Robotique autonome Estimation d état
|
|
- Jean-Marie César Benoît
- il y a 7 ans
- Total affichages :
Transcription
1 Robotique autonome Estimation d état Francis Colas
2 Introduction Perception interprétation des valeurs des capteurs ; inférence sur l environnement ; inférence sur l état du robot ; construction d une représentation interne. Francis Colas Robotique autonome Estimation d état 2
3 Introduction Perception interprétation des valeurs des capteurs ; inférence sur l environnement ; inférence sur l état du robot ; construction d une représentation interne. Objectif de la séance présentation de différents types de capteurs ; introduction à l estimation d état ; introduction à la localisation. Francis Colas Robotique autonome Estimation d état 3
4 1Capteurs Francis Colas Robotique autonome Estimation d état 4
5 Définition Capteur dispositif matériel, qui mesure un phénomène physique, dans une zone particulière de l espace. Francis Colas Robotique autonome Estimation d état 5
6 Définition Capteur dispositif matériel, qui mesure un phénomène physique, dans une zone particulière de l espace. Caractéristiques angle de vue, portée, fréquence, précision, répétabilité, dérive, saturation, poids, consommation... Francis Colas Robotique autonome Estimation d état 6
7 Définition Capteur dispositif matériel, qui mesure un phénomène physique, dans une zone particulière de l espace. Caractéristiques angle de vue, portée, fréquence, précision, répétabilité, dérive, saturation, poids, consommation... Deux types proprioceptif : mesure relative au robot lui-même ; extéroceptif : mesure de l environnement. Francis Colas Robotique autonome Estimation d état 7
8 Capteurs de distance Sonar temps de vol d une impulsion dans l ultrason (40 68kHz) ; portée de quelques mètres, angle de quelques dizaines de degrés ; 10 25Hz ( 18 ms pour 3 m A/R) ; perçoit mal le tissu... Devantech SRF02 Francis Colas Robotique autonome Estimation d état 8
9 Capteurs de distance Sonar temps de vol d une impulsion dans l ultrason (40 68kHz) ; portée de quelques mètres, angle de quelques dizaines de degrés ; 10 25Hz ( 18 ms pour 3 m A/R) ; perçoit mal le tissu... Devantech SRF02 Infrarouge intensité ou angle de retour d une impulsion dans l infrarouge ( nm) ; portée de l ordre du mètre, ouverture de quelques degrés ; 20Hz ; perçoit mal les surfaces noires mates. Sharp GP2Y0A21YK0F Francis Colas Robotique autonome Estimation d état 9
10 Capteurs de distance Laser monodirectionnel temps de vol d une impulsion laser ; dizaine de mètres, très directif ; 20Hz ; problème avec les surfaces réfléchissantes mal orientées. Lightwave SF02 Francis Colas Robotique autonome Estimation d état 10
11 Capteurs de distance Laser monodirectionnel temps de vol d une impulsion laser ; dizaine de mètres, très directif ; 20Hz ; problème avec les surfaces réfléchissantes mal orientées. Lightwave SF02 Scanner laser temps de vol, capteur rotatif (miroir) ; d ouverture avec points, 4 80 m ; 20 50Hz ; cher, assez lourd. Hokuyo UTM30-LX Francis Colas Robotique autonome Estimation d état 11
12 Capteurs de distance Laser rotatif temps de vol laser ; 100 m, 360 horizontal, 30 vertical en plusieurs canaux (16, 32, 64) ; pts/s, 10 tr/s ; gros, cher, lourd. Velodyne HDL-64E Francis Colas Robotique autonome Estimation d état 12
13 Capteurs de distance Laser rotatif temps de vol laser ; 100 m, 360 horizontal, 30 vertical en plusieurs canaux (16, 32, 64) ; pts/s, 10 tr/s ; gros, cher, lourd. Velodyne HDL-64E Caméras à temps de vol temps de vol d un signal IR avec une matrice de pixels ; quelques mètres de portée ; 30 60Hz ; problèmes en extérieur. Mesa Imaging SR4000 Francis Colas Robotique autonome Estimation d état 13
14 Caméras Caméra couleur quantité de lumière sur chaque récepteur ; portée non contrainte ; petit, léger, faible consommation, pas cher ; difficulté d étalonnage. Camera quelconque (VC0706 UART VGA) Francis Colas Robotique autonome Estimation d état 14
15 Caméras Caméra couleur quantité de lumière sur chaque récepteur ; portée non contrainte ; petit, léger, faible consommation, pas cher ; difficulté d étalonnage. Camera quelconque (VC0706 UART VGA) Cameras omnidirectionnelles plusieurs caméras ; lentilles ; miroir ; difficulté d étalonnage. Immersive Media Dodeca 2360 Kodak Pixpro SP Panoramic Optic Francis Colas Robotique autonome Estimation d état 15
16 Caméras de profondeur Caméras stéréo disparité entre deux images ; précision décroissante avec la distance ; problèmes avec des textures uniformes. PointGrey Bumblebee2 Francis Colas Robotique autonome Estimation d état 16
