obstacle peut être un humain en mouvement? Ou le robot doit-il planifier un chemin autour de l objet car ce peut être un carton? Pour le(s) sonar(s) seul(s), ces deux états souffrent d aliasing et leur discrimination est impossible! humain ou objet?
33 33 L aliasing perceptuel L aliasing perceptuel pose le problème suivant Supposons des capteurs non bruités La quantité d information est trop faible pour identifier la position du robot à partir d un seul percept «Solution» Localisation basée capteurs et mesures multiples
34 34 Le bruit d actionnement Les difficultés de la localisation ne reposent pas uniquement sur les capteurs Les actionneurs sont aussi bruités À cause de la perception ou non Une même action ordonnée par le robot peut engendrer différentes réalisations même si du point de vue du robot, l état initial avec l action est parfaitement connu
35 35 Le bruit d actionnement Les actionneurs de robot mobile induisent une incertitude sur l état futur Pour un robot, se déplacer accroît son incertitude La couche décisionnelle peut minimiser cet effet Planification et/ou interprétation adaptée Retour des capteurs dans la boucle de commande
36 36 Le bruit d actionnement Nature du bruit en robotique mobile Du point de vue du robot Impossibilité d estimer sa propre position à partir de la connaissance de sa cinématique et de sa dynamique Vrai source d erreur Modèle incomplet de l environnement Type de surface non modélisé (rigidité, glissement ) Événements non envisagés (un humain pousse le robot)
37 37 Le bruit d actionnement Exemple : l odométrie Capteurs sur les roues seuls Éventuellement couplée à un gyroscope/compas («dead reckoning») Position basée capteurs proprioceptifs Mouvement intégré pour déduire la position Intégration des erreurs de mesure Accumulation d erreur en position au cours du temps Besoin d une autre localisation de temps en temps Autre mécanisme de localisation Sinon, la position estimée n a vite plus de sens L odométrie est une technique permettant d'estimer la position d'un véhicule en mouvement. Le terme vient du grec hodos ("voyage") et metron ("mesure")
38 38 Le bruit d actionnement Odométrie pure d un robot différentiel Sources d erreurs (environnement résolution): Résolution limitée pendant l intégration (incréments de temps, résolution de mesure, etc.) Mauvais alignement des roues (déterministe) Incertitude sur le diamètre de la roue et/ou diamètre non constant (déterministe) Variation du point de contact de la roue Contact variable avec le sol (glisse, bosse, sol mou, déformation)
39 39 L'expérience du chemin carré unidirectionnelle [Borenstein 1996]
40 40 Le bruit d actionnement Types de sources d erreurs Déterministes (systématiques) Résolues par calibrage du système Non-déterministes (aléatoires) Erreurs résiduelles Mènent à des incertitudes de position au fur et à mesure
41 41 Le bruit d actionnement Types géométriques d erreurs (robot différentiel) Erreur en distance Longueur du chemin intégré Somme des mouvements de roue Erreur en virage Similaire à l erreur en distance Différence des mouvement de roue Erreur de dérive (drift) Une différence d erreurs entre les roues mène à une erreur d orientation angulaire du robot
42 42 Le bruit d actionnement Sur de longues périodes Erreurs de virage et dérive plus importantes des erreurs en distance Contribution non-linéaire à l erreur de position Soit un robot de position initiale connue (x 0, y 0, θ 0 ) Il se déplace en ligne droite selon l axe x Erreur en y pour un mouvement de d mètres : dsin(δθ) Devient très importante à mesure que l erreur angulaire Δθ croît Au cours du temps, l erreur d orientation par rapport au repère d origine croît rapidement et donc, la position estimée aussi Il faut alors alors établir un modèle d erreur pour l exactitude odométrique et propager ces erreurs au cours du temps
43 43 Plan du chapitre Introduction et défis Partie 1 Odométrie Partie 2 Filtrage et fusion de capteurs Partie 3 Autres techniques de localisation Partie 4
44 Partie 2 : Odométrie 44
