SADAOUI 2019 Archivage

Inspection dimensionnelle - Une approche multi-capteurs
pour la vérification des spécifications géométriques

Sif Eddine Sadaoui
To cite this version:

Sif Eddine Sadaoui. Inspection dimensionnelle - Une approche multi-capteurs pour la vérification des
spécifications géométriques. Génie mécanique [physics.class-ph]. Université Paris Saclay (COmUE),
2019. Français. �NNT : 2019SACLN020�. �tel-02186114�
HAL Id: tel-02186114

https://theses.hal.science/tel-02186114
Submitted on 17 Jul 2019
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
NNT : 2019SACLN020
Inspection dimensionnelle - Une

approche multi-capteurs pour la
vérification des spécifications
géométriques
Thèse de doctorat de l’Université Paris-Saclay
préparée à École normale supérieure Paris-Saclay
Ecole doctorale n◦ 579 Dénomination (SMEMAG)

Spécialité de doctorat : Génie Mécanique
Thèse présentée et soutenue à Cachan, le 09 Juillet 2019, par
SIF EDDINE SADAOUI
Composition du Jury :
M. Philippe VERON
Professeur des Universités, Arts et Métiers ParisTech Président
M. Yann QUINSAT
Professeur agrégé-HDR, ENS Paris-Saclay Examinateur
M. Jean-François FONTAINE
Professeur des Universités, Université de Bourgogne Rapporteur
M. Alex BALLU
Maı̂tre de Conférences HDR, Université de Bordeaux Rapporteur
Mme. Claire LARTIGUE
Professeur des Universités, Université Paris-Sud Directeur de thèse
M. Charyar MEHDI-SOUZANI
Maı̂tre de Conférence, Université Paris 13 Co-encadrant de thèse
M. Jean-Louis GRZESIAK
Directeur technique, Renishaw France Invité
Remerciements
Mes travaux de recherche présentés dans ce mémoire ont été menés au sein du Labo-
ratoire Universitaire de Recherche en Production Automatisée (LU RP A) dans l’équipe
Géométrie tridimensionnelle des pièces et des mécanismes (Géo3D), Ecole Normale Su-
périeure Paris-Saclay (ancienne ENS Cachan). Je tiens à remercier le directeur du labo-
ratoire, Monsieur Christophe Tournier et les responsables successifs de l’équipe Géo3D ;
Messieurs Yann Quinsat et Charyar Mehdi-Souzani, ils m’ont accueilli chaleureusement
au LU RP A et m’ont permis de mener à bien mes travaux de recherche.
Je tiens particulièrement à adresser mes remerciements aux membres de jury. Je
remercie Monsieur Philippe Veron qui a accepté de présider ce jury. Je tiens à remercier
également Messieurs Jean-François Fontaine et Alex Ballu qui ont rapporté sur cette
thèse avec beaucoup de minutie, ce qui m’a permis d’approfondir mes travaux et d’avoir
plus de perspectives. Mes remerciements vont également à Messieurs Yann Quinsat et
Jean-Louis Grzesiak qui ont examiné ces travaux avec rigueur.
Ces travaux de thèse n’auraient pas été possibles sans la direction et le soutien
de Madame Claire Lartigue. Elle a été très impliquée dans ces travaux. Je tiens à la
remercier pour toutes ces années de collaboration constructives et de soutien humain
ainsi que pour sa disponibilité.
J’exprime toute ma reconnaissance envers Monsieur Charyar Mehdi-Souzani pour
sa grande disponibilité et sa forte implication aussi bien sur les aspects scientifiques
et techniques que sur l’aspect humain. J’ai beaucoup apprécié travailler à ses côtés et
j’espère pouvoir collaborer avec lui pour de futurs travaux.
Je tiens également à remercier l’équipe de Renishaw qui m’a ouvert ses portes et a
apporté des solutions à mes différentes interrogations.
Un grand remerciement à tous les membres du laboratoire, permanents, anciens et
futurs docteurs pour leurs conseils, leur soutien et leurs encouragements ainsi que le
temps passé ensemble durant ces années.
Je tiens à remercier ma famille et ma belle-famille et en particulier mes parents qui
i
m’ont épaulé durant toutes ces années. Merci également à tous ceux qui se sont déplacés,
parfois de loin, le jour de ma soutenance.
Enfin, je tiens à exprimer un grand merci à ma femme Myriam qui a su m’épauler,
m’encourager, me soutenir et tant de choses. Merci pour tout ce que tu as pu faire pour
moi.
Table des matières
Introduction Générale i
Table des matières iii
Table des figures vii
Liste des tableaux xv
Introduction Générale 1
1 Positionnement scientifique 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Inspection dimensionnelle multi-capteurs . . . . . . . . . . . . . . . . . . 7
1.3 Inspection dimensionnelle combinant un capteur laser-plan et un palpeur 10
1.4 Évaluation des performances des capteurs laser-plan . . . . . . . . . . . . 11
1.4.1 Concept de qualité associée aux capteurs laser-plan . . . . . . . . 11
1.4.2 Paramètres influant sur la qualité . . . . . . . . . . . . . . . . . . 12
1.4.3 Protocole d’évaluation de la qualité . . . . . . . . . . . . . . . . . 15
1.4.4 Temps de mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.5 Accessibilité du capteur laser-plan . . . . . . . . . . . . . . . . . . 17
1.4.6 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5 Sélection des capteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6 Planification des trajectoires . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6.1 Planification de la trajectoire du capteur laser-plan . . . . . . . . 23
1.6.2 Planification de la trajectoire du palpeur . . . . . . . . . . . . . . 26
1.6.3 Étude des problèmes de collision . . . . . . . . . . . . . . . . . . . 29
1.7 Traitement des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.7.1 Pré-traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.7.2 Fusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
iii
TABLE DES MATIÈRES
1.8 Synthèse et Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . 37

1.9 Démarche proposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2 Génération des séquences d’opérations 43

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2 Qualification des capteurs . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2.1 Caractérisation de la fenêtre de mesure (FOV) du capteur laser-plan 47
2.2.2 Évaluation du bruit . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2.3 Évaluation de la justesse . . . . . . . . . . . . . . . . . . . . . . . 49
2.2.4 Évaluation des erreurs de remise en position et de changement
d’orientations du capteur laser-plan . . . . . . . . . . . . . . . . . 51
2.2.5 Évaluation des performances du palpeur . . . . . . . . . . . . . . 52
2.2.6 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.3 Extraction des données d’inspection . . . . . . . . . . . . . . . . . . . . . 54
2.3.1 Définition de la notion d’entité d’inspection . . . . . . . . . . . . 56
2.3.2 Assignation d’attributs aux entités . . . . . . . . . . . . . . . . . 58
2.3.3 Organisation de la base de données des entités d’inspection . . . . 59
2.3.4 Application de la démarche d’extraction des données d’inspection 61
2.4 Choix d’un ensemble d’orientations du scanner . . . . . . . . . . . . . . 63
2.4.1 Méthodologie de sélection des orientations . . . . . . . . . . . . . 63
2.4.2 Principe de génération de la liste des orientations . . . . . . . . . 63
2.4.3 Démarche proposée . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.5 Génération des groupes d’entités . . . . . . . . . . . . . . . . . . . . . . 66
2.5.1 Principe de génération des groupes d’entités . . . . . . . . . . . . 68
2.5.2 Évaluation de l’aptitude du capteur laser-plan . . . . . . . . . . . 69
2.5.3 Évaluation de l’aptitude du palpeur . . . . . . . . . . . . . . . . 81
2.6 Application de la démarche . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.6.1 Évaluation de l’aptitude du capteur laser-plan dans l’Ornt1 . . . . 85
2.6.2 Évaluation de l’aptitude du palpeur dans l’Ornt1 . . . . . . . . . 85
2.6.3 Séquence d’opérations . . . . . . . . . . . . . . . . . . . . . . . . 86
2.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3 Planification des trajectoires et exécution 91

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
iv
TABLE DES MATIÈRES
3.2 Approche proposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

3.3 Planification des trajectoires du capteur laser-plan . . . . . . . . . . . . . 94
3.3.1 Évaluation de la plage des distances de numérisation admissibles . 97
3.3.2 Évaluation des niveaux de trajectoire . . . . . . . . . . . . . . . . 99
3.3.3 Définition des points de passage . . . . . . . . . . . . . . . . . . . 103
3.3.4 Évitement des collisions . . . . . . . . . . . . . . . . . . . . . . . 105
3.3.5 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.4 Planification des trajectoires du palpeur . . . . . . . . . . . . . . . . . . 106
3.4.1 Définition du nombre de points de mesure . . . . . . . . . . . . . 108
3.4.2 Distributions des points de mesure . . . . . . . . . . . . . . . . . 108
3.4.3 Définition des points d’accostage et des directions d’accostage . . 111
3.4.4 Définition de la séquence de points de mesure . . . . . . . . . . . 112
3.4.5 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
3.5 Exécution de la gamme d’inspection . . . . . . . . . . . . . . . . . . . . . 114
3.5.1 Description de la chaîne d’exécution . . . . . . . . . . . . . . . . . 116
3.5.2 Calcul de la trajectoire du scanner . . . . . . . . . . . . . . . . . 117
3.5.3 Génération d’un fichier "trajectoire" contenant la gamme d’ins-
pection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
3.5.4 Export des données de mesure . . . . . . . . . . . . . . . . . . . . 121
3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4 Traitement des données pour l’évaluation des spécifications 125

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
4.2 Démarche proposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
4.3 Pré-traitement des données de mesure avec le capteur laser-plan . . . . . 129
4.4 Mise en cohérence (Unification) des nuages de points . . . . . . . . . . . 132
4.4.1 Unification par application d’une translation . . . . . . . . . . . . 134
4.4.2 Évaluation de la méthode d’unification . . . . . . . . . . . . . . . 134
4.4.3 Application sur le cas d’étude . . . . . . . . . . . . . . . . . . . . 136
4.5 Fusion des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
4.6 Évaluation des spécifications . . . . . . . . . . . . . . . . . . . . . . . . . 139
4.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
Conclusions & Perspectives 147
v
TABLE DES MATIÈRES
Bibliographie 151
A Caractéristiques techniques des capteurs et de la cellule de mesure 163
B Qualification des capteurs 169

B.1 Caractérisation de la fenêtre de mesure F OV du capteur laser-plan . . . 171
B.2 Évaluation du bruit et de justesse de mesure du capteur laser-plan . . . . 174
B.2.1 Évaluation du bruit . . . . . . . . . . . . . . . . . . . . . . . . . . 174
B.2.2 Évaluation de la justesse . . . . . . . . . . . . . . . . . . . . . . . 175
B.3 Évaluation des erreurs de remise en position et de changement d’orienta-
tions du capteur laser-plan . . . . . . . . . . . . . . . . . . . . . . . . . . 177
B.4 Évaluation des performances du palpeur à contact . . . . . . . . . . . . . 179
C Programme d’exécution de la gamme d’inspection de la pièce test 181
D Rapport d’inspection de référence de la pièce test 191
vi
Table des figures
1.1 Processus général d’inspection 3D multi-systèmes [Audfray, 2012]. . . . . 9
1.2 Densité et temps de mesure avec un capteur laser-plan et un palpeur

[Audfray, 2012]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Inspection dimensionnelle combinant un palpeur et un capteur laser-plan

[Zhao et al., 2012]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Évaluation du bruit de mesure. . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Évaluation de la justesse de mesure entre deux plans [Audfray, 2012]. . . 13
1.6 Distance et angles de numérisation [Audfray, 2012]. . . . . . . . . . . . . 13
1.7 Bruit en fonction de distance de numérisation (capteur laser-plan de type

Aquilon) [Sadaoui, 2016]. . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.8 Évaluation du bruit en fonction de distance de numérisation [Audfray,

2012, Mehdi-Souzani et al., 2016]. . . . . . . . . . . . . . . . . . . . . . . 16
1.9 Évaluation du bruit en fonction de l’angle de numérisation [Audfray, 2012,

Mehdi-Souzani et al., 2016]. . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.10 (a) Représentation du Rapport de Largeur Maximale Mesurée (RLMM)

dans un cylindre [Boeckmans et al., 2014], (b) Évaluation de la surface
mesurée d’un cylindre interne [Mehdi-Souzani et al., 2016]. . . . . . . . . 18
1.11 Évolution de l’accessibilité d’un cylindre intérieur en fonction du nombre

d’orientations [Audfray, 2012]. . . . . . . . . . . . . . . . . . . . . . . . . 18
1.12 Classification des systèmes en fonction de leur résolution et de leur éten-

due de mesure [Weckenmann et al., 2009]. . . . . . . . . . . . . . . . . . 20
1.13 Principe du choix du système de mesure [Mohib et al., 2009]. . . . . . . . 22
1.14 Définition de la trajectoire du capeur laser-plan [Lartigue et al., 2014]. . . 23
1.15 (a) Carte de visibilité [Derigent et al., 2007], (b) Représentation des orien-
tations de vue pour tous les voxels [Lartigue et al., 2014] . . . . . . . . . 25
vii
TABLE DES FIGURES
1.16 Planification des trajectoires du capteur laser-plan [Mahmud et al., 2011]

(a) Ensemble de directions de mesure possibles (720 orientations), (b)
Génération de points de vues. . . . . . . . . . . . . . . . . . . . . . . . . 25
1.17 Planification des trajectoires du capteur laser-plan [Zhao et al., 2012] (a)
Niveaux de trajectoire, (b) Lignes de numérisation et lignes de connexion. 26
1.18 Directions d’Approche du Palpeur pour une entité de type poche [Cho
et al., 2005]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.19 Stratégies de distribution des points de mesure. . . . . . . . . . . . . . . 29
1.20 Collision palpeur/pièce [Cho et al., 2004b, Al-Ahmari et al., 2016]. . . . . 30
1.21 Études des problèmes de collision [Han et al., 2017]. . . . . . . . . . . . . 31
1.22 Enveloppe convexe pour générer des trajectoires sans collisions [Li et al.,
2018]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.23 Modèle sphérique d’analyse de collision [Han et al., 2018]. . . . . . . . . . 32
1.24 Caractéristiques d’un nuage de points mesuré avec un capteur laser-plan
[Mehdi-Souzani, 2006]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.25 Correction du nuage de points du capteur laser-plan utilisant la mesure
avec palpeur ; points rouges : mesure avec capteur laser-plan, ligne rouge :
modèle gaussien associé au nuage de points du capteur laser, points bleus :
mesure avec palpeur, ligne bleue : modèle de fusion, ligne noire : modèle
nominal [Colosimo et al., 2015]. . . . . . . . . . . . . . . . . . . . . . . . 36
1.26 Démarche du fusion du nuage de points mesuré avec le capteur laser-plan
(points verts) avec le nuage de points mesuré avec le palpeur (points noirs)
[Rak et al., 2016]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.27 (a) MMT ; (b) Scanner 3D composé d’un capteur laser-plan et un palpeur. 40
1.28 Approche globale d’inspection dimensionnelle. . . . . . . . . . . . . . . . 41
1.29 Définition de la gamme d’inspection multi-capteurs. . . . . . . . . . . . . 41
1.30 Dessin de définition de la pièce test. . . . . . . . . . . . . . . . . . . . . . 42
2.1 Génération des séquences d’opérations. . . . . . . . . . . . . . . . . . . . 45

2.2 Approche proposée pour la génération des séquences d’opérations. . . . . 46
2.3 (a) Orientations de la ligne laser et des caméras ; (b) Dimensions de la
fenêtre de mesure et les distances de numérisation. . . . . . . . . . . . . . 48
2.4 Bruit en fonction de la distance de numérisation. . . . . . . . . . . . . . 49
viii
TABLE DES FIGURES
2.5 Bruit en fonction de l’angle de numérisation. . . . . . . . . . . . . . . . . 49

2.6 Justesse en fonction de la distance de numérisation. . . . . . . . . . . . . 50
2.7 Justesse relative en fonction de la distance de numérisation. . . . . . . . 50
2.8 (a) Remise en position du capteur laser-plan [Audfray, 2012] ; (b) Résul-
tats d’évaluation des erreurs de remises en position. . . . . . . . . . . . . 51
2.9 Configurations du capteur pour l’évaluation des erreurs de changement
d’orientations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.10 Évaluation des erreurs de changement d’orientations du capteur laser-plan. 52
2.11 Principe d’évaluation de la répétabilité de mesure avec un palpeur T P 2
dans les trois directions. . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.12 Exemple d’une spécification de localisation. . . . . . . . . . . . . . . . . . 54
2.13 Classification des entités. . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.14 Exemples d’entités d’inspection :(a) Plans parallèles ; (b) Motif d’entités ;
(c) Entité composée. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.15 Exemple d’entités d’inspection avec les entités de mesure associées. . . . 57
2.16 Entités de mesure et leurs attributs : (a) point ; (b) ligne ; (c) cercle ; (d)
plan ; (e) cône ; (f) cylindre ; (g) demi-sphère ; (h) courbe. . . . . . . . . . 59
2.17 Repères entité de mesure REM (Of , Xf , Yf , Zf ). . . . . . . . . . . . . . . 59
2.18 Schéma relationnel de la base de données . . . . . . . . . . . . . . . . . . 60
2.19 Dessin de définition de la pièce test . . . . . . . . . . . . . . . . . . . . . 61
2.20 Extraction des entités d’inspection de la pièce test. . . . . . . . . . . . . 62
2.21 (a) Analyse de cohérence ; (b) Angle de visibilité du capteur laser-plan. . 65
2.22 Identification des orientations du scanner pour le cas de la pièce test. . . 67
2.23 Algorithme de génération des groupes d’entités. . . . . . . . . . . . . . . 68
2.24 (a) Orientation du faisceau laser et orientations des caméras ; (b) Modili-
sation de l’interruption du faisceau laser dans une orientation Nl par une
facette fk : {P10 P20 P30 } pour accéder à la facette fj : {P1 P2 P3 }. . . . . . . 72
2.25 Modélisation du problème de collision. . . . . . . . . . . . . . . . . . . . 73
2.26 (a) Angle de numérisation (α) ; (b) Bruit en fonction de l’angle de numé-
risation (modélisation courbe de la Figure. 2.5 -Cubic Spline Interpolation). 74
2.27 Fonctions et ensembles floues des variables d’entrée. . . . . . . . . . . . . 75
2.28 Fonctions d’appartenance des variables d’entrée. . . . . . . . . . . . . . . 76
ix
TABLE DES FIGURES
2.29 Aptitude du capteur laser-plan en fonction de l’incertitude du capteur et

de l’incertitude admissible. . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.30 Modélisation de l’aptitude du capteur laser-plan. . . . . . . . . . . . . . . 78
2.31 Évaluation de l’aptitude du capteur laser-plan à mesurer une entité de
forme complexe (type de spécification : forme, IT = 0, 15mm) et une
entité demi-sphérique (type de spécification : position, IT = 0, 1mm). . . 80
2.32 Aptitude du capteur laser-plan à mesurer une entité de forme complexe
avec une spécification de forme, IT = 0, 05mm, en utilisant les méthodes
classiques. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.33 Évaluation de l’aptitude du capteur laser-plan à mesurer une entité de
forme complexe avec une spécification de forme, IT = 0, 05mm, utilisant
la méthode proposée. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
2.34 Orientations d’Approche du Palpeur (OAP ) et Profondeurs de la Direc-
tion d’Approche (P DA). . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.35 Accessibilité du palpeur pour la mesure une entité de forme complexe. . . 84
2.36 Implémentation de la démarche proposée pour la génération des séquences
d’opérations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
2.37 Aptitude du capteur laser-plan dans l’Ornt1 . Vert : Surfaces mesurées
avec le capteur laser-plan ; Rouge : surfaces non mesurées. . . . . . . . . 86
2.38 Aptitude du palpeur dans l’Ornt1 .Vert : Surfaces mesurées avec le capteur
laser-plan ; Bleu : Surfaces mesurées avec le palpeur ; Rouge : surfaces non
mesurées. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.39 Séquence d’opérations. Vert : Surfaces mesurées avec le capteur laser-
plan ; Bleu : Surfaces mesurées avec le palpeur ; Rouge : surfaces non
mesurées. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.1 Deuxième étape de l’approche globale d’inspection. . . . . . . . . . . . . 93

3.2 Planification des trajectoires du scanner. . . . . . . . . . . . . . . . . . . 95
3.3 Définition de la trajectoire du capeur laser-plan [Lartigue et al., 2014]. . . 95
3.4 Planification de la trajectoire du capteur laser-plan dans des niveaux des
trajectoires [Zhao et al., 2012]. . . . . . . . . . . . . . . . . . . . . . . . . 96
trajectoires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
x
TABLE DES FIGURES
3.6 (a) Fenêtre de mesure F OV ; (b) Plage de distances de numérisation . . . 98

3.7 (a) Dimensions de la F OV ; (b) Fenêtre de mesure F OV admissible. . . . 99
3.8 Plage des distances de numérisation admissibles. . . . . . . . . . . . . . . 100
3.9 Exemple de niveaux de trajectoire . . . . . . . . . . . . . . . . . . . . . . 100
3.10 Rectangle englobant les points d’intersection. . . . . . . . . . . . . . . . . 102
3.11 Génération de niveaux des trajectoires. . . . . . . . . . . . . . . . . . . . 103
3.12 Démarche de définition des points de passage. . . . . . . . . . . . . . . . 104
trajectoires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.14 Modélisation du problème de collision entre deux points de passage. . . . 105
3.15 Trajectoires du capteur laser-plan dans l’Ornt1 . . . . . . . . . . . . . . . 107
3.16 Trajectoires du capteur laser-plan. . . . . . . . . . . . . . . . . . . . . . . 107
3.17 Distributions des points de mesure : (a) : plan, (b) cône, (c) : cylindre ;
(c) : demi-sphère. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.18 Algorithme de distributions des points de mesure pour les formes complexes.111
3.19 Points de mesure, point d’accostage, directions d’accostage : (a) : plan,
(b) : cylindre interne ; (c) : cylindre externe. . . . . . . . . . . . . . . . . 112
3.20 Séquence des points de mesure et de transition :(a) : principe [Li et al.,
2018], (b) : plan, (c) : cylindre interne ; (d) :cylindre externe. . . . . . . . 113
3.21 Points de mesure, points d’accostage et les directions d’accostage pour les
différentes entités de mesure. . . . . . . . . . . . . . . . . . . . . . . . . . 114
3.22 Trajectoires du palpeur. . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
3.23 Exécution de la gamme d’inspection sur MMT. . . . . . . . . . . . . . . 116
3.24 Chaîne d’exécution. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.25 Trajectoire du scanner. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
3.26 (a) Translation entre le centre de rotation du scanner et le centre de la
bille, (b) Transformation entre repère pièce et repère machine. . . . . . . 119
3.27 Structure du fichier "trajectoire". . . . . . . . . . . . . . . . . . . . . . . 120
3.28 Photo de la pièce test usinée. . . . . . . . . . . . . . . . . . . . . . . . . 121
3.29 Résultats de mesure. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.30 Implémentation de la démarche proposée pour la planification des trajec-
toires et exécution. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
xi
TABLE DES FIGURES
4.1 Traitement des données de mesure pour l’évaluation des spécifications. . . 127
4.2 Démarche de traitement des données pour l’évaluation des spécifications. 128
4.3 Nettoyage du nuage de points du capteur laser-plan. . . . . . . . . . . . . 130
4.4 Filtrage du nuage de points du capteur laser-plan. . . . . . . . . . . . . . 130
4.5 Suppression des points sur les bords d’une surface plane [Sadaoui, 2016]. 131
4.6 Partition du nuage de points du capteur laser-plan. . . . . . . . . . . . . 131
4.7 Résultats de mesure avec le capteur laser-plan et le palpeur par rapport
aux repères capteurs (Rp et Rl ) et au repère machine (Rm ). . . . . . . . . 132
4.8 Écart entre la sphère mesurée avec le capteur laser-plan et la sphère me-
surée avec le palpeur [Martinez et al., 2010b]. . . . . . . . . . . . . . . . 133
4.9 Unification par application d’une translation . . . . . . . . . . . . . . . . 134
4.10 Mesure d’une surface plane avec un capteur laser-plan et un palpeur . . 135
4.11 Unification des nuages de points de la mesure avec le capteur laser-plan
et le palpeur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.12 Nuage de points associé à une entité partiellement mesurée ; Points verts :
mesure avec capteur laser-plan, Points bleus : mesure avec palpeur. . . . 137
4.13 Alignement des 3 plans mesurés avec le capteur laser-plan sur 3 plans
mesurés avec le palpeur ; Points verts : mesure avec capteur laser, Points
bleus : mesure avec palpeur. . . . . . . . . . . . . . . . . . . . . . . . . . 138
4.14 Nuages de points associés aux entités de la pièce test. . . . . . . . . . . . 140
4.15 Comparaison des résultats d’évaluation de la spécification de planéité de
l’entité EI1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
4.16 Comparaison des résultats d’évaluation de la spécification de perpendi-
cularité de l’entité EI3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
4.17 Comparaison des résultats d’évaluation de la spécification de coaxialité
de l’entité EI8 par rapport à l’entité EI9 . . . . . . . . . . . . . . . . . . 141
4.18 Comparaison des résultats d’évaluation de la spécification de localisation
de l’entité EI9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
4.19 Comparaison des résultats d’évaluation de la spécification de localisation
de l’entité EI6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
4.20 Rapport d’inspection (Tableau) . . . . . . . . . . . . . . . . . . . . . . . 143
4.21 Rapport d’inspection (représentation 3D) . . . . . . . . . . . . . . . . . . 144
xii
TABLE DES FIGURES
A.1 Cellule de mesure. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

A.2 (a) M M T ; (b) Scanner 3D composé d’un capteur laser-plan et un capteur
à contact. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
B.1 Inclinaison γ du capteur. . . . . . . . . . . . . . . . . . . . . . . . . . . . 172

B.2 Ligne laser le long de la fenêtre de mesure. . . . . . . . . . . . . . . . . . 172
B.3 Dimensions de la fenêtre de mesure et les distances de numérisation.. . . 173
B.4 (a) Caractérisation de la fenêtre de mesure [Audfray, 2012] ; (b) : Profil
de la fenêtre de mesure dans le plan XoZ. . . . . . . . . . . . . . . . . . . 173
B.5 Évaluation du bruit de mesure. . . . . . . . . . . . . . . . . . . . . . . . 174
B.6 Bruit en fonction de distance de numérisation. . . . . . . . . . . . . . . . 175
B.7 Bruit en fonction de l’angle de numérisation. . . . . . . . . . . . . . . . . 175
B.8 Calcul des défauts de justesse sur une hauteur de marche. . . . . . . . . . 176
B.9 Justesse en fonction de la distance de numérisation sur une marche de 5
et 20mm. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
B.10 Justesse relative (|e|) en fonction de la distance de numérisation. . . . . . 177
B.11 (a) Remise en position du capteur laser-plan [Audfray, 2012] ; (b) Résul-
tats d’évaluation des erreurs de remises en position. . . . . . . . . . . . . 178
B.12 Configurations du capteur pour l’évaluation des erreurs de changement
d’orientations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
B.13 Évaluation des erreurs de changement d’orientations du capteur laser-plan.179
B.14 Principe d’évaluation de la répétabilité de mesure du palpeur T P 2 dans
les trois directions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
xiii
TABLE DES FIGURES
xiv
Liste des tableaux
2.1 Résultats d’évaluation de la répétabilité de mesure avec un palpeur T P 2

dans les trois directions. . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.2 Types d’entités d’inspection et entités de mesure. . . . . . . . . . . . . . 56
2.3 Reconnaissance des données d’inspection pour le cas de la Figure. 2.15 . 57
2.4 Attributs des entités de mesure associées à l’exemple de la Figure. 2.17 . 60
2.5 Reconnaissance des données d’inspection pour le cas de la pièce test. . . 62
2.6 Matrice de décision. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.7 Décision sur l’aptitude du capteur laser-plan et classification des entités
en fonction de l’aptitude moyenne Amoyenne . . . . . . . . . . . . . . . . . 78
2.8 Exemple d’application. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.9 Aptitude du capteur laser-plan dans l’Ornt1 . . . . . . . . . . . . . . . . . 86
2.10 Séquence d’opérations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.1 Nombre de points de mesure pour chaque type d’entité . . . . . . . . . . 108
4.1 Résultats de mesure avec les deux capteurs. . . . . . . . . . . . . . . . . 135

4.2 Évaluation de la répétabilité de la justesse relative h dans le cas de mesure
avec deux capteurs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
A.1 Caractéristiques du scanner. . . . . . . . . . . . . . . . . . . . . . . . . . 167

A.2 Caractéristiques sur machine. . . . . . . . . . . . . . . . . . . . . . . . . 167
B.1 Résultats d’évaluation de la répétabilité de mesure du TP2 dans les trois

directions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
xv
LISTE DES TABLEAUX
xvi
Introduction Générale
L’inspection dimensionnelle, qui consiste en la vérification des spécifications géo-

métriques par rapport à la norme GP S (Spécification géométrique des produits) (ISO
14638) est une étape essentielle dans le cycle de vie des produits. Si l’inspection di-
mensionnelle basée sur un palpeur monté sur une machine à mesurer tridimensionnelle
(M M T ) est un processus largement utilisé et maitrisé, l’attention se porte désormais sur
l’inspection dimensionnelle basée sur la mesure multi-capteurs. Le processus de mesure
multi-capteurs utilise des capteurs de différentes technologies et de différentes caracté-
ristiques avec pour objectif d’utiliser au mieux les performances de chacun des capteurs
afin d’améliorer les performances du processus global.
Dans quelques études, les capteurs à contact et les capteurs sans contact sont combi-
nés. L’inspection avec des capteurs à contact, tels que les palpeurs, permet d’envisager
des résultats avec une faible incertitude de mesure. Cependant, le temps de mesure reste
relativement long. Au cours des dernières années, les travaux menés sur les capteurs sans
contact ont rendu cette technologie plus répandue dans l’industrie en lieu et place des
capteurs à contact pour l’acquisition de forme en particulier pour des applications de
rétro-conception. Les capteurs sans contact, tels que les capteurs laser-plan, permettent
l’acquisition d’une grande densité de points dans un temps relativement court. Néan-
moins, la qualité d’acquisition est affectée par le bruit de mesure. Dans un contexte de
mesure multi-capteurs, la combinaison de deux capteurs avec des caractéristiques com-
plémentaires, un capteur laser-plan et un palpeur par exemple, pourrait conduire à un
processus d’inspection plus performant notamment en termes de rapidité de mesure. Un
des enjeux majeurs reste la mise en œuvre et l’automatisation d’un tel processus pour
la vérification des spécifications.
Dans ce contexte, notre objectif est de proposer une approche d’inspection dimension-
nelle automatique, combinant un capteur laser-plan et un capteur à contact, conduisant
à un rapport d’inspection qui contient les résultats d’évaluation des spécifications. En
général, l’inspection avec un palpeur comporte trois étapes principales : la planification
1
de la gamme d’inspection, l’exécution de la gamme et l’évaluation des spécifications. La

gamme d’inspection est constituée d’une séquence d’opérations définissant les orienta-
tions du palpeur et les trajectoires de mesure pour chaque surface à mesurer portant des
spécifications.
Dans le cas d’inspection avec deux capteurs, une étape de sélection du capteur adé-
quat est nécessaire afin de générer la séquence d’opérations. Compte tenu de la différence
de technologies (et de performances de mesure) de chacun des deux capteurs, la sélec-
tion du capteur approprié pour chaque surface à mesurer s’appuie sur des critères de
performance et de qualité. Cela nécessite la qualification et la connaissance préalables
des performances des capteurs d’une part, et la connaissance des informations relatives
aux surfaces et aux spécifications d’autre part.
La génération de la trajectoire combinée des deux capteurs de différente technologie
est une problématique complexe. D’une part, il s’agit de déterminer pour chaque capteur
la séquence des points définissant la trajectoire de chacun d’eux, et d’autre part il s’agit
de transformer ces trajectoires, calculées dans le repère du capteur, en une trajectoire
commune qui sera exécutée sur la M M T .
Enfin, les données de mesure acquises par chaque capteur sont des données dites
hétérogènes, issues de deux technologies de capteur différentes. Elles sont souvent de
densité et de qualité différentes, ce qui rend leur exploitation pour des applications
métrologiques plus difficile. Le nuage de points issu de la mesure avec le capteur laser
est une représentation globale de l’ensemble des surfaces. Tandis que la mesure issue du
palpeur est constituée d’ensembles de points associés à chacune des surfaces. Des étapes
de traitement incluant la fusion des données hétérogènes peuvent s’avérer nécessaires.
Ainsi, en réponse aux problématiques évoquées ci-dessus, nous proposons une ap-
proche globale d’inspection multi-capteurs composée de 3 étapes majeures. La première
consiste à définir la gamme d’inspection constituée de séquence d’opérations de mesure
et de trajectoires. Ce qui change par rapport à une approche avec un seul capteur, c’est
l’étape de sélection du capteur adéquat pour mesurer les surfaces qui portent des spé-
cifications. Ainsi, une opération de mesure est la mesure, dans une orientation donnée,
d’un ensemble de surfaces. La seconde étape est la définition des trajectoires ainsi que
leur exécution sur une machine à, mesurer. Cette seconde étape tire parti ici de l’uti-
lisation d’un scanner unique qui porte les deux capteurs. La trajectoire peut ainsi être
déterminée par orientation du scanner et pour chaque capteur. La troisième étape est
2
le traitement des données de mesure pour l’évaluation des spécifications. Il s’agit ici de
mettre en cohérence des données hétérogènes dans un premier temps avant l’évaluation
des grandeurs métrologiques.
Ce mémoire de thèse est organisé en quatre chapitres. Le premier chapitre fournit
une synthèse de l’état de l’art afin de positionner notre travail par rapport aux travaux
de littérature autour de l’inspection dimensionnelle multi-capteurs. Peu de travaux ont
étudié une approche d’inspection globale combinant un capteur laser-plan et un palpeur,
de la reconnaissance des données d’entrée du processus d’inspection à partir du modèle
CAO jusqu’à la définition de la gamme d’inspection et puis l’évaluation des spécifica-
tions. Nous présentons ensuite dans ce chapitre la démarche globale que nous proposons
pour répondre aux problématiques posées. Ces travaux ont pour finalité d’étudier la
faisabilité d’une démarche d’inspection dimensionnelle combinant un capteur laser-plan
et un palpeur.
Le deuxième chapitre présente le processus de génération des séquences d’opérations.
Afin d’automatiser ce processus, les informations relatives aux surfaces et aux spécifi-
cations à inspecter sont identifiées et une base de données est créée. Pour ce faire, un
nouveau concept de l’entité d’inspection, plus adapté au contexte de l’inspection multi-
capteurs, est introduit. D’autre part, les performances des deux capteurs sont évaluées
selon un protocole de qualification, et une base de données qualifiée répertoriant les don-
nées de performance des capteurs est alors établie. Une méthode itérative de génération
des séquences des opérations de mesure basée sur l’évaluation des aptitudes des cap-
teurs est introduite. Un modèle original basé sur la logique floue permettant d’évaluer
l’aptitude du capteur laser-plan est détaillé dans ce chapitre.
Le troisième chapitre explique la deuxième étape de génération des trajectoires op-
timales. Dans chaque orientation, une méthode de planification des trajectoires du cap-
teur laser-plan permettant la mesure avec une qualité attendue est proposée, basée sur
la définition des nivaux de trajectoire. L’exécution automatique des trajectoires sur une
machine M M T est réalisée en définissant une trajectoire combinée des deux capteurs
tenant en compte la particularité d’avoir deux capteurs montés sur un scanner 3D.
Le traitement des données hétérogènes issues de la mesure avec les deux capteurs est
présenté dans le quatrième chapitre. Les étapes de pré-traitement associées au nuage de
points du capteur laser sont décrites. La mise en cohérence et la fusion des données ayant
des caractéristiques différentes sont traitées dans ce chapitre afin de pouvoir évaluer les
3
spécifications et générer le rapport d’inspection. Les résultats d’évaluation sont ensuite

comparés à un rapport d’inspection de référence établi par mesure avec un palpeur afin
de valider l’approche et démontrer sa pertinence.
Enfin, des conclusions seront tirées de ce travail, et des perspectives pour le pour-
suivre seront proposées à la fin du mémoire.
4
Chapitre
1
Positionnement scientifique
5
Chapitre 1. Positionnement scientifique
6
1.1. Introduction
1.1 Introduction
Le processus d’inspection consiste à vérifier si la géométrie de la pièce fabriquée se

situe dans les limites de tolérance des spécifications. L’inspection multi-capteurs consiste
à utiliser des capteurs de technologies différentes, ainsi que des performances différentes,
pour effectuer le processus d’inspection. Dans le présent chapitre, nous présentons les
travaux existants dans la littérature autour de l’inspection multi-capteurs, et plus par-
ticulièrement les études portant sur l’utilisation combinée d’un capteur laser-plan et
un palpeur. Nous détaillons par la suite, les problématiques liées à l’inspection multi-
capteurs telles que l’évaluation des performances, la sélection des capteurs et la planifica-
tion des trajectoires. Nous présentons ensuite une synthèse de l’état de l’art et l’approche
que nous proposons pour répondre aux problématiques d’inspection avec deux capteurs,
cadre de notre étude.
1.2 Inspection dimensionnelle multi-capteurs
Dans le cycle de fabrication, le processus d’inspection dimensionnelle est une étape

essentielle afin de s’assurer que la géométrie de la pièce fabriquée répond aux exigences
du modèle de conception [Kiraci et al., 2016]. L’inspection dimensionnelle, qui porte sur
la vérification de la conformité géométrique des pièces par rapport aux spécifications,
est un processus qui comporte deux étapes : la mesure et le traitement des données qui
conduit à l’évaluation des spécifications. Généralement, un système de mesure, composé
d’un système de déplacement et d’un système d’acquisition, est utilisé pour réaliser
l’opération de mesure et fournir une représentation numérique de la pièce sous forme d’un
nuage de points. Le système d’acquisition ou capteur permet d’acquérir la géométrie de la
surface tandis que le système de déplacement ou porteur permet de déplacer le capteur
pour réaliser la mesure. Le processus de traitement consiste à traiter et analyser les
données issues de la mesure afin de vérifier la conformité de l’ensemble des spécifications
géométriques et dimensionnelles associées.
Traditionnellement, le processus d’inspection s’appuie sur la mesure effectuée à l’aide

de machines à mesurer tridimensionnelles (M M T ) équipées d’un palpeur. Une inspec-
tion avec mesure manuelle prend beaucoup de temps et est tributaire de l’influence des
facteurs humains [Martins et al., 2005, Zhao et al., 2012]. Ainsi, l’automatisation du
7
processus d’inspection est une préoccupation majeure.