17 Caméras de profondeur Caméras stéréo disparité entre deux images ; précision décroissante avec la distance ; problèmes avec des textures uniformes. PointGrey Bumblebee2 Caméra RGB-D caméra plus profondeur ; stéréo avec projecteur ou temps de vol ; étalonnage entre RGB et D. Asus Xtion Pro Francis Colas Robotique autonome Estimation d état 17
18 Centrale inertielle Accéléromètre mesure l accélération propre suivant un axe ; centaine de Hz ; dérive en fonction des conditions et dans le temps ; petit, pas cher, faible consommation. Sparkfun ADXL335 Francis Colas Robotique autonome Estimation d état 18
19 Centrale inertielle Accéléromètre mesure l accélération propre suivant un axe ; centaine de Hz ; dérive en fonction des conditions et dans le temps ; petit, pas cher, faible consommation. Sparkfun ADXL335 Gyroscope vitesse de rotation angulaire ; centaine de Hz ; dérive ; peut être petit, pas cher. Sparkfun ITG-3200 Francis Colas Robotique autonome Estimation d état 19
20 Autres capteurs Autres capteurs encodeurs (souvent intégrés aux moteurs) ; force ; interrupteur ; température ; humidité ; pression... Francis Colas Robotique autonome Estimation d état 20
21 2Estimation d état Francis Colas Robotique autonome Estimation d état 21
22 Estimation d état Estimation d état calculer une estimée de l état du robot, à partir des valeurs mesurées par les capteurs ; sous-problème de la perception ; nécessite un modèle des capteurs ; nécessite aussi un modèle du robot. Francis Colas Robotique autonome Estimation d état 22
23 Estimation d état Estimation d état calculer une estimée de l état du robot, à partir des valeurs mesurées par les capteurs ; sous-problème de la perception ; nécessite un modèle des capteurs ; nécessite aussi un modèle du robot. Approches traitement du signal ; filtrage bayésien ; filtre de Kalman. Francis Colas Robotique autonome Estimation d état 23
24 Filtre de Kalman Rappels du filtre de Kalman distributions de probabilité gaussiennes ; modèles de transition et d observation linéaires. Francis Colas Robotique autonome Estimation d état 24
25 Filtre de Kalman Rappels du filtre de Kalman distributions de probabilité gaussiennes ; modèles de transition et d observation linéaires. Variables vecteur d état : x k vecteur d observation : z k commande : u k Francis Colas Robotique autonome Estimation d état 25
26 Filtre de Kalman Rappels du filtre de Kalman distributions de probabilité gaussiennes ; modèles de transition et d observation linéaires. Variables vecteur d état : x k vecteur d observation : z k commande : u k Modèles Transition Observation x k = F k x k 1 + B k u k + w k z k = H k x k + v k Francis Colas Robotique autonome Estimation d état 26
27 Filtre de Kalman Rappels du filtre de Kalman distributions de probabilité gaussiennes ; modèles de transition et d observation linéaires. Variables vecteur d état : x k vecteur d observation : z k commande : u k Modèles Transition Observation x k = F k x k 1 + B k u k + w k p(x k x k 1, u k ) = N (F k x k 1 +B k u k, Q k ) z k = H k x k + v k p(z k x k ) = N (H k x k, R k ) Francis Colas Robotique autonome Estimation d état 27
28 Filtre bayésien Modèle T p(x 0:T, z 1:T, u 1:T ) = p(x 0) p(u k )p(x k x k 1, u k )p(z k x k ) k=1 Francis Colas Robotique autonome Estimation d état 28
29 Filtre bayésien Modèle T p(x 0:T, z 1:T, u 1:T ) = p(x 0) p(u k )p(x k x k 1, u k )p(z k x k ) k=1 Inférence p(x k z 1:k, u 1:k ) Francis Colas Robotique autonome Estimation d état 29
30 Filtre bayésien Modèle T p(x 0:T, z 1:T, u 1:T ) = p(x 0) p(u k )p(x k x k 1, u k )p(z k x k ) k=1 Inférence p(x k z 1:k, u 1:k ) p(x k+1 z 1:k, u 1:k+1 ) = x k p(x k+1 x k, u k+1 )p(x k z 1:k, u 1:k ) Francis Colas Robotique autonome Estimation d état 30
31 Filtre bayésien Modèle T p(x 0:T, z 1:T, u 1:T ) = p(x 0) p(u k )p(x k x k 1, u k )p(z k x k ) k=1 Inférence p(x k z 1:k, u 1:k ) p(x k+1 z 1:k, u 1:k+1 ) = x k p(x k+1 x k, u k+1 )p(x k z 1:k, u 1:k ) p(x k+1 z 1:k+1, u 1:k+1 ) p(z k+1 x k+1 )p(x k+1 z 1:k, u 1:k+1 ) Francis Colas Robotique autonome Estimation d état 31
32 Inférence dans le filtre de Kalman Principe inférence exacte en forme close ; calcul des moyennes et matrices de covariance : ˆx k k, P k k Francis Colas Robotique autonome Estimation d état 32
33 Inférence dans le filtre de Kalman Principe inférence exacte en forme close ; calcul des moyennes et matrices de covariance : ˆx k k, P k k Prédiction ˆx k k 1 = F kˆx k 1 k 1 + B k u k P k k 1 = F k P k 1 k 1 F T k + Q k Francis Colas Robotique autonome Estimation d état 33