45 45 Notation a, λ, M u R n A R n n scalaires vecteur colonne de dimension n matrice avec lignes et colonnes n n I n R n n matrice identité n n 0 n m R n m matrice de zéros n m diag(a 1,a 2,...,a n )= a a matrice diagonale n n 0 0 a n
46 46 Modèle d erreur pour l exactitude odométrique Généralement la pose (position + orientation) d un robot mobile est répresentée par le vecteur: p =[x, y, θ] T Pour un, la position est estimée en partant d une position connue en intégrant le mouvement (somme des incréments des distances parcourues) robot de type unicycle v y ω θ Trajectoire du robot R m x
47 47 Modèle d erreur pour l exactitude odométrique Dans un système discret avec une période d échantillonnage fixée les incréments de distances parcourues sont: x = s cos(θ + θ/2) y = s sin(θ + θ/2) θ = s d s g L s = s d + s g 2 L t t +1 ( x, y, θ) s d, s g L Chemin parcouru pendant le dernier intervalle de temps Distances parcourues pour la roue droite et gauche, respectivement Distances entre les roues du robot
48 48 Modèle d erreur pour l exactitude odométrique La mise à jour de la pose en p = x y θ = p + p se fait par: s cos(θ + θ/2) s sin(θ + θ/2) θ En utilisant les relations pour s et θ vues précédemment, on obtient les équations de base de mise à jour de position odométrique pour un robot unicycle: s d + s g x 2 cos p = f(x, y, θ, s d, s g )= y + s d + s g 2 sin θ θ + s d s g 2L θ + s d s g 2L s d s g L
49 49 Modèle d erreur pour l exactitude odométrique Ces équations n ont d intérêt que pour de faibles déplacements Plus le déplacement entre deux instants sera important, plus l estimation de position sera grossière vis-à-vis de la réalité A cause des erreurs d intégration des incertitudes sur la pose et des erreurs de mouvement réalisées pendant l incrément ( s d, s g ) l erreur en position basée sur l intégration de l odométrie augmente avec le temps Etablissons un modèle d erreur pour la pose intégrée de covariance de l estimé odométrique de position Σ p p pour obtenir la matrice Pour ce faire, on va supposer la connaissance d une matrice de covariance Σ p R 3 3 initiale
50 Modèle d erreur pour l exactitude odométrique Pour l incrément de mouvement des roues ( s d, s g ) la matrice doit être connue aussi: où Σ =cov( s d, s g )= kd s d 0 0 k g s g Σ k d,k g sont des constantes représentant les parametrès non déterministes du moteur et de l interaction de la rue avec le sol Deux hypothèses sont englobées dans l équation précédente: Les erreurs de chaque roue sont indépendantes Les variances des erreurs sont proportionnelles à la valeur absolue des distances parcourues Ces hypothèses, bien qu imparfaits, sont satisfaisantes dans la plupart des cas en environnement structuré. Les sources d erreur sur le mouvement sont: roue déformée, glissement, sol non lisse, encodeurs imprécis, etc. Les valeurs des constants k d,k g dépendent du robot et de l environnement et ils sont déterminées expérimentalement 50
51 51 Modèle d erreur pour l exactitude odométrique p En admettant que et dg =[ s d, s g ] T ne sont pas corrélés et que la dérivée de f est bien approximée par la décomposition de Taylor du premier ordre (linéarisation), on peut appliquer la loi de propagation d erreur, obtenant: Σ p = p f Σ p ( p f) T + dg f Σ ( dg f) T Σ p Σ p La matrice est directement égale au précédent (et il peut être calculée en spécifiant une valeur initiale, ex. zéro) Connaissant on peut exprimer les deux jacobiens, : dg f = p f = f s d f s g f p f dg f 1 0 s sin(θ + θ/2) f f f = 0 1 s cos(θ + θ/2) x y θ = s 2 cos(θ + θ/2) 2L sin(θ + θ/2) 1 s 2 cos(θ + θ/2) + 2L sin(θ + θ/2) 1 s 2 sin(θ + θ/2) + 2L cos(θ + θ/2) 1 s 2 sin(θ + θ/2) 2L cos(θ + θ/2) 1/L 1/L
52 Modèle d erreur pour l exactitude odométrique Les figures ci-dessous montrent typiquement comment croissent les incertitudes sur la position au cours du temps (l'incertitude de l'orientation n'est pas représenté dans l'image, bien que son effet peut être observé indirectement) Les résultats ont été obtenu en appliquant le modèle de propagation d erreurs précédent et en représentant la matrice de covariance par une ellipse d incertitude (décomposition en valeurs propres de Σ p ) 52 Mouvement linéaire Mouvement circulaire (rayon const.)