Partant d’un modèle CAO de la pièce et des spécifications associées, un processus
d’inspection automatisé consiste en différentes étapes qui doivent conduire à générer
la gamme d’inspection qui sera automatiquement exécutée sur la M M T . La gamme
d’inspection est la séquence des opérations de mesure des surfaces et la trajectoire du
capteur permettant de mesurer chacune des surfaces. Une fois que la mesure est faite, le
traitement des données conduit à générer un rapport d’inspection. Cho et al. ont proposé
une approche d’inspection dimensionnelle basée sur le séquencement des surfaces à me-
surer pour générer des gammes d’inspection à partir du modèle CAO [Cho et al., 2005].
L’approche est composée de deux niveaux. Le niveau global détermine les séquences
des surfaces à mesurer et les orientations du palpeur, tandis que le niveau local définit
la trajectoire du palpeur localement pour chaque surface. Kamrani et al. ont proposé
une approche de planification d’inspection assistée par ordinateur (Computer-Aided Ins-
pection Planning-CAIP) pour générer des gammes d’inspection en utilisant un palpeur
monté sur une M M T [Kamrani et al., 2015]. Dans leur travail, plus d’attention a été
accordée à l’automatisation du processus de reconnaissance des surfaces à inspecter à
partir d’un modèle CAO. Zhao a proposé un processus de planification d’inspection on-
machine dans lequel un nouveau format d’échange de données basé sur celui des normes
ST EP a été utilisé pour générer la gamme d’inspection [Zhao, 2009]. Stojadinovic et
al. ont étudié une approche globale et automatique pour la planification d’inspection
des pièces prismatiques en appliquant les étapes suivantes : reconnaissance des données
d’inspection, analyse d’accessibilité du palpeur, étude d’évitement de collision et pla-
nification de la trajectoire du palpeur [Stojadinovic et al., 2016b]. La plupart de ces
travaux se sont concentrés uniquement sur l’étape de planification et de génération des
trajectoires d’inspection.
Au cours de la dernière décennie, un grand intérêt s’est porté sur le processus d’ins-
pection multi-capteurs (utilisation de deux capteurs ou plus ) pour réaliser le processus
d’inspection dimensionnelle [Colosimo et al., 2015, Weckenmann et al., 2009]. Dans ce
cas, des étapes supplémentaires telles que la sélection des capteurs, la planification des
trajectoires des différents capteurs et le traitement des données de mesure (recalage et
fusion) sont nécessaires. La génération des opérations d’inspection implique l’association
du capteur approprié dans une configuration donnée pour chaque surface à inspecter.
L’ordonnancement de ces opérations définit la séquence d’opérations. Audfray a proposé
8
1.2. Inspection dimensionnelle multi-capteurs
une approche globale d’inspection 3D multi-systèmes qui se compose de quatre étapes

principales : sélection du système de mesure, planification de la trajectoire des capteurs,
exécution des mesures, traitement et analyse des données (Figure. 1.1) [Audfray, 2012].
La plupart des études se concentrent sur une ou deux étapes du processus, mais peu s’at-
tachent à l’ensemble du processus global. Ainsi, Weckenmann et al. se sont concentrés
sur le traitement des données obtenues à l’aide de différents types de capteurs [We-
ckenmann et al., 2009]. Mehdi-Souzani et al. se sont intéressés au choix du système de
mesure approprié en fonction de l’application souhaitée, à partir d’une base de données
de systèmes de mesure qualifiés [Mehdi-Souzani et al., 2016].
Figure 1.1 – Processus général d’inspection 3D multi-systèmes [Audfray, 2012].
En général, les palpeurs et les capteurs laser-plan sont combinés pour obtenir des
informations plus complète [Zhao et al., 2012]. Les palpeurs sont connus pour leur faible
incertitude et bonne répétabilité [Martinez et al., 2010b]. Cependant, l’acquisition des
données est lente et la densité des points mesurés est faible (quelques points/seconde).
Les capteurs laser-plan permettent l’acquisition de données dans un temps relativement
court (plusieurs milliers de points par seconde) [Boeckmans et al., 2015]. Cependant, la
qualité d’acquisition est affectée par le bruit de mesure (entre 2 et 10 µm [Mahmud et al.,
2011]) et fortement liée à la stratégie de mesure [Martinez et al., 2010a, Mehdi-Souzani
et al., 2006] (Figure. 1.2). De plus, les problèmes d’accessibilité de ces capteurs, en
particulier pour les formes internes telles que les alésages, doivent être pris en compte.
En raison des caractéristiques complémentaires des deux capteurs, leur combinaison
pourrait être un avantage pour le processus d’inspection.
9
Figure 1.2 – Densité et temps de mesure avec un capteur laser-plan et un palpeur

[Audfray, 2012].
1.3 Inspection dimensionnelle combinant un capteur laser-

plan et un palpeur
Peu de travaux ont été rapportés concernant un processus complet d’inspection di-
mensionnelle combinant un capteur laser-plan et un palpeur. La plupart des auteurs
s’attachent à définir la gamme d’inspection, c’est-à-dire la génération des séquences de
mesure, voire dans certains cas, la planification des trajectoires de mesure. Ainsi, dans
[Mohib et al., 2009], seules la sélection du capteur et la planification des trajectoires
sont traitées. Le choix du capteur approprié pour mesurer une surface s’effectue selon
un système basé sur des connaissances et des règles s’appuyant sur les performances du
capteur. Ensuite, une formalisation par un problème du voyageur de commerce (Travel
Salesperson Problem - T SP ) est considérée pour déterminer la séquence de mesure.
D’autres auteurs ont développé un processus automatisé de planification d’inspec-
tion dimensionnelle [Zhao et al., 2012]. Le choix du capteur approprié pour mesurer
une surface a été effectué selon des règles relatives : aux caractéristiques des capteurs
disponibles (incertitude de mesure et autres performances), à la géométrie de la pièce et
à l’environnement de mesure comme la couleur et le matériau. Les surfaces à mesurer
sont ensuite divisées en deux groupes en fonction du capteur sélectionné. Pour chaque
groupe, une planification de trajectoire est générée.
Ces quelques études rapportent qu’une étape essentielle concerne l’évaluation des
performances du capteur laser-plan qui dépendent généralement de la configuration cap-
teur/pièce. Les performances du capteur laser-plan sont ensuite utilisées afin de sélec-
tionner la configuration capteur/pièce appropriée qui sert de support à la planification
des trajectoires. Dans la suite, nous détaillons quelques-unes des méthodes proposées
10
1.4. Évaluation des performances des capteurs laser-plan
Figure 1.3 – Inspection dimensionnelle combinant un palpeur et un capteur laser-plan

[Zhao et al., 2012].
dans la littérature concernant l’évaluation des performances, la sélection des capteurs,

la planification des trajectoires et le traitement des données pour l’évaluation des spéci-
fications.
1.4 Évaluation des performances des capteurs laser-plan
Avant de procéder à la planification de la gamme d’inspection, les performances

des capteurs doivent être évaluées. La notion de performance de mesure est liée à la
qualité et le temps de mesure. L’influence de la technologie des capteurs laser-plan sur
la qualité de mesure est plus significative que celle des palpeurs. Ainsi, plusieurs travaux
de littérature se sont focalisés sur l’évaluation des performances des capteurs laser-plan.
En termes de temps de mesure, la mesure avec les capteurs laser est caractérisée par un
faible temps de mesure en comparaison avec les palpeurs.
1.4.1 Concept de qualité associée aux capteurs laser-plan
En l’absence de normes, la qualité de mesure avec un capteur laser-plan est exprimée

par des indicateurs de qualité, généralement évalués par des mesures d’artefacts. Le
bruit et la justesse sont couramment utilisés pour caractériser la qualité des données
de mesure. Ces indicateurs sont introduits dans [Hoppe et al., 1992], puis définis dans
[Prieto, 2000], [Contri et al., 2002] et repris dans [Zuquete-Guarato et al., 2012], [Audfray
et al., 2012], [Mehdi-Souzani et al., 2016].
Les indicateurs de bruit et de justesse sont définis comme suit :
• Le bruit δ, qui traduit l’erreur aléatoire, est un paramètre qui permet d’évaluer
11
la dispersion des points mesurés par rapport à un élément théorique associé (Fi-
gure. 1.4)(Équation. 1.1).
v
u n
u1 X
δ =k·σ =k· t · (ei − e¯i )2 (1.1)
n i=1
Où ; ei sont les écarts des points par rapport à l’élément théorique associé, e¯i est la
moyenne des écarts, n est le nombre de points et k est un facteur d’élargissement
(généralement égal à 1). Dans le cas d’une association d’un plan avec le critère des
moindres carrés, e¯i est nulle.
Plan mesuré Elément théorique associé
ei
ei
Mesure
Artefact
Figure 1.4 – Évaluation du bruit de mesure.
• La justesse e, qui traduit l’erreur systématique, est définie par la différence entre une
valeur considérée comme vraie et la valeur mesurée. Elle est évaluée le plus souvent par
la mesure d’une distance entre deux éléments, par exemple deux centres de sphères.
Dans le cas de mesure d’une distance entre deux plans, la justesse e est est donnée
par l’Équation. 1.2 (Figure. 1.5) [Bourdet et al., 2005].
h1 + h2 1 −−−−−−→ −−−→ −
−−−−−
→ − −−
→
e= − h0 = · (|A1 A2 · N1 | + |A2 A1 · N2 |) − h0 (1.2)
2 2
Où ; A1 est le barycentre du nuage de points du plan 1, A2 est le barycentre du nuage
de points du plan 2, N1 est la normale du plan des moindres carrés associé au nuage
de points du plan 1, N2 est la normale du plan des moindres carrés associé au nuages
de point du plan 2 et h0 est la distance de référence (certifiée).
1.4.2 Paramètres influant sur la qualité
La qualité de mesure avec un capteur laser-plan est affectée par plusieurs para-
mètres. Plusieurs travaux ont étudié les paramètres influents sur la qualité de mesure.
Récemment, Gerbino et al. ont classé les paramètres influant sur la qualité de mesure
en trois catégories [Gerbino et al., 2016] : les paramètres internes du capteur (résolu-
12
Plans mesurés N2
N2
Évaluation de la h1
A2 N1
h2
N1 justesse
Mesure
h0 A2 A1
Artefact A1
e
Figure 1.5 – Évaluation de la justesse de mesure entre deux plans [Audfray, 2012].
tion et anisotropie de la matrice CCD), les paramètres extérieurs liés à l’environnement

(éclairage, brillance de la surface, temps de chauffe du capteur) et les paramètres rela-
tifs à la stratégie de mesure, en particulier l’ensemble des configurations capteur/pièce
définissant la trajectoire de mesure. Ces derniers paramètres relatifs à la stratégie sont
les plus influant par rapport aux autres. Il s’agit de : la distance de numérisation d,
l’angle de numérisation principal α et l’angle de numérisation secondaire β [Audfray,
2012] (Figure. 1.6) :
• L’angle de numérisation principal α : est l’angle entre la normale à la surface et le

rayon émis par la source lumineuse dans le plan de triangulation.
• L’angle de numérisation secondaire β : est l’angle entre le rayon émis et la normale à
la surface dans le plan orthogonal au plan de triangulation.
• La distance de numérisation d : est la distance entre la source lumineuse du capteur
et la surface.
Figure 1.6 – Distance et angles de numérisation [Audfray, 2012].
Dans ces travaux [Prieto, 2000] et [Contri et al., 2002], les auteurs ont mis en avant la
configuration capteur/pièce définie par la distance et les angles de numérisation comme
13
étant un facteur important sur la qualité des données. Lorsque la distance et/ou les
angles de numérisation varient, le bruit et la justesse évoluent. Par exemple, la Figure. 1.7
présente l’évolution du bruit de mesure en fonction de la distance de numérisation pour
un capteur laser-plan de type Aquilon [Sadaoui, 2016]. La figure montre que le bruit est
fortement dépendant de la distance de numérisation. L’influence de variation de l’angle
de numérisation secondaire sur la qualité de mesure est négligeable devant l’influence
de la distance et l’angle de numérisation principale [Mehdi-Souzani, 2006]. Ainsi, les
paramètres de configuration de capteur majoritairement pris en compte sont la distance
et l’angle de numérisation (principal).
Figure 1.7 – Bruit en fonction de distance de numérisation (capteur laser-plan de type

Aquilon) [Sadaoui, 2016].
Un autre paramètre qui influence la qualité de mesure avec un capteur laser-plan est le
changement d’orientation. En règle générale, une fois que toutes les orientations du cap-
teur sont calibrées, l’étape de recalibration n’est pas indispensable à chaque changement
d’orientation. Néanmoins, des défauts de recalage des données, issues des acquisitions en
utilisant différentes orientations, sont présents. Audfray distingue deux types d’erreurs
de changement d’orientation [Audfray, 2012] : les erreurs de repositionnement et les er-
reurs de recalage. Les erreurs de repositionnement sont introduites par une remise en
position du capteur en changeant l’orientation puis en revenant à la même orientation
initiale sans refaire la calibration. Les erreurs de recalage représentent les défauts de
recalage des acquisitions dans des configurations différentes pour lesquelles la calibra-
tion est réalisée à chaque changement d’orientation. Dans le travail de [Martinez et al.,
2010a], deux stratégies sont testées : une stratégie de mesure avec une seule orientation,
la deuxième avec deux orientations. Les résultats de comparaison de la surface recons-
14
truite par rapport à une surface de référence mesurée avec un palpeur montrent que la
première stratégie de mesure avec une seule orientation présente un minimum d’écarts
par rapport à la surface de référence. Mahmud et al. ont développé une stratégie de
mesure avec un minimum d’orientations afin d’avoir une meilleure qualité de données
[Mahmud et al., 2011].
1.4.3 Protocole d’évaluation de la qualité
Les méthodes d’évaluation des performances des capteurs laser-plan peuvent être
classées selon deux catégories [Audfray, 2012] :
• Les méthodes d’évaluation par comparaison : dans lesquelles une mesure avec un autre
système de meilleure qualité est utilisée comme référence. Généralement, la mesure
avec le palpeur est considérée comme référence.
• Les méthodes d’évaluation par artefacts : dans lesquelles des artefacts de mesure sont
utilisés pour évaluer la qualité.
En ce qui concerne les méthodes d’évaluation par comparaison, certains travaux ont
porté sur la comparaison des performances du capteur laser-plan avec celle du palpeur à
contact que ce soit à l’échelle d’artefacts calibrés de petites dimensions [Martinez et al.,
2010b] ou à des échelles plus grandes (véhicule) [Kiraci et al., 2016]. Dans leur travail,
Martinez et al. proposent une méthode d’évaluation basée sur l’évaluation des écarts
[Martinez et al., 2010b]. Dans leur travail, les deux nuages de points obtenus par le
capteur laser-plan et le palpeur sont recalés dans un système de référence commun. Les
écarts de la surface reconstruite avec le nuage de points issus du laser-plan par rapport
à celle reconstruite avec le nuage de points issus du palpeur sont ensuite calculés avec le
logiciel Geomagic qualify© . La qualité de mesure avec le capteur laser-plan est ensuite
évaluée par la valeur moyenne des écarts.
Pour la deuxième catégorie des méthodes d’évaluation des performances par artefacts,
[Prieto, 2000], [Prieto et al., 2002] ont mis en avant l’importance d’évaluer l’influence
de la configuration du capteur sur les indicateurs de qualité de mesure en utilisant des
artefacts. [Bourdet et al., 2005] puis [Mehdi-Souzani, 2006] ont proposé un protocole
d’évaluation du bruit et de la justesse en fonction de la distance et l’angle de numéri-
sation. Pour l’évaluation du bruit en fonction de l’angle, le capteur étant fixé dans une
orientation verticale constante et un artefact constitué de différents plans d’orientations
15
connues est mesuré. En utilisant un artefact plan, Gestel et al. proposent un protocole
d’évaluation du bruit et de la justesse faisant varier la distance de numérisation puis
l’angle de numérisation [Gestel et al., 2009]. Audfray a développé un protocole de qua-
lification et d’évaluation des performances des systèmes de mesure optiques Qualipso
[Audfray, 2012] plus générique qui permet de :
• Caractériser la fenêtre de mesure.

• Évaluer les erreurs de remises en position.
• Évaluer les erreurs de recalage des données.
• Évaluer le bruit en fonction de la distance de numérisation (Figure. 1.8).
• Évaluer le bruit en fonction de l’angle de numérisation (Figure. 1.9).
• Évaluer la justesse en fonction de la distance de numérisation
L’évaluation du bruit en fonction de la distance de numérisation consiste à numériser

un artefact plan à différentes distances en maintenant l’angle de numérisation constant.
Pour chaque numérisation, le bruit de mesure est évalué par l’Équation. 1.1 (Figure. 1.8).
Pour évaluer le bruit en fonction de l’angle de numérisation, le capteur est maintenu
dans une orientation verticale fixe. L’angle de numérisation est modifié en mettant des
empilements des cales étalons en dessous d’une règle Sinus (Figure. 1.9). Pour chaque
angle de numérisation, l’artefact plan est numérisé et le bruit est évalué.
Figure 1.8 – Évaluation du bruit en fonction de distance de numérisation [Audfray,

2012, Mehdi-Souzani et al., 2016].
Ce protocole Qualipso peut être appliqué à différents types de capteurs laser, et

conduit ainsi à la définition d’une base de données qualifiée contenant les résultats de
qualification.
16
Figure 1.9 – Évaluation du bruit en fonction de l’angle de numérisation [Audfray, 2012,

Mehdi-Souzani et al., 2016].
1.4.4 Temps de mesure
Le temps de mesure est un paramètre important dans le cycle de fabrication. Les

capteurs laser sont caractérisés par un faible temps de mesure évalué à travers la vitesse
de numérisation. Afin de caractériser la qualité de la mesure tenant compte du temps
de mesure, des indicateurs additionnels tels que la densité et la complétude sont utilisés
dans [Contri et al., 2002], [Audfray, 2012] et [Zuquete Guarato, 2013] pour caractériser la
performance des capteurs laser-plan. Lorsque la densité et/ou la complétude des données
de mesure sont imposées, la vitesse de numérisation est adaptée pour répondre aux
besoins en termes de densité et de complétude.
Le paramètre de changement d’orientations a une influence directe sur le temps

de mesure. Mohib et al. proposent une stratégie de planification d’inspection prenant
compte la minimisation du temps de non-numérisation pris lors du changement d’orien-
tation [Mohib et al., 2009].
1.4.5 Accessibilité du capteur laser-plan
La mesure avec le capteur laser-plan est caractérisée par le problème d’accessibilité du

capteur à mesurer certaines zones des surfaces, en particulier pour les surfaces internes
(cylindre interne par exemple). Un paramètre appelé Rapport de Largeur Maximale
Mesurée (RLM M ), qui caractérise l’accessibilité d’un cylindre interne avec le capteur
laser-plan, est défini dans [Boeckmans et al., 2014]. Il traduit la profondeur maximale
d’un cylindre qui peut être mesurée avec le capteur laser-plan, quand la ligne laser est
parallèle à l’axe du cylindre (Figure. 1.10(a)). Dans le travail de [Mehdi-Souzani et al.,
17
2016] et [Zuquete-Guarato et al., 2012], l’accessibilité d’un cylindre interne est évaluée
par l’aire du maillage associé au nuage de points mesuré avec une seule orientation
(Figure. 1.10(b)). Dans le travail de [Audfray, 2012], l’accessibilité d’un cylindre interne
est étudiée en fonction du nombre d’orientations de vue et des dimensions du cylindre.
Cette étude d’accessibilité montre que la mesure des surfaces internes avec le capteur
laser-plan nécessite plusieurs orientations du capteur (Figure. 1.11).
(a) [Boeckmans (b) [Mehdi-Souzani et al., 2016]

et al., 2014]
Figure 1.10 – (a) Représentation du Rapport de Largeur Maximale Mesurée (RLMM)

dans un cylindre [Boeckmans et al., 2014], (b) Évaluation de la surface mesurée d’un
cylindre interne [Mehdi-Souzani et al., 2016].
Figure 1.11 – Évolution de l’accessibilité d’un cylindre intérieur en fonction du nombre

d’orientations [Audfray, 2012].
18
1.5. Sélection des capteurs
1.4.6 Synthèse
La notion de performance des capteurs laser-plan est liée à la qualité et au temps

de mesure. La qualité de mesure avec le capteur laser-plan est généralement évaluée par
les indicateurs de bruit et de justesse. Elle est affectée par plusieurs facteurs. L’un des
facteurs le plus influant est la stratégie de mesure qui inclut les distances de numérisation,
les angles de numérisation et les changements d’orientations. Connaître l’évolution des
indicateurs de qualité en fonction de la configuration capteur/surface est nécessaire pour
planifier un processus d’inspection performant en termes de qualité. Les capteurs laser-
plan sont connus par leur faible temps de mesure par rapport aux palpeurs.
La qualité est également affectée par les changements d’orientations du capteur. Ces
changements d’orientations peuvent par ailleurs affecter le temps de mesure. Concernant
l’accessibilité des surfaces internes par le capteur laser-plan, les travaux montrent que
plusieurs orientations sont souvent nécessaires pour obtenir une bonne représentativité
de la surface.
La sélection du capteur adéquat dans un processus d’inspection multi-capteurs doit
ainsi être basée sur les résultats d’évaluation des performances des capteurs. La tra-
jectoire du capteur laser-plan définie par les distances et les angles de numérisation
(configuration capteur/pièce) doit être générée par connaissance préalable de la qualité
de mesure pour chaque configuration. Le temps de mesure peut être réduit lors de la
planification de la trajectoire en utilisant le minimum de changement d’orientations.
1.5 Sélection des capteurs
La sélection des capteurs constitue une étape importante dans un processus d’ins-
pection multi-capteurs. Dans un contexte d’inspection dimensionnelle, la sélection des
capteurs consiste à choisir le capteur adéquat pour chaque surface afin de vérifier les spé-
cifications associées. Ainsi, des critères de sélection sont utilisés pour choisir le capteur
approprié.
Audfray classifie les travaux de sélection des capteurs en deux types d’études : des
études dites 00 qualitatives” dans lesquelles des règles de sélection sont définies pour
choisir le capteur approprié et des études dites 00 quantitatives” dans lesquelles les règles
de sélection sont basées sur les résultats de qualification des capteurs [Audfray, 2012].
Nous distinguons les travaux de sélection du système de mesure où le capteur et le
19
porteur adéquats sont à la fois sélectionnés et les travaux de sélection du capteur où seul
le capteur adéquat est sélectionné tandis que le porteur est généralement une machine
à mesurer tridimensionnelle.
Pour les études de sélection dites 00 qualitatives”, plusieurs travaux réalisent le choix
des systèmes en fonction de leurs catégories (Figure. 1.12). Savio et al. proposent une
méthode de classification en fonction de la dimension de la pièce et de l’incertitude de
mesure [Savio et al., 2007]. Bernard et al. développent une méthode de sélection du cap-
teur le plus approprié pour une application de rétroconception selon un arbre de décision
[Bernard et al., 2007]. Deux types de critères sont proposés : des critères d’opérabilité qui
résultent de la technologie de mesure et des critères liés à l’objet à mesurer (accessibilité,
matière et dimension). Weckenmann et al. proposent une classification des systèmes de
mesure en fonction de l’étendue de mesure et de la résolution [Weckenmann et al., 2009].
Ces travaux permettent la sélection du système (capteur+porteur) en fonction des règles
relatives aux données du constructeur comme la résolution, l’incertitude de mesure et la
dimension de la pièce.
Figure 1.12 – Classification des systèmes en fonction de leur résolution et de leur étendue
de mesure [Weckenmann et al., 2009].
Les études de sélection dites 00 quantitatives” sont basées sur la qualification du sys-
tème de mesure. Loriot et al. proposent une méthode de sélection selon l’application
désirée : l’analyse des données, la visualisation ou la duplication [Loriot, 2009]. Le choix
du capteur est réalisé en fonction des critères suivants : précision, densité du maillage,
complétude, texture, type de données. Zuquete-Guarato et al. ont mis en œuvre une
étude comparative de trois systèmes de numérisation différents dans le but de réaliser
un choix pour une application spécifique d’acquisition de la géométrie d’un vilebrequin.
20
1.5. Sélection des capteurs
Une étude de sélection est proposée à partir des critères de qualité en termes de bruit,
de justesse, de complétude et d’accessibilité [Zuquete-Guarato et al., 2012].
Le travail de [Audfray et al., 2012] présente une étude plus complète sur le choix
d’un système de mesure parmi plusieurs. Son approche est basée sur des critères d’apti-
tude, de qualité et de performance. La sélection d’un système s’effectue en deux étapes.
La première est l’identification des systèmes admissibles au sens de l’aptitude et de la
qualité. La sélection selon les critères d’aptitude est fonction des caractéristiques sui-
vantes : type d’inspection (en ligne, hors ligne...etc.), la souplesse de la pièce (pièce
rigide ou flexible), l’échelle de mesure, l’accessibilité et le format de données. Selon les
besoins, les systèmes qui répondent aux exigences sont conservés. En termes des critères
de qualité, seuls les systèmes de numérisation pour lesquels le bruit et la justesse sont
inférieurs à une incertitude admissible sont identifiés comme étant admissibles en termes
de qualité. La deuxième étape est la sélection du meilleur système parmi les systèmes
admissibles en minimisant une fonction de coût tenant compte les critères de vitesse
et de complexité. Mehdi-Souzani et al. se sont basés sur cette démarche pour proposer
une méthode de sélection du système le plus approprié selon l’application désirée en
introduisant des coefficients de pondération relatifs à l’application considérée dans la
fonction coût [Mehdi-Souzani et al., 2016].
Quand le choix est limité à deux capteurs : un capteur laser-plan et un palpeur, les
critères de sélection doivent être adaptés et restreints aux deux technologies de mesure.
Seuls quelques travaux ont étudié la sélection du capteur parmi deux capteurs. Mohib et
al. ont proposé une démarche quantitative de sélection dans laquelle le capteur laser-plan
est sélectionné pour mesurer les surfaces complexes qui nécessitent une grande densité de
points et le palpeur est utilisé pour mesurer les pièces prismatiques qui nécessitent une
qualité élevée [Mohib et al., 2009]. La sélection du capteur dépend de trois éléments :
la géométrie de la surface, l’accessibilité, et les spécifications. En fonction des trois
éléments, des boîtes sont créées en 3D à l’intérieur desquelles des règles sont établies
(Figure. 1.13). Les règles sont définies en fonction de trois types de variables : variables
liées à la géométrie de la pièce, variables liées aux caractéristiques du capteur et variables
liées à la configuration du capteur par rapport à la surface.
Mahmud et al. se sont attachés à caractériser l’aptitude d’un capteur laser-plan pour
répondre au besoin métrologique [Mahmud et al., 2011] en fonction de la configuration
du capteur. À partir d’une spécification géométrique ou dimensionnelle, les auteurs dé-
21
Figure 1.13 – Principe du choix du système de mesure [Mohib et al., 2009].
finissent l’incertitude admissible associée à la mesure de la surface en se basant sur la

norme [ISO 14253-1]. L’incertitude de mesure doit être inférieure à IT /8 pour que la
zone d’incertitude de l’instrument reste négligeable devant l’intervalle de tolérance. L’in-
certitude de mesure est exprimée en fonction des trois sources d’incertitude possible :
l’incertitude du capteur qui dépend de l’angle de numérisation, l’incertitude de remise
en position qui dépend du nombre d’orientations utilisées et les autres types d’incerti-
tude liés à la machine et à la surface à mesurer. Zhao et al. proposent une démarche
de sélection entre un capteur laser-plan et un palpeur, les deux montés sur une MMT
[Zhao et al., 2012]. Cette démarche qualitative est basée sur des règles relatives à la
spécification, la géométrie des surfaces, et les données spécifiques de la pièce (couleur,
réflexion . . . etc.).
En synthèse, nous distinguons les travaux qui s’intéressent au choix parmi plusieurs
capteurs et les travaux qui s’intéressent au choix parmi deux capteurs ; un capteur laser-
plan et un palpeur. Les démarches de sélection parmi plusieurs capteurs sont plus géné-
rales faisant intervenir plusieurs critères : aptitude, performance et critères liés à l’ap-
plication. Lorsque le choix est limité à deux capteurs pour une application d’inspection
dimensionnelle où le capteur adéquat doit être choisi en fonction des spécifications asso-
ciées, les auteurs se limitent à développer des règles de sélection relatives aux capacités
des deux capteurs. De plus, le choix du capteur est fonction du choix de sa configuration
par rapport à la surface.
22
1.6. Planification des trajectoires
1.6 Planification des trajectoires
La planification des trajectoires des capteurs laser-plan est différente de celle des
palpeurs. Ainsi, nous traitons dans les sections suivantes la planification des trajectoires
du capteur laser-plan puis la planification des trajectoires du palpeur. Pour les deux cas
de planification, les problèmes de collision du capteur doivent être étudiés pour générer
des trajectoires sans collision.
1.6.1 Planification de la trajectoire du capteur laser-plan
La planification de la trajectoire du capteur laser-plan est basée sur la définition des

