Vision par ordinateur est un domaine interdisciplinaire qui traite de la façon dont les ordinateurs peuvent être conçus pour acquérir une compréhension de haut niveau à partir d’images ou de vidéos numériques. Du point de vue de l’ingénierie, il cherche à automatiser les tâches que le système visuel humain peut effectuer. La vision par ordinateur concerne l’extraction, l’analyse et la compréhension automatiques d’informations utiles à partir d’une seule image ou d’une séquence d’images. Cela implique le développement d’une base théorique et algorithmique pour parvenir à une compréhension visuelle automatique. En tant que discipline scientifique, la vision par ordinateur s’intéresse à la théorie des systèmes artificiels qui extraient des informations à partir d’images. Les données d’image peuvent prendre de nombreuses formes, telles que des séquences vidéo, des vues de plusieurs caméras ou des données multidimensionnelles provenant d’un scanner médical. En tant que discipline technologique, la vision par ordinateur cherche à appliquer ses théories et ses modèles à la construction de systèmes de vision par ordinateur.

Distinctions

Les domaines les plus étroitement liés à la vision par ordinateur sont le traitement d’image, l’analyse d’image et la vision industrielle. Il existe un chevauchement important dans la gamme des techniques et des applications couvertes par celles-ci. Cela implique que les techniques de base qui sont utilisées et développées dans ces domaines sont similaires, ce qui peut être interprété car il n’y a qu’un seul champ avec des noms différents. En revanche, il apparaît nécessaire que les groupes de recherche, les revues scientifiques, les conférences et les entreprises se présentent ou se commercialisent comme appartenant spécifiquement à l’un de ces domaines et, par conséquent, diverses caractérisations qui distinguent chacun des domaines des autres ont été présenté.

L’infographie produit des données d’image à partir de modèles 3D, la vision par ordinateur produit souvent des modèles 3D à partir de données d’image. Il y a aussi une tendance vers une combinaison des deux disciplines, par exemple., tel qu’exploré en réalité augmentée.

Les caractérisations suivantes semblent pertinentes mais ne doivent pas être considérées comme universellement acceptées:

• Le traitement d’image et l’analyse d’image ont tendance à se concentrer sur les images 2D, comment transformer une image en une autre, par exemple., par des opérations au niveau des pixels telles que l’amélioration du contraste, des opérations locales telles que l’extraction des bords ou la suppression du bruit, ou des transformations géométriques telles que la rotation de l’image. Cette caractérisation implique que le traitement / l’analyse d’image ne nécessite ni d’hypothèses ni d’interprétations sur le contenu de l’image.
• La vision par ordinateur comprend l’analyse 3D à partir d’images 2D. Celui-ci analyse la scène 3D projetée sur une ou plusieurs images, par exemple., comment reconstruire la structure ou d’autres informations sur la scène 3D à partir d’une ou plusieurs images. La vision par ordinateur repose souvent sur des hypothèses plus ou moins complexes sur la scène représentée dans une image.
• La vision industrielle est le processus d’application d’une gamme de technologies et de méthodes pour fournir une inspection automatique basée sur l’imagerie, un contrôle de processus et un guidage de robot dans des applications industrielles. La vision industrielle a tendance à se concentrer sur les applications, principalement dans la fabrication, par exemple., des robots basés sur la vision et des systèmes d’inspection, de mesure ou de prélèvement basés sur la vision (comme le prélèvement de bacs). Cela implique que les technologies de capteur d’image et la théorie du contrôle sont souvent intégrées au traitement des données d’image pour contrôler un robot et que le traitement en temps réel est mis en valeur au moyen d’implémentations efficaces dans le matériel et le logiciel. Cela implique également que les conditions externes telles que l’éclairage peuvent être et sont souvent plus contrôlées en vision industrielle qu’elles ne le sont en vision par ordinateur générale, ce qui peut permettre l’utilisation de différents algorithmes.
• Il existe également un domaine appelé imagerie qui se concentre principalement sur le processus de production d’images, mais traite parfois aussi du traitement et de l’analyse des images. Par exemple, l’imagerie médicale comprend un travail substantiel sur l’analyse des données d’image dans les applications médicales.
• Enfin, la reconnaissance de formes est un domaine qui utilise diverses méthodes pour extraire des informations à partir de signaux en général, principalement basées sur des approches statistiques et des réseaux de neurones artificiels. Une partie importante de ce domaine est consacrée à l’application de ces méthodes aux données d’image.

Applications

Les applications vont des tâches telles que les systèmes de vision industrielle industriels qui, par exemple, inspectent les bouteilles qui défilent sur une ligne de production, à la recherche sur l’intelligence artificielle et les ordinateurs ou robots capables de comprendre le monde qui les entoure. Les domaines de la vision par ordinateur et de la vision industrielle se chevauchent considérablement. La vision par ordinateur couvre la technologie de base de l’analyse d’image automatisée qui est utilisée dans de nombreux domaines. La vision industrielle fait généralement référence à un processus de combinaison d’analyse d’image automatisée avec d’autres méthodes et technologies pour fournir une inspection automatisée et un guidage de robot dans les applications industrielles. Dans de nombreuses applications de vision par ordinateur, les ordinateurs sont préprogrammés pour résoudre une tâche particulière, mais les méthodes basées sur l’apprentissage sont de plus en plus courantes. Des exemples d’applications de la vision par ordinateur comprennent des systèmes pour:

• Inspection automatique, par exemple., dans les applications de fabrication;
• Aider les humains dans les tâches d’identification, par exemple, un système d’identification des espèces
• Contrôle des processus, par exemple., un robot industriel;
• Détection d’événements, par exemple., pour la surveillance visuelle ou le comptage de personnes, par exemple dans l’industrie de la restauration;
• Interaction, par exemple., en tant qu’entrée d’un dispositif d’interaction ordinateur-homme;
• Modélisation d’objets ou d’environnements, par exemple., analyse d’images médicales ou modélisation topographique;
• La navigation, par exemple., par un véhicule autonome ou un robot mobile; et
• Organisation des informations, par exemple., pour l’indexation de bases de données d’images et de séquences d’images.