53 53 Remarques L incertitude dans la direction perpendiculaire au mouvement croît plus vite que dans le sens du mouvement. Ce résulte de l intégration de l incertitude en orientation L axe principal de l ellipse d incertitude ne reste généralement pas exactement perpendiculaire à la direction du mouvement Mouvement linéaire Mouvement circulaire (rayon const.)
54 54 Calcul des ellipses d'incertitude La decomposition d une matrice carrée en valeurs et vecteurs propres est un outil de base que l on trouve dans de nombreuses disciplines (ex. Google PageRank) Définition Un vecteur non nul u R n est un vecteur propre d'une matrice si et seulement si il existe un scalaire tel que : λ Au = λ u u A R n n où est appelé valeur propre associée à. L'ensemble constitué des vecteurs propres de valeur propre λ, et du vecteur nul, est appelé le sous-espace propre de associé à la valeur propre u λ On détermine les valeurs et vecteurs propres en résolvant l équation: λ (A λ I n )u = 0 Remarque Les valeurs propres d'une matrice symétrique (c.-à.-d. A = A T ) sont réelles et tous ses vecteurs propres sont orthogonaux
55 55 Calcul des ellipses d'incertitude En définissant les deux matrices n n suivantes: où Λ = diag(λ 1, λ 2,...,λ n ), U =[u 1 u 2 u n ] λ 1, λ 2,...,λ n valeurs propres de la matrice décroissant A agencées par ordre u 1 vecteur propre associé à la valeur propre de forte (c.-à.-d. ) λ 1 A la plus on peut écrire: AU = U Λ
56 56 Calcul des ellipses d'incertitude Exemple: A = Valeurs propres ordonnées: , , Λ = U = Commande Matlab: [U, Lambda] = eig(a)
57 57 Calcul des ellipses d'incertitude Le façon commune de représenter l incertitude de localisation en deux dimensions (plan du sol) mais à trois degrés de liberté (position 2D et orientation) est l ellipse d incertitude autour de la position estimée La position réelle du robot, si les paramètres du modèle d erreur ont été bien choisis, doit se trouver dans cette ellipse En appliquant la décomposition en valeurs/vecteurs propres de les deux matrices et d'où: U Λ Σ p U = UΛ Σ p, on obtient u 1 λ 1 Σ p En prenant le vector propre associé à la plus forte valeur propre de on obtient l axe principale de l ellipsoïde 3D d incertitude Remarque Par définition, une matrice de covariance est une matrice symétrique et semi-définie positive (donc les valeurs propres sont réelles et non négatifs)
58 58 Calcul des ellipses d'incertitude u 1,x u 1,y Les coordonnées et du vecteur permettent de déduire l orientation de l ellipse dans le plan du sol: θ = arctan En pratique, on préfèrera l utilisation de la fonction, qui teste dans quel quart se trouve la position (u 1,x,u 1,y ) pour que θ ait un signe cohérent La longeur des demi-axes de l ellipse est définie par la racine carrée des deux valeurs propres de les plus fortes, c.-à.-d. et λ 1 λ 2 Cependant, et représentant en fait des variances. Par exemple, si les paramètres du modèle d erreur sont corrects, pour être sûr à 99.7% que la position réelle se situe dans l ellipse d incertitude, les demi-axes de celle-ci auront pour longeurs 3 λ 1 et 3 λ 2, respectivement u 1 u1,y u 1,x atan2 Σ p λ 1 λ 2
59 59 3 λ 2 3 λ 1 Cf. TD1 3σ u 1,y θ Ellipse d incertitude ( ) u 1,x N (µ, σ 2 ) x Si est une variable aléatoire qui suit la loi normale (ou gaussienne), µ est l espérance de la loi de probabilité, et est la variance: σ 2 Pr(µ σ x µ + σ) Pr(µ 2σ x µ +2σ) Pr(µ 3σ x µ +3σ) Pr(µ 5σ x µ +5σ)
60 60 Odométrie et les humains? Nous savons la longueur de nos jambes et l étendue du mouvement des nos articulations depuis notre adolescence La longueur des notres étapes est donc codée dans notre cerveau (bien que nous ne sommes pas complètement au courant) Nous pouvons estimer assez précisément la distance parcourue Même sans rétroaction visuelle (et sans compter les étapes), on a une bonne précision avec distances jusqu'à 27 m [Andre et Rogers, 2006]
61 61 Plan du chapitre Introduction et défis Partie 1 Odométrie Partie 2 Filtrage et fusion de capteurs Autres techniques de localisation Partie 3 Partie 4 2 octobre
Utilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailIntelligence artificielle et les défis en robotique mobile et autonome
Intelligence artificielle et les défis en robotique mobile et autonome Éric Beaudry http://planiart.usherbrooke.ca/~eric/ Étudiant au doctorat en informatique Laboratoires Planiart et Laborius 13 février
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailManipulateurs Pleinement Parallèles
Séparation des Solutions aux Modèles Géométriques Direct et Inverse pour les Manipulateurs Pleinement Parallèles Chablat Damien, Wenger Philippe Institut de Recherche en Communications et Cybernétique