configurations du capteur par rapport à la surface. Il s’agit de déterminer une succession
−
→ −
→
de points de vue (P ,d ) définis par un point P et une direction de vue d (Figure. 1.14).
Les points de vue sont paramétrés par les angles de numérisation. Deux catégories de
travaux de planification des trajectoires sont distinguées : la planification des trajectoires
pour mesurer un objet inconnu sans modèle CAO et la planification à partir d’un modèle
CAO. Nous nous intéressons plus particulièrement à la deuxième catégorie. Connaissant
l’évolution de la qualité de mesure, bruit et justesse, en fonction des configurations,
l’objectif d’une planification automatique est de définir les configurations du capteur
(orientation et points de passage) qui permettent la mesure avec une qualité attendue
dans un temps de mesure optimal.
Figure 1.14 – Définition de la trajectoire du capeur laser-plan [Lartigue et al., 2014].
La trajectoire du capteur monté sur une M M T est en général définie par l’ensemble
des configurations du capteur qui assurent un certain nombre de contraintes [Phan, 2019].
Les contraintes les plus courantes sont l’accessibilité, la qualité, la gestion des collisions,
ou encore la gestion des recouvrements entre passes successives. Concernant l’accessi-
23
bilité, il s’agit de vérifier que la surface est visible par le capteur dans la configuration
considérée. De nombreux travaux portent sur l’étude de l’accessibilité en définissant dans
un premier temps les orientations de numérisation. La distance de numérisation est fixée
à une distance dite "optimale" pour laquelle la qualité de mesure est meilleure (un bruit
minimal par exemple). Kweon et Medeiros développent une méthode pour déterminer
les orientations nécessaires à la vérification d’un ensemble de spécifications en utilisant
le concept des cartes de visibilité [Kweon and Medeiros, 1998]. De nombreux travaux ont
été basés sur les cartes de visibilité pour définir la configuration capteur/pièce. Derigent
et al. utilisent les notions de visibilité locale et globale à travers les cartes de visibilité
pour déterminer le nombre minimal d’orientations nécessaires à l’acquisition complète
de la pièce [Derigent et al., 2007]. Les orientations qui assurent la visibilité globale de
chaque surface sont représentées par une plage d’orientations sur un disque de la carte de
visibilité. L’intersection de deux plages définit une plage d’orientations commune pour
deux surfaces (Figure. 1.15(a)).
Une fois l’accessibilité contrôlée, une étude en termes de qualité de données de mesure
est menée. Une démarche basée sur des critères de qualité relatifs à l’angle de numéri-
sation a été mise en place par [Lartigue et al., 2014] pour obtenir une représentation
complète d’une pièce dans un temps réduit. L’approche repose sur la représentation de
la surface de la pièce sous la forme d’un ensemble de voxels tels que la taille du voxel est
égale à la largeur de la fenêtre de mesure du capteur. À chaque voxel, une orientation
de numérisation est associée en fonction de la visibilité de la surface et de la qualité de
numérisation (Figure. 1.15(b)). Afin de respecter les critères de qualité, la configuration
du capteur doit assurer un bruit de numérisation inférieur à un seuil donné. Les points
de passage du capteur laser-plan sont ensuite définis à une distance qui correspond à la
distance optimale.
Mahmud et al. ont proposé une méthode de planification des trajectoires du capteur
laser-plan appliqué à l’ensemble des facettes du modèle nominal de la pièce [Mahmud
et al., 2011]. La première étape consiste à déterminer pour chaque facette les orienta-
tions de numérisation admissibles à partir de l’ensemble d’orientations possibles (720
orientations) (Figure. 1.16(a)). Ces orientations dites "admissibles" doivent permettre
l’accessibilité du faisceau laser à la surface, la visibilité de la trace laser par la caméra
et la vérification des critères de qualité en termes de bruit. La deuxième étape consiste
à affecter à chaque facette une seule orientation de numérisation. Cela revient à trouver
24
(a) (b)
Figure 1.15 – (a) Carte de visibilité [Derigent et al., 2007], (b) Représentation des orien-
tations de vue pour tous les voxels [Lartigue et al., 2014] .
une combinaison des orientations possibles qui garantisse un minimum de changement

d’orientations. Ensuite, la trajectoire est définie par les points de vue qui sont détermi-
nés par les sommets des facettes avec une translation le long de l’orientation du capteur.
Cette translation correspond à la distance de numérisation optimale (Figure. 1.16(b)).
(a) (b)
Figure 1.16 – Planification des trajectoires du capteur laser-plan [Mahmud et al., 2011]
(a) Ensemble de directions de mesure possibles (720 orientations), (b) Génération de
points de vues.
Dans le travail de [Zhao et al., 2012], la procédure de planification des trajectoires est
décomposée en trois étapes : évaluation des orientations de numérisation, évaluation des
distances de numérisation et génération des trajectoires. Le calcul des orientations de nu-
mérisation est fonction d’une étude de visibilité des points du maillage. À chaque groupe
de points est associée une orientation de numérisation. Les distances de numérisation
sont établies par la génération des niveaux de trajectoire (appelés aussi élévations) pour
chaque groupe, ce qui conduit à créer des sous-groupes de points. Chaque sous-groupe
25
correspond à un niveau de trajectoire. Les points d’un même sous-groupe peuvent être
mesurés par le capteur laser-plan dans le même niveau de trajectoire (Figure. 1.17(a)). La
génération des trajectoires consiste à déterminer les lignes de numérisation et les lignes
de connexion. Les lignes de numérisation sont celles suivies par le capteur laser-plan
pour mesurer le sous-groupe de points correspondant et les lignes de connexion sont
utilisées pour guider le capteur en se déplaçant d’une ligne de numérisation à l’autre
(Figure. 1.17(b)).
(a) (b)
Figure 1.17 – Planification des trajectoires du capteur laser-plan [Zhao et al., 2012] (a)
Niveaux de trajectoire, (b) Lignes de numérisation et lignes de connexion.
À partir des travaux de littérature qui s’intéressent à la planification des trajectoires

du capteur laser-plan monté sur une M M T , nous concluons qu’une planification des
trajectoires peut s’effectuer en définissant les meilleures configurations du capteur qui
assurent une accessibilité des surfaces et une mesure avec une qualité requise. La tra-
jectoire est générée par la définition de la séquence optimale des points de passage du
capteur laser-plan. Ceci peut être assuré en adoptant des niveaux de trajectoires.
1.6.2 Planification de la trajectoire du palpeur
La planification de la trajectoire du palpeur s’appuie généralement sur les caractéris-

tiques du capteur et de la surface à mesurer (spécifications, dimensions et complexité de
la surface) pour déterminer les orientations du palpeur, le nombre de points de mesure
et leur répartition [Yau and Menq, 1995, Hwang et al., 2004]. Pour traiter la planifica-
tion des trajectoires du palpeur, les deux aspects suivants ont été abordés : analyse de
l’accessibilité du palpeur, et choix de la distribution des points de mesure.
26
1.6.2.a Analyse d’accessibilité
L’analyse d’accessibilité consiste à déterminer les directions accessibles par le pal-

peur qui permettent la mesure des surfaces sans collision. Dans le travail de [Vafaeesefat
and Elmaraghy, 2000], les auteurs définissent les directions accessibles du palpeur par
l’analyse des domaines d’accessibilité aux points de la surface (sommet des facettes).
Le domaine d’accessibilité en un point est défini par l’étude de faisabilité de mesure de
toutes les directions possibles. Un algorithme de regroupement est ensuite proposé pour
regrouper et classer les directions en fonction des domaines d’accessibilité. Hwang et al.
utilisent les réseaux de neurones de Hopfield pour minimiser le nombre des directions
du palpeur [Hwang et al., 2004]. Alvarez et al. analysent l’accessibilité d’une pièce re-
présentée par son fichier ST L en deux phases : une analyse locale qui ne tient compte
que des collisions possibles du palpeur avec la surface elle-même (analyse des directions
normales à la surface) et une analyse globale qui considère les collisions possibles avec
l’ensemble de la pièce (calcul de multiples intersections entre le palpeur et toutes les
normales) [Alvarez et al., 2008].
Dans le travail de [Cho et al., 2005], la problématique de l’accessibilité est traitée
en définissant la direction d’approche du palpeur pour chaque entité à mesurer. La
Direction d’Approche du Palpeur DAP (en anglais, Probe Approche Direction PAD)
représente la direction accessible du palpeur pour mesurer l’entité. Un exemple des
directions d’approche du palpeur DAP pour une entité de type poche est présenté dans
la Figure. 1.18. Après avoir déterminé les directions d’approche du palpeur pour toutes
les entités de la pièce, la séquence des entités à inspecter est déterminée en analysant
les relations entre les directions d’approche possibles.
Figure 1.18 – Directions d’Approche du Palpeur pour une entité de type poche [Cho
et al., 2005].
27
1.6.2.b Distribution des points de mesure
La distribution des points de mesure consiste à établir le nombre de points de mesure

nécessaire ainsi que leur répartition. Le nombre de points de mesure est généralement
déterminé à partir d’une fiche pratique [Beg and Shunmugam, 2002]. Par exemple, dans
le travail de [Zhao, 2009], la norme britannique [BS7, 1989] est utilisée pour déterminer
le nombre minimal de points de mesure nécessaire pour chaque entité géométrique.
Les points de mesure doivent être régulièrement répartis sur la surface à inspecter.
La répartition des points de mesure sur la surface est établie à travers des stratégies
de distribution. L’efficacité du choix d’une stratégie de distribution particulière a été
reconnue comme une composante majeure de l’incertitude de mesure [Elkott et al.,
2002].
Dans les travaux de [Mian and Al-Ahmari, 2017], [Zahmati et al., 2018], [He et al.,
2018], les stratégies de distribution sont dévisées en deux grandes catégories : les straté-
gies de distribution standards (Blind sampling strategies) et les stratégies de distribution
adaptatives (Adaptive sampling strategies) (Figure. 1.19). Pour les distributions stan-
dard, un nombre fixe de points de mesure est réparti sur la surface. La complexité de
la surface n’est pas considérée pour répartir les points de mesure. Ces méthodes de dis-
tribution standards comprennent la distribution uniforme, aléatoire, stratifiée, séquence
d’Hammersley (SM) et séquence d’Halton-Zaremba (SHZ). Dans le cas d’une distribu-
tion aléatoire, les points sont répartis de manière irrégulière (au hasard) sur toute la
surface de mesure et fournissent généralement une représentation non réaliste de l’élé-
ment géométrique. À l’inverse, dans une distribution uniforme, les points sont répartis de
manière homogène (agencés à des intervalles identiques) sur toute la surface. La distribu-
tion stratifiée est une technique où l’ensemble de la surface est divisé en sous-ensembles
(aussi appelés strates). La théorie de la séquence de Hammersley a été proposée dans
[J. M. Hammersley, 1964]. Cette méthode a été utilisée par Stojadinovic et al. pour
distribuer des points de mesure dans le cas d’inspection des pièces prismatiques [Stoja-
dinovic et al., 2016b]. L’avantage de ces méthodes standards est leur simplicité et leur
temps de calcul réduit en comparaison des stratégies de distribution adaptative.
Pour les stratégies de distribution adaptative, le nombre de points de mesure et leurs
distributions varient en fonction de la complexité et de la courbure de la surface [Yu
et al., 2013]. Cela signifie que les parties complexes de la surface contiennent un plus
grand nombre de points, tandis que les régions plus simples comprennent un nombre
28
Stratégies de distribution
Standards Adaptatives
(Blind sampling strategies) (Adaptive sampling strategies)
Aléatoire Uniforme Stratifiée Séquence d'Hammersley Séquence d'Halton-Zaremba
Figure 1.19 – Stratégies de distribution des points de mesure.
plus faible de points de mesure [Mian and Al-Ahmari, 2017]. Le processus de distribution
adaptative est itératif. Plus de points de mesure sont ajoutés à une distribution initiale
pour augmenter la fidélité de la géométrie de substitution reconstruite. Ce processus se
poursuit jusqu’à ce qu’un nombre maximal de points de mesure soit atteint ou jusqu’à
ce que la géométrie de substitution devienne indifférente à l’ajout de points de mesure
supplémentaires.
Les stratégies de distribution des points de mesure doivent être adaptées pour chaque
type de surface. Nous distinguons deux types de surfaces, les formes canoniques et les
formes complexes. Pour les formes canoniques, trois stratégies de distribution sont com-
parées dans le travail de [Lee et al., 1997]. À travers l’évaluation de l’erreur quadratique
moyenne (RMSE) entre les points mesurés avec trois stratégies de distribution et un mo-
dèle de déviation globale (MDG), ils ont montré que la séquence d’Hammersley est plus
efficace en termes d’incertitude que les distributions aléatoires et uniformes. La séquence
d’Hammersley devra être privilégiée par rapport à la séquence d’Halton-Zaremba et la
distribution uniforme lors de l’inspection de composants canoniques [Cho et al., 2004b].
La distribution adaptative est une approche dynamique qui s’adapte en fonction de la
géométrie réelle et du profil de la surface [Saunders et al., 2014]. Ainsi, la stratégie de
distribution adaptative est la plus appropriée pour évaluer les spécifications associées
aux formes complexes.
1.6.3 Étude des problèmes de collision
Un aspect important pour la planification des trajectoires est l’évitement de collision

entre le capteur et la pièce à mesurer, et/ou entre le porte-capteur et la pièce [Yau and
29
Menq, 1995, Albuquerque et al., 2000]. Les problèmes de collision sont identiques dans
le cas d’un capteur laser-plan ou un palpeur. Yuewei et al. s’appuient sur la notion des
cônes d’accessibilité locale pour le calcul et la détection des collisions [Yuewei et al.,
2010]. L’algorithme est basé sur une vérification d’éventuelles collisions entre le palpeur
et la surface à mesurer pendant un déplacement donné. Dans le cas où une trajectoire
présente un problème de collision, des points de contrôle sont ajoutés à la trajectoire dans
des plans de référence définis à une distance de sécurité de la pièce. Dans les travaux de
[Cho et al., 2004b] et [Al-Ahmari et al., 2016], les auteurs distinguent les problématiques
de collision avec le capteur et de collision avec le porte-palpeur. La première peut être
résolue en insérant de nouveaux points de passage pour éviter les collisions comme c’est
indiqué dans la Figure. 1.20.
Figure 1.20 – Collision palpeur/pièce [Cho et al., 2004b, Al-Ahmari et al., 2016].
La détection des collisions est traitée dans le travail de [Han et al., 2017] en considé-
rant le capteur et le porte-capteur comme une seule entité. Cet ensemble est constitué
de deux cubes de grille, dont la longueur latérale est fonction de la longueur latérale
du porte-capteur (Figure. 1.21(a)). Un algorithme de modélisation de l’espace de me-
sure est utilisé pour modéliser le volume de la pièce par des grilles cubiques (voxels)
(Figure. 1.21(b)). La trajectoire optimale sans collision est ainsi obtenue en évaluant les
éventuelles collisions entre les grilles qui représentent l’espace de mesure et l’espace des
capteur et porte-capteur (Figure. 1.21(c)). Dans le travail de [Li et al., 2018], les auteurs
utilisent un algorithme basé sur les enveloppes convexes pour générer des trajectoires
permettant d’éviter les collisions (Figure. 1.22).
Han et al. proposent un modèle sphérique pour la détection des collisions [Han et al.,
30
(a) Modélisation du (b) Modélisation de l’es- (c) Optimisation des trajectoires

capteur et porte- pace de mesure par des sans collision
capteur grilles cubiques (obstacle)
Figure 1.21 – Études des problèmes de collision [Han et al., 2017].
Figure 1.22 – Enveloppe convexe pour générer des trajectoires sans collisions [Li et al.,
2018].
2018]. Une sphère est créée dont le centre est le point de la surface. Le rayon de la sphère
est supérieur ou égal à la distance entre le centre de rotation et le bout du capteur. Le
problème d’étude de collision se transforme en une recherche d’un certain espace libre
dans l’espace de la sphère pour placer le capteur. Un cône contenant les directions de
mesure sans collision est établi (Figure. 1.23).
En synthèse, les problèmes de collision peuvent être dus à une collision locale entre
le capteur et la pièce ou à une collision globale entre le porte-capteur et la pièce. Pour
gérer ces collisions, plusieurs types de modélisation peuvent être adoptés en fonction
des technologies des capteurs utilisés. Dans les lignes de trajectoire (ligne reliant deux
points de croisement successifs) qui ont des problèmes de collision, de nouveaux points
31
Figure 1.23 – Modèle sphérique d’analyse de collision [Han et al., 2018].
de transition du capteur sont ajoutés à la trajectoire.
1.7 Traitement des données
Dans le cas de l’inspection multi-capteurs, la problématique du traitement devient

plus complexe, car il s’agit de traiter des données de mesure de différentes natures
(telles que les nuages de points, les images) et de différentes caractéristiques (telles que
la densité, la qualité, l’incertitude de mesure). Dans le cas d’une mesure coopérative
avec un capteur laser-plan et un palpeur, les nuages de points sont de même nature,
mais de caractéristiques différentes et de plus exprimés dans des repères différents. Le
nuage de points associé au palpeur est de meilleure qualité mais peu dense. Alors que
le nuage de points issu de la mesure avec le capteur laser-plan est de qualité moindre
en comparaison de celui du palpeur, mais très dense, bruité et contenant des points
aberrants. Le résultat de mesure avec le palpeur est composé de nuages de points qui
correspondent aux surfaces mesurées. À chaque surface, un nuage de points est associé.
Le résultat de mesure avec le capteur laser-plan est un ensemble de points qui définit une
représentation globale de toutes les surfaces mesurées incluant des portions non désirées.
Compte tenu de ces caractéristiques, le traitement des données doit prendre en compte
le fait que :
• Le nuage de points issu de la mesure avec le capteur laser-plan est bruité et contient
des points aberrants et des zones non utiles.
• Le nuage de points du capteur laser-plan est une représentation globale tandis que
le nuage de points du palpeur est composé d’ensembles de points correspondant
aux entités.
32
1.7. Traitement des données
• Les coordonnées des points ne sont pas exprimées dans le même repère et sont de
caractéristiques différentes.
Le nuage de points issu du capteur laser-plan doit donc être pré-traité et des étapes
de mise en cohérence et de fusion des données issues des deux capteurs sont effectuées.
1.7.1 Pré-traitement
Le nuage de points résultant d’acquisition associée à chaque déplacement du capteur

dans les différentes orientations est généralement dense, inhomogène, bruité et présente
des points aberrants (Figure. 1.24) [Mehdi-Souzani, 2006]. Ces données sont rarement
exploitables directement, et une étape de pré-traitement est indispensable avant toute
exploitation.
Figure 1.24 – Caractéristiques d’un nuage de points mesuré avec un capteur laser-plan
[Mehdi-Souzani, 2006].
Dans un cas de pré-traitement des nuages de points issus d’une mesure avec un
capteur laser-plan, de nombreux outils sont désormais disponibles dans les logiciels de
CAO et de métrologie. Nous ne détaillerons pas ici les méthodes de la littérature, mais
nous rappelons que dans le cadre du pré-traitement, les opérations suivantes doivent
être envisagées [Wang et al., 2015] :
• Remplissage des données manquantes : dans les nuages de points mesurés avec
les capteurs optiques, il peut y avoir la présence de trous de numérisation dans
33
lesquels on ne dispose pas d’informations. Les données manquantes peuvent être

substitués par interpolation des données voisines ou par des valeurs significatives
pour éviter des échecs de calcul ultérieurs [Senin et al., 2012].
• Filtrage et nettoyage : les points aberrants présents dans le nuage de points brut
peuvent être dus à des phénomènes optiques liés à la technologie des capteurs ou à
l’environnement [Lartigue et al., 2002]. La présence de ces points aberrants entraîne
des erreurs de recalage, de fusion et d’évaluation des grandeurs géométriques. Par
conséquent, ces points doivent être identifiés et éliminés ou corrigés. De plus, nous
notons la présence des points qui ne correspondent pas à la mesure des surfaces
de la pièce, mais aux surfaces du support ou des artefacts dans le champ de vision
du capteur. Ces points devront être supprimés du nuage de points brut afin de ne
garder que les points représentatifs des surfaces à inspecter.
Le filtrage agit sur la densité et le bruit associés au nuage de points brut. Il peut se
faire selon deux techniques [Mehdi-Souzani, 2006] : par diminution du nombre de
points en éliminant des points ou par homogénéisation en conservant un nombre
de points donnés par unité de volume. Le nettoyage permet de s’affranchir du
problème associé à la représentativité des données vis-à-vis de la surface numérisée.
Le principe consiste à distinguer les points images de la surface numérisée par
rapport aux autres. Cette opération est souvent réalisée par l’opérateur de manière
interactive en éliminant les points qui lui semblent non représentatifs de la surface.
• Recalage : la mesure de l’ensemble de la pièce avec le capteur laser-plan nécessite

souvent plusieurs orientations du capteur. Le but du recalage est d’exprimer tous
les points numérisés dans un même repère pour avoir une cohérence entre les
différentes numérisations.
Le recalage est une étape au cours de laquelle les données de mesure sont alignées
et transformées dans un système de coordonnées commun. Le recalage peut se
faire en utilisant la sphère de calibration. Le capteur est en général calibré pour
chaque orientation sur la même sphère de calibration afin que les données issues
de la mesure soient exprimées dans le même repère [Audfray, 2012].
• Partition : en métrologie dimensionnelle, la partition est la division d’un modèle

d’une pièce en morceaux dont chacun correspond à un élément de surface. Anwer
34
1.7. Traitement des données
et al. classifient les opérations de partition en deux classes : partition d’un modèle
nominal (ideal form) et partition d’un modèle de peau (Skin model shape) [Anwer
et al., 2018]. Diverses méthodes ont été développées pour réaliser la partition d’un
nuage de points selon des critères géométriques et topologiques. Nous distinguons
les 4 catégories suivantes : la partition par détection des arêtes [Huang and Menq,
2001], la partition par croissance des régions [Demarsin et al., 2007], la partition
par regroupement d’attributs [Gelfand and Guibas, 2004, Yi et al., 2014] et la
partition par une approche hybride [Zhao et al., 2013, Anwer and Mathieu, 2016].
Ces catégories sont détaillées dans [Anwer et al., 2018].
1.7.2 Fusion
La fusion en métrologie peut être définie comme le processus consistant à combiner

des données provenant de plusieurs capteurs dans une représentation commune afin
que l’évaluation métrologique puisse bénéficier de toutes les données issues des capteurs
[Weckenmann et al., 2009]. Plusieurs approches de fusion ont été développées dans la
littérature. Nous nous focalisons sur les travaux qui visent la fusion d’un nuage de points
issu du capteur laser-plan avec un nuage de points issu du palpeur dans le but d’exploiter
les avantages des deux technologies de mesure. Compte tenu des caractéristiques du
nuage de points issus du capteur laser-plan, les études proposent des approches basées
principalement sur la correction du nuage de points mesuré avec le capteur laser-plan
utilisant le nuage de points mesuré avec le palpeur.
Une approche de fusion basée sur un processus gaussien (PG) a été proposée dans
[Colosimo et al., 2015]. L’objectif est de corriger localement l’ensemble de données mesuré
avec le capteur laser-plan au moyen d’un ensemble de points mesuré avec le palpeur. Le
processus de fusion est réalisé en deux étapes : un modèle gaussien est d’abord construit
à partir des données numérisées avec le capteur laser-plan, puis il est corrigé (mise à
l’échelle et décalage) en utilisant les données mesurées avec le palpeur à travers un
modèle de liaison en associant les points mesurés avec le palpeur à leurs correspondants
dans le modèle gaussien (Figure. 1.25).
Dans le travail de [Rak et al., 2016, Rak, 2016], une démarche de fusion qui consiste à
corriger le nuage de points du capteur laser-plan utilisant le nuage de points du palpeur
est proposée. Elle consiste à déterminer les paires de points caractéristiques. Autour d’un
35
Figure 1.25 – Correction du nuage de points du capteur laser-plan utilisant la mesure avec
palpeur ; points rouges : mesure avec capteur laser-plan, ligne rouge : modèle gaussien
associé au nuage de points du capteur laser, points bleus : mesure avec palpeur, ligne
bleue : modèle de fusion, ligne noire : modèle nominal [Colosimo et al., 2015].
point mesuré avec le palpeur (point noir dans la Figure. 1.26(a)), une sphère virtuelle
est construite (Figure. 1.26(b)). La sphère contient des points mesurés avec le capteur
laser-plan (points bleus dans la Figure. 1.26(c)) pour lesquels le barycentre est calculé
(point rouge). Le barycentre et le centre de la sphère définissent une paire de points
caractéristiques (points rouges et noirs dans la Figure. 1.26(d)). Pour chaque paire, le
vecteur de correction Cor_V ecti est calculé comme la différence de coordonnées des
points caractéristiques. La transformation qui ramène les points mesurés avec le capteur
laser-plan vers les points mesurés avec le palpeur est évaluée en fonction des vecteurs de
correction Cor_V ecti de tous les points caractéristiques. Afin d’évaluer l’influence du
diamètre de la sphère virtuelle, 3 diamètres de sphères (10mm, 20mm et 30mm) ont été
testés, les auteurs ont constaté que la distance moyenne entre les données fusionnées est
faible pour un procédé de fusion avec un diamètre de sphère virtuelle faible.
En synthèse, les travaux de la littérature concernant la fusion d’un nuage de points

issu du capteur laser-plan avec un nuage de points issu du palpeur concernent le cas de
la mesure d’une même surface avec deux capteurs. En général, la mesure avec le palpeur
est considérée comme référence pour corriger la mesure avec le capteur laser-plan.
36
1.8. Synthèse et Problématique
Figure 1.26 – Démarche du fusion du nuage de points mesuré avec le capteur laser-plan
(points verts) avec le nuage de points mesuré avec le palpeur (points noirs) [Rak et al.,
2016].
1.8 Synthèse et Problématique
Peu de travaux ont porté sur l’ensemble du processus d’inspection dimensionnelle

combinant un capteur laser-plan et un palpeur. Dans les travaux mentionnés précédem-
ment, les auteurs s’intéressent en général à quelques-unes des étapes de l’approche glo-
bale d’inspection, et concernent principalement la génération de la gamme d’inspection.
D’autres travaux se sont concentrés sur la fusion des données de mesure provenant des
deux capteurs. Le développement d’une approche globale d’inspection avec un capteur
laser-plan et un palpeur reste une problématique à part entière.
Si nous nous intéressons aux étapes d’inspection dimensionnelle, classiquement l’ins-
pection avec un seul capteur vise à générer la gamme d’inspection qui sera automati-
quement exécutée sur la M M T . Puis, l’évaluation des spécifications à partir du nuage
de points issu de la mesure donne lieu à un rapport d’inspection après traitement des
données. La génération de la gamme d’inspection est en général décomposée en deux ni-
veaux : un niveau global qui détermine la séquence des surfaces à mesurer et un niveau
local qui détermine la trajectoire du capteur pour chaque surface. Une fois la trajec-
toire exécutée, les nuages de points obtenus sont traités de manière automatique, la
plupart du temps par des logiciels de métrologie dimensionnelle, afin d’établir le rapport
d’inspection .
La question que nous nous posons est : est-il possible de réaliser un processus d’ins-
pection dimensionnelle automatique combinant un capteur laser-plan et un palpeur, uti-
lisant au mieux les capacités de chacun des capteurs, depuis la génération de la gamme
d’inspection jusqu’au traitement des données acquises après exécution des trajectoires ?
37
Cette problématique, non encore traitée dans sa globalité, fait apparaitre un certain
nombre de difficultés en partie associées à la technologie du capteur laser-plan. Rappe-
lons ici que le capteur laser-plan permet de réaliser une mesure globale des surfaces dans
un temps relativement court, mais les données sont relativement bruitées, alors que le
palpeur permet d’acquérir les surfaces, avec une faible incertitude, mais avec une moins
grande densité, et en des temps plus longs.
Cette problématique mise en avant fait apparaître 3 étapes majeures : la généra-
tion de la gamme d’inspection incluant la planification des trajectoires, l’exécution des
trajectoires de chacun des capteurs, et enfin le traitement des données hétérogènes.
La génération de la gamme d’inspection comprend la définition des séquences de
mesure, et la planification des trajectoires. Tout d’abord, après une analyse des spé-
cifications, il convient de sélectionner le capteur adéquat qui permettra de vérifier la
spécification. Les travaux de la littérature ont montré qu’à partir de l’évaluation des
performances des capteurs, des règles sont mises en place afin de réaliser la sélection du
capteur approprié. Dans le cas du capteur laser-plan, il s’agit également de sélectionner
les configurations de mesure qui permettront d’atteindre la qualité attendue. Les études
mettent en avant qu’il convient de limiter les changements de configurations, et plus par-
ticulièrement les changements d’orientation pour améliorer les performances, en termes
de qualité et de temps de mesure. Les travaux de la littérature rapportent également
que les surfaces internes sont rarement totalement accessibles avec le capteur laser-plan
utilisant une seule orientation. Dans ce cas, le palpeur devrait donc être privilégié pour
la mesure de telles surfaces. Une fois les séquences de mesure définies, il convient de
planifier les trajectoires. La planification des trajectoires est une problématique liée à
chaque capteur.
La planification des trajectoires du capteur laser-plan consiste à générer à partir
des configurations obtenues la séquence optimale des points de passage qui permet la
mesure de l’ensemble des surfaces avec une qualité requise et dans un temps optimal.
D’autre part, la planification des trajectoires du palpeur consiste à définir les orientations
accessibles et les points de mesure pour chaque surface. Des trajectoires exemptes de
collision, et optimisées selon les critères de qualité et le temps de mesure, doivent être
établies pour chaque capteur. L’exécution des trajectoires devient plus complexe lorsqu’il
s’agit de piloter deux capteurs. La difficulté réside dans le fait de gérer l’exécution avec
deux technologies différentes.
38
1.9. Démarche proposée
À l’issue de la phase de mesure, les données obtenues sont de nature différente. Le

résultat de mesure avec les deux capteurs est exprimé par deux nuages de points dont la
qualité et la densité sont différentes. Le nuage de points issu de la mesure avec le capteur-
laser-plan est en général bruité, et présente des points aberrants, des surfaces non désirées
ou encore des trous de numérisation. De plus, alors que le palpeur mesure les entités
de manière séparées, le nuage de points est global et comprend un ensemble d’entités.
Ainsi, une étape de traitement de nuages de points s’avère nécessaire. Elle comprend
deux volets, l’un correspond au traitement du nuage de points issus du capteur laser-
plan afin de le rendre exploitable pour des applications de métrologie [Audfray, 2012].
Le second volet correspond à une étape de fusion des données hétérogènes, au cours
de laquelle il s’agit de mettre les données issues des deux capteurs en cohérence. Une
fois cette étape effectuée, l’exploitation pour la vérification des spécifications peut être
réalisée.
Dans ce contexte, nous proposons une démarche complète d’inspection dimension-
nelle s’appuyant sur la mesure combinée d’un capteur laser-plan et d’un palpeur.
1.9 Démarche proposée
Dans notre travail, nous utilisons les capacités d’un scanner 3D Kreon Aquilon KA50
(Annexe. A) composé d’un capteur laser-plan sur lequel un palpeur Renishaw T P 2 est
fixé. S’appuyant sur ce scanner composé des deux capteurs, l’objectif du travail de thèse
est de proposer puis d’étudier la faisabilité d’une approche d’inspection dimensionnelle
automatique basée sur la meilleure utilisation des deux capteurs. Nous partons du pos-
tulat que le capteur laser-plan est privilégié compte tenu de sa rapidité, dès lors que la
qualité attendue est atteinte.
Afin d’exploiter les avantages du scanner, et dans l’objectif d’utiliser au mieux les
capacités de chacun des capteurs, quelques règles sont posées à partir des résultats de
la littérature :
• Le capteur laser-plan est utilisé lorsque les critères d’accessibilité et de qualité nous
permettent de vérifier les spécifications associées ; sinon le palpeur est utilisé.
• Les entités internes sont mesurées avec le palpeur ;
• les changements d’orientation du scanner sont minimisés ; ainsi, la stratégie de
39
A
(a) (b)
Figure 1.27 – (a) MMT ; (b) Scanner 3D composé d’un capteur laser-plan et un palpeur.
mesure est construite à partir des configurations du scanner et pour chaque confi-
guration, le choix du capteur adéquat est réalisé.
Étant donné le modèle CAO de la pièce et les spécifications associées décrites sur
un dessin de définition, nous proposons une approche globale découpée en trois étapes
principales selon les problématiques majeures évoquées précédemment (Figure. 1.28) :
• Génération des séquences d’opérations de mesure ;
• Planification et exécution des trajectoires ;
• Traitement des données et évaluation des spécifications
Nous visons à automatiser le processus global d’inspection, ce qui mène à automatiser

et apporter des contributions à toutes les étapes de l’approche (Figure. 1.28).
La génération des séquences d’opérations consiste à définir un ensemble d’opérations
de mesure. Partant du dessin de définition, il s’agit d’extraire les surfaces à mesurer,
puis pour chacune d’elles, d’associer le capteur approprié. Les surfaces à mesurer sont les
surfaces qui portent des spécifications. Afin de pouvoir utiliser deux capteurs dans une
même orientation et minimiser les changements d’orientations, un ensemble d’orienta-
tions initial basé sur une étude d’accessibilité globale des surfaces pour chaque capteur
est proposé. L’aptitude des capteurs à mesurer avec une qualité donnée est testée pour
chacune de ces orientations. Ainsi, pour chaque orientation, le capteur approprié est
40
1.9. Démarche proposée
Entrée
Automatiquement
Sortie
Chap 2 Chap 3 Chap 4
Modèle CAO avec des spécifications Génération des Génération des Traitement et
Rapport
séquences trajectoires et analyse de
d’inspection
d’opérations exécution données
Scanner 3D :
Capteur laser +palpeur
(qualifiés)
Figure 1.28 – Approche globale d’inspection dimensionnelle.
associé à chaque surface, ce qui définit les opérations de mesure (Figure. 1.29). Une
opération est définie par la mesure des surfaces dans une orientation donnée. Les opé-
rations de mesure doivent être ordonnées afin de déterminer la séquence d’opérations.
Noter cependant que c’est une originalité. L’originalité réside dans le fait qu’il ne s’agit
pas de chercher l’accessibilité de chaque capteur pour chaque surface puis de définir les
orientations des capteurs, mais d’utiliser un ensemble minimal d’orientations puis d’éva-
luer les capacités des deux capteurs pour ces orientations. La génération des séquences
d’opérations fait l’objet du Chapitre. 2
Séquence des points

