Academic literature on the topic 'Capteurs d'orientation'

Ce travail de thèse en Mathématiques Appliquées a été effectué au sein du service Capteurs et Systèmes Electroniques (SCSE) au CEA-Leti, organisme majeur de la recherche publique française implanté à Grenoble. Il s'inscrit dans le cadre d'une collaboration avec le laboratoire de mathématiques appliquées Jean Kuntzmann (LJK) de l'Université Joseph Fourier (UJF). Le Leti développe des systèmes de capteurs de données terrestres (magnétomètres, accéléromètres...) capables de se géoréférencer de manière autonome. Placés sur des objets, ces dispositifs de capteursfournissent leur orientation propre dans l'espace, et ouvrent donc un vaste champ d'applications dans le domaine de l'acquisition et la reconstruction de formes.Le problème de la reconstruction de surfaces à partir de données d'orientation non structurées est par essence un problème mal posé. Cependant, des travaux précédents effectués au Leti ont permis de dégager un protocole fournissant un cadre valide pour le processus de reconstruction. Les capteurs ont été intégrés dans les rubans Morphosense : ces rubans souples équipés de noeuds de capteurs selon unegéométrie connue permettent ainsi le développement d'algorithmes de reconstruction de la courbe suivie par le ruban. L'application de rubans Morphosense sur une surface physique permet alors d'acquérir la famille des courbes suivies par les rubans et tracées sur la surface. Il s'agit ensuite d'exploiter le réseau des courbes ainsi obtenues pour reconstruire la surface. Dans un premier temps, nous revisitons la question de la reconstruction du ruban. Nous proposons des algorithmes de reconstruction de la courbe 3D suivie par le ruban Morphosense prenant maintenant en compte l'intégralité des données fournies par les capteurs d'orientation, ainsi que les propriétés méca-niques du ruban qui le conduisent à suivre des courbes géodésiques sur une surface. De ce point de vue, la reconstruction peut être considérée comme optimale.On étudie ensuite un ensemble de méthodes pour la reconstruction de surfaces à partir d'un réseau de courbes rubans. Dans le cas général, un tel type de réseau conduit à des problèmes de fermeture et d'estimation de données manquantes. La question de la fermeture, d'ordre essentiellement numérique et liée à des contraintes différentielles, concerne le réseau des courbes et la difficulté d'obtenir des contoursfermés. La question cruciale de l'estimation des données manquantes traduit le fait qu'aucune information sur la surface n'est connue et accessible en dehors du réseau des courbes rubans.Afin de s'affranchir de ces problèmes et de proposer des solutions pratiques pour la reconstruction, il est nécessaire de faire des hypothèses sur le modèle de surfaces à reconstruire ou sur la topologie de réseau de courbes acquises. Les méthodes développées s'inscrivent donc dans l'une des deux approchessuivantes.– D'une part des méthodes de reconstruction de surfaces développables et quasi-développables, qui modélisent de manière satisfaisante les surfaces étudiées dans le cadre de nombreuses applications.– D'autre part des méthodes de reconstruction à partir d'une topologie spécifique de réseaux de courbes (courbes quasi-planaires, contour ouvert), permettant de résoudre le problème de fermeture.L'ensemble des méthodes proposées dans ces travaux permet ainsi de formuler un processus global de reconstruction de surfaces, qu'il est possible d'adapter aux problèmes étudiés en pratique, afin de proposer une solution à la fois simple et précise dans chaque cas. La validation des résultats dans le cadre des données réelles fournies par les rubans Morphosense nous a conduit à développer des dispositifs métrologiques. Enfin, notons que le contexte général des données d'orientation étudié ici soulève des problématiques peu classiques, voire nouvelles, auxquelles nous avons essayé d'apporter des solutions originales, en particulier au travers d'algorithmes d'interpolation et d'optimisation
This PhD thesis in applied mathematics was conducted within the Electronic Systems andSensors department of the CEA-Leti (Atomic Energy and Alternative Energies Commission - Laboratory for Electronics and Information Technologies), a major organism for technological research located in Grenoble, France. This work originated from a partnership with the applied mathematics laboratory (LJK) of the Joseph Fourier university (UJF). The Leti develops embedded systems equiped with micro-sensors (magnetometers, accelerometers...) from which it is possible to retrieve informations about their spatial orientation. These systems allow for innovative applications in the field of shape acquisition and reconstruction. The problem of reconstructing surfaces from unstructured orientation data is ill-posed. However, previous work done within the Leti came up with a valid reconstruction protocol. The micro-sensors were integrated into the Morphosense ribbon : this flexible ribbon instrumented with sensor knots according to a known geometry is at the core of a number of reconstruction algorithms for the curves