34 Inférence dans le filtre de Kalman Principe inférence exacte en forme close ; calcul des moyennes et matrices de covariance : ˆx k k, P k k Prédiction ˆx k k 1 = F kˆx k 1 k 1 + B k u k P k k 1 = F k P k 1 k 1 F T k + Q k Mise à jour ỹ k = z k H kˆx k k 1 S k = H k P k k 1 H T k + R k K k = P k k 1 H T k S 1 k ˆx k k = ˆx k k 1 + K k ỹ k P k k = (I K k H k )P k k 1 Francis Colas Robotique autonome Estimation d état 34
35 Estimation d état Exemple ballon dont on souhaite connaitre l altitude, avec un sonar. Variables x : altitude ; z : distance mesurée par le sonar. Paramètres k, F k = F = 1, k, Q k = Q = m 2, k, H k = H = 1, k, R k = R = m 2. Francis Colas Robotique autonome Estimation d état 35
36 Exemple de déroulement Valeurs initiales ˆx 0 0 = 1 P 0 0 = m 2 Francis Colas Robotique autonome Estimation d état 36
37 Exemple de déroulement Valeurs initiales Prédiction ˆx 0 0 = 1 P 0 0 = m 2 ˆx k k 1 = F kˆx k 1 k 1 + B k u k P k k 1 = F k P k 1 k 1 F T k + Q k Francis Colas Robotique autonome Estimation d état 37
38 Exemple de déroulement Valeurs initiales Prédiction ˆx 0 0 = 1 P 0 0 = m 2 ˆx 1 0 = 1 P 1 0 = ˆx k k 1 = F kˆx k 1 k 1 + B k u k P k k 1 = F k P k 1 k 1 F T k + Q k Francis Colas Robotique autonome Estimation d état 38
39 Exemple de déroulement Prédiction ˆx 1 0 = 1 P 1 0 = ˆx k k 1 = F kˆx k 1 k 1 + B k u k P k k 1 = F k P k 1 k 1 F T k + Q k Mise à jour : z 1 = 0.8 ỹ k = z k H kˆx k k 1 S k = H k P k k 1 H T k + R k K k = P k k 1 H T k S 1 k ˆx k k = ˆx k k 1 + K k ỹ k P k k = (I K k H k )P k k 1 Francis Colas Robotique autonome Estimation d état 39
40 Exemple de déroulement Prédiction ˆx 1 0 = 1 P 1 0 = ˆx k k 1 = F kˆx k 1 k 1 + B k u k P k k 1 = F k P k 1 k 1 F T k + Q k Mise à jour : z 1 = 0.8 ỹ 1 = 0.2 S 1 = K 1 = ˆx 1 1 = P 1 1 = ỹ k = z k H kˆx k k 1 S k = H k P k k 1 H T k + R k K k = P k k 1 H T k S 1 k ˆx k k = ˆx k k 1 + K k ỹ k P k k = (I K k H k )P k k 1 Francis Colas Robotique autonome Estimation d état 40
41 Exemple de déroulement Mise à jour : z 1 = 0.8 ỹ 1 = 0.2 S 1 = K 1 = ˆx 1 1 = P 1 1 = ỹ k = z k H kˆx k k 1 S k = H k P k k 1 H T k + R k K k = P k k 1 H T k S 1 k ˆx k k = ˆx k k 1 + K k ỹ k P k k = (I K k H k )P k k 1 Prédiction ˆx 2 1 = P 2 1 = ˆx k k 1 = F kˆx k 1 k 1 + B k u k P k k 1 = F k P k 1 k 1 F T k + Q k Francis Colas Robotique autonome Estimation d état 41
42 Exemple de déroulement Prédiction ˆx 2 1 = P 2 1 = ˆx k k 1 = F kˆx k 1 k 1 + B k u k P k k 1 = F k P k 1 k 1 F T k + Q k Mise à jour : z 2 = 0.85 ỹ 2 = S 2 = K 2 = ˆx 2 2 = P 2 2 = ỹ k = z k H kˆx k k 1 S k = H k P k k 1 H T k + R k K k = P k k 1 H T k S 1 k ˆx k k = ˆx k k 1 + K k ỹ k P k k = (I K k H k )P k k 1 Francis Colas Robotique autonome Estimation d état 42
43 Estimation d état Conclusion estimation de la moyenne ; estimation de l incertitude ; intégration du modèle d observation et de transition. Francis Colas Robotique autonome Estimation d état 43
44 Estimation d état Conclusion estimation de la moyenne ; estimation de l incertitude ; intégration du modèle d observation et de transition. Limites cas non linéaires : Extended Kalman Filter, Unscented Kalman Filter, Particle Filter ; bruit non gaussien : Particle Filter ; problèmes d observabilité. Francis Colas Robotique autonome Estimation d état 44
45 3Localisation Francis Colas Robotique autonome Estimation d état 45
46 Localisation Définition trouver la pose du robot dans un environnement donné ; à partir d une carte connue. Francis Colas Robotique autonome Estimation d état 46
47 Localisation Définition trouver la pose du robot dans un environnement donné ; à partir d une carte connue. Approches estimation d état ; résolution de contraintes géométriques ; optimisation d erreur... Francis Colas Robotique autonome Estimation d état 47
48 Cartes Différentes cartes carte d amers ; grille d occupation ; nuages de points ; reconstruction géométrique... Grille d occupation Amers visuels [Se et al., IJRR 2002] Nuage de points Francis Colas Robotique autonome Estimation d état 48
49 Markov Localization Principe estimation de la pose, odométrie et observations ; filtre bayésien, état discrétisé. Francis Colas Robotique autonome Estimation d état 49
50 Markov Localization Principe estimation de la pose, odométrie et observations ; filtre bayésien, état discrétisé. Inférence p(x k z 1:k, u 1:k ) p(x k+1 z 1:k, u 1:k+1 ) = x k p(x k+1 x k, u k+1 )p(x k z 1:k, u 1:k ) p(x k+1 z 1:k+1, u 1:k+1 ) p(z k+1 x k+1 )p(x k+1 z 1:k, u 1:k+1 ) Francis Colas Robotique autonome Estimation d état 50