Orientations Capteur utilisé Surfaces
de passage
Capteur laser -plan {𝐹1 , 𝐹2 … . 𝐹𝑟 } {𝑃1 , 𝑃2 … . 𝑃𝑛 }
Opération 1 Ornt 1
Palpeur {𝐹𝑟+1 , 𝐹𝑟+2 . . 𝐹𝑘 } {𝑃𝑛+1 , 𝑃𝑛+2 … . 𝑃𝑚 }
Capteur laser -plan
Opération 2 Ornt 2
Palpeur
Séquences des opérations : Trajectoires

 Liste des orientations • Trajectoire du capteur laser/surfaces
 Capteur approprié pour chaque surface • Trajectoire du palpeur/surfaces
• Trajectoire du scanner
Figure 1.29 – Définition de la gamme d’inspection multi-capteurs.
Pour compléter la gamme d’inspection, nous définissons la trajectoire de chaque

capteur associée à chaque surface. La trajectoire est définie par la séquence des points de
passage mesurant les surfaces. Ainsi, la gamme d’inspection est définie par les séquences
d’opérations et les trajectoires comme c’est indiqué dans la Figure. 1.29. L’exécution
consiste à transformer les informations contenues dans la gamme en ordre de mouvements
41
du système de déplacement (par exemple M M T ) afin de réaliser la mesure et récupérer

les données de mesure. La planification des trajectoires et l’exécution font l’objet du
Chapitre. 3.
Les nuages de point obtenus sont souvent hétérogènes, un traitement des données
est proposé pour évaluer les spécifications et établir le rapport d’inspection. Le pré-
traitement du nuage de points provenant de la mesure avec le capteur laser-plan est
d’abord réalisé. La mise en cohérence et la fusion seront ensuite appliquées sur les deux
nuages de points des deux capteurs. Ces étapes de traitement seront détaillées dans le
Chapitre. 4.
Afin de valider l’approche d’inspection multi-capteurs que nous proposons, une pièce
test dont le dessin de définition partiel est présenté en Figure. ??. L’ensemble de la
démarche globale sera implémenté et testé sur la pièce test.
9 ±0.05
0.10 A B C
0.1 A
0.2
20 ±0.1
0.1 C
4x 10H8
10
0.1 A
10
0.1 A
0.2 A B C
0.15
B 0.20 A B D
20 ±0.1
0.05 A B 0.1 A B C
30 ±0.1
0.2 F 15
C 20
16 ±0.1 A A
30
30
0.15 E
0.1
45
80
A
35 ±0.1
0.25 D
Figure 1.30 – Dessin de définition de la pièce test.
42
Chapitre
2
Génération des séquences
d’opérations
43
Chapitre 2. Génération des séquences d’opérations
44
2.1. Introduction
2.1 Introduction
La gamme d’inspection est réalisée à travers deux parties : la génération des séquences
d’opérations, puis la définition des trajectoires de mesure. Dans ce chapitre, seule la
première partie qui concerne la génération des séquences d’opérations est détaillée. La
définition des trajectoires sera discutée au chapitre suivant.
Dans ce travail, une opération correspond à la mesure d’un groupe de surfaces dans
une orientation du scanner (Figure. 2.1). Partant d’un modèle CAO de la pièce avec des
spécifications décrites sur un dessin de définition, nous souhaitons mettre en place une
démarche automatique pour générer puis ordonner les séquences d’opérations.
Orientations du
Capteur utilisé Surfaces
scanner
Maquette numérique Génération des Capteur laser -plan {𝐹1 , 𝐹2 … . 𝐹𝑟 }
Ornt 1 Opération 1
séquences Palpeur {𝐹𝑟+1 , 𝐹𝑟+2 . . 𝐹𝑘 }
d’opérations Capteur laser-plan
Ornt 2 Opération 2
Palpeur
Séquences d’opérations
Scanner 3D :
Capteur laser-plan + palpeur
(qualifiés)
Figure 2.1 – Génération des séquences d’opérations.
Pour chaque surface, il s’agit de sélectionner le capteur approprié pour l’orientation

considérée. Le capteur approprié est sélectionné en testant son aptitude à mesurer la
surface dans l’orientation considérée, l’aptitude étant testée à partir des critères de
performance. Nous privilégions la mesure avec le capteur laser-plan afin d’exploiter sa
rapidité de mesure. Ainsi, l’aptitude du capteur laser-plan est testée d’abord. Dans le
cas où les critères de performance ne sont pas vérifiés, l’aptitude du palpeur est ensuite
testée. Cela ne peut se faire qu’à partir de la connaissance d’informations associées aux
surfaces à inspecter, aux spécifications portées sur le dessin de définition, mais également
à la capacité des capteurs.
Nous proposons une démarche de génération des séquences d’opérations composée
de 3 étapes principales (Figure. 2.2). La première consiste à identifier les informations
qui nous conduisent à introduire la notion d’entité à mesurer. Dans la deuxième étape,
45
un ensemble minimal d’orientations permettant l’accessibilité globale des surfaces est

proposé en analysant le volume englobant la pièce. En troisième étape, l’évaluation de
l’aptitude de chacun des capteurs pour chacune des orientations est testée. Les séquences
d’opérations sont définies par la génération de groupes d’entités/surfaces pour chaque
orientation.
9 ±0.05
0.10 A B C
0.1
E
A
0.2
20 ±0.1
0.1 C
Maquette numérique
4x 10H8
10
0.1 A
10
0.1 A
0.2 A B C
0.15
B 0.20 A B
20
Extraction des données

±0.1
0.1 A B C
0.05 A B
30 ±0.1
0.2 F 15
20
d'inspection
C
16 ±0.1 A A
30
30
0.15 E
Base de données
0.15 A
45
80
35 ±0.1
0.25 D
Choix d'un ensemble minimal

d'orientations
Orientations du scanner
Génération des groupes Orientation du Capteur utilisé Surfaces

d'entités scanner
Capteur laser {F1, F2...,Fl}
Ornt1 ◌ܱ ‫݊ݎ‬
ଵ
‫ݐ‬
Palpeur {Fl+1, Fl+2...,Fk}

Séquences des opérations
Capteur Laser
Ornt2
Palpeur
Figure 2.2 – Approche proposée pour la génération des séquences d’opérations.
L’aptitude des capteurs est en général basée sur les résultats d’évaluation des per-
formances des capteurs, qui s’appuie sur une qualification des capteurs à disposition.
Dans la suite de ce chapitre, nous présentons la méthode de qualification des capteurs
que nous avons retenue.
Dans une deuxième partie, nous présentons la méthode d’extraction des données
d’inspection en adoptant la notion d’entité d’inspection. Nous proposons une définition
de l’entité d’inspection plus adaptée au contexte de la métrologie 3D. Les attributs
associés aux entités d’inspection sont stockés dans une base de données.
Dans une troisième partie, plutôt que d’étudier l’accessibilité de toutes les surfaces
par chacun des capteurs, nous détaillons la méthode de sélection d’un ensemble minimal
d’orientations permettant l’accessibilité globale aux surfaces à inspecter avec les deux
capteurs.
La quatrième partie présente la méthode itérative de génération des groupes d’entités
basée sur l’évaluation des aptitudes des capteurs. Pour une orientation du scanner don-
née, l’évaluation de l’aptitude du capteur laser-plan est réalisée en premier puis celle du
46
2.2. Qualification des capteurs
palpeur. Chaque groupe d’entités est associé à une orientation du scanner et se compose
de deux sous-groupes : l’un rassemble les entités à mesurer avec le capteur laser-plan et
l’autre les entités à mesurer avec le palpeur.
Finalement, cette démarche de génération des séquences d’opérations est appliquée
sur la pièce test retenue.
2.2 Qualification des capteurs
Le capteur laser-plan est constitué de deux caméras qui lui offrent un grand champ
de visibilité. Selon un protocole d’évaluation des performances des capteurs optiques
(Qualipso) développé au laboratoire [Audfray, 2012], nous nous sommes intéressés en
premier lieu à la caractérisation de la fenêtre de mesure (Field of View, FOV ) ainsi que
ses dimensions. Nous évaluons ensuite les indicateurs de qualité tels que le bruit et la
justesse. De plus, les erreurs de changement d’orientations et de remise en position du
capteur sont évaluées.
La qualification de la performance du palpeur s’effectue principalement par l’évalua-
tion de la répétabilité de mesure dans les différentes directions de déclenchement. Plus
de détails sur la qualification des capteurs ainsi que leurs caractéristiques techniques
sont présentés dans l’Annexe. A et B.
2.2.1 Caractérisation de la fenêtre de mesure (FOV) du capteur laser-

plan
La fenêtre de mesure (Field of view - FOV) est un espace dans lequel la réflexion de
la ligne laser est visible par la caméra du capteur. Pour déterminer la hauteur H de la
fenêtre de mesure, nous déplaçons le capteur verticalement entre deux altitudes qui cor-
respondent aux deux limites supérieure et inférieure de la fenêtre de mesure (Annexe. B).
La hauteur de la fenêtre H est alors la différence des deux altitudes. Les largeurs L1 et
L2 sont déterminées par la mesure de la longueur de la ligne laser dans les deux limites
de la fenêtre de mesure. La distance de numérisation est définie par la distance entre
le centre de rotation du capteur et la surface à numériser. Pour que la réflexion de la
ligne laser soit visible par les caméras du capteur (Figure. 2.3(a)), cette distance de
numérisation doit être dans un intervalle [dmin , dmax ]. Les dimensions de la fenêtre de
mesure et les distances de numérisation sont représentées dans la Figure. 2.3(b).
47
Mi Centre de rotation
Ornt i
Capteur laser
dmax=230mm
dmin=191mm
L1= 21mm
30° Nl H=39mm
NC2 NC1
L2= 35mm
(a) (b)
Figure 2.3 – (a) Orientations de la ligne laser et des caméras ; (b) Dimensions de la
fenêtre de mesure et les distances de numérisation.
2.2.2 Évaluation du bruit
Le bruit est défini par l’indicateur δ (Section. 1.4.1). Celui-ci dépend fortement de la
stratégie de numérisation et en particulier de la distance et de l’angle de numérisation.
L’angle de numérisation α est l’angle entre la normale à la surface et le rayon émis par la
source lumineuse dans le plan de triangulation (Figure. 1.6). Le protocole QualiPSO a
été mis en œuvre avec différentes configurations afin d’évaluer l’influence de la distance
et de l’angle de numérisation sur le bruit.
En gardant le même angle de numérisation, en déplaçant le capteur pour modifier la

distance de numérisation le long de la fenêtre de mesure. Les résultats d’évaluation du
bruit en fonction de la distance de numérisation sont reportés dans la Figure. 2.4. Le
bruit est minimal au milieu de la fenêtre de mesure. Cette configuration correspond à
une distance de numérisation dite optimale (dopt ).
Afin de pouvoir analyser la variation du bruit en fonction de l’angle de numérisation,

le bruit est évalué en modifiant l’angle de numérisation et en gardant une distance de
numérisation fixe (celle qui présente un minimum de bruit). Les résultats d’évaluation
du bruit en fonction de l’angle de numérisation sont reportés dans la Figure. 2.5. Les
résultats obtenus mettent en avant qu’avec la même distance de numérisation, plus
l’angle augmente, plus le bruit est important.
48
Bruit en fontion de la distance de numérisation

0.013
0.012
0.011
0.01
bruit (mm)
0.009
0.008
0.007
0.006
0.005
190 195 200 205 210 215 220 225 230 235
Distance de numérisation (mm)
Figure 2.4 – Bruit en fonction de la distance de numérisation.
Bruit en fontion de l angle de numérisation

0.02
0.018
0.016
0.014
bruit (mm)
0.012
0.01
0.008
0.006
0.004
0.002
0 10 20 30 40 50 60 70 80 90
Angle de numérisation (degre)
Figure 2.5 – Bruit en fonction de l’angle de numérisation.
2.2.3 Évaluation de la justesse
La justesse est définie par l’indicateur e (Section. 1.4.1). La justesse de mesure est
évaluée en fonction de la distance de numérisation par la mesure d’une hauteur de
marche calibrée de hauteur H1 = 4.99996mm et H2 = 19.99994mm. Les résultats de la
Figure. 2.6 montrent que la justesse peut attendre jusqu’à 20µm. Elle est minimale à
une distance de numérisation optimale.
Dans son travail, Audfray a proposé une évaluation de la justesse dite relative sur
un artefact de référence [Audfray, 2012]. Elle est évaluée comme la différence entre la
49
Justesse en fontion de la distance de numérisation

0.02
Marche 5mm
0.018 Marche 20mm
0.016
0.014
Justesse en(mm)
0.012
0.01
0.008
0.006
0.004
0.002
200 205 210 215 220 225 230 235
Figure 2.6 – Justesse en fonction de la distance de numérisation.
position calculée d’une surface numérisée et sa position théorique. Dans les calculs de la
justesse relative, le plan numérisé à une distance optimale qui correspond au milieu de
la fenêtre de mesure a été choisi comme plan de référence, car le bruit est minimal dans
cette configuration. Les résultats sont reportés sur la Figure. 2.7. La justesse relative est
minimale au milieu de la fenêtre de mesure.
0.025
0.02
justesse relative en mm
0.015
0.01
0.005
0
190 195 200 205 210 215 220 225 230 235
Distance de numérisation en mm
Figure 2.7 – Justesse relative en fonction de la distance de numérisation.
50
2.2.4 Évaluation des erreurs de remise en position et de changement

d’orientations du capteur laser-plan
L’erreur de remise en position du capteur caractérise le défaut de recalage des nuages

de points mesurés avec la même orientation, avec une remise en position du capteur effec-
tuée entre deux numérisations successives sans effectuer une nouvelle calibration. Pour
évaluer ce défaut, la sphère d’étalonnage a été numérisée dix fois dans une orientation
calibrée, puis dix fois en ayant réalisé une première remise en position du capteur, et en-
fin dix fois en ayant réalisé une seconde remise en position (Figure. 2.8(a)). Pour chaque
numérisation, une sphère des moindres carrés est associée.
Le barycentre Cmoy des dix premières sphères est évalué. Les distances entre les
centres des sphères pour chaque numérisation et le barycentre Cmoy sont ensuite calculées
(Figure. 2.8(b)). Les résultats montrent que les erreurs de remise en position peuvent
atteindre jusqu’à 12µm. La répétabilité pour une orientation (écart type σ = 0.001mm
des distances calculées pour une seule orientation) est faible par rapport à celle pour les
trois orientations ensemble (écart type σ = 0.004mm de toutes les distances).
Evaluation des défauts de remise en position du capteur laser-plan

0.014
Orientation 1 calibrée
1er remise en position
2eme remise en position
0.012
Distance au barycentre Cmoy (mm)
0.01
0.008
0.006
0.004
0.002
0
1 2 3 4 5 6 7 8 9 10
Noméro d'acquisition
(a) (b) Orientation 2 (A90B90)
Figure 2.8 – (a) Remise en position du capteur laser-plan [Audfray, 2012] ; (b) Résultats
d’évaluation des erreurs de remises en position.
L’erreur de changement d’orientations représente l’erreur de calibration externe qui

caractérise les erreurs causées par l’utilisation de plusieurs orientations lors de la me-
sure d’un même élément de référence. La sphère d’étalonnage a été mesurée cinq fois
pour chacune des trois orientations du capteur (Figure. 2.9), chaque orientation étant
calibrée. Les distances entre chaque centre de sphères calculé au barycentre des cinq pre-
mières acquisitions sont calculées (Figure. 2.10). Les résultats montrent que les erreurs
51
de changement d’orientations peuvent atteindre jusqu’à 20µm.
(a) Orientation 1 (b) Orientation 2 (c) Orientation 3 (A90B −

(A0B0) (A90B90) 90)
Figure 2.9 – Configurations du capteur pour l’évaluation des erreurs de changement

d’orientations.
Evaluation de la calibration externe du capteur laser-plan

Distance au barycentre des 5 premières acquisitions(mm)
0.025
Orientation 1: A0B0
Orientation 2: A90B90
Orientation 3: A90B-90
0.02
0.015
0.01
0.005
0
1 1.5 2 2.5 3 3.5 4 4.5 5
Figure 2.10 – Évaluation des erreurs de changement d’orientations du capteur laser-plan.
Ces deux erreurs dues au remise en position et au changement d’orientations du

capteur sont significatives. Par conséquent, limiter le nombre d’orientations des capteurs
dans la planification de la gamme d’inspection est à prendre en compte pour améliorer
la qualité de mesure.
2.2.5 Évaluation des performances du palpeur
L’évaluation des performances du palpeur consiste principalement à évaluer la répé-

tabilité. Cette évaluation a été effectuée dans les trois directions d’accostage X, Y et Z.
Le même point a été acquis 30 fois selon la même direction d’accostage (Figure. 2.11).
La moyenne, le minimum, le maximum des coordonnées des points ainsi que l’écart type
sont évalués. Les résultats sont représentés dans le Tableau. 2.1. L’écart type est inférieur
52
à 1µm dans les trois directions d’accostage X, Y et Z.
Figure 2.11 – Principe d’évaluation de la répétabilité de mesure avec un palpeur T P 2

dans les trois directions.
La moyenne mm L’écart type mm Min mm Max mm

Selon X -292.6194 4.9013 10˙−4 -292.6200 -292.6190
Selon Y -145.7997 5.8329 10˙−4 -145.8010 -145.7990
Selon Z -214.7570 ˙
1.1563 10−13 -214.7570 -214.7570
Tableau 2.1 – Résultats d’évaluation de la répétabilité de mesure avec un palpeur T P 2

dans les trois directions.
Concernant les caractéristiques géométriques du palpeur, nous notons les deux pa-
ramètres suivants : la longueur du stylet Lstylet = 20mm et le diamètre de la bille
Dbille = 2mm.
2.2.6 Synthèse
À travers la qualification du capteur laser-plan, nous avons établi les courbes de

variation du bruit en fonction de la distance et de l’angle de numérisation ainsi que la
variation de la justesse en fonction de la distance de numérisation. Ces informations
sont stockées dans une base de données de capteurs dits qualifiés. Une valeur de bruit
ou de justesse peut être attribuée à chaque configuration de capteur (angle ou distance
de numérisation).
Les dimensions de la fenêtre de mesure sont déterminées. La plage de variation de
la distance de numérisation est comprise entre une distance minimale dmin = 191mm et
une distance maximale dmax = 230mm. Le bruit et la justesse sont minimaux quand la
ligne laser est au milieu de la fenêtre de mesure, ce qui correspond à une distance de
numérisation optimale dopt = 215mm. La largeur de la ligne laser dans cette configu-
ration optimale est Lopt = 30mm. Cependant, les largeurs minimale et maximale sont
53
respectivement L1 = 20mm et L2 = 35mm. Concernant les dimensions du capteur,

nous proposons de modéliser celui-ci par un parallélépipède dont les dimensions sont les
suivantes : la largeur a = 80mm, la langueur b = 200mm et la hauteur c = 100mm.
Les résultats d’évaluation de la répétabilité de mesure avec le palpeur dans les trois
directions d’accostage X, Y et Z montrent la bonne performance de mesure avec le
palpeur.
2.3 Extraction des données d’inspection
Les données d’inspection sont les surfaces à mesurer, mais également des attributs et
des informations telles que les spécifications associées, qui sont utiles à la génération de
la gamme d’inspection et au choix du capteur [Mahmud et al., 2011], [Audfray, 2012].
Prenons un exemple classique en métrologie. Pour vérifier la spécification de localisation
de la Figure. 2.23, les surfaces à inspecter (deux plans) ainsi que toutes les informations
requises pour le processus d’inspection, telles que le type de spécification, l’intervalle de
tolérance et le système de référence doivent être identifiées.
IT A
L
A
Figure 2.12 – Exemple d’une spécification de localisation.
Dans la littérature, les auteurs ont majoritairement utilisé la notion d’entité comme
support des gammes d’inspections. Une entité est une forme générique à laquelle les
ingénieurs associent un ensemble d’attributs et de connaissances qui sont utiles dans le
raisonnement pour définir le produit [Nasr and Kamrani, 2006]. Une entité peut être
définie comme une caractéristique de la pièce, qui porte un sens sémantique vis-à-vis
de l’application [Bhandarkar and Nagi, 2000]. Le mot entité a plusieurs sens selon le
contexte et le domaine d’application. Elle peut être une entité d’inspection, une entité de
conception, une entité de fabrication, une entité d’assemblage ou une entité en robotique
[Nasr and Kamrani, 2006, Al-Ahmari et al., 2016].
54
2.3. Extraction des données d’inspection
Généralement, un processus d’inspection peut s’appuyer sur l’une des trois notions
suivantes : entité de mesure [Lee et al., 2007, Yuen et al., 2003, Wong et al., 2005],
entité de fabrication (de forme, d’usinage) [Lee et al., 2004, Cho et al., 2005, Aslan
et al., 1999, Devireddy, 1999, Kim et al., 2001] et entité d’inspection (Figure. 2.13).
Classification des entités
Entité de fabrication, Entité

Entité de mesure
d'usinage et de forme d’inspection
J Y Lee et al 1998 Yuen et al 2003

E Aslan et al. 1999 H lee 2004
R Chandra et al 1999 F S Y Wong et al 2005
Y S Kim et al 2001
Extraite à partir du modèle
E S A Nasr et al 2006 Extraite à partir de CAO enrichi avec des
H C Lee et al 2007 l'entité de informations sur le produit
I Cayiroglu et al 2009 fabrication et sur le processus de
B Venu et al 2015
M W Cho et al 2005 fabrication (PMI)
F Zhao et al 2009 R Lipman et al 2015
A Al-Ahmari et al 2016 H Zhao et al 2012
Figure 2.13 – Classification des entités.
Cho et al. développent une démarche d’inspection avec un palpeur utilisant la notion
d’entité de fabrication [Cho et al., 2005]. Celle-ci est définie comme le résultat d’une
opération de fabrication telle que poche, rainure. L’entité de mesure, définie par la surface
élémentaire à mesurer (plan, sphère et cylindre...etc.), est utilisée dans [Yuen et al., 2003]
pour définir une gamme d’inspection.
En métrologie, la notion d’entité doit être accompagnée d’informations relatives aux
spécifications associées. Zhao développe une approche d’inspection on-machine (inspec-
tion pendant un processus d’usinage) [Zhao, 2009]. Dans son travail, l’entité d’inspection
est extraite à partir d’entités de fabrication en regardant les surfaces associées à des spé-
cifications et qui nécessitent d’être mesurées. Zhao et al. s’appuient sur la notion des
surfaces portant des spécifications pour définir la gamme d’inspection [Zhao et al., 2012].
Dans ce travail, nous introduisons un nouveau concept d’entité d’inspection qui re-
prend la notion d’entité de mesure à laquelle nous associons des informations nécessaires
à la génération de la gamme d’inspection ainsi qu’à la sélection du capteur.
55
2.3.1 Définition de la notion d’entité d’inspection
Nous utilisons la notion d’Entité d’Inspection (EI) qui peut être une entité tolérancée
ou de référence. Nous définissons l’entité d’inspection tolérancée comme une entité à
laquelle une ou plusieurs spécifications sont associées. Ainsi, une entité d’inspection est
composée d’Entités de Mesure (EM ) et des Spécifications associées (Sp).
Une entité de mesure (EM ) est la surface élémentaire à mesurer. La spécification qui
peut être géométrique ou dimensionnelle, est caractérisée par son type et ses attributs.
N Entité d’inspection N Entité de mesure

1 point 1 Point
2 Ligne 2 Ligne
3 Cercle 3 Cercle
4 Courbe 4 Courbe
5 Plan 5 Plan
6 Cylindre 6 Cylindre
7 Demi-sphère 7 Demi-sphère
8 Cône 8 Cône
9 Surface complexe 7 Surface complexe
10 Plans parallèles
11 Motif d’entités
12 Entité composée
Tableau 2.2 – Types d’entités d’inspection et entités de mesure.
Le Tableau. 2.2 représente une liste non exhaustive des types d’entités que nous
avons retenues dans nos travaux. Les entités de mesure couvrent les types classiques
qui se trouvent dans la plupart des logiciels de métrologie. Étant donné qu’une entité
d’inspection peut avoir une ou plusieurs entités de mesure, la liste des entités d’inspec-
tion intègre les entités de mesure auxquelles nous rajoutons 3 nouveaux types. Le type
Plans parallèles est la combinaison de 2 entités de mesure parallèles de type Plan (Fi-
gure. 2.14(a)). Le type Motif d’entités est une répartition linéaire ou circulaire d’entités
de mesure. Par exemple, une distribution de 8 entités de mesure de type Cylindre sur
un cercle de diamètre donné définit une entité d’inspection de type Motif de cylindres
(Figure. 2.14(b)). Une entité d’inspection de type Entité composée est une combinaison
de plusieurs entités de mesure (Exemple : plusieurs plans) (Figure. 2.14(c))).
Nous proposons de distinguer les entités d’inspection et les entités dites de non-
inspection. Dans l’exemple de la Figure. 2.15, nous pouvons distinguer 2 entités d’ins-
pection de type Plans parallèles qui sont représentées dans le Tableau. 2.3 : la première
56
(a) (b) (c)
Figure 2.14 – Exemples d’entités d’inspection :(a) Plans parallèles ; (b) Motif d’entités ;
(c) Entité composée.
(EI1), qui est tolérancée, est composée de deux entités de mesure (plan 1 et plan 2)
ainsi que d’une spécification de symétrie ; la deuxième (EI2), qui est une référence, est
composée de deux entités de mesure (plan 3 et plan 4). Les autres plans de la pièce sont
des entités de non-inspection car ils ne portent pas de spécifications et ne sont pas des
entités de référence.
0.2
5
A
3
an z
Pl 35∓ 0 y x
.1
1
an
Pl
n2 4
Pl
a an
Pl
Figure 2.15 – Exemple d’entités d’inspection avec les entités de mesure associées.
Intervalle
de Distance
Id Type Type Nature de Type de Tolérance ou angle Bornes
EI EI EM spécification Tolérance (mm) (mm ou °) d’intervalle EIs de référence
Plans Plan Dimension Dimension - L35 -0.1, +0.1 -
EI1
Parallèles Plan Symétrie Position 0.25 - - EI2
Plans Plan
EI2 Référence - - - - -
Parallèles Plan
Tableau 2.3 – Reconnaissance des données d’inspection pour le cas de la Figure. 2.15
Après avoir défini et décomposé les entités d’inspection en entités de mesure et

spécifications, il est important d’associer des attributs à ces éléments en fonction de leur
type.
57
2.3.2 Assignation d’attributs aux entités
Afin de réaliser un processus d’inspection automatiquement, il est essentiel d’associer

à chaque entité des attributs d’inspection. Ceux-ci sont associés aux entités de mesure
et aux spécifications, et doivent être identifiés à partir du modèle CAO.
Dans la littérature, un modèle des Surfaces Associées Technologiquement et Topolo-

giquement (SAT T ) est utilisé pour modéliser les entités géométriques [Petit, 2004, Cha-
vanne, 2011]. Ce modèle est un langage déclaratif de description pour la position relative
des Éléments Géométriques de Référence Minimum (EGRM ). Chaque classe d’entité
est caractérisée par son ou ses EGRM qui sont des éléments de la géométrie euclidienne
du type point, droite et plan. Par exemple, l’EGRM d’un SAT T sphérique est un point.
La position relative de deux SAT T est donnée par les distances et angles entre leurs
EGRM respectifs. Dans ce travail, nous proposons d’assigner des attributs aux entités
en nous basant sur la définition de la position et l’orientation de l’entité dans le repère
pièce ainsi que ses dimensions intrinsèques.
Les attributs associés à l’entité de mesure (EM ) sont sa position et son orientation
dans le repère pièce ainsi que ses dimensions intrinsèques. Pour chaque (EM ), un Repère
Entité de Mesure REM (Of , Xf , Yf , Zf ) est défini (Figure. 2.16). Nous définissons le
repère de telle façon que les vecteurs normaux aux plans ainsi que les vecteurs normaux
aux plans contenant les cercles, les axes de symétrie des cylindres, demi-sphères et cônes
correspondent à l’axe Zf . La position et l’orientation du REM dans le repère pièce
Rp(Op , Xp , Yp , Zp ) sont connues.
Pour un type d’entité de mesure, les paramètres intrinsèques représentent l’infor-

mation géométrique qui définit l’entité (Figure. 2.16). Par exemple, pour les entités de
mesure de type Plan, la longueur selon la direction Xf et la longueur selon la direction
Yf sont stockées. Alors que pour une entité de mesure de type Cylindre, le diamètre d et
la hauteur h sont mémorisés. Afin de distinguer les entités de mesure interne et externe,
un paramètre λ, qui peut être -1 (entité interne) ou 1 (entité externe), est utilisé. Pour
les courbes et les surfaces de forme complexes, la représentation N U RBS (Non-Uniform
Rational B-Spline) est adoptée, Les attributs sont alors : les points de contrôle, les poids
et les séquences nodales.
Si on considère l’exemple de la Figure. 2.15, en plus des attributs associés aux spécifi-
cations qui sont résumées dans le Tableau. 2.3, nous associons à chaque entité de mesure
58
Longueur selon Yf
lon X f
eur se
Longu
Zf lon X f Zf
Yf eur se Yf
Yf Longu Yf
Zp Zp Zp Zp
Yp Of Yp d Of t Xf
Xf Yp Yp Of
Of
Zf Xf Zf
Xf
Op Op Op Op
Xp Xp Xp
Xp
(a) (b) (c) (d)
t d
h t
Zf h Zf P3
Zf
Yf Yf P4
Zp Yf
Zp Zp t P2
Yp d Of d
Yp Of Yp Of
Xf Xf Xf
Op Op Op P1 P6
Xp P5
Xp Xp
(e) (f) (g) (h)
Figure 2.16 – Entités de mesure et leurs attributs : (a) point ; (b) ligne ; (c) cercle ; (d)
plan ; (e) cône ; (f) cylindre ; (g) demi-sphère ; (h) courbe.
ses attributs géométriques. L’étude des attributs est reportée dans le Tableau. 2.4 et la
Figure. 2.17.
zp
a2 3 b
n
P la 2 yp xp
yf yf 1
a1
an
zf Pl b1
Of1 xf yf 4
an
2
Of3 an
xf zf
zf Pl Pl
Of2
xf yf
Of4 xf
zf
Figure 2.17 – Repères entité de mesure REM (Of , Xf , Yf , Zf ).
2.3.3 Organisation de la base de données des entités d’inspection
Dans le but d’automatiser le processus de planification d’inspection, les informations

extraites sont stockées dans une base de données. Le schéma relationnel de la base de
données créée avec SQL W orkbench est présenté dans la Figure. 2.18, dans laquelle les
cinq éléments suivants sont définis : pièce, entité d’inspection, entité de non-inspection,
entité de mesure et spécification. Les éléments sont définis par leurs identificateurs et des
attributs. Les attributs de l’élément spécification (Sp) correspondent aux informations
59
Id Type Position du Orientation Paramètres intrinsèques

EM
EI EM REM : (Of ) du REM : Longueur Longueur
(X
 f , Yf , Zf ) selon Xf selon Yf Diamètre Hauteur
1 0 0
Plan 1 Plan Of 1 (x1 , y1 , z1 ) 0 0 −1 a1 b1 - -
EI1
0 1 0 
−1 0 0
Plan 2 Plan Of 2 (x2 , y2 , z2 )  0 0 1 -a1 b1 - -
 0 1 0
−1 0 0
Plan 3 Plan Of 3 (x3 , y3 , z3 )  0 0 1 -a2 b2 - -
EI2
 0 1 0
1 0 0
Plan 4 Plan Of 4 (x4 , y4 , z4 ) 0 0 −1 a2 b2 - -
0 1 0
Tableau 2.4 – Attributs des entités de mesure associées à l’exemple de la Figure. 2.17
nécessaires pour réaliser le processus de planification d’inspection, tel que le type de

spécification et l’intervalle de tolérance, ainsi que les informations requises pour évaluer
la spécification telle que la zone de tolérance (forme, orientation, position), l’élément
tolérancé, les limites positives et négatives, les modificateurs et les exigences. Les attri-
buts de l’élément entités de mesure, présentés dans la Section. 2.3.2, sont stockés dans
la base de données.
Part
11 id 11
Name Inspection_feature
1..*
1..*
Project id
11 Type
1..*
1..* Is it datum
Specification 0..1
0..1
Labal
Non_measuring_feature id
0..1
0..1 intrinsic parameter
id Name 0..*
0..*
PAO
Type Type
0..1
0..1 ADD
Part_id Toleranced element
Part_id
Tolerance_zone 1..*
1..*
Tolerance_interval
1
1..*
1..*
Length_angle
Plus_minus_bounds measuring_feature
1..*
1..*
Modifier id
Requirement Type
Inspection_feature_id Primary/secondary
1..*
1..*
primary_datum_feature Inspection_feature_id
secondary_datum_feature MFF_position
tertiary_datum_feature MFF_orientation
heigth
diametre
length_per_X
5 more...
Figure 2.18 – Schéma relationnel de la base de données
60
2.3.4 Application de la démarche d’extraction des données d’inspection
À partir des définitions proposées précédemment, il est possible d’extraire les données
d’inspection de la pièce test de la Figure. 2.19. En analysant le modèle CAO, la pièce
est décomposée en entités d’inspection et entités de non-inspection. Nous identifions 12
entités d’inspection (Figure. 2.20) ; chaque entité est caractérisée par son identifiant.
Pour chaque entité d’inspection, les entités de mesure et les spécifications associées sont
extraites et représentées dans le Tableau. 2.5.
9 ±0.05 0.1 A
0.1 A B C 0.2
10
20 ±0.1
0.1 C
85
4x 10H8
0.1 CZ A
10 0.2 CZ A B C
0.1 A 10
10
0.15
B 0.2 A B
D
30 ±0.1 20 ±0.1
0.2 F 0.05 A B 0.1 A B C