followed by the ribbon. When lied on a physical surface, Morphosense ribbons then allow the acquisition and reconstruction of a network of curves on the surface, that are then used for the reconstruction of the entire surface. We first propose new algorithms for curve reconstruction thanks to the Morphosense ribbon. Those new methods now integrate the orientation informations provided by the sensors in their entirety, as well as the mechanical properties of the ribbon that force it to follow geodesic curves on a surface. From this point of view, the curve reconstruction can be considered optimal, as it integrates all the information embedded in the ribbons' structure. We then study a set of methods for the reconstruction of surfaces using a network of ribbon curves. Such a network generally leads to problems linked to the closure of the network and missing data estimation. The closure of the network is essentially a numerical problem related to differential constraints. The missing data corresponds to the lack of information on the surface outside the network of curves. In order to deal with these problems and propose practical solutions for the reconstruction, hypotheses either on the surface models or the topology of the network of curves are required. Therefore, the developed methods fall within the two following approaches.– On the one hand, reconstruction methods for developable and quasi-developable surfaces, which are a good approximation for the surfaces considered in numerous applications.– On the other hand, reconstruction methods from networks of curves with specific topologies (quasi-planar curves, open network) so as to deal with the closure problem.The set of methods developed in this work allow to formulate a global process for the reconstruction of surfaces, with flexible algorithms adapting to the different practical situations, so as to propose a solution both simple and precise in each case. The validation of our results in the case of real sensors data provided by the Morphosense ribbons also led us to develop metrological device. Finally, notice that the general context of reconstruction from orientation data studied here raises original theorical problems, to which we tried to answer with innovative solutions through interpolation and optimization algorithms

Les centrales inertielles (triade de capteurs inertiels dont la fusion des données permet l’estimation de l’orientation d’un corps rigide) sont de plus en plus populaires en biomécanique. Toutefois, les qualités métrologiques des centrales inertielles (CI) sont peu documentées et leur capacité à identifier des incapacités liées à la mobilité, sous-évaluée. Objectifs : (i) Caractériser la validité de la mesure d’orientation issue de CI ; (ii) Optimiser la justesse et la fidélité de ces mesures; et (iii) Proposer des métriques de mobilité basées sur les mesures d’orientation issues de CI. Méthodologie et résultats : La validité de la mesure d’orientation de différents types de CI a d’abord été évaluée en conditions contrôlées, à l’aide d’une table motorisée et d’une mesure étalon. Il a ainsi été démontré que les mesures d’orientation issues de CI ont une justesse acceptable lors de mouvements lents (justesse moyenne ≤ 3.1º), mais que cette justesse se dégrade avec l’augmentation de la vitesse de rotation. Afin d’évaluer l’impact de ces constatations en contexte clinique d’évaluation de la mobilité, 20 participants ont porté un vêtement incorporant 17 CI lors de la réalisation de diverses tâches de mobilité (transferts assis-debout, marche, retournements). La comparaison des mesures des CI avec celles d’un système étalon a permis de dresser un portrait descriptif des variations de justesse selon la tâche exécutée et le segment/l’articulation mesuré. À partir de ces constats, l’optimisation de la mesure d’orientation issue de CI est abordée d’un point de vue utilisateur, démontrant le potentiel d’un réseau de neurones artificiel comme outil de rétroaction autonome de la qualité de la mesure d’orientation (sensibilité et spécificité ≥ 83%). Afin d’améliorer la robustesse des mesures de cinématique articulaire aux variations environnementales, l’ajout d’une photo et d’un algorithme d’estimation de pose tridimensionnelle est proposé. Lors d’essais de marche (n=60), la justesse moyenne de l’orientation à la cheville a ainsi été améliorée de 6.7° à 2.8º. Finalement, la caractérisation de la signature de la cinématique tête-tronc pendant une tâche de retournement (variables : angle maximal tête-tronc, amplitude des commandes neuromusculaires) a démontré un bon pouvoir discriminant auprès de participants âgés sains (n=15) et de patients atteints de Parkinson (PD, n=15). Ces métriques ont également démontré une bonne sensibilité au changement, permettant l’identification des différents états de médication des participants PD. Conclusion : Les mesures d’orientation issues de CI ont leur place pour l’évaluation de la mobilité. Toutefois, la portée clinique réelle de ce type de système ne sera atteinte que lorsqu’il sera intégré et validé à même un outil de mesure clinique.