51 Markov Localization Illustration Exemple de Markov Localization (D. Fox) Francis Colas Robotique autonome Estimation d état 51
52 Monte Carlo Localization Principe estimation de la pose, odométrie et observations ; filtre bayésien, filtre à particules. Francis Colas Robotique autonome Estimation d état 52
53 Monte Carlo Localization Principe estimation de la pose, odométrie et observations ; filtre bayésien, filtre à particules. Fonctionnement {( x (i) k ) }, w(i) k i Francis Colas Robotique autonome Estimation d état 53
54 Monte Carlo Localization Principe estimation de la pose, odométrie et observations ; filtre bayésien, filtre à particules. Fonctionnement {( x (i) x (i) k ) }, w(i) k i k+1 p(x k+1 x (i) k, u k+1) Francis Colas Robotique autonome Estimation d état 54
55 Monte Carlo Localization Principe estimation de la pose, odométrie et observations ; filtre bayésien, filtre à particules. Fonctionnement {( x (i) x (i) k ) }, w(i) k i k+1 p(x k+1 x (i) k, u k+1) w (i) k+1 = w(i) k p(z k+1 x (i) k+1 ) Francis Colas Robotique autonome Estimation d état 55
56 Monte Carlo Localization Principe estimation de la pose, odométrie et observations ; filtre bayésien, filtre à particules. Fonctionnement {( x (i) x (i) k ) }, w(i) k i k+1 p(x k+1 x (i) k, u k+1) w (i) k+1 = w(i) k p(z k+1 x (i) k+1 ) ré-échantillonnage Francis Colas Robotique autonome Estimation d état 56
57 Conclusion Capteurs différents capteurs avec des caractéristiques différentes ; importance du processus physique. Francis Colas Robotique autonome Estimation d état 57
58 Conclusion Capteurs différents capteurs avec des caractéristiques différentes ; importance du processus physique. Estimation d état inférence sur l état du robot ; algorithmes à complexité constante ; importance du modèle du capteur. Francis Colas Robotique autonome Estimation d état 58
59 Conclusion Capteurs différents capteurs avec des caractéristiques différentes ; importance du processus physique. Estimation d état inférence sur l état du robot ; algorithmes à complexité constante ; importance du modèle du capteur. Localisation estimation de la pose ; différentes sortes de cartes ; importance du capteur. Francis Colas Robotique autonome Estimation d état 59
60 Bibliographie Localisation Fox et al., Markov localization for mobile robots in dynamic environments, JAIR, Thrun et al., Robust Monte Carlo localization for mobile robots, AI, Livres Thrun et al., Probabilistic Robotics, MIT Press, Siegwart et al., Introduction to Autonomous Mobile Robots, MIT Press, Siciliano et al., Springer Handbook of Robotics, Springer, Francis Colas Robotique autonome Estimation d état 60
61 Merci de votre attention. Des questions?
Intelligence 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 détailUtilisation 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 détailScanner laser HDS7000 Ultra rapide, à portée étendue
> 1 million de points / sec Scanner laser HDS7000 Ultra rapide, à portée étendue > 180 m de portée HDS7000 Scanner laser ultra rapide pour les professionnels exigeants Les scanners à mesure de phase sont
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
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 détailun nouvel œil pour l analyse de mouvement
un nouvel œil pour l analyse de mouvement L entreprise EyeNetics La S.A.R.L. EyeNetics a pour objectif de simplifier l utilisation des systèmes d analyse de mouvement. Dans cette optique nous avons conçu
Plus en détailDE LA NUMÉRISATION DES ACTIONS PHYSIQUES DES UTILISATEURS VERS LA CONCEPTION D INTERFACE AVEC LA KINECT
DE LA NUMÉRISATION DES ACTIONS PHYSIQUES DES UTILISATEURS VERS LA CONCEPTION D INTERFACE AVEC LA KINECT Doctorant Laboratoire G-SCOP VEYTIZOU Julien Julien.Veytizou@grenoble-inp.fr Qui suis-je? Projet
Plus en détailLIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés
LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /
Plus en détailVidéo Haute définition pour Station Service
Vidéo Haute définition pour Station Service La technologie appelé HD-SDI (High-Definition Serial Digital Interface) permet d installer un réseau de vidéosurveillance avec une résolution max. de 1080 p.
Plus en détailLISACode. Un simulateur opérationnel pour LISA. Antoine PETITEAU LISAFrance - le 16 mai 2006
LISACode Un simulateur opérationnel pour LISA Antoine PETITEAU LISAFrance - le 16 mai 2006 Plan Rappel sur LISACode. Validation du simulateur. Possibilités du simulateur. Résultats obtenus. Bruit de confusion.