55
20
65
16 ±0.1 A A
0.15 E
0.1
80
A
35 ±0.1
0.25 D
Figure 2.19 – Dessin de définition de la pièce test
Par exemple, l’entité d’inspection de type motif d’entités, définie par l’identifiant
EI10, se compose de quatre entités de mesure cylindriques pour lesquelles trois spécifi-
cations doivent être évaluées. Si nous considérons la spécification de localisation, le type
de tolérance, l’intervalle de tolérance et les entités du système de référence (EI1, EI2
et EI3) sont reconnus. A noter que cette extraction se fait manuellement en analysant
le modèle CAO de la pièce. Les logiciels ne possèdent pas des fonctions permettant
l’extraction automatique des données d’inspection. L’automatisation de ce processus est
l’une des perspectives de ce travail.
Après avoir extrait et stocké tous les attributs des entités, suivant l’approche de géné-
61
EI X Y
1
4 EI
EI 10
EI
2
EI
8 6
EI 9
EI
3 EI
EI EI 5
7
11
EI
12
EI
Figure 2.20 – Extraction des entités d’inspection de la pièce test.
Intervalle
de Distance Limites
Id Type Type Type de Tolérance ou angle positives et EIs de
EI EI EM Spécification Tolérance (mm) (mm ou °) négatives référence
EI1 Plan Plan Planéité Forme 0.1 - - -
EI2 Plan Plan Particularité Orientation 0.1 - - EI1
EI3 Plan Plan Particularité Orientation 0.05 - - EI1, EI2
Profil de
Surface Surface Surface Forme 0.15 - - -
EI4
complexe complexe Profil de
Surface Position 0.20 - - EI1, EI2
EI5 Plan Plan Localisation Position 0.15 - - EI1
Dimension Dimension - 20 -0.1, +0.1 -
Demi- Demi-
EI6 Profil de
sphère sphère
Surface Forme 0.10 - - -
Localisation Position 0.1 - - EI1, EI2 and EI3
Plans Plan Dimension Dimension - L35 -0.1, +0.1 -
EI7
Parallèles Plan Symétrie Position 0.25 - - EI10
EI8 Cylindre Cylindre
Coaxialité Position 0.15 - - EI9
Localisation Position 0.1 - - EI1, EI2 and EI3
Cylindre Dimension Dimension - 10 0, +0.022 -
Motif Cylindre Localisation Position 0.1 - - EI1
EI10
d’entités Cylindre Localisation Position 0.2 - - EI1, EI2 and EI3
Cylindre
Particularité Orientation 0.1 - - EI3
Coaxialité Position 0.2 - - EI11
Tableau 2.5 – Reconnaissance des données d’inspection pour le cas de la pièce test.
ration des séquences d’opérations, nous définissons dans la prochaine section l’ensemble
d’orientations minimal du scanner qui permet la mesure de ces entités. Celui-ci servira
de support à l’étude des configurations capteur/pièce.
62
2.4. Choix d’un ensemble d’orientations du scanner
2.4 Choix d’un ensemble d’orientations du scanner
La définition d’une stratégie de mesure basée sur les orientations du scanner et pour
chacune d’entre elles, la mesure est effectuée avec l’un des capteurs. Il est donc nécessaire
de minimiser le nombre d’orientations du scanner.
Plutôt que d’étudier l’accessibilité de toutes les surfaces par le capteur laser-plan, une
méthode proposée par [Lartigue et al., 2014] permet d’évaluer rapidement l’accessibilité
globale du capteur par rapport aux surfaces. Cette méthode repose sur la recherche d’un
ensemble minimal d’orientations selon les critères d’accessibilité.
Nous proposons de réaliser un choix des orientations du scanner à partir d’une sélec-
tion d’un ensemble minimal d’orientations classiquement définies par rapport au posage
de la pièce dans l’espace de mesure et qui permettent une accessibilité globale des deux
capteurs.
2.4.1 Méthodologie de sélection des orientations
Un ensemble d’orientations prédéfinies est proposé par analyse de l’accessibilité glo-

bale des surfaces de la pièce (Figure. 2.20) par les deux capteurs dans les orientations
principales. Ces dernières sont définies par les directions de déplacement {−Z, +X, −X, +Y, −Y }
de la M M T . Généralement, pour un processus de planification de mesure, la pièce est
mise en position de façon à ce qu’un nombre maximal d’entités puisse être mesurées par
les orientations principales. L’ensemble d’orientations doit être ordonné en fonction du
nombre d’entités à mesurer.
Il est nécessaire dans un premier temps de vérifier l’accessibilité des entités par les
capteurs dans les orientations proposées. Comme il s’agit de deux capteurs de technolo-
gies différentes, l’accessibilité des deux capteurs est évaluée distinctement, ce qui conduit
à générer deux listes d’orientations, la liste finale étant la fusion des deux listes.
2.4.2 Principe de génération de la liste des orientations
La mesure avec le capteur laser-plan est privilégiée pour les entités. Cependant,
lorsque les entités sont internes comme les alésages par exemple, Audfray a montré que
la surface n’était pas complètement accessible, en général peu accessible avec une seule
orientation [Audfray, 2012]. Ainsi, pour les entités internes, la mesure avec le palpeur
est recommandée [Zhao et al., 2012, Mohib et al., 2009]. Une première liste est créée en
63
analysant l’accessibilité du capteur laser-plan pour les orientations dites principales. Une
seconde liste est définie en regroupant les orientations principales qui correspondent à
l’Orientation d’Approche du Palpeur (OAP ) des entités internes [Cho et al., 2004a, Cho
et al., 2005] (Voir Section. 2.5.3.a).
2.4.3 Démarche proposée
La liste des orientations du scanner est établie et ordonnée selon les 3 étapes sui-
vantes :
• Définition de la première liste (Liste1 ) ;
• Définition de la seconde liste (Liste2 ) ;
• Fusion des deux listes (Liste1 et Liste2 ).

−−→
1. Définition de la Liste1 comme un ensemble d’orientations Oi en étudiant l’acces-
sibilité du capteur laser-plan sur l’ensemble des entités selon l’approche proposée
par [Lartigue et al., 2014].
n−−→ o
Liste1 = Oi , i ∈ [1, m]
(a) Discrétisation des entités par un ensemble de facettes (format STL). Le fichier
STL est généré à l’aide des fonctions intégrées dans CATIA. Deux paramètres
doivent être définis : la longueur maximale des facettes et l’erreur de corde
entre le modèle et les facettes. La longueur maximale est réglée à 50% de
la largeur de la ligne laser. L’erreur de corde doit être suffisamment petite
pour que le modèle maillé soit une bonne approximation de la surface. Divers
tests ont montré que ce paramètre a peu d’influence lorsqu’il est choisi en
cohérence avec la courbure géométrique du modèle. Pour les surfaces planes,
ce paramètre n’a pas d’influence.
(b) Représentation de la surface par un ensemble de voxels construits tels que

la taille du voxel corresponde à la largeur optimale de la ligne laser (Lopt )
(Figure. 2.22(b)).
(c) Évaluation du vecteur normal pour chaque voxel nvoxel en tant que valeur
−
−−−−−
→
moyenne des vecteurs normaux locaux. Un vecteur normal local est le vecteur
normal à une des facettes incluses dans le voxel.
64
2.4. Choix d’un ensemble d’orientations du scanner
(d) Analyse de la cohérence du vecteur normal : Le vecteur normal au voxel est dit
représentatif si l’angle entre le vecteur normal et chaque vecteur normal local
à une facette incluse dans le voxel est inférieur à un seuil θseuil . La valeur seuil
est définie à partir du cône utilisé pour décrire le capteur (Figure. 2.21(b)).
Généralement, θseuil est choisie comme étant le quart de l’angle définissant ce
cône. Dans ce travail, l’angle du cône de visibilité φ est de 45°.
Considérons une facette k de vecteur normal local nk . Nous définissons l’angle
−−→
θk par l’angle entre la normale moyenne nvoxel et la normale locale nk (Fi-

−
−−−−−
→ −−→
gure. 2.21(a)). La cohérence est validée si θk ≤ θseuil .

Si le vecteur normal n’est pas représentatif, la taille du voxel est divisée par
deux, et l’analyse de la cohérence est évaluée pour chacun des deux nouveaux
voxels (Figure. 2.21(a)).
Scanner=
Laser +palpeur
φ
Cône de
visibilité
φ : Angle du cône de visibilité

(a) (b)
Figure 2.21 – (a) Analyse de cohérence ; (b) Angle de visibilité du capteur laser-plan.
(e) Étude de visibilité dans les orientations principales {Z−, X+, X−, Y +, Y −}
et qualification des voxels en voxels vus et voxels non vus : Un voxel est dit
vu pour une orientation si l’angle entre cette orientation et le vecteur normal
au voxel est inférieur à un angle de vue admissible par rapport à la qualité
attendue. Dans ce travail, afin d’assurer un bruit de mesure inférieur à un
seuil de 7.5 µm, l’angle de vue admissible est limité à 45°(Section. 2.2.2). A
chaque voxel vu est associée une orientation de vue.
(f) Étude de visibilité des voxels non vus pour des orientations supplémentaires
définies par l’intersection des premier et troisième plans bissecteurs. Le même
principe de qualification des voxels en voxels vus et voxels non vus est appliqué
dans ces orientations supplémentaires. Nous associons à chaque voxel vu une
65
orientation de vue.
(g) Définition de Liste1 par l’ensemble des orientations de vue associées aux
voxels vus. Ces orientations sont classées en fonction du nombre de voxels vi-
sibles (Figure. 2.22(d)). Pour minimiser le nombre d’orientations du scanner,
les orientations de vue qui mesurent un faible nombre de voxels sont négligées.
−−→
2. Définition de la Liste2 par un ensemble d’orientations Oi0 . Ce sont les orientations
principales qui correspondent aux Orientations d’Approche du Palpeur (OAP )
[Cho et al., 2004a, Cho et al., 2005] permettant de mesurer les entités internes
telles que les cylindres, les demi-sphères, les cônes et les plans parallèles. L’OAP
représente l’orientation assurant l’accessibilité du palpeur pour mesurer l’entité
(Figure. 2.34). L’OAP correspond aux axes de symétrie de l’entité lorsque celle
ci en présente. L’ordre des orientations dans la Liste2 est établi en fonction du
nombre d’entités accessibles (Figure. 2.22(e)).
n−−→ o
Liste2 = Oi0 , i ∈ [1, n]
3. La liste des orientations du scanner Liste = {Liste1 ∪ Liste2 } est obtenue en

−−→ −−→
fusionnant et en ordonnant les deux ensembles d’orientations Oi et Oi0 . Les orien-
tations répétées dans les deux groupes sont classées en premier (Figure. 2.22(f)).
−−→
Pour le cas de la pièce test présentée dans la Figure. 2.22, les orientations O1
−−→
de la Liste1 et O10 de la Liste2 correspondent à la même orientation −Z ; cette
−
−−−−−−
→
orientation notée Ornt1 est la première orientation de la liste.
2.5 Génération des groupes d’entités
Une fois que toutes les entités d’inspection ont été identifiées, la pièce mise en position
et les orientations du scanner définies, une analyse est faite pour créer des groupes
d’entités associées aux orientations prédéfinies du scanner. Un groupe d’entités comprend
deux sous-groupes : un sous-groupe pour les entités qui seront mesurées avec le capteur
laser-plan et l’autre pour les entités qui seront mesurées avec le palpeur.
Dans ce travail, nous souhaitons privilégier la mesure avec le capteur laser-plan afin de
tirer avantage de sa rapidité d’exécution. Dans ce sens, il convient d’étudier l’aptitude du
capteur laser-plan vis-à-vis du niveau de qualité nécessaire pour vérifier une spécification
66
2.5. Génération des groupes d’entités
If 1
4 X Y
If
a=Lopt
If If 10
2
300
If 80
8 6
If
200
60
9
f3 If If If 40 100
z
I 5
z
7 20
11 0
If 2 0
1
If
0 -100
0 -200 -200
50 -100
0 0
50
100 100 200
200
y 100 x
y 300 400 x
(a) Entités d'inspection (b) Voxelisation (c) Directions de vues

Ornt 5 Ornt 1
O4 O1
Z Z
Z
O'1
Or
O3 nt X Y
X Y 3
X Y O'1
O'1
O'1
O'1
O'1 Ornt 6
O'1
O5
Or
nt
O'3 4
O'2 2
nt
Or
O2
Coordonnées
(d) Liste 1 (e) Liste 2 (f) Liste des orientations du scanner
Figure 2.22 – Identification des orientations du scanner pour le cas de la pièce test.
donnée et répondre aux besoins métrologiques. Pour cela, nous proposons un algorithme
de sélection des capteurs basé sur l’évaluation de l’aptitude des capteurs à mesurer
une entité en fonction de la configuration du capteur et de la spécification à contrôler.
Compte tenu de l’importance des erreurs de repositionnement du capteur [Audfray,
2012], la minimisation de changement d’orientations du scanner doit être envisagée lors
de la génération des groupes d’entités.
Nous considérons qu’une entité d’inspection peut être mesurée par les deux capteurs,
le capteur laser-plan et le palpeur. La mesure d’une entité d’inspection avec les deux
capteurs génère un problème de cohérence des données de mesure au moment du trai-
tement et analyse des spécifications. Cette problématique sera traitée dans le chapitre
4.
67
2.5.1 Principe de génération des groupes d’entités
L’algorithme de génération des groupes d’entités est présenté dans la Figure. 2.23.
Partant de l’ensemble minimal d’orientations prédéfinies du scanner, pour chaque orien-
tation, l’aptitude du capteur laser-plan est évaluée en premier. Nous distinguons les
entités qui sont totalement mesurables de celles qui le sont partiellement et de celles
qui ne le sont pas. Ainsi, une entité est dite mesurable par le capteur laser-plan si elle
respecte un ensemble de conditions relatives aux critères de qualité, d’accessibilité et
d’absence de collision.
Il se peut qu’une entité ne soit pas totalement mesurable et qu’une partie soit me-
surable par le capteur laser-plan, dans ce cas, l’entité dite partiellement mesurable est
séparée en portions mesurables et portions non mesurables. Pour les entités et portions
non mesurables, l’aptitude du palpeur dans l’orientation considérée est alors évaluée afin
de former un sous-groupe correspondant aux entités mesurables avec le palpeur.
Liste des orientations du scanner

Ornti ,i∈{1,n}
Ornti Evaluation de l'aptitude du laser
Entités Totalement Entités Partiellement Entités Non-

Mesurées Mesurées Mesurées
Portions Portions Non-

Mesurées Mesurées
Ornti Evaluation de l'aptitude

du palpeur
Portions/Entités i=i+1
Mesutées
Sous-groupe 1 Sous-groupe 2
E= Entités+ Portions
Non-Mesurées
Groupe d'entités Ornti
Non
E =∅
Oui
End
Figure 2.23 – Algorithme de génération des groupes d’entités.
68
Après une itération correspondant à une orientation, deux sous-groupes sont formés :
un pour les entités qui seront mesurées avec le capteur laser-plan et un pour les entités
qui seront mesurées avec le palpeur. Ces deux sous-groupes forment le groupe d’entités
correspondant à l’orientation du scanner considérée. S’il existe des entités qui ne peuvent
pas être mesurées dans l’orientation considérée, une autre orientation est choisie et les
mêmes étapes sont répétées jusqu’à ce que toutes les entités soient mesurables. À la fin
de l’algorithme, s’il reste des entités non mesurées, un autre positionnement de la pièce
est choisi ou une autre étude des orientations du scanner doit être mise en place. Les
étapes de l’algorithme sont détaillées dans les paragraphes suivants.
2.5.2 Évaluation de l’aptitude du capteur laser-plan
L’objectif de cette section est de détailler la méthode que nous proposons pour esti-
mer l’aptitude du capteur laser-plan à mesurer une entité d’inspection dans une orienta-
tion donnée. Le capteur laser-plan est dit apte à mesurer une entité si les trois conditions
suivantes sont vérifiées [Mahmud et al., 2011, Zhao et al., 2012, Mohib et al., 2009] :
• L’entité est accessible par le capteur laser-plan ;
• Aucune collision n’est détectée entre le scanner et la pièce dans l’orientation consi-
dérée ;
• L’incertitude du capteur laser-plan permet l’évaluation des spécifications associées

à l’entité.
À chaque condition, nous associons un indicateur. Aacc est un indicateur qui repré-
sente l’aptitude du capteur laser-plan en termes d’accessibilité, Acol en termes d’évite-
ment des collisions et Ainc en termes d’incertitude.

1; Si l’entité est accessible par le capteur laser-plan,

Aacc =
0; Sinon


1; Si aucune collision n’est détectée,

Acol =
0; Sinon

Ainc ∈ [0, 1]; Il est évalué à travers un modèle de logique floue.
En général, pour une orientation donnée, l’aptitude du capteur laser-plan en termes
69
d’incertitude est évaluée en comparant l’incertitude de mesure à une incertitude admis-

sible liée aux spécifications associées [Zhao et al., 2012, Audfray et al., 2012, Mahmud
et al., 2011]. L’absence d’un modèle mathématique ou analytique pour évaluer l’aptitude
du capteur laser-plan rend la décision plus subjective. Un modèle basé sur la logique floue
pourrait fournir une formulation mathématique d’aide à la décision [Zadeh, 1975, Kovac
et al., 2013]. Ainsi, un modèle original d’évaluation de l’aptitude du capteur laser-plan
basé sur une modélisation par la logique floue est proposé. Si on utilise un raisonnement
avec une logique classique, l’aptitude du capteur laser-plan en termes d’incertitude Ainc
est exprimée par 1 ou 0 respectivement pour indiquer si le capteur laser-plan est apte ou
non. Dans le raisonnement avec une logique floue, la transition entre le cas où le capteur
est apte vers celui où il n’est pas, est exprimée par le paramètre Ainc reflétant le degré
d’aptitude du capteur qui varie entre 0 et 1.
L’aptitude du capteur laser-plan est évaluée à l’aide de l’indicateur A qui est le

produit des trois indicateurs précédents (Eqn. 2.1).
A = Aacc .Acol .Ainc (2.1)
Pour simplifier le calcul de l’aptitude du capteur laser-plan, chaque entité est échan-
tillonnée par un ensemble de facettes fj , E = {fj , j = 1...m} (format STL). L’aptitude
du capteur est calculée en suivant l’Algorithme. 1. Le capteur laser-plan est dit apte en
termes d’accessibilité, Aacc (fj ) = 1, si le faisceau laser ne croise aucune autre facette de
la pièce et qu’aucune facette ne bloque la visibilité des caméras, sinon Aacc (fj ) = 0. Le
capteur laser-plan est apte en termes d’évitement des collisions, Acol (fj ) = 1, si pour
une distance donnée, le scanner ne touche pas la pièce dans la configuration considérée.
L’aptitude du capteur laser-plan en termes d’incertitude est évaluée par un modèle de
logique floue. Il sera abordé dans la prochaine section 2.5.2.c.
2.5.2.a Aptitude en termes d’accessibilité
Le capteur laser-plan utilisé dans ce travail est composé de deux caméras et d’une
−−−−−−→ −−→
source de faisceau laser. Dans une orientation Ornti , nous définissons Nl comme une
−−−→ −−−→
orientation du faisceau laser, Nc1 et Nc1 comme deux orientations de la caméra (Fi-
gure. 2.24(a)). Une facette fj est accessible par le capteur laser-plan (Aacc (fj ) = 1) si
les deux conditions suivantes sont vérifiées : le faisceau laser n’intersecte pas les autres
70
Algorithme 1 Évaluation de l’aptitude du capteur laser-plan

for each facet fj do
if fj is accessible by the laser then
Aacc (fj ) = 1
else
Aacc (fj ) = 0
end if
if collision problem is detected then
Acol (fj ) = 0
else
Aacc (fj ) = 1
end if
• Ulaser ← measurement uncertainty ;
• Uadd ← admissible uncertainty ;
• Ainc (fj )=f(Ulaser ,Uadd ) ∈ [0, 1] ;
Aj (fj ) = Ainc (fj ).Aacc (fj ).Acol (fj )

end for
facettes de la pièce, et le faisceau réfléchi sur la facette peut atteindre au moins une ca-
méra du capteur laser-plan sans être interrompu par une autre facette. L’accessibilité du
−−→
faisceau laser dans l’orientation Nl vers une facette fj est évaluée selon l’Algorithme. 2.
Algorithme 2 Accessibilité du faisceau laser à une facette f .

Initialization : −−→ −−−−−−→
P art = {fk ; k ∈ [1, m]} ; fj : {P1 P2 P3 } ; G ← centroid P1 P2 P3 ; Nl ← Ornti ;
Aacc (fj ) = 0
for k ≤ m do
fk : {P10 P20 P30 } ;
if fj and fk are not coplanar then
−−−−→ −−−−−→ −−−−→ −−−−−→ −−−−→ −−−−−→
n1 ← GP10 ∧ P10 P30 ; n2 ← GP20 ∧ P20 P10 ; n3 ← GP30 ∧ P30 P20
−−→ −−→ −−→
−−→ −−→ −−→

−−→ −−→ −−→
if n1 .Nl ≥ 0 and n2 .Nl ≥ 0 and n3 .Nl ≥ 0 then
Aacc (fj ) = 1
end if
end if
end for
La pièce est échantillonnée par un ensemble de facettes. Pour qu’une facette fj soit
accessible par le capteur laser-plan, il faut vérifier que le faisceau laser ne s’intersecte
avec aucune facette fk de la pièce.
Considérant fk : {P10 P20 P30 }, une facette de la pièce, le faisceau laser intersecte la
−−→
facette fk avant d’accéder à la facette fj , si le vecteur Nl traverse la pyramide {GP10 P20 P30 }
71
comme indiqué dans la Figure. 2.24(b).

−−−→
Afin d’évaluer si la facette fj est visible par une caméra dans l’orientation Nc1 , la
−−−→ −−−→
même analyse est appliquée dans l’orientation Nc1 pour vérifier si le vecteur Nc1 se croise
avec n’importe quelle facette de la pièce. Si fj est accessible par le laser et visible par la
caméra, alors Aacc (fj ) = 1, sinon Aacc (fj ) = 0.
P'3 Nl fk
P'2
Ornt i G'
P'1
n3
n1
n2
P3
30° Nl fj G
P2
NC2 NC1
P1
(a) (b)
Figure 2.24 – (a) Orientation du faisceau laser et orientations des caméras ; (b) Mo-
dilisation de l’interruption du faisceau laser dans une orientation Nl par une facette
fk : {P10 P20 P30 } pour accéder à la facette fj : {P1 P2 P3 }.
2.5.2.b Aptitude en termes de collision
Une facette fj est dite accessible par le capteur laser-plan sans collision si, à l’orien-
tation considérée et à une distance correspondant à la distance de numérisation optimale
(dopt ), le scanner ne touche pas la pièce. Pour vérifier la collision entre le scanner et la
pièce à la configuration considérée, le scanner est modélisé par deux parallélépipèdes
(16 points) (voir Figure. 2.25). Si au moins un coin des parallélépipèdes appartient au
volume englobant la pièce, un problème de collision est détecté et le paramètre Acol (fj )
est égal à 0, sinon Acol (fj ) = 1.
2.5.2.c Aptitude en termes d’incertitude
Une fois que l’aptitude en termes d’accessibilité et l’aptitude en terme d’absence de

collision sont testées, nous évaluons l’aptitude du capteur laser-plan en terme d’incerti-
72
Ornt i
Pc1 Pc5
Pc2 Pc6
Pc8
Pc3
Pc7
Pc9 Pc12
Pc10
Pc11
Figure 2.25 – Modélisation du problème de collision.
tude à l’aide d’un modèle logique floue. Le modèle proposé dans cette étude comporte les
variables d’entrées suivantes : incertitude admissible Uad et incertitude de mesure Ulaser .
En sortie, nous définissons un paramètre Ainc qui reflète l’aptitude du capteur laser-plan
en termes d’incertitude. L’incertitude admissible Uad est exprimée en fonction de l’in-
tervalle de tolérance (IT ) [Audfray et al., 2012, Mahmud et al., 2011] (Équation. (2.2)).
Nous supposons que l’incertitude standard associée au capteur laser-plan est le fac-
teur principal qui contribue à l’incertitude de mesure Ulaser . Deux indicateurs sont cou-
ramment utilisés pour quantifier l’incertitude associée au capteur laser-plan : le bruit et
la justesse de mesure [Audfray et al., 2012, Mehdi-Souzani et al., 2016]. Nous exprimons
l’incertitude du capteur laser-plan Ulaser en fonction du bruit et de la justesse. Comme
le bruit est fonction de l’angle de numérisation, l’incertitude Ulaser est aussi fonction de
l’angle de numérisation (α) (Figure. 2.26).
L’effet de la justesse sur l’évaluation d’une spécification de forme ou d’orientation
est négligeable devant l’effet de bruit à une distance donnée [Audfray, 2012]. Ainsi,
l’incertitude du capteur laser-plan est exprimée par l’Équation. (2.3).
Uad = IT /8 (2.2)

δ(α); Spécification de forme ou orientation,

Ulaser (α) = p (2.3)
 e2 + δ(α)2 ; Autres types de spécifications

73

0.02
0.018
0.016
0.014
Direction du Bruit δ=f(α)
bruit (mm)
t 0.012
faisceau laser 0.01
αn Normale locale
0.008
0.006
0.004
0.002
0 10 20 30 40 50 60 70 80 90
Facette
(a) (b)
Figure 2.26 – (a) Angle de numérisation (α) ; (b) Bruit en fonction de l’angle de numé-
risation (modélisation courbe de la Figure. 2.5 -Cubic Spline Interpolation).
Où δ et e sont respectivement le bruit et la justesse de mesure.

La variation de l’incertitude du capteur laser-plan en fonction de l’angle de numéri-
sation est représentée dans la Figure. 2.27(a).
La logique floue est basée sur la théorie des ensembles flous, qui est une générali-
sation de la théorie classique. Dans la théorie classique des ensembles, l’appartenance
d’un élément à un ensemble est évaluée de manière binaire ; il appartient ou non à l’en-
semble. En revanche, la théorie des ensembles flous permet l’évaluation graduelle de
l’appartenance en définissant une fonction d’appartenance. En fonction des trois zones
de variation de l’incertitude de mesure (Figure. 2.27(a)), nous associons à la variable
d’entrée “ULaser ” trois ensembles flous : “Faible” , “Moyen” et “Élevé”. Ces trois ensembles
flous sont présentés en vert, bleu et rouge respectivement (Figure. 2.27(a)). Nous sou-
lignons que la couleur est plus ou moins foncée pour indiquer le degré d’appartenance.
Notamment, la couleur bleue est plus foncée au milieu de l’ensemble et moins foncée sur
les interfaces, cela signifie le passage progressif d’un ensemble à un autre. Par exemple ;
pour une valeur d’incertitude du capteur laser de 0.025mm, elle appartient à 100% à
l’ensemble “Élevé” indiqué en couleur rouge foncé et à 0% aux autres ensembles. Par
contre, une valeur d’incertitude de capteur laser-plan de 0.0125mm qui appartient à
50% à l’ensemble “Élevé” et 50% à l’ensemble “Moyen”, est située dans la partie rouge
moins foncée pour indiquer l’appartenance à 50% à l’ensemble “Élevé” et en même temps
elle est située dans la partie bleue moins foncée pour indiquer l’appartenance à 50% à
l’ensemble “Moyen”.
74
Pour la variable “Uad ”, deux ensembles flous sont définis : “Faible” et “Élevé” (couleur
rouge et verte dans dans la Figure. 2.27(b)). Les fonctions d’appartenance des variables
d’entrée sont établies à travers les résultats de qualification du capteur laser-plan et
l’expérience de l’utilisateur (Figure. 2.28). Trois types de fonctions d’adhésion sont uti-
lisés : Fonction d’appartenance en forme de S, fonction d’appartenance en forme de Z et
fonction d’appartenance en forme Gaussienne. Ces fonctions sont bien connues sur les
logiciels de logique floue.
Ulaser
Uad
Spécifications de position et dimensionnelle 0.03
Spécifications de forme et d'orientation
Elevé
Elevé 0.025
Incertitude Laser (mm)
(mm)
uncertainty (mm)
0.02
Admissibleadmissible
0.015
Incertitude
Moyen
0.01
0.005
Faible Faible
0
0 0.05 0.1 0.15 0.2 0.25
Angle de numérisation (degré) Intervalle de tolérance
Tolerance IT (mm)
interval(mm)
(a) Incertitude du capteur laser-plan (b) Incertitude admissible
Figure 2.27 – Fonctions et ensembles floues des variables d’entrée.
Deux types de systèmes d’inférence floue sont généralement utilisés : celui de Mam-
dani et celui de Sugeno [Kovac et al., 2013]. La principale différence est que les fonctions
d’appartenance de Sugeno sont soit linéaires soit constantes. Dans notre travail, le sys-
tème d’inférence de Sugeno [Sugeno and Kang, 1988] est utilisé parce qu’il présente une
bonne stabilité de résultats. Ainsi, la variable de sortie “ALaser ” a quatre valeurs linguis-
tiques définies par des constantes ("Faible"= 0, "Moyennement faible"= 0.3, "Moyen-
nement élevé"= 0.7 et "Élevé"= 1). Ces valeurs sont choisies de manière à ce que les
valeurs "Faible" et "Élevé" soient respectivement 0 et 1, et les deux valeurs moyennes
sont choisies après des tests parmi les valeurs qui permettent de représenter l’aptitude
effective du capteur.
L’inférence floue repose sur la construction d’un ensemble de règles relatives aux
variables linguistiques ; ces règles d’inférence représentent la connaissance que nous avons
sur le système grâce à l’expertise humaine. Par exemple, le capteur laser-plan est apte
à évaluer une spécification si l’incertitude admissible est élevée et si l’incertitude du
capteur laser-plan est faible. Ainsi, nous établissons la règle suivante :
75
Faible
Low Moyen
Medium Elevé High Faible
Low Elevé High
1 1
0.8 0.8
d'appartenance
d'appartenance
of membership
of membership
0.6 0.6
0.4 0.4
Degree
Degree
Degré
Degré
0.2 0.2
0 0
0 0.005 0.01 0.015 0.02 0.025 0.03 0 0.005 0.01 0.015 0.02 0.025 0.03
Incertitude Laser (mm)
Laser__Uncertainty Incertitude admissible (mm)
Admissible__Uncertainty
(a) Incertitude du capteur laser-plan (b) Incertitude admissible
Figure 2.28 – Fonctions d’appartenance des variables d’entrée.
Si “Incertitude du capteur laser-plan ALaser ” est “Faible” et “Incertitude admissible

Uad ” est “Elevé” Donc “Aptitude du capteur laser-plan” est “Elevé”.
Dans cette étude, nous développons 6 règles qui sont représentées sous forme d’une
matrice de décision (Tableau. 2.6). Le modèle de logique flou décrit précédemment a
été implémenté sur un outil de logique floue de MATLAB©. La Figure. 2.29 montre
la surface 3D obtenue lors de la modélisation de l’aptitude du capteur laser-plan par
une logique floue. La surface représente l’aptitude du capteur laser-plan en fonction de
l’incertitude du capteur laser et de l’incertitude admissible. L’aptitude est maximale
lorsque l’incertitude du capteur laser-plan est faible et lorsque l’incertitude admissible
est élevée (zone jaune dans la Figure. 2.29).
Considérant l’exemple de la Figure. 2.29, pour un couple de deux valeurs d’entrées :
une incertitude admissible qui égale 0.02mm (IT = 0.16mm selon l’Équation. (2.2)) et
une incertitude du capteur laser-plan qui égale à 0.015mm, l’aptitude du capteur veut
A1 = 0.3. Alors que, pour la même valeur d’incertitude admissible et une faible valeur
d’incertitude du capteur laser-plan (ALaser = 0.008), l’aptitude monte à une valeur
A2 = 0.6.
2.5.2.d Aptitude du capteur laser-plan et classification des entités
Considérant une entité composée par un ensemble de facettes. L’aptitude du capteur

laser-plan a été évaluée pour chaque facette Aj (fj ) par le produit des trois paramètres
(Aacc (fj ), Acol (fj ) et Ainc (fj )) reflétant respectivement l’aptitude en termes d’accessibi-
lité, d’absence de collision et en termes d’incertitude. L’aptitude du capteur laser-plan
est la moyenne des aptitudes évaluées sur toutes les facettes (Eqn. 2.4) comme le montre
76
Incertitude capteur laser ALaser

Faible Moyen Élevé
admissibleUad
Moyennement Moyennement
Incertitude Faible Élevé Faible Faible
Moyennement Moyennement
Élevé Élevé Élevé Faible
Tableau 2.6 – Matrice de décision.