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détail- MANIP 2 - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE
- MANIP 2 - - COÏNCIDENCES ET MESURES DE TEMPS - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE L objectif de cette manipulation est d effectuer une mesure de la vitesse de la lumière sur une «base
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailCours IV Mise en orbite
Introduction au vol spatial Cours IV Mise en orbite If you don t know where you re going, you ll probably end up somewhere else. Yogi Berra, NY Yankees catcher v1.2.8 by-sa Olivier Cleynen Introduction
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détailPréparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS
Année 2004 THESE Préparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS En vue de l obtention du titre de Docteur de l Institut National Polytechnique de Toulouse Spécialité : Informatique
Plus en détailRobotique Mobile. David Filliat
Robotique Mobile David Filliat Avril 2012 David FILLIAT École Nationale Supérieure de Techniques Avancées ParisTech Robotique Mobile 2 Cette création est mise à disposition selon le Contrat Paternité-Pas
Plus en détailAngles orientés et fonctions circulaires ( En première S )
Angles orientés et fonctions circulaires ( En première S ) Dernière mise à jour : Jeudi 01 Septembre 010 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble (Année 006-007) Lycée Stendhal, Grenoble
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailTP 03 B : Mesure d une vitesse par effet Doppler
TP 03 B : Mesure d une vitesse par effet Doppler Compétences exigibles : - Mettre en œuvre une démarche expérimentale pour mesurer une vitesse en utilisant l effet Doppler. - Exploiter l expression du
Plus en détailI - Quelques propriétés des étoiles à neutrons
Formation Interuniversitaire de Physique Option de L3 Ecole Normale Supérieure de Paris Astrophysique Patrick Hennebelle François Levrier Sixième TD 14 avril 2015 Les étoiles dont la masse initiale est
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailLes mesures à l'inclinomètre
NOTES TECHNIQUES Les mesures à l'inclinomètre Gérard BIGOT Secrétaire de la commission de Normalisation sols : reconnaissance et essais (CNSRE) Laboratoire régional des Ponts et Chaussées de l'est parisien
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en détailDécouverte du logiciel ordinateur TI-n spire / TI-n spire CAS
Découverte du logiciel ordinateur TI-n spire / TI-n spire CAS Mémento Ouvrir TI-Nspire CAS. Voici la barre d outils : L insertion d une page, d une activité, d une page où l application est choisie, pourra
Plus en détailCaractéristiques des ondes
Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailCours de Mécanique du point matériel
Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailTP 7 : oscillateur de torsion
TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailGEOLOCALISATION ET NAVIGATION A L AIDE DES SIGNAUX GNSS
GEOLOCALISATION ET NAVIGATION A L AIDE DES SIGNAUX GNSS Thierry.Chapuis@cnes.fr 08/04/2014 1 EVOLUTION DU SYSTÈME GNSS 1995-2005 2005-2014 2014 GPS GNSS-1 GNSS-2 GLONASS Pas de garantie de service Dégradation
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailAngles orientés et trigonométrie
Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailCommande Optimale Appliquée à un Robot Mobile
République Algérienne Démocratique et Populaire Ministère de l enseignement supérieur et de la recherche scientifique Université de Batna Faculté de Technologie Département d'electronique Mémoire présenté
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailChapitre 0 : Généralités sur la robotique 1/125
Chapitre 0 : Généralités sur la robotique 1/125 Historique de la robotique Étymologie : le mot tchèque robota (travail). Définition : un robot est un système mécanique polyarticulé mû par des actionneurs
Plus en détailErratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2
Introduction Page xxi (milieu de page) G = 6, 672 59 1 11 m 3 kg 1 s 2 Erratum de MÉCANIQUE, 6ème édition Page xxv (dernier tiers de page) le terme de Coriolis est supérieur à 1% du poids) Chapitre 1 Page
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailChapitre 2 : Caractéristiques du mouvement d un solide
Chapitre 2 : Caractéristiques du mouvement d un solide I Rappels : Référentiel : Le mouvement d un corps est décris par rapport à un corps de référence et dépend du choix de ce corps. Ce corps de référence
Plus en détailCHAPITRE 10. Jacobien, changement de coordonnées.
CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,
Plus en détailModélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
Plus en détailSCIENCES INDUSTRIELLES POUR L INGÉNIEUR. Partie I - Analyse système
SCIENCES INDUSTRIELLES POUR L INGÉNIEUR COMPORTEMENT DYNAMIQUE D UN VEHICULE AUTO-BALANCÉ DE TYPE SEGWAY Partie I - Analyse système Poignée directionnelle Barre d appui Plate-forme Photographies 1 Le support
Plus en détailPrésenta)on des ac)vités de recherche de l équipe PR du laboratorie MIS
Localisa1on et Naviga1on de Robots M2 EEAII, parcours ViRob, A.U. 2014-2015 Présenta)on des ac)vités de recherche de l équipe PR du laboratorie MIS Fabio MORBIDI E-mail: fabio.morbidi@u-picardie.fr Laboratorie
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
Plus en détailTD 9 Problème à deux corps
PH1ME2-C Université Paris 7 - Denis Diderot 2012-2013 TD 9 Problème à deux corps 1. Systèmes de deux particules : centre de masse et particule relative. Application à l étude des étoiles doubles Une étoile
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailTD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE
TD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE Exercice en classe EXERCICE 1 : La fibre à gradient d indice On considère la propagation d une onde électromagnétique dans un milieu diélectrique
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
Plus en détail10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU)
0 leçon 2 Leçon n 2 : Contact entre deu solides Frottement de glissement Eemples (PC ou er CU) Introduction Contact entre deu solides Liaisons de contact 2 Contact ponctuel 2 Frottement de glissement 2
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailPHYSIQUE 2 - Épreuve écrite
PHYSIQUE - Épreuve écrite WARIN André I. Remarques générales Le sujet de physique de la session 010 comprenait une partie A sur l optique et une partie B sur l électromagnétisme. - La partie A, à caractère
Plus en détailSCIENCES INDUSTRIELLES (S.I.)
SESSION 2014 PSISI07 EPREUVE SPECIFIQUE - FILIERE PSI " SCIENCES INDUSTRIELLES (S.I.) Durée : 4 heures " N.B. : Le candidat attachera la plus grande importance à la clarté, à la précision et à la concision
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailIntroduction à la robotique Licence 1ère année - 2011/2012
Introduction à la robotique Licence 1ère année - 2011/2012 Laëtitia Matignon GREYC-CNRS Université de Caen, France Laetitia Matignon Université de Caen 1 / 61 Plan Définitions 1 Définitions 2 3 Robots
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailDocument d Appui n 3.3. : Repérage ou positionnement par Global Positionning System G.P.S (extrait et adapté de CAMELEO 2001)
Document d Appui n 3.3. : Repérage ou positionnement par Global Positionning System G.P.S (extrait et adapté de CAMELEO 2001) 1. Présentation du GPS Le GPS (Global Positionning System=système de positionnement
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailChapitre 2 Caractéristiques des ondes
Chapitre Caractéristiques des ondes Manuel pages 31 à 50 Choix pédagogiques Le cours de ce chapitre débute par l étude de la propagation des ondes progressives. La description de ce phénomène est illustrée
Plus en détail