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailSYSTÈME DE SURVEILLANCE VIDÉO À DISTANCE
SYSTÈME DE SURVEILLANCE VIDÉO À DISTANCE 1 CATALOGUE 2014 SOMMAIRE en bref... 3 Les services gratuits de la version standard Family... 4 Les différentes versions : les services supplémentaires par version...
Plus en détailSYSTÈME DE SURVEILLANCE VIDÉO À DISTANCE
SYSTÈME DE SURVEILLANCE VIDÉO À DISTANCE 1 CATALOGUE 2015 SOMMAIRE en bref... 3 Les services gratuits de la version standard Family... 4 Les différentes versions : les services supplémentaires par version...
Plus en détailFormation à la C F D Computational Fluid Dynamics. Formation à la CFD, Ph Parnaudeau
Formation à la C F D Computational Fluid Dynamics Formation à la CFD, Ph Parnaudeau 1 Qu est-ce que la CFD? La simulation numérique d un écoulement fluide Considérer à présent comme une alternative «raisonnable»
Plus en détailTuto pour connecter une source RVB RGB à un moniteur Commodore / Amiga
Tuto pour connecter une source RVB RGB à un moniteur Commodore / Amiga Il faut 1 moniteur Commodore 1084S / 1083S-D1 Ecran 1084S (au dos, il est indiqué 1083S-D1), je l ai eut avec un Amiga 600 et on va
Plus en détailDidier Pietquin. Timbre et fréquence : fondamentale et harmoniques
Didier Pietquin Timbre et fréquence : fondamentale et harmoniques Que sont les notions de fréquence fondamentale et d harmoniques? C est ce que nous allons voir dans cet article. 1. Fréquence Avant d entamer
Plus en détailRecherche De Coalescences Binaires Étalonnage Du Détecteur
Recherche De Coalescences Binaires Étalonnage Du Détecteur Fabrice Beauville Journées Jeunes Chercheurs 18/12/2003 Les Coalescences Binaires & VIRGO Système binaire d objets compacts (étoiles à neutrons,
Plus en détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en détailCaractérisation de défauts par Magnétoscopie, Ressuage, Courants de Foucault
Page 1 25 octobre 2012 Journée «Contrôle non destructif et caractérisation de défauts» Caractérisation de défauts par Magnétoscopie, Ressuage, Courants de Foucault Henri Walaszek sqr@cetim.fr Tel 0344673324
Plus en détailOpérations de base sur ImageJ
Opérations de base sur ImageJ TPs d hydrodynamique de l ESPCI, J. Bico, M. Reyssat, M. Fermigier ImageJ est un logiciel libre, qui fonctionne aussi bien sous plate-forme Windows, Mac ou Linux. Initialement
Plus en détailAnalyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains
Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains Andrés Felipe SERNA MORALES Directrice de thèse: Beatriz MARCOTEGUI ITURMENDI serna@cmm.ensmp.fr MINES ParisTech, Mathématiques
Plus en détailChapitre 2 Les ondes progressives périodiques
DERNIÈRE IMPRESSION LE er août 203 à 7:04 Chapitre 2 Les ondes progressives périodiques Table des matières Onde périodique 2 2 Les ondes sinusoïdales 3 3 Les ondes acoustiques 4 3. Les sons audibles.............................
Plus en détail1AN. e n 19" FicheS Techniques. PLV - Dynamique. caractéristiques techniques. dimensions dela structure
Démarrage automatique du contenu audio et vidéo haut-parleurs integrés Totem métal pliable et transportable Ecran 19 4/3 Habillage quadri numérique sur panneaux aimantés inclus. Couleur : noir Poids :
Plus en détailModeling reality with the latest in 3D technology: Virtualisation. Aperçu
Rencontres art, science, technique & architecture (RASTA_02) De l acquisition à la restitution de données numériques 3D 31 octobre 2002 C2RMF-DMF 6 rue des Pyramides75 041 Paris Modeling reality with the
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailÉclairage naturel L5C 2009/2010. Aurore BONNET
Éclairage naturel L5C 2009/2010 Aurore BONNET Introduction : Les 2 aspects de l éclairage naturel : Introduction : Les 2 aspects de l éclairage naturel : l ensoleillement et l éclairage diffus L ENSOLEILLEMENT
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailChapitre 4 - Spectroscopie rotationnelle
Chapitre 4 - Spectroscopie rotationnelle 5.1 Classification Déterminer à quelle catégorie (sphérique, symétrique, asymétrique) appartiennent ces molécules : a) CH 4, b) CH 3 F, c) CH 3 D, d) SF 6, e) HCN,
Plus en détailRecherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel
Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel Alexis Joly alexis.joly@inria.fr INRIA - IMEDIA Alexis Joly cours monitoring p. 1 Plan de l'exposé
Plus en détailRelever les défis des véhicules autonomes
EMM 2014 12eme rencontre européenne de mécatronique Relever les défis des véhicules autonomes Mathias Perrollaz Ingénieur expert Inria Christian Laugier Directeur de recherche Inria E-Motion Team Annecy,
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailComprendre l Univers grâce aux messages de la lumière
Seconde / P4 Comprendre l Univers grâce aux messages de la lumière 1/ EXPLORATION DE L UNIVERS Dans notre environnement quotidien, les dimensions, les distances sont à l échelle humaine : quelques mètres,
Plus en détailTP Détection d intrusion Sommaire