Aptitude Laser
A2
A1
Inc e
erti
tu issibl
de L e adm
ULaser=0.008mm -> α =15° ase
r rtitud
ULaser=0.015mm -> α =70°
Ince
Uad=0.02mm -> IT=0.16mm
Figure 2.29 – Aptitude du capteur laser-plan en fonction de l’incertitude du capteur et

de l’incertitude admissible.
la Figure. 2.30.
m
1 X
Amoyenne = . (Aj (fj )) (2.4)
m j=1
Une entité est considérée comme entité totalement mesurée par le capteur laser-plan
si l’aptitude moyenne est supérieure à ASeuil2 , et comme entité non mesurée si l’aptitude
moyenne est inférieure à ASeuil1 (Tableau. 2.7). Si l’aptitude moyenne est comprise entre
ASeuil1 et ASeuil2 , l’entité est considérée comme partiellement mesurée et nous distinguons
les portions mesurées et les portions non mesurées. Les valeurs des paramètres de seuil
sont déterminées en fonction des connaissances des experts à travers la qualification du
capteur laser-plan.
Dans ce travail, ces deux valeurs seuils sont exprimées à partir du résultat de si-
77
Incertitude du laser Aptitude du laser en

Ornti Modèle de
termes d'incertitude
logique floue
𝐴inc(𝑓𝑗)𝜖 [0,1]
Incertitude admissible
𝛿Noise (𝛼j)
𝛼j 𝑛𝑗 𝑒 Trueness Étude Aptitude du laser en 𝐴𝑗(𝑓𝑗)=𝐴inc(𝑓𝑗).𝐴acc(𝑓𝑗).𝐴col(𝑓𝑗)
Spécification d'accessibilité termes d'accessibilité
𝐴moyenne=moyen (𝐴𝑗)
Uad=(IT/8) 𝐴acc(𝑓𝑗)𝜖 {0,1}
Vérification Aptitude du laser en

d'absence termes d'absence de
𝑛0 𝐸={𝑓j(𝑛j), j=1…𝑚}, 𝑛m des collisions collision
𝛼j= −𝑛𝑗.𝑂𝑟𝑛𝑡𝑖 𝐴col(𝑓𝑗)𝜖 {0,1}
Figure 2.30 – Modélisation de l’aptitude du capteur laser-plan.
mulation de l’aptitude du capteur laser-plan en fonction de l’incertitude admissible et

l’incertitude du capteur (Figure. 2.29). ASeuil1 et ASeuil2 sont fixés à 0.3 et 0.7 respecti-
vement en fonction des deux valeurs qui délimitent les deux zones critiques vis-à-vis de
l’aptitude du capteur laser-plan. Pour les entités partiellement mesurées, nous propo-
sons de séparer les facettes pour lesquelles l’aptitude du capteur laser-plan est évaluée
à plus de 0,5 pour former la portion mesurée. Cette valeur d’aptitude de 0.5 assure une
incertitude de mesure inférieure à 0.01mm. Les autres facettes pour lesquelles l’aptitude
du capteur laser-plan est évaluée à moins de 0,5 forment la partie non mesurée.
Moyenne de l’aptitude du capteur Amoyenne Aptitude du capteur à mesurer l’entité

Amoyenne ≤ ASeuil1 Entité non mesurée
ASeuil1 < Amoyenne < ASeuil2 Entité partiellement mesurée
Amoyenne ≥ ASeuil2 Entité totalement mesurée
Tableau 2.7 – Décision sur l’aptitude du capteur laser-plan et classification des entités
en fonction de l’aptitude moyenne Amoyenne .
2.5.2.e Exemple d’application
Le principe d’évaluation de l’aptitude du capteur laser-plan est appliqué sur une

entité de forme complexe (EI4) et une entité demi-sphère (EI6) (Tableau. 2.8). À l’en-
tité EI4, une spécification de forme avec IT = 0.15mm est associée. Les résultats sont
présentés dans la Figure. 2.31(a) pour l’orientation Ornt1 . Une barre de couleur est
utilisée pour indiquer l’aptitude du capteur laser-plan pour chaque facette. Les résul-
tats montrent que l’aptitude du capteur est importante dans la zone où le capteur est
perpendiculaire à la surface. Cependant, elle est moins importante dans la zone courbée
où l’angle de numérisation est important. La moyenne des aptitudes est évaluée à 0,83
78
pour l’entité de forme complexe (EI4). Par conséquent, cette entité d’inspection est
considérée comme une entité d’inspection totalement mesurée.
A l’entité demi-sphère EI6, une spécification de position avec IT = 0.1mm est
associée. La moyenne des aptitudes est évaluée à 0,48. Ainsi, l’entité est considérée
comme une entité partiellement mesurée dont la portion mesurée est représentée en vert
et la portion non mesurée est représentée en rouge (Figure. 2.31(b)).
Entité Type IT (mm) Spécification Amoyenne Classification

EI4 Forme complexes 0.15 Forme 0.83 Totalement mesurée
EI6 Demi-sphère 0.1 Position 0.48 partiellement mesurée
Tableau 2.8 – Exemple d’application.
2.5.2.f Synthèse et comparaison
Un modèle d’évaluation de l’aptitude du capteur laser-plan, dont l’aptitude en termes

d’incertitude est basée sur la théorie de la logique floue, est proposé. Dans cette section,
nous comparons ce modèle avec les méthodes classiques d’évaluation de l’aptitude du
capteur laser-plan. L’aptitude en termes d’incertitude est évaluée par une comparaison
de l’incertitude du capteur laser-plan avec l’incertitude admissible comme suit [Zhao
et al., 2012, Audfray et al., 2012, Mahmud et al., 2011] :

Ulaser ≤ Uad ; Aptitude du capteur laser-plan =1 ; (entité mesurée),

Ulaser > Uad ; Aptitude du capteur laser-plan =0 ; (entité non-mesurée)


Afin d’évaluer l’aptitude du capteur laser-plan à mesurer une forme complexe et

évaluer une spécification de position avec un intervalle de tolérance IT = 0, 05mm,
l’incertitude admissible est calculée par : Uad = IT /8 = 0.006mm. L’incertitude du cap-
teur laser-plan Ulaser , exprimée en fonction des indicateurs de qualité (Équation. (2.3)),
dépend de l’angle de numérisation α (Figure. 2.27(a)) . Afin d’assurer une meilleure
qualité de mesure, l’angle de numérisation est limité à 45°, ce qui traduit par une valeur
d’incertitude de mesure maximale de Ulaser = 0.01mm. Comme Ulaser > Uad , l’aptitude
du capteur laser-plan est égale à 0 (A = 0) et la forme complexe est alors considérée
comme une entité non-mesurée (Figure. 2.32)). Le fait de majorer l’incertitude du cap-
teur laser-plan à 0.01mm, ce qui correspond à un angle de 45°, limite l’utilisation du
79
Ornt 1
Aptitude du Laser
80
75
70
65
z
60
55
50
-50 -50
-40 -40
-30 -30
-20 -20
-10 -10
0 0
10 10
20 20
30 30
y 40 40 x
(a) Aptitude du capteur laser-plan dans chaque facette
Ornt 1
Portion mésurée Portion non-

80 mesurée
75
70
65
z
60
55
50
-50
-50 -40
-40 -30
-30 -20
-20 -10
-10 0
0 10
10 20
20 30
30 40 x
y 40
(b) Portion mesurée et portion non-mesurée
Figure 2.31 – Évaluation de l’aptitude du capteur laser-plan à mesurer une entité de

forme complexe (type de spécification : forme, IT = 0, 15mm) et une entité demi-
sphérique (type de spécification : position, IT = 0, 1mm).
capteur laser-plan, alors que pour certaines portions de la surface, l’angle de numérisa-
tion est nul et l’incertitude du capteur laser-plan est alors assez faible.
Si nous appliquons notre modèle d’évaluation de l’aptitude du capteur laser-plan sur

une forme complexe à laquelle une spécification de position de 0.05mm est associée,
l’aptitude du capteur laser-plan n’est plus la même le long de la surface, car l’angle de
numérisation est variable. Nous remarquons que le capteur laser-plan est apte à mesurer
une grande partie de la surface à l’exception d’une partie où l’angle de numérisation
80
Ornt 1
85
80
75
70
z 65
60 -40
-30
55 -20
-10
50
0
-50 10
-40
-30 20
-20 30
-10 x
0 40
y
Figure 2.32 – Aptitude du capteur laser-plan à mesurer une entité de forme complexe
avec une spécification de forme, IT = 0, 05mm, en utilisant les méthodes classiques.
est faible, ce qui se traduit par une faible valeur d’aptitude (couleur bleue dans la
Figure. 2.33). L’aptitude moyenne est évaluée à 0.8. Ainsi, on considère cette entité
comme entité mesurée avec le capteur laser-plan.
Nous concluons qu’avec ce modèle d’évaluation de l’aptitude du capteur laser-plan,

le capteur laser peut être utilisé autant que possible tant que les critères de qualité
en termes de bruit et justesse sont respectés. De plus, L’aptitude que nous associons à
chaque facette sera exploitée pour définir les trajectoires du capteur laser-plan.
2.5.3 Évaluation de l’aptitude du palpeur
L’aptitude du palpeur est évaluée sur les entités et les portions qui ne peuvent pas être
mesurées par le capteur laser-plan. Comme pour l’évaluation de l’aptitude du capteur
laser-plan, le palpeur est dit apte à mesurer une entité si les deux conditions suivantes
sont vérifiées :
• L’entité est accessible par le palpeur dans l’orientation considérée ;
• Aucune collision n’est détectée entre le scanner et la pièce dans la configuration

considérée ;
81
Ornt 1
Aptitude du Laser
Aptitude moyenne=0.80
85
80
75
70
z
65
60 -40
-30
55 -20
-10
50
0
-50 10
-40
-30 20
-20 30
-10 x
0 40
y
(a) Aptitude dans chaque facette
Ornt 1
85
80
75
70
z
65
60 -40
-30
55 -20
-10
50
0
-50 10
-40
-30 20
-20 30
-10 x
0 40
y
(b) Entité totallement mesurable
Figure 2.33 – Évaluation de l’aptitude du capteur laser-plan à mesurer une entité de

forme complexe avec une spécification de forme, IT = 0, 05mm, utilisant la méthode
proposée.
2.5.3.a Aptitude en termes d’accessibilité
Les entités d’inspection canoniques telles que les cylindres et les plans parallèles
sont caractérisées par une orientation d’approche du palpeur (OAP ) [Cho et al., 2004a,
Cho et al., 2005]. Quelques exemples d’OAP sont montrées dans la Figure. 2.34. Afin
d’évaluer l’aptitude du palpeur en termes d’accessibilité, nous distinguons les entités
caractérisées par une OAP et celles qui ont plusieurs OAP comme les plans et les formes
complexes. Pour la première catégorie d’entités, le palpeur est dit apte à mesurer des
82
plans parallèles, des cylindres, des demi-sphères et des cônes, si l’orientation d’approche
du palpeur (OAP ) correspond à l’orientation du scanner Ornti .
z
y x
3 OAP OAP OAP
OAP 1 D
PA
PDA
PDA
PDA
2 PDA2,
OAP PDA1 PDA3
Parallel planes Cone Cylinder Sphere
Figure 2.34 – Orientations d’Approche du Palpeur (OAP ) et Profondeurs de la Direction

d’Approche (P DA).
Pour les entités caractérisées par plusieurs OAP , le palpeur est dit apte à mesurer
une entité plane dont le vecteur normal est nplan , si la condition de l’Équation. (2.5) est
−−−−−→
satisfaite.
−−−−−−→
(2.5)
−−−−−→
nplan .Ornti ≤ 0
En ce qui concerne les entités de forme complexes, l’aptitude du palpeur est évaluée
en analysant l’ensemble des facettes qui composent l’entité. Considérons une surface de
forme complexe définie par un ensemble de facettes E = {fj (nj ), j = 1...m}, l’entité est
−
−→
dite accessible par le palpeur si la condition de l’Équation. (2.6) est satisfaite.
−−−−−−→
(2.6)
−
−→
∀j ∈ {1, m} ; nj .Ornti ≤ 0
Dans l’exemple de la figure 2.35, le palpeur est apte à mesurer l’entité de forme
complexes dans l’Ornt1 . Par contre, il n’est pas capable de la mesurer dans l’Ornt2 .
2.5.3.b Aptitude en termes de collision
En plus de l’orientation d’approche du palpeur, nous définissons la Profondeur de

la Direction d’Approche P DA comme la profondeur de l’entité le long de la direction
d’approche de la palpeur (P AD) [Kamrani et al., 2015] (Figure. 2.34).
L’aptitude en termes d’évitement de collisions est évaluée en comparant la longueur
du stylet à la profondeur de la direction d’approche (P DA). Le stylet doit être plus long
83
Orientation du scanner
Ornt1
nj
Orientation du scanner
Ornt2
n0 nm
Figure 2.35 – Accessibilité du palpeur pour la mesure une entité de forme complexe.
que la P DA. De plus, il faut s’assurer que le scanner à cette configuration ne touche
pas la pièce. Cette dernière analyse est réalisée suivant la même démarche décrite dans
la Section 2.5.2.b
Pour une entité plane, sa longueur projetée selon l’orientation du scanner doit être
inférieure à la longueur du stylet pour éviter les collisions entre le palpeur et l’entité.
2.6 Application de la démarche
La méthodologie proposée pour la planification des séquences d’opérations combinant

un capteur laser-plan et un palpeur est implémentée en MATLAB © (Figure. 2.36) et
appliquée sur la pièce test présentée dans la Figure. 2.19. Puisque la base de données est
créée sur SQL Workbench©, un lien entre le langage SQL et M atlab est établi pour exé-
cuter les requêtes de la base de données et récupérer les informations automatiquement.
En utilisant les données récupérées de la base de données, les séquences d’opérations
sont générées automatiquement. La liste des orientations du scanner est d’abord générée
et ordonnée en mode automatique en analysant l’accessibilité des deux capteurs dans les
directions principales. Ensuite, les groupes d’entités qui décrivent les séquences d’opéra-
tions sont générés en évaluant dans chaque orientation de la liste, l’aptitude du capteur
laser-plan puis celle du palpeur.
Prenant pour exemple la première orientation (Ornt1 ), nous évaluons dans les deux
prochaines sections l’aptitude du capteur laser-plan ainsi que celui du palpeur dans cette
orientation afin d’associer à l’Ornt1 un groupe d’entités. Nous appliquons itérativement
la même démarche dans les autres orientations pour générer les séquences d’opérations.
84
2.6. Application de la démarche
Modèle CAO et spécifications
Identification des données

d'inspection
Base de données
Choix d'un ensemble minimal

d'orientations
Orientations du scanner
Génération des groupes d'entités

pour chaque orientation
Séquences des opérations
Figure 2.36 – Implémentation de la démarche proposée pour la génération des séquences

d’opérations.
2.6.1 Évaluation de l’aptitude du capteur laser-plan dans l’Ornt1
L’aptitude du capteur laser-plan est évaluée dans la première orientation Ornt1 pour
l’ensemble des entités d’inspection. Les résultats sont présentés dans le Tableau. 2.9.
L’aptitude moyenne du capteur laser-plan à mesurer l’entité EI1 est de 1. Par consé-
quent, EI1 est considérée comme une entité totalement mesurée. De même, EI5 est
également reconnue comme une entité totalement mesurée. De plus, l’aptitude moyenne
du capteur laser-plan à mesurer l’entité de forme complexe EI4 est de 0, 83. Cette entité
est alors considérée comme une entité totalement mesurée. Nous remarquons que pour
certaines facettes de l’entité EI4, la valeur de l’aptitude du capteur laser-plan est faible
(voir Figure. 2.31(a)). Puisque la majorité des facettes peuvent être mesurées avec une
bonne qualité (valeur élevée de l’aptitude), le capteur laser-plan pourra être utilisé pour
mesurer cette entité.
L’aptitude moyenne à mesurer l’entité semi-sphérique EI6 est évaluée à 0, 48, elle
est donc considérée comme une entité partiellement mesurée pour laquelle les portions
mesurées et les portions non mesurées sont identifiées. Les entités et les portions qui
peuvent être mesurées avec le capteur laser-plan dans l’orientation Ornt1 sont colorées
en vert dans la Figure. 2.37. Le reste est considéré comme non mesuré et coloré en rouge.
2.6.2 Évaluation de l’aptitude du palpeur dans l’Ornt1
Pour les entités non mesurées avec le capteur laser-plan, l’aptitude du palpeur est
testée dans l’Ornt1 . Les entités EI6, EI7, EI8, EI8, EI9 et EI10 ont une Orientation
d’Approche du Palpeur OAP correspondant à l’orientation Ornt1 . Elles sont donc me-
surées avec le palpeur dans l’Ornt1 . L’analyse d’accessibilité montre que le palpeur est
85
Ornt 1
Figure 2.37 – Aptitude du capteur laser-plan dans l’Ornt1 . Vert : Surfaces mesurées avec
le capteur laser-plan ; Rouge : surfaces non mesurées.
Id Type de Intervalle de Aptitude du capteur

EI Type EI Spécification Tolérance Tolérance (mm) Amoyenne laser-plan
EI1 Plan Planéité Forme 0.1 1 Mesurable
EI2 Plan Particularité Orientation 0.1 0.1 Non-mesurable
EI3 Plan Particularité Orientation 0.05 0.1 Non-mesurable
Surface Profil de Surface Forme 0.15
EI4 0.83 Mesurable
complexe Profil de Surface Position 0.20
EI5 Plan Localisation Position 0.15 0.99 Mesurable
Dimension Dimension 20 (-0.1, +0.1)
Demi-
EI6 Profil de Surface Forme 0.10 0.48 Partiellement mesurable
sphère
Localisation Position 0.1
Plans Dimension Dimension L35 (-0.1, +0.1)
EI7 0.15 Non-mesurable
Parallèles Symétrie Position 0.25
EI8 Cylindre 0.15 Non-mesurable
Coaxialité Position 0.15
EI9 Cylindre 0.15 Non-mesurable
Dimension Dimension 10 ( 0, +0.022)
Motif
EI10 Localisation Position 0.1 0.14 Non-mesurable
d’entités
Dimension Dimension 20 ( -0.1, +0.1)
EI11 Cylindre 0 Non-mesurable
Particularité Orientation 0.1
EI12 Cylindre 0 Non-mesurable
Coaxialité Position 0.2
Tableau 2.9 – Aptitude du capteur laser-plan dans l’Ornt1 .
capable de mesurer les deux entités d’inspection : EI2 et EI3. Cependant, un problème
de collision est détecté, car les longueurs des plans sont supérieures à la longueur du
stylet (Lstylet = 20mm). Les entités et les portions qui peuvent être mesurées avec le
palpeur dans l’orientation Ornt1 sont colorées en bleu dans la Figure. 2.39(b) et les
surfaces non mesurées sont colorées en rouge.
2.6.3 Séquence d’opérations
À la fin de la première itération (évaluation des aptitudes du capteur laser-plan et du

palpeur), un groupe d’entités correspondant à l’orientation Ornt1 est créé. Il représente
86
2.6. Application de la démarche
Ornt 1
Figure 2.38 – Aptitude du palpeur dans l’Ornt1 .Vert : Surfaces mesurées avec le capteur
laser-plan ; Bleu : Surfaces mesurées avec le palpeur ; Rouge : surfaces non mesurées.
la première ligne du Tableau 2.10 et se compose de deux sous-groupes : un sous-groupe

des entités mesurées avec le capteur laser-plan et un sous-groupe des entités mesurées
avec le palpeur.
Orientation Capteur utilisé Entités mesurées

Capteur laser-plan EI1, EI4, EI5 et P ortion de EI6
Ornt1
Palpeur P ortion de EI6 , EI7, EI8, EI9 et EI10
Capteur laser-plan EI3
Ornt2
Palpeur EI11 et EI12
Capteur laser-plan EI2
Ornt3
Palpeur -
Tableau 2.10 – Séquence d’opérations.
Pour le reste des entités et portions non mesurées, les principes d’évaluation de
l’aptitude du capteur laser-plan et du palpeur sont répétés dans les autres orientations
de la liste. Pour la deuxième itération, un groupe d’entités composé par deux sous-
groupes est généré. Ces derniers représentent la deuxième ligne du Tableau 2.10. Les
surfaces qui ne sont pas mesurées au bout de deux itérations (entité plane EI2) sont
affichées en rouge dans la Figure. 2.39(a).
Après 3 itérations, l’ensemble des entités d’inspection peut être mesuré en utilisant
seulement 3 orientations du scanner. Pour la première et deuxième orientation, les deux
capteurs seront utilisés simultanément. Quant à la troisième orientation, le capteur laser-
plan est utilisé pour mesurer la dernière entité. Les trois groupes d’entités sont présentés
dans le Tableau 2.10 et affichés dans la Figure. 2.39(b). Les surfaces vertes représentent
les entités mesurées avec le capteur laser-plan tandis que les surfaces bleues représentent
87
les entités mesurées avec le palpeur.
Orn
Ornt 1 t3 Ornt 1
t2
t2 Orn
Orn
(a) Après une 2 itérations (Ornt1 et Ornt2 ) (b) Après une 3 itérations (Ornt1 ,Ornt2 et
Ornt3 )
Figure 2.39 – Séquence d’opérations. Vert : Surfaces mesurées avec le capteur laser-plan ;
Bleu : Surfaces mesurées avec le palpeur ; Rouge : surfaces non mesurées.
2.7 Conclusion
À travers ce chapitre, nous avons présenté la démarche de génération des séquences

d’opérations qui exploite les avantages du scanner 3D. Celui-ci permet d’utiliser les
deux capteurs sans changer d’orientation. La démarche proposée comprend trois étapes.
Tout d’abord, à partir du modèle CAO présentant les spécifications, une base de don-
nées contenant les informations requises au processus d’inspection est créée. La notion
d’entité d’inspection composée d’entités de mesure et de spécifications est adoptée. L’ex-
traction des données à partir d’un modèle CAO se fait manuellement en analysant un
fichier ST EP de la pièce. Cette étape pourra être automatisée dans les futurs tra-
vaux. Dans la deuxième étape, un ensemble d’orientations prédéfinies du scanner est
proposé en vérifiant l’accessibilité globale des capteurs dans les orientations principales.
Ces orientations définissent les configurations du scanner pour la génération des tra-
jectoires. Il convient alors de générer les séquences d’opérations, c’est-à-dire associer à
chaque configuration le groupe de surfaces à mesurer pour chaque capteur. Les séquences
d’opérations sont générées dans la troisième étape. Dans chaque orientation du scanner,
l’aptitude du capteur laser-plan est d’abord évaluée pour définir un sous-groupe d’entités
mesurées. Pour le reste qui est non mesuré, l’aptitude du palpeur est évaluée pour former
le deuxième sous-groupe. L’évaluation de l’aptitude du capteur laser-plan est effectuée
88
2.7. Conclusion
selon des critères de qualité, d’accessibilité et d’absence de collision. En ce qui concerne

l’aptitude en termes de qualité, nous avons proposé de nous appuyons sur un modèle de
logique floue qui tient en compte l’incertitude de mesure et l’incertitude admissible pour
évaluer l’aptitude du capteur laser-plan à mesurer une entité. L’intérêt d’un tel modèle
d’évaluation d’aptitude est de maximiser le nombre de surfaces pouvant être mesurées
avec le capteur laser-plan, lorsque les critères de qualité le permettent. Cette méthode
est implémentée sous MATLAB © puis appliquée à une pièce test avec succès.
Pour compléter la gamme, nous avons besoin de définir les distances de numérisation
dans le cas de mesure avec le capteur laser-plan et les points de mesure dans le cas de
mesure avec le palpeur. Le chapitre suivant présente l’étape suivante de génération des
trajectoires et son exécution sur une machine à mesure tridimensionnelle.
89
90
Chapitre
3
Planification des trajectoires et
exécution
91
Chapitre 3. Planification des trajectoires et exécution
92
3.1. Introduction
3.1 Introduction
La première partie de génération de la gamme d’inspection, c’est-à-dire la génération

des séquences d’opérations, a été détaillée dans le chapitre précédent. À chaque entité
d’inspection est associé le capteur adéquat dans une orientation donnée.
Dans ce chapitre, nous définissons la deuxième partie de la gamme, c’est-à-dire la

planification des trajectoires du scanner. L’exécution de la gamme d’inspection sera en-
suite présentée (Figure. 3.1). La trajectoire est composée de la trajectoire du capteur
laser-plan et de la trajectoire du palpeur. À l’issue de l’exécution de la gamme d’inspec-
tion, nous disposons de deux nuages de points, le premier résultant de la mesure avec le
capteur laser-plan et le second de la mesure avec le palpeur. Le traitement des données
fait l’objet du chapitre 4.
Maquette numérique Génération des Génération des

séquences trajectoires et
d’opérations exécution
Scanner 3D :
Capteur laser +palpeur
(qualifiés)
Figure 3.1 – Deuxième étape de l’approche globale d’inspection.
Dans la première partie de ce chapitre, nous présentons la démarche proposée pour

générer les trajectoires. La notion de la trajectoire est différente pour chaque capteur.
Ainsi, nous détaillons chacune des méthodes de planification de trajectoires.
Nous présentons par la suite la partie d’exécution de la gamme d’inspection. La

difficulté réside dans la gestion de deux capteurs de technologies différentes. Afin de
réaliser un processus de génération et d’exécution automatique de la gamme d’inspection,
nous proposons de générer un fichier dit "trajectoire" qui contient les données d’exécution
et qui doit être compatible avec les logiciels de commande de la machine.
93
3.2 Approche proposée
Pour définir la trajectoire associé à un capteur, la technologie de mesure qu’il utilise

doit être prise en compte. Les trajectoires des deux capteurs doivent permettre une
exécution automatique selon des critères de qualité et d’absence de collision.
Pour une orientation du scanner donnée, la trajectoire comprend la trajectoire du

capteur laser-plan et la trajectoire du palpeur (Figure. 3.2). Pour le sous-groupe des
entités à mesurer avec le capteur laser-plan, la trajectoire associée, qui est définie par un
ensemble de points de passage, est identifiée en paramétrant les distances de numérisa-
tion. Concernant le sous-groupe des entités à mesurer avec le palpeur, nous définissons
les points de mesure, les points d’accostage et les directions d’accostage. Les points
d’accostage permettent la transition entre une vitesse de déplacement rapide et une vi-
tesse de déplacement lente. La direction d’accostage est la direction de déplacement du
palpeur pour mesurer un point.
Nous procédons à la mesure avec le capteur laser-plan puis la mesure avec le palpeur
avant de passer à l’orientation suivante. Par conséquent, la trajectoire du scanner dans
une orientation donnée est obtenue par transformation et assemblage des trajectoires
du capteur laser-plan et du palpeur (Figure. 3.2). Sachant que les trajectoires des deux
capteurs sont définies et exprimées différemment, la transformation et l’assemblage ont
pour but de définir une trajectoire de scanner qui correspond à la fois à la trajectoire
du capteur laser et à la trajectoire du palpeur.
Les données de la trajectoire finale du scanner doivent être générées automatique-

ment et envoyées vers la machine à mesurer tridimensionnelle (MMT) pour réaliser son
exécution et récupérer les résultats de mesure.
3.3 Planification des trajectoires du capteur laser-plan
La trajectoire de mesure avec le capteur laser-plan est une succession de points de vue
−
→ −
→
(P ,d ) définis par un point P et une direction de vue d (Figure. 3.3). Ces deux paramètres
sont définis en fonction des critères de qualité afin d’avoir le meilleur positionnement du
capteur (distance et orientation) par rapport à la surface.
Nous visons à définir les trajectoires du capteur laser en optimisant la qualité de

mesure et en minimisant le temps de mesure. L’optimisation de la qualité est relative à
94
3.3. Planification des trajectoires du capteur laser-plan
Groupe d'entité Ornt i
Sous groupe Palpeur Sous groupe Laser
Planification des Planification des

trajectoires du palpeur trajectoires du laser
Trajectoitre palpeur Trajectoitre laser
i=i+1
Trajectoitre Transformation et
Trajectoire scanner
scanner Ornt i assemblage
Y a-t-il un autre groupe Oui

d’entité ?
Non
Fin
Figure 3.2 – Planification des trajectoires du scanner.
Figure 3.3 – Définition de la trajectoire du capeur laser-plan [Lartigue et al., 2014].
la configuration capteur/pièce pour laquelle l’angle et la distance de numérisation jouent

un rôle important sur l’évaluation du bruit et de la justesse. Dans la démarche globale
que nous proposons, la configuration du capteur en regard de l’angle est prédéfinie
et optimisée. À chaque entité à mesurer avec le capteur laser-plan est associée une
orientation qui remplit les critères de qualité attendue (voir chapitre précédent). Nous
cherchons donc à définir les distances de numérisation qui permettent la mesure des
surfaces avec la qualité attendue.
Une démarche proposée par Zhao et al. consiste à établir des lignes de scan et des
95
lignes de connexion dans des niveaux de trajectoires (Figure. 3.4) [Zhao et al., 2012]
(Section. 1.6.1). Un niveau de trajectoire est un plan support dans lequel les points de
passage sont définis. Dans ce travail, nous reprenons cette idée et nous définissons la
trajectoire du capteur laser-plan par des lignes reliant les points de passage Pi dans
des niveaux de trajectoire. Le fait de définir les niveaux de trajectoire séparément pour
chaque entité tel que proposé dans [Zhao et al., 2012], peut conduire à un nombre assez
élevé de niveaux de trajectoire. Dans certains cas, un seul niveau peut mesurer plusieurs
surfaces avec la qualité requise, ce qui réduit le temps de mesure. D’autre part, imposer
des niveaux de trajectoire perpendiculaires à l’orientation du capteur [Zhao et al., 2012]
peut conduire également à générer beaucoup de niveaux de trajectoire. Une mesure
avec une qualité désirée peut être obtenue sans imposer des niveaux perpendiculaires à
l’orientation du capteur.
(a) Niveaux des trajectoires (b) Lignes de scan et lignes de

connexion
Figure 3.4 – Planification de la trajectoire du capteur laser-plan dans des niveaux des
trajectoires [Zhao et al., 2012].
Pour l’exemple de la Figure. 3.5, nous proposons de mesurer les deux plans verts.
Si nous traitons chaque plan séparément, la trajectoire est générée dans deux niveaux.
Cependant, un seul niveau de trajectoire qui n’est pas nécessairement perpendiculaire à
l’orientation du capteur peut être utilisé pour mesurer les deux plans.
Le fait d’utiliser un minimum de niveaux de trajectoire peut contribuer à minimiser
le temps de mesure et améliorer la qualité des données de mesure. En ce qui concerne
la qualité de la mesure, lorsque le capteur se déplace dans une ligne de numérisation
entre deux points de passage, l’accélération et la décélération du capteur entraînent une
dégradation de la qualité de la mesure sur les abords du nuage de points [Sadaoui, 2016].
Ainsi, des changements brusques de la vitesse de déplacement aux points de passage du
96
Orientation du
capteur
Deux niveaux
Un seul niveau
trajectoires.
capteur affectent la qualité de la mesure. L’utilisation d’un nombre limité de niveaux

de trajectoire réduit les changements brusques de vitesse et permet donc une mesure de
meilleure qualité.
Le temps de mesure est proportionnel à la longueur de la trajectoire [Mohib et al.,
2009]. Ainsi, une trajectoire avec un minimum de niveaux est caractérisée par une faible
longueur de trajectoire et a donc une conséquence directe sur le temps de mesure.
Nous proposons une démarche de planification des trajectoires en stratégie Zig-Zag
pour chaque niveau de trajectoire défini en fonction des distances de numérisation dites
admissibles qui assurent une qualité attendue. Cette démarche est à appliquer à chaque
groupe d’entités associé à une orientation du scanner. La démarche proposée est com-
posée de quatre étapes :
• Évaluation des plages de distances de numérisation admissibles ;
• Définition des niveaux de trajectoire ;
• Définition des points de passage ;
• Évitement des collisions ;
Dans la suite, nous détallons ces étapes pour la première orientation du scanner
(Ornt1 ) qui correspond au premier groupe d’entités. Cette démarche est répétée pour
toutes les orientations de la gamme.
3.3.1 Évaluation de la plage des distances de numérisation admissibles
Afin de respecter les critères de qualité relatifs à la distance de numérisation, les

niveaux de trajectoire sont définis en analysant la plage des distances de numérisation
97
admissibles correspondant à toutes les facettes composant le groupe d’entités. La plage

des distances de numérisation représente toutes les distances de numérisation permettant
la mesure de la facette avec la qualité attendue. La distance de numérisation est définie
par la distance entre le centre de rotation du capteur, qui représente le point de passage,
et le centre de la facette (Figure. 3.6(a)). Une surface est mesurable avec le capteur
laser-plan si pour l’orientation considérée, la surface appartient à la fenêtre de mesure
F OV . Cette configuration correspond à une plage de distances de numérisation qui varie
entre dmin et dmax (Figure. 3.6(b)). Une meilleure qualité de mesure en termes de bruit
et de justesse est obtenue quand la surface est placée au milieu de la fenêtre de mesure,
ce qui correspond à une distance de numérisation optimale (dopt ) (voir section. 2.2.1).
Nous définissons la plage de distance de numérisation correspondant à chaque facette
par les deux points PInf et PSup . Le point POpt est quant à lui le point de passage optimal
correspondant à la distance optimale (Figure. 3.6(b)).
Ornti
Mi
PSup
Plage des
distances de
POpt
Capteur laser numérisation
PInf
d: distance de
dopt
dmin
numérisation
dmax
dmax
dmin
Surface à mesurer
(a) (b)
Figure 3.6 – (a) Fenêtre de mesure F OV ; (b) Plage de distances de numérisation
Rappelons que l’évaluation de l’aptitude du capteur laser-plan pour l’orientation

considérée conduit à la définition d’un paramètre A ∈ [0, 1] qui reflète l’aptitude du cap-
teur laser-plan pour l’orientation considérée. Quand l’aptitude en termes d’orientation
est faible, il est préférable de positionner le capteur dans les meilleures conditions en
termes de distance de numérisation, c’est-à-dire à une distance de numérisation opti-
male. Ainsi, nous définissons la notion de la fenêtre de mesure dite admissible qui tient
compte de l’aptitude du capteur laser-plan en termes d’orientation (Figure. 3.7). Elle est
plus large quand l’aptitude est élevée et plus restreinte quand l’aptitude est faible. La
hauteur de la fenêtre de mesure admissible (Lj ) est exprimée en fonction de l’aptitude
98
du capteur laser-plan Aj (section. 2.5.2.d) avec Lj = f (Aj , L). Nous choisissons d’expri-
mer la hauteur admissible de fenêtre de mesure par Lj = Aj .L qui permet d’avoir une
fenêtre de mesure admissible centrée au milieu de la fenêtre de mesure.
De la même manière, nous définissons la plage des distances de numérisation dite
admissibles [PInf , PSup ] qui tient compte de l’aptitude du capteur laser-plan en termes
d’orientation. Pour l’exemple de la Figure. 3.8, les plages de distances de numérisa-
tion admissibles sont définies en fonction de l’aptitude du capteur laser-plan en termes
d’orientation. L’aptitude est élevée quand le capteur laser-plan est perpendiculaire à la
surface à mesurer, ce qui définit une plage de distances de numérisation plus large. Cette
plage de distances représentée en vert est plus restreinte quand l’orientation du capteur
s’éloigne de la perpendiculaire (aptitude plus faible).
Ornti Ornti
Mi Mi
Laser sensor Laser sensor

dmin
dopt
dmax
L 𝐿j=𝐴j.𝐿
(a) (b)
Figure 3.7 – (a) Dimensions de la F OV ; (b) Fenêtre de mesure F OV admissible.
Pour toutes les facettes composant le groupe des entités, les plages des distances de
numérisation admissibles sont définies par les deux groupes de points extrêmes PInf et
PSup qui les limitent et les points POpt qui représentent les points de passage optimaux
pour lesquels le bruit et la justesse sont minimaux.
3.3.2 Évaluation des niveaux de trajectoire
La démarche proposée pour générer les niveaux de trajectoire associés aux facettes
d’un groupe d’entités dans une orientation donnée repose sur la définition d’un nombre
minimal de plans support qui permettent de mesurer l’ensemble des facettes du groupe
99
PSup
PSup PSup Point de passage
POpt optimal
POpt POpt
Plage des distances
PInf PInf PInf
de numérisation
PSup PSup
admissibles
Distance de POpt
numérisation PInf
POpt
optimal PInf
1
0.8
A=
0.8
A=
A=
2
=8
=1
A
A
Figure 3.8 – Plage des distances de numérisation admissibles.
avec une meilleure qualité en termes de bruit et de justesse. Ces plans sont définis par
analyse des plages des distances de numérisation admissibles associées aux facettes du
groupe d’entités.
Afin d’avoir une qualité attendue, les points de passage du capteur doivent être situés
au plus proche possible des points de passage optimaux. Pour minimiser le nombre de ni-
veaux, nous proposons une méthode itérative de génération des niveaux des trajectoires.
Pour l’exemple de la Figure. 3.9, la forme complexe (a) présente moins de courbure,
un seul niveau de trajectoire permet de passer par l’ensemble des plages de distances
de numérisation admissibles. Cependant, un seul niveau de trajectoire ne permet pas la
mesure de la forme complexe (b).
Niveau 1
Niveu 1
Popt Niveau 2
Popt
(a) (b)
Figure 3.9 – Exemple de niveaux de trajectoire
La mesure globale de toutes les facettes avec un plan qui passe au plus proche possible
des points de passages optimaux est testée. Pour assurer la mesure de toutes les facettes
100
du groupe, ce plan doit passer par l’ensemble des segments des droites qui représentent
les plages des distances de numérisation admissibles. Dans le cas où le plan ne permet
pas la mesure de l’ensemble des facettes, cet ensemble est partitionné en deux groupes.
Nous testons à nouveau la mesure globale du premier groupe avec un seul niveau. Ces
étapes sont répétées jusqu’à ce qu’un nombre minimal de niveaux soit généré pour
mesurer l’ensemble des facettes. À chaque facette fi est associée un triplet de points
Si = {PInf (i), PSup (i), POpt (i)} contenant les points limitant la plage des distances de
numérisation admissibles (PInf et PSup ) ainsi que le point de passage optimal POpt . Les
niveaux de trajectoire sont définis en suivant les étapes :
1. Définition d’un ensemble Eu = {Si , i ∈ [1, nt ]} par tout les triplets Si correspon-
dant à toutes les facettes du groupe d’entités. Un ensemble Er est initialisé par un
ensemble vide.
2. Définition du plan des moindres carrés qui passe au plus proche possible des points
de passage optimaux POpt de tout les triplets de l’ensemble Eu .
3. Évaluation du nombre de facettes qui peuvent être mesurées avec ce niveau de

trajectoire. Une facette fi est mesurable si une intersection entre le plan support
et la plage des distances de numérisation admissibles [PInf (i), PSup (i)] est détectée.
Le pourcentage des facettes mesurées dans l’ensemble Eu est évalué comme suit
(Équation. (3.1) :
nm
Pr = .100 (3.1)
nt
Où : nm : Nombre des facettes mesurables ; nt : Nombre des facettes (triplets Si )

de l’ensemble Eu .
4. Lorsque Pr <95%, l’ensemble Eu est partitionné en deux groupes : EGr1 et EGr2 .