Abstract : Inertial measurement of motion is emerging as an alternative to 3D motion capture systems in biomechanics. Inertial measurement units (IMUs) are composed of accelerometers, gyroscopes and magnetometers which data are fed into a fusion algorithm to determine the orientation of a rigid body in a global reference frame. Although IMUs offer advantages over traditional methods of motion capture, the value of their orientation measurement for biomechanics is not well documented. Objectives: (i) To characterize the validity of the orientation measurement issued from IMUs; (ii) To optimize the validity and the reliability of these measurements; and (iii) To propose mobility metrics based on the orientation measurement obtained from IMUs. Methods and results: The criterion of validity of multiple types of IMUs was characterized using a controlled bench test and a gold standard. Accuracy of orientation measurement was shown to be acceptable under slow conditions of motion (mean accuracy ≤ 3.1º), but it was also demonstrated that an increase in velocity worsens accuracy. The impact of those findings on clinical mobility evaluation was then assessed in the lab, with 20 participants wearing an inertial suit while performing typical mobility tasks (standing-up, walking, turning). Comparison of the assessed IMUs orientation measurements with those from an optical gold standard allowed to capture a portrait of the variation in accuracy across tasks, segments and joints. The optimization process was then approached from a user perspective, first demonstrating the capability of an artificial neural network to autonomously assess the quality of orientation data sequences (sensitivity and specificity ≥ 83%). The issue of joint orientation accuracy in magnetically perturbed environment was also specifically addressed, demonstrating the ability of a 2D photograph coupled with a 3D pose estimation algorithm to improve mean ankle orientation accuracy from 6.7° to 2.8º when walking (n=60 trials). Finally, characterization of the turn cranio-caudal kinematics signature (variables: maximum head to trunk angle and neuromuscular commands amplitude) has demonstrated a good ability to discriminate between healthy older adults (n=15) and early stages of Parkinson’s disease patients (PD, n=15). Metrics have also shown a good sensitivity to change, enabling to detect changes in PD medication states. Conclusion: IMUs offer a complementary solution for mobility assessment in clinical biomechanics. However, the full potential of this technology will only be reached when IMUs will be integrated and validated within a clinical tool.

Le LETI développe des micro-capteurs (tels que des micro-accéléromètres ou des micro-magnétomètres) capables de se géoréférencer et de donner alors leur propre orientation dans l’espace. Ainsi, si nous posons un ensemble de capteurs sur une forme, ils nous fourniront les données tangentielles de la surface aux positions des capteurs. Le travail développé ici consiste à reconstruire la forme d'objets à partir de ces données tangentielles et de la connaissance de la répartition de ces capteurs. Nous étudierons plusieurs cas de reconstruction, en commençant par la reconstruction de courbes planes, puis de courbes gauches et enfin de surfaces. Puis nous proposerons des méthodes de capture de mouvement de formes en déformation, c'est-à-dire que nous allons équiper une courbe ou une surface de capteurs, nous allons lui appliquer des déformations, et nous devrons reconstruire la forme virtuelle associée en temps réel à partir des données fournies par les capteurs. De nombreuses applications sont envisagées (domaines de la santé, de l'aéronautique, du multimédia,. . . ), et nous élaborons en parallèle des prototypes de capture de forme afin de tester et valider nos méthodes
Micro-sensors developed at the LETI (like microaccelerometers or micromagnetometers) are able to give some information about their orientation. So if we put an array of sensors on a object, they will give data about the local tangency of the object. This work consists in reconstructing the shape of the object thanks to these sensors information. The shape can be a curve lying in a plane, or a space curve, and then a surface. Then we propose the motion capture of a shape in deformation, i. E. We will equip a curve or a surface with sensors, make movements and deformations with it, and reconstruct it in the same time via data from sensors. There is a lot of applications (medical, aeronautic, multimedia, hobbyist - do -it - yourself applications), and some materials will be experimented in the same time to test and validate these algorithms

Le LETI développe des micro-capteurs (tels que des micro-accéléromètres ou des micro-magnétomètres) capables de se géoréférencer et de donner alors leur propre orientation dans l'espace. Ainsi, si nous posons un ensemble de capteurs sur une forme, ils nous fourniront les données tangentielles de la surface aux positions des capteurs. Le travail développé ici consiste à reconstruire la forme d'objets à partir de ces données tangentielles et de la connaissance de la répartition de ces capteurs. Nous étudierons plusieurs cas de reconstruction, en commençant par la reconstruction de courbes planes, puis de courbes gauches et enfin de surfaces. Puis nous proposerons des méthodes de capture de mouvement de formes en déformation, c'est-à-dire que nous allons équiper une courbe ou une surface de capteurs, nous allons lui appliquer des déformations, et nous devrons reconstruire la forme virtuelle associée en temps réel à partir des données fournies par les capteurs. De nombreuses applications sont envisagées (domaines de la santé, de l'aéronautique, du multimédia, ...), et nous élaborons en parallèle des prototypes de capture de forme afin de tester et valider nos méthodes.