TP Détection d intrusion Sommaire Détection d intrusion : fiche professeur... 2 Capteur à infra-rouge et chaîne de mesure... 4 Correction... 14 1 Détection d intrusion : fiche professeur L'activité proposée
Plus en détailPar Richard Beauregard. Novembre 2011
Par Richard Beauregard Novembre 2011 La lutte contre le bruit et autres parasites lumineux Le temps d exposition versus le compositage Les images de prétraitement L'image de précharge (Offset ou Bias)
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
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 détailSystèmes d aspiration pour plan de travail
Systèmes d aspiration pour plan de travail Les systèmes d aspiration Nederman pour plan de travail peuvent être utilisés dans tout type d environnement en partant des postes d assemblage où des fumées
Plus en détailSYSTÈMES DE CONFÉRENCE. Système de conférence analogique CDS 4000 04. Système de conférence numérique DCS 6000 06
Système de conférence analogique CDS 4000 04 Système de conférence numérique DCS 6000 06 DIS, Danish Interpretation Systems, fait partie des fabricants les plus réputés de systèmes de conférences. DIS
Plus en détailEquation LIDAR : exp 2 Equation RADAR :
Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion
Plus en détailL inégale répartition de l énergie solaire est à l origine des courants atmosphériques
L inégale répartition de l énergie solaire est à l origine des courants atmosphériques I/ Objectif : Dans la partie 2 du programme de seconde «enjeux planétaires contemporains : énergie et sol», sous partie
Plus en détailProjecteurs PJ WX4130 / PJ WX4130N. Vertical. 3 kg. 11,7 cm. Focale ultra-courte. Distance minimale par rapport au mur. Format tour ultra-compact
Projecteurs PJ WX4130 / PJ WX4130N Focale ultra-courte Distance minimale par rapport au mur 11,7 cm Ultra léger 3 kg Format tour ultra-compact Vertical Grâce à leur format vertical ultra-compact et à leur
Plus en détailEnregistrement et transformation du son. S. Natkin Novembre 2001
Enregistrement et transformation du son S. Natkin Novembre 2001 1 Éléments d acoustique 2 Dynamique de la puissance sonore 3 Acoustique géométrique: effets de diffusion et de diffraction des ondes sonores
Plus en détail2 g Net - 36 g emballé 2 tips silicone anallergique small + 2 medium + 2 filtres à membrane. 2 tailles d embouts
Pacato protecteurs auditifs Description Développé et conçu pour répondre aux exigences des musiciens, Pacato est muni d un filtre acoustique qui permet une réduction du niveau sonore, sans déformer la
Plus en détailProgrammes Prioritaires Nationaux : Fumées de soudage. Y. CAROMEL - Contrôleur de sécurité
Programmes Prioritaires Nationaux : Fumées de soudage Y. CAROMEL - Contrôleur de sécurité Règles essentielles de ventilation appliquées aux activités de soudage Y. CAROMEL - Contrôleur de sécurité Règles
Plus en détailCalage robuste et accéléré de nuages de points en environnements naturels via l apprentissage automatique
Calage robuste et accéléré de nuages de points en environnements naturels via l apprentissage automatique Mémoire Maxime Latulippe Maîtrise en informatique Maître ès sciences (M.Sc.) Québec, Canada Maxime
Plus en détailLe réseau sans fil "Wi - Fi" (Wireless Fidelity)
Professionnel Page 282 à 291 Accessoires Page 294 TPE / Soho Page 292 à 293 Le réseau sans fil "Wi - Fi" (Wireless Fidelity) Le a été défini par le Groupe de travail WECA (Wireless Ethernet Compatibility
Plus en détailPaysage de nuages. Objectif. Matériel. Vue d ensemble. Résultats didactiques. Durée. Niveau
Objectif Aider les élèves à identifier certaines caractéristiques des nuages. Permettre aux élèves d observer les nuages, de les décrire avec un vocabulaire simple et de comparer leurs descriptions avec
Plus en détailDétection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO
Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont
Plus en détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
Plus en détailParrot démontre sa maîtrise technologique avec le Bebop Drone, un quadricoptère de loisirs avec des caractéristiques d un drone professionnel.
Parrot démontre sa maîtrise technologique avec le Bebop Drone, un quadricoptère de loisirs avec des caractéristiques d un drone professionnel. Equipé d une caméra 14 mega pixels à objectif fish-eye, le
Plus en détailColorisation et texturation temps réel d environnements urbains par système mobile avec scanner laser et caméra fish-eye
Colorisation et texturation temps réel d environnements urbains par système mobile avec scanner laser et caméra fish-eye Résumé Jean-Emmanuel Deschaud, Xavier Brun, François Goulette Mines ParisTech, CAOR-Centre
Plus en détailSystèmes de conférence
Systèmes de conférence Sennheiser vous propose des solutions globales performantes pour équiper vos salles de conférences. Quels que soient vos besoins, Sennheiser France vous propose une gamme de produits
Plus en détailChamp électromagnétique?