Le partitionnement en k-moyennes (ou k-means en anglais) est utilisé pour diviser
les facettes de l’ensemble Eu , en fonction des points POpt de leurs triplets, en deux
groupes (cluster). Le partitionnement est réalisé de façon à minimiser la distance
d’un point POpt à la moyenne des points de son cluster. Les deux ensembles (Eu ,
Er ) sont ensuite actualisés : Eu =EGr1 ; Er = Er ∪ EGr2 .
Le pourcentage seuil est choisi comme étant 95% pour tenir compte du fait que la
101
mesure d’une facette est effectuée par une ligne laser (capteur laser-plan) plutôt
que par un point (capteur laser-ligne).
5. Le processus revient à l’étape (2) pour un nouveau calcul du plan qui passe au plus
proche des points de passage optimaux POpt de l’ensemble Eu . Il s’arrête lorsque
la condition (Pr ≥ 95%) est satisfaite.
6. Lorsque Pr ≥ 95%, le niveau de trajectoire est retenu pour mesurer les facettes
de l’ensemble Eu . Étant donné un niveau de trajectoire associé à un groupe de
facettes Eu , le rectangle englobant qui délimite les points d’intersection des plages
de distance admissibles avec le plan support est déterminé (Figure. 3.10).
Rectangle englobant les
points d'intersection
Points d'intersection
Plan des moindres carrés
Surface à mesurer
Figure 3.10 – Rectangle englobant les points d’intersection.
7. Si l’ensemble Er est non vide, l’ensemble Eu devient Er ; et Er est initialisé par

un ensemble vide. Le processus retourne à l’étape (2) jusqu’à ce que l’ensemble Er
soit vide.
Cette méthode de génération des niveaux de trajectoire est appliquée sur deux pièces
tests de hauteurs de marche différentes (Figure. 3.11). Nous cherchons à mesurer les
3 plans supérieurs (représentés en vert) pour évaluer 3 spécifications de forme avec
IT = 0.1mm. Pour une orientation (Ornt1 ), l’aptitude du capteur laser-plan est évaluée
à 1 sur l’ensemble des facettes des 3 plans. Les plages de variation des distances de
numérisation admissibles sont limitées par les points de couleur cyan et magenta qui
représentent PInf et PSup respectivement. Les points POpt sont représentés en jaune. Dans
le cas de hauteur de marche de 20mm (Figure. 3.11(a)), un seul niveau de trajectoire qui
passe par l’ensemble des segments de droites [PInf , PSup ] est généré. Cependant, trois
102
niveaux de trajectoire sont nécessaires pour mesurer les 3 plans de la Figure. 3.11(b), car
il est impossible d’avoir un ou deux plans qui passent par tous les segments de droites
[PInf , PSup ].
Ornt 1 Ornt 1
300 350
300
250
Niveau
250
200 Niveaux
200
150
150
100
100
50 45mm
50
20mm
0 0 45mm
20mm
50 50
0 150 0 150
-50 0 50 100 -50 0 50 100
-50-150 -100 -50-150 -100
(a) Hauteur de marche 20mm (b) Hauteur de marche 45mm
Figure 3.11 – Génération de niveaux des trajectoires.
3.3.3 Définition des points de passage
Le capteur se déplace d’un point de passage à l’autre dans le même niveau pour
mesurer la surface correspondante. Les points de passage représentent la séquence des
coordonnées des points de passage du centre de rotation du capteur laser-plan. Ces points
sont situés sur les niveaux de trajectoire définis précédemment. Dans chaque niveau, un
rectangle englobant défini par 4 points est calculé. La trajectoire pour l’orientation
considérée commence par le sommet le plus éloigné de tous les autres. Partant de ce
point, la trajectoire dans ce rectangle est générée en stratégie Zig-Zag comme indiqué
dans la Figure. 3.12(a). À partir du dernier point généré dans ce niveau, le sommet le
plus proche dans le rectangle suivant est déterminé. La trajectoire en Zig-Zag est ensuite
générée dans ce niveau en stratégie Zig-Zag. Les points de passage sont déterminés dans
chaque rectangle en partant du sommet le plus proche de l’ancien point de passage
(Figure. 3.12(b)).
La stratégie Zig-Zag consiste à faire des mouvements d’aller et de retour entre des
points de passage avec un pas fixe (Figure. 3.12(a)). La gestion du recouverement pen-
dant la planification des trajectoires peut améliorer la qualité de mesure [Phan et al.,
2018]. Dans ce travail, cette propblématique n’as pas été abordée. Un minimum de re-
couvrement est assuré en utilisant un pas correspondant à 95% de la largeur minimale
103
de la ligne laser L1 (Figure. 2.3). La direction de déplacement d est perpendiculaire à la

ligne laser-plan [Mahmud et al., 2011].
Distance de
dégagement
Niveau 2
95% L1 /2 d
Niveau 1 Sommet de
95% L1
départ
Le sommet le Points de
plus proche passage
(a) Stratégie Zig-Zag (b) Passage d’une niveau à l’autre
Figure 3.12 – Démarche de définition des points de passage.
Nous appliquons cette méthode sur les deux pièces de la Figure. 3.11 pour générer
les points de passage. La séquence des points de passage de la Figure. 3.13(a) est gé-
nérée dans un seul niveau de trajectoire qui permet de mesurer les trois plans. Pour la
Figure. 3.13(b), une séquence des points de passage est générée dans chaque niveau. Le
passage d’un niveau à l’autre s’effectue par le sommet le plus proche afin de réduire la
langueur du la trajectoire et d’éviter la mesure multiple de la même surface en passant
plusieurs fois (recouvrement).
300
Ornta 1 350 Ornta 1
300
250
250
200
200
150
150
100
100
50
50
0 0
50 50
0 150 0 150
-50 0 50 100 -50 0 50 100
-50-150 -100 -50-150 -100
(a) Hauteur de marche 20mm (b) Hauteur de marche 45mm
trajectoires.
104
3.3.4 Évitement des collisions
L’objectif de cette section est de générer des trajectoires sans collision. Rappelons
qu’une première étude des collisions a été effectuée pour chaque orientation de la gamme
(Section. 2.5.2.b). Une fois que les points de passage sont définis pour chaque orientation,
nous vérifions les problèmes de collision qui peuvent apparaitre lors du déplacement du
scanner d’un point de passage vers un autre. Le scanner est modélisé par deux parallélé-
pipèdes avec leurs sommets Sk (Figure. 3.14(a)). La trajectoire est dite sans collision, si
pour chaque ligne de trajectoire reliant deux points successifs P (j), P (j + 1), aucune des
droites reliant les sommets Sk entre deux positions successives j et j + 1 n’intersecte une
facette de la pièce. Dans le cas où un problème de collision est détecté, 4 points de tran-
sition [P10 , P20 , P30 , P40 ] sont ajoutés selon une procédure itérative (Figure. 3.14(a)). Une
ligne Sk (j), Sk (j + 1) présente une intersection avec une facette définie par 3 sommets
{V1 , V2 et V3 } si (Figure. 3.14(b)) :
• il existe un point d’intersection I entre la droite et le plan support de la facette

formé par les trois points {V1 , V2 et V3 } ;
• le points d’intersection I appartient au segment de droite [Sk (j), Sk (j + 1)] ;
• le points d’intersection I appartient au triangle {V1 V2 V3 }. Cette condition permet

d’exclure le cas où la ligne coupe le plan support de la facette en un point situé à
l’extérieur de la facette.
P''2 P''3
Ornt i Ornt i
P'2
2.e
P(j) P'3
e P(j+1)
P'1 P'4
S1 S5 S1 S5
S2 S6 S2 S6
S8
S8
S3
S7 S3 S7
S9 S12 S9 S12
S10 S11 S10 S11
V1
Sk(j) I Sk(j+1)
V2
V3
(a) Collision scanner/pièce (b) Interssection d’une
ligne avec une facette
Figure 3.14 – Modélisation du problème de collision entre deux points de passage.
105
3.3.5 Application
La méthode proposée pour générer les trajectoires du capteur laser-plan est implé-
mentée sous MATLAB © . À partir des groupes d’entités à mesurer avec le capteur
laser-plan, nous définissons la trajectoire du capteur laser-plan pour chaque orientation
du scanner afin de mesurer les entités correspondantes à cette orientation.
Pour la première orientation (Ornt1 ), un groupe d’entités composé par EI1, EI4,
EI5 et une P ortion de EI6 est à mesurer par le capteur laser-plan (Tableau 2.10).
Une valeur d’aptitude du capteur laser-plan est attribuée à chaque facette du groupe
(section. 2.5.2.d). Une plage des distances de numérisation admissibles est ensuite dé-
terminée pour chaque facette selon la valeur de l’aptitude en termes d’orientation. Les
plages de variation de la distance de numérisation sont délimitées par les points de cou-
leur cyan et magenta (Figure. 3.15). Pour mesurer l’ensemble des facettes, un niveau
de trajectoire qui passe par l’ensemble des plages des distances de numérisation admis-
sibles est généré. Les points de passage sont définis selon la stratégie de Zig-Zag dans
ce niveau de trajectoire. Notons que les deux plans (EI1, EI5), la forme complexe EI4
et la portion de la sphère EI6 peuvent être mesurés avec un seul niveau de trajectoire.
Ce niveau de trajectoire permet la mesure avec la qualité attendue dans un temps de
mesure réduit.
De la même manière, la trajectoire du capteur laser-plan est déterminée dans l’Ornt2
et l’Ornt3 pour mesurer les entités correspondantes. Les résultats sont représentés dans
la Figure. 3.16.
3.4 Planification des trajectoires du palpeur
Dans la littérature, la planification des trajectoires du palpeur monté sur une machine
à mesurer tridimensionnelle (M M T ) est bien développée. Nous nous intéressons plus
particulièrement à la planification des trajectoires du palpeur pour mesurer les entités
correspondantes dans un cadre d’inspection multi-capteurs. Les entités à mesurer avec
le palpeur sont définies avec leurs paramètres intrinsèques dans la base de données (Voir
section. 2.3.3).
Dans ce travail, les orientations d’accessibilité sont déjà définies et optimisées pour
chaque groupe d’entité. Ainsi, nous nous focalisons sur les problématiques suivantes pour
générer la trajectoire du palpeur dans une orientation donnée :
106
3.4. Planification des trajectoires du palpeur
Figure 3.15 – Trajectoires du capteur laser-plan dans l’Ornt1 .
Ornt1
Or
nt
3
nt 2
Or
Figure 3.16 – Trajectoires du capteur laser-plan.
107
• Détermination du nombre et distribution des points de mesure ;
• Détermination des points d’accostage et les directions d’accostage ;
• Définition de la séquence de points de mesure.
3.4.1 Définition du nombre de points de mesure
La sélection du nombre et de l’emplacement des points de mesure est importante

pour aboutir à un processus d’inspection optimal (Section. 1.6.2). La méthode utilisée
pour choisir le nombre de points de mesure pour chaque entité est basée sur la fiche
de techniques de mesure sur machines à mesurer tridimensionnelles (fiche G550-1) [fic,
1998]. Comme le montre le Tableau. 3.1, le nombre de points est fonction de la spéci-
fication à vérifier. Ces valeurs peuvent être ajustées en fonction de la dimension de la
pièce, le temps dont on dispose et la qualité de mesure souhaitée. Dans ce travail, nous
choisissons le nombre de points en fonction du type de spécification associée tel que
présenté dans le Tableau. 3.1.
Type Selon la fiche G550-1 [fic, 1998] Nombre de points retenu

d’élément Localisation ; Localisation ; Défaut de
Dimension construction Défaut de forme Dimension Orientation forme
Point - 1à3 - - 1 -
Droite - 3à5 7 mini - 4 7
Plan - 4à6 10 mini - 5 10
Cercle 8 à 12 4à8 24 mini 10 6 24
36 ou 12 point par
section, 3 sections
Cylindre 8 à 16 8 à 12 mini 12 10 12
36 ou 12 point par
section, 3 sections
Cône 8 à 16 8 à 12 mini 12 10 12
Sphère 8 à 16 5à9 24 et plus 12 8 24
Tableau 3.1 – Nombre de points de mesure pour chaque type d’entité
3.4.2 Distributions des points de mesure
Comme nous l’avons présenté dans la section. 1.6.2, la séquence d’Hammersley qui
permet de répartir N points dans l’espace 2D est privilégiée pour la distribution des
points de mesure lors de l’inspection des formes canoniques. Pour chaque type de forme
canonique, les points de mesure sont définis par la séquence d’Hammersley qui a pour
but de calculer les coordonnées des points de mesure dans un repère associé à l’entité dit
108
repère entité. Les coordonnées des points (si , ti ) sont calculées de la manière suivante
(Équation. (3.2)) :

s i =
 i
N
(3.2)
ti = Pk−1 ([ ij ]M od(2)).2−(j+1)

j=0 2
Avec k = log2 N , M od(2) est l’opérateur mathématique dont le résultat est le reste de
la division de l’expression par deux, N est le nombre de points et i = 0, 1, 2, ..., (N + 1).
Stojadinovic et al. ont modifié la séquence d’Hammersley pour définir la distribution
des points de mesure pour les cylindres, les demi-sphères et les cônes [Stojadinovic et al.,
2016b]. Les coordonnées (si , ti , wi ) des points de mesure sont calculées dans le repère
entité selon les formules suivantes :
Demi-sphère (de rayon R) :
 q
si = R2 − (( k−1 i −(j+1) ).R)2 . cos( i .360°)
 P
j=0 ([ 2j ]M od2).2

N



 q
k−1
([ 2ij ]M od2).2−(j+1) ).R)2 . sin( Ni .360°) (3.3)
P
 ti = R2 − (( j=0


wi = ( k−1 ([ ij ]M od2).2−(j+1) ).R

 P
j=0 2
Cylindre (de hauteur h et de rayon R) :


si = R. cos(− π2 − 2.π


 N
.i)


ti = R. sin(− π2 − 2.π .i) (3.4)
 N


wi = ( k−1 ([ ij ]M od2).2−(j+1) ).h

 P
j=0 2
Cône (de hauteur h et de rayon de base R :
 q
0
Pk−1 i −(j+1) ).R



 s i = 1 − j=0 ([ 2j ]M od2).2



t0i = i .360°

N
(3.5)
wi0 = (R − s0i ). Rh







s = s0 . cos(t0 ); t0 . sin(t0 ); w = w0

i i i i i i i
Les coordonnées de points de mesure dans le repère entité sont évaluées pour chaque
type d’entité canonique selon les formules proposées dans [Stojadinovic et al., 2016b].
Un exemple de répartition de 10 points de mesure selon la séquence d’Hammersley pour
un plan, cylindre, sphère et cône est représenté dans la Figure. 3.17.
109
Longueur selon Yf
lon Xf
eur se
Longu t
h
Zf
Yf Yf
Zp
Yp d Of
Zp
Xf
Yp Of
Zf Xf
Op
Op
Xp
Xp
(a)
(b)
d Zf
t Yf
h Zp t
Zf d
Yp Of
Yf
Zp
Yp Of Xf
Op
Xf
Xp
Op
Xp
(c) (d)
Figure 3.17 – Distributions des points de mesure : (a) : plan, (b) cône, (c) : cylindre ;
(c) : demi-sphère.
Les coordonnées des points de mesure doivent être exprimées dans le repère pièce.
À chaque entité de mesure, il est associé un repère entité REM (Of , Xf , Yf , Zf ) dans
lequel les points de mesure (si , ti , wi ) sont exprimés. La position Pf et l’orientation
Rf du repère entité dans le repère pièce sont stockés dans la base de données (Section.
2.3.2). La matrice de passage du repère entité au repère pièce est notée par Tf . Les
coordonnées des points de mesure M dans le repère pièce sont exprimées par (xi , yi , zi )
(Équation. (3.4.2)) :
     
x s s
 i  i    i
     
 yi  t  R Pf  ti 
  = Tf .  i  =  f . 
     
 zi  w i  0 1 w i 
     
0 0 0
(3.6)
Pour les formes complexes, nous adoptons des stratégies de distribution adaptatives.
La méthode proposée par Yu et al. est utilisée [Yu et al., 2013]. Elle est composée des
étapes suivantes (Figure. 3.18) :
110
1. Sélection d’un nombre maximal de points de mesure Nmax , une erreur maximale
admissible , et un nombre maximal d’itérations n.
2. Distribution aléatoire de quelques points de mesure M sur la forme complexe.
3. Génération d’une géométrie de substitution (B-splines rationnels non uniformes)

en utilisant les points M . Une grille de points avec une densité suffisante est évaluée
sur la géométrie de substitution.
4. Calcul des écarts di entre la grille de points de la géométrie de substitution et le

modèle nominal. Le maximum des écarts di est sélectionné comme écart global d.
5. Comparaison de l’écart global d avec l’erreur maximale admissible et le nombre

d’itérations i avec le nombre maximal d’itérations n, si d est supérieur à et i est
inférieur à n, alors le point de grille qui a un maximum d’écart est ajouté dans
l’ensemble des points initial M . Ensuite, le processus retourne à l’étape (3). Sinon,
fin du processus et l’ensemble de points de mesure représente les points M .
Sélection de Nmax, ϵ et n,
i=1
Distribution aléatoire de M points de mesure
-Génération d’une géométrie de substitution Sélectionner le point qui présente

-Calcul des écarts di et l'écart global d un écart maximal et l'ajouter à
-i=i+1 l'ensemble des points de mesure M
Oui
i<n et d>ϵ
Non
L’ensemble de points de mesure représente les
points M
Figure 3.18 – Algorithme de distributions des points de mesure pour les formes com-
plexes.
3.4.3 Définition des points d’accostage et des directions d’accostage
La direction d’accostage est la direction de déplacement prise par le palpeur avant de

toucher la surface au point de mesure. C’est la direction perpendiculaire à la surface au
point de mesure. La direction d’accostage pour les entités de mesure planes est l’opposé
111
du vecteur normal au plan extérieur matière. Pour les entités cylindriques, sphériques
et coniques, la direction d’accostage est évaluée en tenant compte du paramètre λ, qui
peut être -1 pour une entité interne ou 1 pour une entité externe (Section. 2.3.2).
La trajectoire du palpeur est composée de deux groupes de points : les points de
mesure et les points d’accostage [Stojadinovic et al., 2016a]. Ces derniers représentent
les points de transition entre une vitesse rapide et une vitesse lente. Selon le type d’entité
(planes, entité interne ou externe), les points d’accostage sont définis à une distance de
transition dt dans la direction d’accostage. Dans l’exemple de la Figure. 3.19, les points
de mesure sont présentés en rouge tandis que les points d’accostage sont présentés en
noir.
15 0
10
z
5
0 50
50 100
x
y 100 150
(a) (b) (c)
Figure 3.19 – Points de mesure, point d’accostage, directions d’accostage : (a) : plan,
(b) : cylindre interne ; (c) : cylindre externe.
3.4.4 Définition de la séquence de points de mesure
Afin de réduire le temps de mesure, la séquence de points de mesure et les points

de transition doivent être ordonnés. Le temps de mesure est proportionnel à la distance
totale (distance euclidienne) parcourue par le palpeur [Mian and Al-Ahmari, 2014].
Partant d’un point donné, le palpeur se déplace d’abord avec une vitesse rapide vers
un point d’accostage. Puis, un déplacement avec une faible vitesse est effectué dans la
direction d’accostage vers le point de mesure. Ensuite, un retour vers le point d’accostage
avant d’aller avec une vitesse rapide vers un autre point d’accostage [Li et al., 2018]
(Figure. 3.20(a)). Le passage d’un point d’accostage i vers un autre point d’accostage
(i + 1) est fonction de la distance euclidienne la plus courte (Figure. 3.20). Pour les
entités externes, il faut s’assurer que la distance d’accostage dt soit assez grande afin que
le palpeur ne touche pas la surface lors d’un déplacement entre deux points d’accostage.
112
Mt1 , Mm1 , Mt1 Mt2 , Mm2 , Mt2 Mt3 , Mm3 , Mt3 , ...
P oint le plus proche P oint le plus proche

Avec : Mt sont les points d’accostage et Mm les points de mesure
Mt1
Mm1
Mt1 Mt2
Mm2 Mm1
Mt2 Mt1 Mm2
Mm1 Mt2
Mm2 Mt3 Mt3 Mm3 Mm3
r Mt3
Mm3 r
D
D
(a) (b) (c) (d)
Figure 3.20 – Séquence des points de mesure et de transition :(a) : principe [Li et al.,
2018], (b) : plan, (c) : cylindre interne ; (d) :cylindre externe.
Dans le même but de réduire le temps de mesure, les entités de mesure doivent être
ordonnées. À partir du dernier point d’accostage d’une entité, l’entité suivante est celle
qui a le plus proche point d’accostage. Le passage d’un point à un autre doit s’effectuer
sans collision avec la pièce.
Entite Entite Entite
z }| 1 { z }| 2 { z }| 3 {
{MDebut , ..., MF in } {MDebut , ..., MF in } {MDebut , ..., MF in }
P oint le plus proche P oint le plus proche
3.4.5 Application
La méthode proposée pour générer les trajectoires du palpeur est implémentée en

MATLAB © . À partir des groupes d’entités à mesurer avec le palpeur tels que définis
dans les séquences d’opérations, nous définissons la trajectoire du palpeur dans chaque
orientation du scanner pour mesurer les entités correspondantes à cette orientation.
Le nombre de points de mesure et leurs distributions sont calculés pour chaque type
d’entité selon la méthode proposée précédemment ainsi que les points d’accostage et les
directions d’accostage.
Pour la première orientation (Ornt1 ), les entités EI7, EI8, EI9, EI10 et une
P ortion de EI6 sont à mesurer avec le palpeur. La Figure. 3.21(a) présente les points
de mesure, les points d’accostage et les directions d’accostage pour les différentes entités
de mesure. Pour la demi-sphère, une portion est à mesurer avec le capteur laser-plan
et le reste est à mesurer avec le palpeur. Les points de mesure avec le palpeur sont
113
définis pour la portion correspondante. Concernant la deuxième orientation (Ornt2 ),

les résultats de planification des trajectoires de mesure des entités EI10 et EI12 sont
représentés dans la Figure. 3.21(b). La Figure. 3.22 présente les trajectoires du palpeur
pour les différentes entités de mesure.
Ornt1
(a) Ornt1
Ornt 2
(b) Ornt2
Figure 3.21 – Points de mesure, points d’accostage et les directions d’accostage pour les
différentes entités de mesure.
3.5 Exécution de la gamme d’inspection
La gamme d’inspection générée précédemment contient la trajectoire du capteur

laser-plan et celle du palpeur dans chaque orientation du scanner. La trajectoire est
définie par la séquence des points de passage exprimés dans le repère pièce. L’exécution
consiste à transformer les données contenues dans la gamme d’inspection en des dépla-
cements de la M M T afin de mesurer les surfaces et récupérer les données de mesure
(Figure. 3.23).
114
3.5. Exécution de la gamme d’inspection
Ornt1
Ornt 2
Figure 3.22 – Trajectoires du palpeur.
La difficulté réside dans l’automatisation d’un processus d’exécution à partir des

données de la gamme d’inspection. L’exécution avec deux capteurs de technologies dif-
férentes rend cette problématique plus complexe.
En fonction de la position de la pièce dans le volume de la M M T , les déplacements
de la machine doivent être adaptées à cet emplacement. Ainsi, une fois que la pièce est
positionnée et localisée dans le repère machine, la trajectoire est exprimée en fonction de
cette position. Afin de réaliser une exécution automatique, un fichier appelé "trajectoire"
contenant les informations des trajectoires en langage de pilotage de la machine est
généré.
En général, pour chaque technologie de mesure, à contact ou sans contact, un logi-
ciel est utilisé pour gérer et exécuter le processus de mesure. Pour le capteur laser-plan,
un logiciel associé "Polygonia (Kreon)" est utilisé pour effectuer des opérations de nu-
mérisation et récupérer les nuages de points numérisés. Ce logiciel n’est pas adapté à
l’évaluation des spécifications et à la génération des rapports d’inspection. D’autre part,
un logiciel associé au palpeur "Modus (Renishaw)" peut effectuer des déplacements
automatiques, mesurer les surfaces, récupérer les données de mesure, évaluer les spéci-
fications, et générer un rapport d’inspection. Ainsi, nous utilisons le logiciel Polygonia
pour la gestion de la mesure avec le capteur laser-plan et le logiciel Modus pour gérer la
mesure avec le palpeur et réaliser les déplacements automatiques.
Les deux capteurs sont calibrés sur des sphères de calibration pour les différentes
115
Trajectoire du capteur laser-plan Nuage de points mesuré avec capteur laser
Machine MMT avec un scanner

(capteur laser + palpeur)
Trajectoire du palpeur Nuage de points mesuré avec palpeur
Figure 3.23 – Exécution de la gamme d’inspection sur MMT.
orientations de la gamme d’inspection. Ainsi, le résultat de mesure avec chaque capteur

est un nuage de points exprimé dans le repère de calibration dont l’origine est le centre
de la sphère de calibration. Ces résultats de mesure sont exportés à la fin du processus
de mesure afin de les traiter et évaluer les spécifications associées comme développé dans
le chapitre suivant.
Dans la suite, nous détaillons les éléments composant la chaîne d’exécution multi-
capteurs. La trajectoire du scanner est définie par la séquence des déplacements du centre
de la bille du palpeur dans le repère machine Rm . La trajectoire du scanner est alors
générée par transformation et assemblage de la trajectoire du capteur laser-plan et la
trajectoire du palpeur. La génération d’un fichier "trajectoire" contenant la trajectoire
du scanner est détaillée dans l’étape suivante afin de réaliser une exécution automatique
et ensuite exporter les résultats de mesure.
3.5.1 Description de la chaîne d’exécution
La chaîne d’exécution est l’ensemble des composants permettant de réaliser l’exécu-

tion de la gamme d’inspection. Elle comporte généralement un ordinateur, deux types
de contrôleurs (Renishaw et Kreon), une machine à mesurer tridimensionnelle et un
scanner composé de deux capteurs montés sur la tête de la machine (Figure. 3.24). Avec
l’ordinateur, un fichier contenant la gamme d’inspection est lancé sur le logiciel Modus.
Des consignes sont ensuite envoyées au contrôleur Renishaw pour déplacer la machine.
116
Les positions des règles de la machine sont enregistrées par les contrôleurs. En fonction
de la technologie des capteurs, les données de mesure sont relevées et transmises au
contrôleur. Puis, les résultats de mesure sont communiqués à l’ordinateur. Le nuage de
points mesuré avec le capteur laser-plan est rapporté via le logiciel Polygonia et celui
de la mesure avec palpeur rapporté par le biais de Modus.
Coordonnées CCD
Modus
Polygonia
Coordonnées Contrôleur Kreon Position des règles
Consignes Consignes
Ordinateur
Contrôleur Renishaw
MMT
²²²
Consignes de contact
Figure 3.24 – Chaîne d’exécution.
3.5.2 Calcul de la trajectoire du scanner
Selon l’algorithme présenté précédemment en Figure. 3.2, la trajectoire du scanner

est obtenue en transformant puis en assemblant dans chaque orientation la trajectoire
du capteur laser-plan et la trajectoire du palpeur. Nous définissons la trajectoire du
scanner par la séquence des déplacements du centre de la bille du palpeur tj dans le
repère machine Rm (Figure. 3.25). En revanche, la trajectoire du capteur laser-plan est
définie par les centres de rotation du scanner dans le repère pièce Rp . Ainsi, deux trans-
formations sont appliquées, la première pour passer du centre de rotation du scanner au
centre de la bille du palpeur, et la seconde pour exprimer les coordonnées des points dans
le repère machine Rm . Pour la trajectoire du palpeur définie par la séquence des points
de passage du centre de la bille du palpeur dans le repère pièce Rp , une transformation
pour exprimer les coordonnées des points dans le repère machine Rm est appliquée.
117
Ornt i
Ornt i Ornt i
Capteur laser-plan
Palpeur
tj-1 tj tj+1
Rp
Rm
Figure 3.25 – Trajectoire du scanner.
3.5.2.a Transformation de la trajectoire du capteur laser-plan du centre

de rotation du scanner au centre de la bille du palpeur
Pour une orientation donnée (Ornti ), les points de passage du capteur laser-plan sont
exprimés par les coordonnées du centre de rotation du scanner Pj (Figure. 3.26(a)). Afin
de les transformer, une translation d’une distance dp le long de l’orientation Ornti est
appliquée à chaque point de la trajectoire. Cette valeur dp est la distance constante entre
le centre de rotation du scanner et le centre de la bille du palpeur (Figure. 3.26(a)). Les
points Pj0 de la trajectoire du capteur laser-plan sont ainsi exprimés pour une orientation
Ornti par l’Équation. (3.7).
−−→ −−→ −−−−−−→

Pj0 = Pj + dp .Ornti (3.7)
3.5.2.b Transformation des coordonnées des points du repère pièce

Rp au repère machine Rm
La pièce est mise en position dans le volume de la machine, une mesure préalable
de 3 plans permet de localiser la pièce dans le repère machine Rm . Les trajectoires
du capteur laser-plan (Pj0 ) et du palpeur (Mk ) sont exprimées dans le repère pièce Rp
(Figure. 3.26(b)). Connaissant l’emplacement de la pièce dans le repère machine Rm ,
une transformation T est appliquée aux coordonnées des points de la trajectoire Pj0 et
Mk pour établir la trajectoire dans le repère machine (Équation. (3.8)).
−
→ −−→ −→ −−−→
tj = T.Pj0 ; tk = T.Mk (3.8)
118
La position et l’orientation de la pièce dans le repère Rm définissent une matrice de

transformation T (Équation. (3.9)) où la matrice R est la matrice de rotation du repère
pièce par rapport au repère machine. La matrice R est déterminée par la mesure de trois
−
−−−−−−
→
plans de la pièce. La translation Om Op est évaluée par la mesure d’un point Mref qui
est l’intersection des trois plans.
Xp Yp Zp
   
−
−−−−−−
→
R Om Op r11 r12 r13
T=  ; avec R = 
r
 (3.9)
0 1  21 r22 r23 

r31 r32 r33
Ornti
Pj Zm
Ym Xm
Mref
Zp Om
Xp Rm
Yp Op
dp Rp
P'j
(a) (b)
Figure 3.26 – (a) Translation entre le centre de rotation du scanner et le centre de la

bille, (b) Transformation entre repère pièce et repère machine.
Après transformation, la trajectoire du scanner est établie pour chaque orientation

par assemblage de la trajectoire du capteur laser et de la trajectoire du palpeur.
3.5.3 Génération d’un fichier "trajectoire" contenant la gamme d’ins-

pection
La gamme d’inspection est définie et les trajectoires sont établies dans le repère
machine selon la position de la pièce. Ces informations sont ensuite enregistrées dans un
fichier exécutable par la machine pour réaliser l’exécution automatique de la gamme. Ce
119
fichier doit être compatible avec le langage d’exécution de la machine. Nous utilisons le
logiciel Modus pour réaliser des commandes automatiques avec lequel la programmation
est en langage I++. La structure d’un fichier "trajectoire" est décrite dans la Figure. 3.27.
Les paramètres de mesure tels que la vitesse de déplacement et l’unité de mesure sont
déclarés en premier. Puis, pour chaque orientation de la gamme d’inspection, la mesure
est effectuée avec le capteur laser-plan puis avec le palpeur avant de changer l’orientation.
Comme la numérisation avec le capteur laser-plan est opérée par le logiciel Polygonia,
lorsque le scanner se déplace entre les points de passage (instruction GO TO...), une
intervention de l’utilisateur est nécessaire pour lancer et arrêter la numérisation sur
Polygonia. La mesure avec le palpeur dans une orientation donnée est réalisée selon la
séquence des entités définie dans la gamme.
Cette méthode de génération d’un fichier "trajectoire" est implémentée en Mat-

lab© pour permettre la transition automatique de la planification de la gamme vers
l’exécution. Le fichier généré pour le cas d’étude est présenté dans l’Annexe. C.
Fichier trajectoire. DMI
Sélection du scanner
RECALL/SA(Aquilon.A0.0-B0.0) Déclaration des paramètres de la mesure
Choix du capteur (scanner)