Médicament

L’un des domaines d’application les plus importants est la vision par ordinateur médicale, ou traitement d’images médicales, caractérisé par l’extraction d’informations à partir de données d’image pour diagnostiquer un patient. Un exemple de ceci est la détection de tumeurs, d’artériosclérose ou d’autres changements malins; les mesures des dimensions des organes, du débit sanguin, etc. sont un autre exemple. Il soutient également la recherche médicale en fournissant de nouvelles informations: par exemple., sur la structure du cerveau ou sur la qualité des traitements médicaux. Les applications de la vision par ordinateur dans le domaine médical comprennent également l’amélioration des images interprétées par l’homme – images ultrasonores ou images radiographiques par exemple – pour réduire l’influence du bruit.

Vision industrielle

Un deuxième domaine d’application de la vision par ordinateur est l’industrie, parfois appelée vision industrielle, où les informations sont extraites dans le but de soutenir un processus de fabrication. Un exemple est le contrôle de la qualité où les détails ou les produits finaux sont automatiquement inspectés afin de détecter les défauts. Un autre exemple est la mesure de la position et de l’orientation des détails à saisir par un bras de robot. La vision industrielle est également largement utilisée dans les processus agricoles pour éliminer les aliments indésirables des matériaux en vrac, un processus appelé tri optique.

Militaire

Les applications militaires sont probablement l’un des plus grands domaines de la vision par ordinateur. Les exemples évidents sont la détection de soldats ou de véhicules ennemis et le guidage de missiles. Des systèmes plus avancés de guidage de missile envoient le missile vers une zone plutôt que vers une cible spécifique, et la sélection de la cible est effectuée lorsque le missile atteint la zone sur la base de données d’image acquises localement. Les concepts militaires modernes, tels que la «connaissance du champ de bataille», impliquent que divers capteurs, y compris des capteurs d’image, fournissent un ensemble riche d’informations sur une scène de combat qui peuvent être utilisées pour soutenir des décisions stratégiques. Dans ce cas, le traitement automatique des données est utilisé pour réduire la complexité et pour fusionner les informations de plusieurs capteurs pour augmenter la fiabilité.

Véhicules autonomes

L’un des nouveaux domaines d’application est celui des véhicules autonomes, qui comprennent les submersibles, les véhicules terrestres (petits robots avec roues, voitures ou camions), les véhicules aériens et les véhicules aériens sans pilote (UAV). Le niveau d’autonomie va des véhicules entièrement autonomes (sans pilote) aux véhicules où les systèmes basés sur la vision par ordinateur aident un conducteur ou un pilote dans diverses situations. Les véhicules entièrement autonomes utilisent généralement la vision par ordinateur pour la navigation, par exemple. pour savoir où il se trouve, ou pour produire une carte de son environnement (SLAM) et pour détecter les obstacles. Il peut également être utilisé pour détecter certains événements spécifiques à une tâche, par exemple., un drone à la recherche d’incendies de forêt. Des exemples de systèmes de soutien sont les systèmes d’avertissement d’obstacles dans les voitures et les systèmes d’atterrissage autonome des aéronefs. Plusieurs constructeurs automobiles ont fait la démonstration de systèmes de conduite autonome des voitures, mais cette technologie n’a toujours pas atteint un niveau où elle peut être mise sur le marché. Il existe de nombreux exemples de véhicules militaires autonomes allant des missiles avancés aux drones pour les missions de reconnaissance ou le guidage de missiles. L’exploration spatiale se fait déjà avec des véhicules autonomes utilisant la vision par ordinateur, par exemple., La NASA Curiosité et CNSA Yutu-2 vagabond.

Retour tactile

Des matériaux tels que le caoutchouc et le silicium sont utilisés pour créer des capteurs permettant des applications telles que la détection de micro-ondulations et l’étalonnage des mains robotiques. Le caoutchouc peut être utilisé afin de créer un moule qui peut être placé sur un doigt, à l’intérieur de ce moule se trouveraient plusieurs jauges de contrainte. Le moule à doigt et les capteurs pourraient alors être placés sur une petite feuille de caoutchouc contenant un réseau de broches en caoutchouc. Un utilisateur peut alors porter le moule à doigt et tracer une surface. Un ordinateur peut alors lire les données des jauges de contrainte et mesurer si une ou plusieurs broches sont poussées vers le haut. Si une broche est poussée vers le haut, l’ordinateur peut le reconnaître comme une imperfection de la surface. Ce type de technologie est utile pour recevoir des données précises sur les imperfections sur une très grande surface. Une autre variante de ce capteur de moule de doigt sont des capteurs qui contiennent une caméra suspendue dans du silicium. Le silicium forme un dôme autour de l’extérieur de la caméra et noyés dans le silicium sont des marqueurs ponctuels qui sont également espacés. Ces caméras peuvent ensuite être placées sur des dispositifs tels que des mains robotisées afin de permettre à l’ordinateur de recevoir des données tactiles très précises.

Les autres domaines d’application comprennent:

• Prise en charge de la création d’effets visuels pour le cinéma et la diffusion, par exemple., suivi de la caméra (matchmoving).
• Surveillance.
• Détection de la somnolence du conducteur
• Suivi et comptage des organismes dans les sciences biologiques