Qu est-ce qu un Champ électromagnétique? Alain Azoulay Consultant, www.radiocem.com 3 décembre 2013. 1 Définition trouvée à l article 2 de la Directive «champs électromagnétiques» : des champs électriques
Plus en détailLes Contrôles Non Destructifs
Les Contrôles Non Destructifs 1 Méthodes de maintenance MAINTENANCE d'après l'afnor CORRECTIVE PREVENTIVE PALLIATIVE Dépannage (Défaillance partielle) CURATIVE Réparation (Défaillance totale) SYSTEMATIQUE
Plus en détailTRAVAUX PRATIQUES SCIENTIFIQUES SUR SYSTÈME
Baccalauréat Professionnel SYSTÈMES ÉLECTRONIQUES NUMÉRIQUES Champ professionnel : Alarme Sécurité Incendie SOUS - EPREUVE E12 TRAVAUX PRATIQUES SCIENTIFIQUES SUR SYSTÈME Durée 3 heures coefficient 2 Note
Plus en détailBASE. Vous avez alors accès à un ensemble de fonctionnalités explicitées ci-dessous :
BASE BioArray Software Environment (BASE) est une base de données permettant de gérer l importante quantité de données générées par des analyses de bio-puces. BASE gère les informations biologiques, les
Plus en détailwww.habefast.ch contact@habefast.ch Agence web en Suisse romande CH-1260 Nyon 022 362 25 70
1 By Agence web en Suisse romande 2 Qu est ce qu est le SEO? Le référencement naturel ou SEO (Search Engine Optimisation) est une pratique qui, comme son nom l indique, permet d optimiser un site web pour
Plus en détailSLAM Visuel 3D pour robot mobile autonome
Master de Sciences Mention «Imagerie, Robotique et Ingénierie pour le Vivant» - Projet de Fin D étude - SLAM Visuel 3D pour robot mobile autonome Romain Drouilly Encadrants ECA Benoit Morisset Pierrick
Plus en détailVers du matériel libre
Février 2011 La liberté du logiciel n est qu une partie du problème. Winmodems Modem traditionnel Bon fonctionnement Plus cher Electronique propriétaire Blob sur DSP intégré au modem Bien reçu par les
Plus en détailCaméra de surveillance avec capteur PIR, pour PX-3746
Caméra de surveillance avec capteur PIR, pour PX-3746 FR Mode d'emploi PX-3747-675 FR TABLE DES MATIÈRES Votre nouvelle caméra de surveillance...3 Chère cliente, cher client,...3 Contenu...3 Caractéristiques...4
Plus en détailSYSTEME DE PALPAGE A TRANSMISSION RADIO ETUDE DU RECEPTEUR (MI16) DOSSIER DE PRESENTATION. Contenu du dossier :
SYSTEME DE PALPAGE A TRANSMISSION RADIO ETUDE DU RECEPTEUR (MI16) DOSSIER DE PRESENTATION Contenu du dossier : 1. PRESENTATION DU SYSTEME DE PALPAGE A TRANSMISSION RADIO....1 1.1. DESCRIPTION DU FABRICANT....1
Plus en détailMultivac Vision System (MVS) : Détection visuelle d objets et inspection qualité. * Le meilleur de l emballage
Multivac Vision System (MVS) : Détection visuelle d objets et inspection qualité * * Le meilleur de l emballage MVS Composants Domaines d application Données techniques Automatisation efficace de la production
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
Plus en détailComme chaque ligne de cache a 1024 bits. Le nombre de lignes de cache contenu dans chaque ensemble est:
Travaux Pratiques 3. IFT 1002/IFT 1005. Structure Interne des Ordinateurs. Département d'informatique et de génie logiciel. Université Laval. Hiver 2012. Prof : Bui Minh Duc. Tous les exercices sont indépendants.
Plus en détailComment réaliser physiquement un ordinateur quantique. Yves LEROYER
Comment réaliser physiquement un ordinateur quantique Yves LEROYER Enjeu: réaliser physiquement -un système quantique à deux états 0 > ou 1 > -une porte à un qubitconduisant à l état générique α 0 > +
Plus en détailQuantification des Risques
Quantification des Risques Comment considérer les aléas dans une projection financière? PragmaRisk met à disposition des solutions et des méthodes permettant de considérer les aléas dans vos projections
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
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 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 détailTraitement numérique de l'image. Raphaël Isdant - 2009
Traitement numérique de l'image 1/ L'IMAGE NUMÉRIQUE : COMPOSITION ET CARACTÉRISTIQUES 1.1 - Le pixel: Une image numérique est constituée d'un ensemble de points appelés pixels (abréviation de PICture
Plus en détailLa couche physique de l ADSL (voie descendante)
La couche physique de l ADSL (voie descendante) Philippe Ciblat École Nationale Supérieure des Télécommunications, Paris, France Problématique qq kilomètres CENTRAL câble de 0,4mm Objectifs initiaux :
Plus en détail-1- SOUNDMAN. Fabrication et distribution. SOUNDMAN e.k. Bornimer Str. 4 10711 Berlin (Allemagne) Tél & Fax (+49) - 30-28 59 81 16
-1- Mode d'emploi SOUNDMAN R MICRO À OREILLETTES Fabrication et distribution R SOUNDMAN e.k. Bornimer Str. 4 10711 Berlin (Allemagne) Tél & Fax (+49) - 30-28 59 81 16 Internet : http://www.soundman.de
Plus en détail3. Artefacts permettant la mesure indirecte du débit
P-14V1 MÉTHODE DE MESURE DU DÉBIT D UN EFFLUENT INDUSTRIEL EN CANALISATIONS OUVERTES OU NON EN CHARGE 1. Domaine d application Cette méthode réglemente la mesure du débit d un effluent industriel en canalisations
Plus en détail1 La visualisation des logs au CNES
1 La visualisation des logs au CNES 1.1 Historique Depuis près de 2 ans maintenant, le CNES a mis en place une «cellule d analyse de logs». Son rôle est multiple : Cette cellule est chargée d analyser
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 détail1. PRESENTATION DU PROJET
Bac STI2D Formation des enseignants Jean-François LIEBAUT Denis PENARD SIN 63 : Prototypage d un traitement de l information analogique et numérique (PSoC) 1. PRESENTATION DU PROJET Les systèmes d éclairage
Plus en détailRobot WIFIBOT Lab V4. Lab V4. www.wifibot.com
Lab V4 Robot WIFIBOT Lab V4 4 roues motrices avec 4 PID indépendants et motorisation sans balais Architecture modulaire et ouverte Contrôlable en RS232 ou en Wifi PC x86 embarqué avec une image Win7 ou
Plus en détailChapitre 22 : (Cours) Numérisation, transmission, et stockage de l information
Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information I. Nature du signal I.1. Définition Un signal est la représentation physique d une information (température, pression, absorbance,
Plus en détailEquipement. électronique
MASTER ISIC Les générateurs de fonctions 1 1. Avant-propos C est avec l oscilloscope, le multimètre et l alimentation stabilisée, l appareil le plus répandu en laboratoire. BUT: Fournir des signau électriques
Plus en détailNOTICE D EMPLOI SLT-TR
Tel.: +33 (0) 972 3537 17 Fax: +33 (0) 972 3537 18 info@pce-france.fr NOTICE D EMPLOI SLT-TR Symbole d avertissement Attention: Ne pas exposer le terminal d entrée à une tension de surcharge ou au courant.
Plus en détailMOTORISATION DIRECTDRIVE POUR NOS TELESCOPES. Par C.CAVADORE ALCOR-SYSTEM WETAL 2013 10 Nov
1 MOTORISATION DIRECTDRIVE POUR NOS TELESCOPES Par C.CAVADORE ALCOR-SYSTEM WETAL 2013 10 Nov Pourquoi motoriser un télescope? 2 Pour compenser le mouvement de la terre (15 /h) Observation visuelle Les
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 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 détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
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 détailFAG Detector II le collecteur et l analyseur de données portatif. Information Technique Produit
FAG II le collecteur et l analyseur de données portatif Information Technique Produit Application La maintenance conditionnelle Principe de fonctionnement Application Le FAG II est, à la fois, un appareil
Plus en détailLe phénomène du SPAM en 2003!!!
Le phénomène du SPAM en 2003!!! CRIP / Grenoble 1 1 Définition Législation Pourquoi combattre le SPAM? Les différents types de SPAM Impact économique Le combat contre le SPAM Evolution des méthodes Eviter
Plus en détailALARME DOMESTIQUE FILAIRE
ALARME DOMESTIQUE FILAIRE DOSSIER RESSOURCES Académie de LYON BAC Pro Électrotechnique, Énergie, Équipements Communicants Page 1 sur 15 SOMMAIRE Introduction... page 3/15 Le sous-système : maquette alarme
Plus en détailPrincipes généraux de la modélisation de la dispersion atmosphérique
Principes généraux de la modélisation de la dispersion atmosphérique Rémy BOUET- DRA/PHDS/EDIS remy.bouet@ineris.fr //--12-05-2009 1 La modélisation : Les principes Modélisation en trois étapes : Caractériser
Plus en détailToolbox d étalonnage pour Kinect : Application à la fusion d une Kinect et d un télémètre laser
Toolbox d étalonnage pour Kinect : Application à la fusion d une Kinect et d un télémètre laser Jean-Clément Devaux, Hicham Hadj-Abdelkader, Etienne Colle To cite this version: Jean-Clément Devaux, Hicham
Plus en détailMesures de temps de propagation de groupe sur convertisseurs de fréquence sans accès aux OL
Mesures de temps de propagation de groupe sur convertisseurs de fréquence sans accès aux Comment mesurer le temps de propagation de groupe sur des convertisseurs de fréquence dans lesquels le ou les oscillateurs
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailLes parcours S4 traditionnels : Robotique, Radio Communication Numérique, Traitement de l information. Informatique Industrielle
Projet S 4 Présentation des Projets du S 4 Plan de la présentation 1 Thématique des projets S 4 2 Organisation, encadrement, évaluations Les sujets de projets proposés 4 Questions, constitutions des équipes
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 détailEcole Centrale d Electronique VA «Réseaux haut débit et multimédia» Novembre 2009
Ecole Centrale d Electronique VA «Réseaux haut débit et multimédia» Novembre 2009 1 Les fibres optiques : caractéristiques et fabrication 2 Les composants optoélectroniques 3 Les amplificateurs optiques
Plus en détailBandes Critiques et Masquage
Bandes Critiques et Masquage A. Almeida Licence Pro Acoustique et Vibrations Octobre 2012 Au Menu Au programme 1 Observations du masquage 5 Application du masquage 2 Conséquences du Masquage 3 Interprétation
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 détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détail