Changement d’orientation
SNSLCT/SA(Aquilon. A0.0-B0.0)
Sélectionner une orientation du scanner
(1er)
Trajectoire laser transformée

Lancez la numérisation sur Polygonia Mesure avec capteur laser-plan
GoTo 𝑃𝑗
GoTo 𝑃𝑗+1
Arrêtez la numérisation sur Polygonia … Mesure avec palpeur
Mesure d’une entité Changer l’orientation du scanner

Trajectoire palpeur transformée (suivante)
Nom de l’entité Mesure entité 1
Type de l’entité Dégagement du scanner
Paramètre entité Mesure entité 2
Mesure avec capteur laser-plan
Nbr de points Dégagement du scanner
Point de mesure: …
• PTMEAS/CART 𝑃𝑗 , 𝑑𝑗 (direction de mesure) Mesure avec palpeur
• PTMEAS/CART 𝑃𝑗+1 , 𝑑𝑗+1
• … ……
Figure 3.27 – Structure du fichier "trajectoire".
120
3.5.4 Export des données de mesure
Le fichier "trajectoire" est envoyé à la machine pour réaliser son exécution et me-
surer la pièce test (Figure. 3.28). À la fin de la mesure, deux nuages de points sont
rapportés via les deux logiciels. Pour la mesure avec le capteur laser-plan, le nuage de
points qui correspond à la surface externe mesurée est exporté du logiciel Polygonia (Fi-
gure. 3.29(a)). Les points de contact de la bille du palpeur avec la surface à mesurer sont
calculés par compensation avec le rayon de la bille. Ces points de contact qui représente
le nuage de points du palpeur sont exportés du logiciel Modus (Figure. 3.29(b)).
Figure 3.28 – Photo de la pièce test usinée.
345
340
335
z
330
325
320
460 100
480
150
500
200
520
y 540 250 x
(a) Mesure avec capteur laser-plan (b) Mesure avec palpeur
Figure 3.29 – Résultats de mesure.
Les nuages de points issus des deux capteurs sont de nature différente. Le nuage de
points du capteur laser-plan est global, dense et bruité. En revanche, le nuage de points
du palpeur est moins dense et non-bruité. Le traitement de ces données hétérogènes est
une étape nécessaire avant d’évaluer les spécifications sur ces nuages de points. Cela fera
l’objet du chapitre suivant.
121
3.6 Conclusion
À travers ce chapitre, nous avons traité le niveau local de la génération de la gamme

d’inspection, c’est-à-dire la planification des trajectoires. Cette procédure est réalisée
en deux parties : planification des trajectoires du capteur laser-plan pour les surfaces
à mesurer avec le capteur laser-plan, et planification des trajectoires du palpeur pour
les surfaces à mesurer avec le palpeur. Les orientations du scanner sont définies au
préalable dans le niveau global de génération de la gamme d’inspection. La trajectoire du
capteur laser-plan est définie par une séquence de points de passage dans des niveaux de
trajectoires. Ces derniers sont établis par analyses des plages de variation des distances
de numérisation. Cette méthode permet l’optimisation du temps de mesure tout en
respectant les critères de qualité. Nous avons mis en place une démarche de génération
d’un nombre minimal de niveaux de trajectoire afin d’optimiser le temps et la qualité
de mesure. La séquence des points de passage est déterminée de telle façon à réduire
le temps de mesure. Pour la trajectoire du palpeur, nous avons défini la distribution
des points de mesure en fonction du type d’entité géométrique. Partant des séquences
d’opérations définies au Chapitre 2, les trajectoires des deux capteurs sont déterminées
automatiquement en se basant sur les informations stockées dans la base de données.
Nous avons mis en œuvre une méthode de génération automatique de la trajectoire

exécutée sur M M T . Selon la technologie du capteur, la trajectoire est définie dans
le repère pièce soit par les coordonnées du centre de rotation du scanner, ou par les
coordonnées du centre de la bille du palpeur. Des transformations sont appliquées avant
assemblage des trajectoires des deux capteurs pour définir la trajectoire du scanner dans
le repère machine.
La particularité de la méthode que nous avons proposée pour la planification de

la gamme d’inspection réside dans le fait que la mesure est effectuée avec le capteur
laser-plan dans une orientation donnée, puis la mesure avec le palpeur dans la même
orientation avant de changer l’orientation du scanner. Contrairement à d’autres travaux
où l’ensemble de la gamme de mesure est réalisée avec le capteur laser-plan dans toutes
les orientations et ensuite la gamme de mesure avec le palpeur est réalisée. La méthode
détaillée dans ce chapitre permet la mesure avec une qualité souhaitée et maîtrisée dans
un temps optimal.
La finalité de cette approche est d’effectuer un processus d’inspection automatique et
122
3.6. Conclusion
performant. Un résumé de l’approche proposée est présenté dans la Figure. 3.30. Partant
des séquences d’opération définies dans le chapitre précédent, les trajectoires sont définies
automatiquement sous Matlab© . Un fichier contenant les informations de la gamme est
ensuite généré et envoyé à la machine pour réaliser une exécution automatique. À la fin
de l’exécution, les nuages de points de mesure sont exportés. Le chapitre suivant porte
sur l’étape de traitement de ces données hétérogènes et l’évaluation des spécifications.
Génération de la
trajectoire du
capteur laser-
plan
Définition de la Nuage de points mesuré avec le
Trajectoire du capteur laser-plan trajectoire du scanner capteur laser-plan
et génération d’un
Génération de la fichier « trajectoire »
trajectoire du
palpeur
MMT
Séquence d’opérations
Trajectoire du palpeur Nuage de points mesuré avec

le palpeur
Figure 3.30 – Implémentation de la démarche proposée pour la planification des trajec-

toires et exécution.
123
124
Chapitre
4
Traitement des données pour
l’évaluation des spécifications
125
Chapitre 4. Traitement des données pour l’évaluation des spécifications
126
4.1. Introduction
4.1 Introduction
La troisième étape de l’approche globale d’inspection dimensionnelle multi-capteurs,

c’est-à-dire le traitement des données pour l’évaluation des spécifications, est traitée
dans ce chapitre. L’objectif est de générer le rapport d’inspection de la pièce à partir des
deux nuages de points provenant de la mesure avec le capteur laser-plan et le palpeur
(Figure. 4.1).
Nuage de points mesuré Traitement des

avec le capteur laser- plan données et évaluation
des spécifications
Nuage de points mesuré

Rapport d’inspection
avec le palpeur
Figure 4.1 – Traitement des données de mesure pour l’évaluation des spécifications.
Dans le cas d’une mesure coopérative avec un capteur laser-plan et un palpeur,

les nuages de points sont de même nature, mais de caractéristiques différentes et de
plus exprimés dans des repères différents. Le nuage de points associé au palpeur est de
meilleure qualité mais peu dense. Alors que le nuage de points issu de la mesure avec le
capteur laser-plan est de qualité moindre en comparaison de celui du palpeur, mais très
dense, bruité et contenant des points aberrants. Le résultat de mesure avec le palpeur
est composé de nuages de points qui correspondent soit aux entités d’inspection tota-
lement mesurées soit aux entités d’inspection partiellement mesurées. À chaque entité
(partiellement ou totalement mesurée), un nuage de points est associé. Le résultat de
mesure avec le capteur laser-plan est un ensemble de points qui définit une représen-
tation globale de toutes les entités totalement et partiellement mesurées incluant des
portions non désirées. Compte tenu de ces caractéristiques, la démarche de traitement
doit prendre en compte le fait que :
• Le nuage de points issu de la mesure avec le capteur laser-plan est bruité et contient
des points aberrants et des zones non utiles.
127
• Le nuage de points du capteur laser-plan est une représentation globale tandis que
le nuage de points du palpeur est composé d’ensembles de points correspondant
aux entités.
• Les coordonnées des points ne sont pas exprimées dans le même repère et sont de
caractéristiques différentes.
Dans la suite de ce chapitre, nous présentons l’approche proposée de traitement

des données pour l’évaluation des spécifications. Tout d’abord, les caractéristiques d’un
nuage de points mesuré avec le capteur laser-plan ainsi que les étapes de pré-traitement
associées sont présentées. Puis, une démarche d’unification des nuages de points mesurés
avec les deux capteurs est proposée pour exprimer les coordonnées des points dans le
même repère. La fusion des données des deux capteurs est ensuite réalisée. L’évaluation
des spécifications est finalement effectuée sur les nuages de points après traitement.
L’approche est mise en œuvre sur l’exemple proposé pour l’évaluation des spécifications.
4.2 Démarche proposée
L’approche que nous proposons pour l’évaluation des spécifications est présentée dans
la Figure. 4.2.
Pré-traitement
du nuage de
points du
capteur laser
Mesure avec  Nettoyage Nuage de points du

 Filtrage capteur laser après Unification des
capteur laser  Partitionnement Fusion des Rapport
traitement nuages de Evaluation d’inspection
données
points
Logiciels de
Nuage de points métrologie
unifiés
Mesure avec palpeur
Figure 4.2 – Démarche de traitement des données pour l’évaluation des spécifications.
À l’issue de la mesure, deux nuages de points sont exportés. Le nuage de points

mesuré avec le capteur laser-plan est une représentation globale des surfaces exprimée
dans un repère dont l’origine est le centre de la sphère de calibration du capteur laser-
plan. Tandis que le résultat de mesure avec le palpeur est un ensemble de nuages de
128
4.3. Pré-traitement des données de mesure avec le capteur laser-plan
points dont chacun correspond à une entité. Les coordonnées des points sont exprimées
dans un repère dont l’origine est le centre de la sphère de calibration du palpeur.
La première étape de l’approche est le pré-traitement du nuage de points issu du
capteur laser-plan, compte tenu de ses caractéristiques [Mehdi-Souzani, 2006]. Cette
étape comprend les opérations assez classiques de nettoyage , filtrage du bruit et partition
en sous-ensembles de points, chacune étant associée à une entité.
La seconde étape de l’approche consiste à mettre en cohérence les nuages de points,
c’est-à-dire exprimer les coordonnées des points dans un repère unique. Cela est réalisé
par une opération d’unification des nuages de points. À l’issue de cette étape, un nuage
de points est associé à chaque entité. Le nuage de points qui correspond à une entité
partiellement mesurée est composé de deux sous-ensembles de points, le premier provient
de la mesure avec le capteur laser et le second provient de la mesure avec le palpeur.
Les nuages de points des deux capteurs sont caractérisés par des propriétés complé-
mentaires. Une étape de fusion est nécessaire afin d’exploiter la grande densité du nuage
de points du capteur laser-plan et la bonne qualité de mesure du palpeur. L’évaluation
des spécifications est ensuite réalisée sur les nuages de points correspondant aux entités
d’inspection. Les étapes de l’approche sont appliquées sur les nuages de points issus de
la mesure de la pièce test.
4.3 Pré-traitement des données de mesure avec le capteur

laser-plan
Les étapes de pré-traitement des données de mesure avec le capteur laser sont lar-
gement traitées dans la littérature. Par ailleurs, de nombreuses solutions logicielles sont
aujourd’hui proposées en réponse à des problématiques de pré-traitement des données
(Gom Inspect, Cloud Compare, Rapide-form, Géomagic). Dans ce travail, nous propo-
sons de réaliser les opérations de traitement avec le logiciel Cloud Compare© afin
de valider la faisabilité de l’approche globale. Ces opérations pourront être étudiées et
automatisées dans les travaux futurs.
L’approche proposée pour générer des trajectoires a été élaborée pour fournir une
mesure complète des surfaces. Les points aberrants et les nuages de points qui ne corres-
pondent pas aux entités d’inspection (entités de non-inspection), mais qui se trouvent
dans le champ de mesure avec le capteur laser-plan, sont supprimés manuellement avec
129
le logiciel Cloud Compare©. Le résultat avant et après l’opération du nettoyage est affi-
ché dans la Figure. 4.3. Pour réduire le bruit et éliminer d’autres points aberrants, nous
appliquons un filtre adaptatif (filtrage qui tient compte de la courbure de la surface) au
nuage de points. Le résultat est représenté dans la Figure. 4.4.
Points aberrants
Entités de Non-
inspection
(a) Avant netoyage (b) Après nettoyage
Figure 4.3 – Nettoyage du nuage de points du capteur laser-plan.
(a) Avant filtrage (b) Après filtrage
Figure 4.4 – Filtrage du nuage de points du capteur laser-plan.
La partition avec le logiciel Cloud Compare© est basé sur la détection des formes
par l’algorithme de RANSAC [Schnabel et al., 2007]. Les nuages de points correspondant
aux plans sont d’abord détectés, ensuite ceux des cylindres, des sphères, des cônes et
enfin ceux des formes complexes. Après partition, le nuage de points correspondant à
chaque entité est déterminé. Nous proposons de supprimer les points qui sont sur les
bords des surfaces, car ils présentent une qualité dégradée [Sadaoui, 2016]. Un bruit assez
élevé est observé au début et à la fin d’une ligne de numérisation (appelé effet moustache)
(Figure. 4.5(a)). Afin de supprimer les points qui présentent une qualité dégradée sur
les bords d’une surface plane, un parallélépipède convexe englobant le nuage de points
130
4.3. Pré-traitement des données de mesure avec le capteur laser-plan
lui est associé. Un second parallélépipède est ensuite construit en décalant les sommets
du parallélépipède englobant. Les points qui sont à l’extérieur de ce dernier sont ainsi
supprimés (Figure. 4.5). Le résultat après partition est affiché dans la Figure. 4.6.
(a) Caractiristiques du nuage de (b) Définition d’un parallélépipède

points sur les bords par déplacement des sommets du
parallélépipède convexe englobant
(c) Suppression des points en de-

hors du parallélépipède
Figure 4.5 – Suppression des points sur les bords d’une surface plane [Sadaoui, 2016].
Figure 4.6 – Partition du nuage de points du capteur laser-plan.
Les nuages de points des entités (totalement et partiellement) mesurées avec le cap-
131
teur laser-plan sont ainsi déterminés. L’étape suivante consiste à mettre en cohérence
les nuages de points des entités mesurées avec les deux capteurs.
4.4 Mise en cohérence (Unification) des nuages de points
L’objectif de la mise en cohérence des nuages de points est d’exprimer les résultats
de mesure avec les deux capteurs dans un repère unique. Le résultat de mesure avec un
capteur est exprimé dans un repère dont l’origine est le centre de la sphère de calibra-
tion du capteur (Figure. 4.7). Ainsi, nous cherchons à déterminer la transformation à
appliquer sur un nuage de points pour le ramener vers l’autre. Comme la mesure avec
le palpeur est de meilleure qualité, nous appliquons la transformation sur le résultat
de mesure avec le capteur laser-plan pour le ramener vers le résultat de mesure avec le
palpeur.
Pi
Rp Mesure avec Palpeur
Op
n
tio
ra
lib
Ca
Sphère de
calibration du
palpeur Pi
RL
Mesure avec capteur
Laser-plan
Calibration
OL
Rm
Sphère de
calibration du
capteur laser-
plan
Figure 4.7 – Résultats de mesure avec le capteur laser-plan et le palpeur par rapport
aux repères capteurs (Rp et Rl ) et au repère machine (Rm ).
L’ensemble du capteur laser-plan et du palpeur forme un scanner qui est monté sur la
tête P H10 de la M M T . Chaque capteur est lié au scanner. Un déplacement du scanner
dans un axe donné provoque le même déplacement des deux capteurs. Cela signifie que
les axes des repères (Rp et Rl ) établis par la calibration des deux capteurs sont alignés.
Ainsi, le processus d’unification se limite au calcul d’une translation entre le repère du
capteur laser-plan et le repère du palpeur. Cette translation correspond à la distance
entre le centre de la sphère de calibration du capteur laser-plan et le centre de la sphère
de calibration du palpeur.
132
4.4. Mise en cohérence (Unification) des nuages de points
En calibrant les deux capteurs sur la même sphère, les deux repères devraient être
confondus, car les deux origines correspondent au même point qui est le centre de la
sphère. Néanmoins, la différence de technologies de mesure avec les deux capteurs fait
que les deux repères de calibration ne sont pas identiques. Cela peut s’expliquer par
l’écart entre les coordonnées du centre des sphères mesurées avec le capteur laser-plan
et le palpeur (Figure. 4.8). Dans le travail de [Martinez et al., 2010b], un écart de
position ∆Z de la coordonnée Z (pour une orientation verticale du scanner A0B0)
est généralement relevé entre les centres des sphères. Ainsi, même si les capteurs sont
calibrés sur la même sphère de calibration, les repères de calibration associés ne sont
pas exactement les mêmes et une opération d’unification est alors nécessaire.
Figure 4.8 – Écart entre la sphère mesurée avec le capteur laser-plan et la sphère mesurée
avec le palpeur [Martinez et al., 2010b].
Pour réaliser un processus d’unification efficace sans prendre en compte les écarts dus
à la différence de la technologie de mesure, une technique d’unification a été proposée
dans [Zhao et al., 2017]. Les auteurs proposent d’exprimer les coordonnées des points
dans un repère unique qui est le repère de la machine (Rm ) afin de s’affranchir de l’in-
fluence de la technologie de mesure. Cependant, il est difficile d’exprimer les coordonnées
des points mesurés avec le capteur laser-plan dans le repère de la machine, car un modèle
spécifique est requis. Les seules informations fournies sont les coordonnées des points
dans le repère de calibration du capteur laser-plan. Dans ce travail, nous proposons une
méthode d’unification pratique et facile à mettre en œuvre pour laquelle chaque capteur
est calibré sur sa propre sphère de calibration.
133
4.4.1 Unification par application d’une translation
Cette technique consiste à calibrer les deux capteurs sur deux sphères de calibration.
À chaque capteur un repère est associé dont l’origine est le centre de la sphère de
calibration. L’écart entre les deux repères (Rp et Rl ) est ensuite établi par évaluation
−→
de la distance entre les centres de sphères. Une translation T correspondant à cet écart
est appliquée sur le nuage de points mesuré avec le capteur laser-plan pour le ramener
vers le nuage de points du palpeur (Figure. 4.9).
Pi/RL
RL
OL T
T RP
Pi/RP
OP
Figure 4.9 – Unification par application d’une translation
4.4.2 Évaluation de la méthode d’unification
Afin d’évaluer la méthode de mise en cohérence des nuages de points par application
d’une translation, nous avons réalisé un test de mesure d’un artefact plan avec deux
capteurs (Figure. 4.10(a)). Après avoir calibré les deux capteurs sur leurs sphères de
calibration respectives, la moitié de la surface plane est mesurée avec le capteur laser-
plan et l’autre moitié est mesurée avec le palpeur (Figure. 4.10(b)). La translation T
est le vecteur reliant les deux centres des sphères de calibration. Cette translation est
appliquée au nuage de points du capteur laser-plan.
Le nuage de points du capteur laser-plan après transformation et le nuage de points

du palpeur sont affichés dans la Figure. 4.10(c). Le nuage de points de la mesure coopé-
rative est obtenu par l’union du nuage de points du palpeur avec le nuage de points du
capteur laser-plan après translation. Un plan des moindres carrés est associé à chaque
nuage de points. Les éléments de situation (un point et le vecteur normal) des plans
associés sont reportés dans le Tableau. 4.1.
En analysant les éléments de situation, un écart de justesse relative h (Équation. (4.1),

Figure. 4.10(d)) de 3.68 µm est observé entre le plan obtenu par la mesure coopérative
et le plan mesuré avec le palpeur.
134
4.4. Mise en cohérence (Unification) des nuages de points
(a) (b)
nc np
Pc Pp
(c) (d)
Figure 4.10 – Mesure d’une surface plane avec un capteur laser-plan et un palpeur
Mesure avec palpeur Mesure coopérative

Point Pp  Vecteur
 normal Point Pc  Vecteur
 normal
−−→ −
−→
 np  nc
−353.3116 0.0001 −351.9578 0.0001
−131.7303 0.0001 −180.8757 0.0001
−214.7383 1.0000 −214.7347 1.0000
Tableau 4.1 – Résultats de mesure avec les deux capteurs.
1 −−−−−→ −−→ −−−−−→

(4.1)
−
−→
h= · (|Pp Pc · np | + |Pc Pp · nc |)
2
Où ; Pp et np sont les éléments de situation du plan associé au nuage de points
−−→
mesuré avec le palpeur, Pc et nc sont les éléments de situation du plan associé au nuage
−
−→
de points de la mesure coopérative.

Dans le but d’évaluer la répétabilité de la justesse relative, nous avons répété cette
démarche 5 fois en réalisant dans chaque cas : la calibration des capteurs sur leurs sphères
−→
de calibration respectives, l’évaluation de la translation T et la mesure coopérative avec
les deux capteurs (Tableau. 4.2). L’écart de justesse relative h est calculé pour chaque
essai. La valeur moyenne des écarts est évaluée à hmoy = 3.4µm et l’écart type est de
σ = 1.07µm. La valeur de l’écart type ne permet pas de conclure sur la répétabilité de
la justesse relative. La valeur maximale de justesse relative est de hmax = 4.5µm. Cette
valeur est inférieure à la valeur minimale de l’incertitude admissible Uad ∈ [6, 30µm]
135
(évaluée par IT /8) de l’ensemble des spécifications à évaluer dans notre cas d’étude. À
partir de cette analyse, nous concluons que la méthode d’unification permet de recaler
les nuages de points de deux capteurs avec une faible erreur de recalage en comparaison
aux intervalles de tolérances des spécifications à évaluer (h est relativement faible par
rapport à IT /8).
Essai Écart de justesse relative h (µm)
Essai 1 3.7
Essai 2 1.7
Essai 3 3.9
Essai 4 4.5
Essai 5 4.1
Essai 6 2.5
Tableau 4.2 – Évaluation de la répétabilité de la justesse relative h dans le cas de mesure

avec deux capteurs.
4.4.3 Application sur le cas d’étude
Nous appliquons la méthode d’unification sur les deux nuages de points du capteur
laser-plan et du palpeur. Après qualification des deux capteurs dans une orientation
−→
donnée, la translation T dans l’orientation considérée est calculée par la différence de
−−−−−−→
positions des deux sphères de calibration. Pour chaque orientation du scanner Ornti ,
−−→
une translation Ti est déterminée, et nous l’appliquons au nuage de points provenant
−−−−−−→
de la mesure avec le capteur laser-plan pour l’Ornti . L’ensemble des nuages de points
des entités sont ainsi exprimés dans le même repère. Le résultat est affiché dans la
Figure. 4.11. Le nuage de points du capteur laser est représenté en vert et celui du
palpeur en bleu.
4.5 Fusion des données
Les nuages de points associés à chaque entité sont établis. Par la suite, nous utilisons
ces nuages de points pour évaluer les spécifications associées aux entités. Pour certaines
spécifications, leur évaluation implique l’utilisation du nuage de points issu de la mesure
avec le capteur laser-plan et du nuage de points issu de la mesure avec le palpeur
(Exemple, une spécification dont l’élément tolérancé est mesuré avec un capteur et le
système de référence est mesuré avec le second capteur). Le nuage de points est composé
136
4.5. Fusion des données
Figure 4.11 – Unification des nuages de points de la mesure avec le capteur laser-plan
et le palpeur.
par deux sous-ensembles de points provenant des deux capteurs. Toutefois, même si les
nuages de points des deux capteurs ont été unifiés avec une faible erreur de recalage,
l’évaluation de ce type de spécifications peut ne pas être conforme. Dans le même sens, le
nuage de points d’une entité partiellement mesurée est composé par deux sous-ensembles
de points provenant des deux capteurs (Figure. 4.12). La fusion des nuages de points est
alors nécessaire pour corriger les écarts entre les nuages de points des deux capteurs.
272
270
268
266
Z
264
262
260
540
125
530
120
520 115
110
Y 510 105 X
Figure 4.12 – Nuage de points associé à une entité partiellement mesurée ; Points verts :
mesure avec capteur laser-plan, Points bleus : mesure avec palpeur.
La plupart des travaux de littérature sur la fusion s’appliquent à des cas de mesure
d’une même surface avec les deux capteurs. Un processus de fusion local qui consiste à
fusionner le nuage de points du capteur laser-plan avec celui du palpeur pour chaque
surface nécessite la mesure de toutes les surfaces avec les deux capteurs, ce qui n’est pas
l’intérêt de ce travail.
137
Dans ce travail, compte tenu de la qualité très différente des nuages de points issus
de deux capteurs, il ne semble pas pertinent de mettre en place une méthode de fusion
entité par entité. En effet, on constate par exemple qu’il pourrait être délicat de vérifier
des spécifications pour lesquelles le système de référence est constitué sur des plans
mesurés uniquement avec le capteur laser-plan. Ainsi, nous proposons de mesurer les
trois plans du système de référence à la fois avec le capteur laser-plan et avec le palpeur.
La fusion des données issues des deux capteurs permettra une fusion globale des nuages
de points de toutes les entités.
Un processus de fusion basé sur l’alignement des 3 plans du système de référence qui
ont été mesurés avec les deux capteurs est proposé (Figure. 4.13). Ce processus s’effectue
en déterminant la transformation F résultante de l’alignement des 3 plans mesurés avec
le capteur laser-palan sur les 3 plans mesurés avec le palpeur, et puis en appliquant
cette transformation sur le nuage de points global de toutes les entités mesurées avec le
capteur laser-plan.
En utilisant le logiciel Gom inspect©, les trois plans associés aux nuages de points
mesurés avec le capteur laser-palan sont alignés sur les 3 plans associés aux nuages de
points mesurés avec le palpeur, et la transformation F résultante de l’alignement est
présentée dans l’Équation. (4.2).
Figure 4.13 – Alignement des 3 plans mesurés avec le capteur laser-plan sur 3 plans
mesurés avec le palpeur ; Points verts : mesure avec capteur laser, Points bleus : mesure
avec palpeur.
138
4.6. Évaluation des spécifications
 
1.000 0.000 −0.000 −0.067
 
0.000 1.000
 0.000 −0.030

F =
0.000 −0.000
 (4.2)
 1.000 −0.010

0.000 0.000 0.000 1.000
Nous remarquons que la matrice de transformation est principalement composée

d’une translation permettant de corriger les écarts résiduels de l’opération d’unification.
Cette matrice de transformation F est ensuite appliquée sur tous les nuages de points
des entités mesurés avec le capteur laser.
4.6 Évaluation des spécifications
Rappelons que notre objectif est de pouvoir évaluer les spécifications portées sur le
dessin de définition (Figure. ??) en utilisant une mesure combinant un capteur laser-plan
et un palpeur. Après traitement des données de mesure, à chaque entité mesurée avec
le capteur laser-plan ou avec le palpeur est associé son nuage de points correspondant
après fusion des données (Figure. 4.14). L’évaluation selon la norme GP S (Spécification
géométrique des produits) (ISO 14638) est généralement réalisée à l’aide des logiciels
de métrologie. Dans ce travail, nous utilisons le logiciel Gom Inspect© pour évaluer
les spécifications et générer le rapport d’inspection. Pour chaque entité d’inspection
EIi , les spécifications associées sont évaluées. Les résultats d’évaluation de toutes les
spécifications définissent le rapport d’inspection de la pièce.
Afin de comparer le rapport d’inspection généré avec la mesure multi-capteurs, nous
avons fait appel à un prestataire (ZEISS Calypso) certifié pour réaliser l’inspection
de la pièce. Le rapport d’inspection dit de référence est présenté en Annexe D. Une
comparaison avec notre approche est proposée pour quelques spécifications.
Dans les deux rapports d’inspection, les spécifications associées aux entités totale-
ment mesurées avec le capteur laser-plan (EI1 , EI2 , EI3 , EI4 et EI5 ) sont vérifiées.
Prenons la spécification de planéité associée à l’entité EI1 (Figure. 4.15), l’écart obtenu
avec notre démarche (0.041mm) est supérieur à celui obtenu dans le rapport de référence
(0.002mm), néanmoins, il demeure inférieur à l’intervalle de tolérance de la spécification
(IT = 0.1mm). Ainsi, la spécification est vérifiée. Ceci montre l’aptitude du capteur
laser à évaluer cette spécification. De la même façon, la spécification de perpendicularité
139
Figure 4.14 – Nuages de points associés aux entités de la pièce test.
associée à l’entité EI3 est vérifiée dans les deux rapports d’inspection (Figure. 4.16).
(a) Rapport d’inspection de notre démarche
(b) Rapport d’inspection de référence
Figure 4.15 – Comparaison des résultats d’évaluation de la spécification de planéité de

l’entité EI1
Figure 4.16 – Comparaison des résultats d’évaluation de la spécification de perpendicu-

larité de l’entité EI3
Concernant les spécifications associées aux entités EI7 , EI8 et EI12 , les nuages de
140
4.6. Évaluation des spécifications
points des éléments tolérancés et des systèmes de référence sont mesurés avec le palpeur.
Ainsi, les résultats d’évaluation sont proches de ceux du rapport d’inspection de réfé-
rence. Un exemple de spécification de coaxialité de l’entité EI8 par rapport à l’entité
EI9 est présenté dans la Figure. 4.17. L’écart obtenu avec notre démarche est proche de
celui obtenu dans le rapport d’inspection de référence.
Figure 4.17 – Comparaison des résultats d’évaluation de la spécification de coaxialité de

l’entité EI8 par rapport à l’entité EI9
Pour les spécifications associées aux entités EI9 , EI10 et EI11 , les nuages de points
des éléments tolérancés sont mesurés avec un capteur et les systèmes de référence sont
mesurés avec l’autre capteur. Selon notre démarche, ces spécifications sont vérifiées et
les écarts obtenus sont inférieurs aux intervalles de tolérance des spécifications associées.
Une comparaison d’évaluation de la spécification de localisation associée à l’entité EI9
est présentée dans la Figure. 4.18. Les résultats d’évaluation d’une spécification dont
le système de référence est mesuré avec un capteur et l’élément tolérancé est mesuré
avec l’autre capteur montrent la faisabilité de la démarche d’inspection multi-capteurs
proposée.
Figure 4.18 – Comparaison des résultats d’évaluation de la spécification de localisation

de l’entité EI9
141
Concernant la spécification associée à l’entité EI6 , le nuage de points utilisé pour

l’évaluation de la spécification provient de la mesure avec les deux capteurs, une portion
de la surface est mesurée avec le capteur laser-plan et l’autre portion est mesurée avec
le palpeur. Cette spécification est vérifiée avec un écart de 0.093mm qui est inférieur
à l’intervalle de tolérance IT = 0.1mm (Figure. 4.5(a)). Cela montre d’une part la
possibilité d’une mesure coopérative de la même entité avec deux capteurs, et d’autre
part, la fusion des données est indispensable pour évaluer les spécifications associées aux
entités mesurées avec les deux capteurs.
Figure 4.19 – Comparaison des résultats d’évaluation de la spécification de localisation

de l’entité EI6
Les résultats d’évaluation des spécifications associées à toutes les entités sont présen-
tés dans la Figure. 4.20 et la Figure. 4.21. Les entités mesurées avec le capteur laser-plan
sont représentées en vert, celles mesurées avec le palpeur sont représentées en bleu et
l’entité mesurée avec les deux capteurs est représentée en rose.
Nous concluons de cette analyse que lorsqu’il s’agit d’évaluer les spécifications dont
le nuage de points provient d’une mesure avec le palpeur, les résultats de l’évaluation
des spécifications sont proches de ceux du rapport d’inspection de référence puisque ce
dernier est établi par une mesure avec le palpeur. Pour l’évaluation des spécifications
utilisant les nuages de points de la mesure avec le capteur laser-plan, les résultats sont
également cohérents avec le rapport de référence. Il convient de rappeler que l’aptitude
du capteur laser-plan à évaluer ces spécifications a été étudiée au Chapitre. 2. Le modèle
proposé a montré que le capteur laser-plan est apte à évaluer ces spécifications. Grâce
aux résultats de l’évaluation des spécifications, nous avons montré la pertinence de ce
modèle proposé pour évaluer l’aptitude du capteur laser.
Nous soulignons que lorsqu’on trouve que la spécification n’est pas vérifiée en utilisant
142
G enerated with G O M I ns pec t 2 0 1 7
4.7. Conclusion
Sans titre
Element Datum Property Nominal Actual Tol - Tol + Dev C heck Out
EI 04 A |B |C ~ +0.000 +0.125 +0.000 +0.200 +0.125
EI 01 [ +0.000 +0.041 +0.000 +0.100 +0.041
EI 02 A & +0.000 +0.022 +0.000 +0.100 +0.022
EI 03 A|B & +0.000 +0.016 +0.000 +0.050 +0.016
EI 05 A # +0.000 +0.054 +0.000 +0.100 +0.054
EI 08 Ø +16.000 +15.849 -0.100 +0.100 -0.151 -0.051
EI 08 E $Ø +0.000 +0.009 +0.000 +0.150 +0.009
EI 09 Ø +9.000 +8.999 -0.050 +0.050 -0.001
EI 09 A|B|C #Ø +0.000 +0.079 +0.000 +0.100 +0.079
EI 10a Ø +10.000 +10.002 +0.000 +0.022 +0.002
EI 10a A|B|C #Ø +0.000 +0.079 +0.000 +0.100 +0.079
EI 10b Ø +10.000 +10.001 +0.000 +0.022 +0.001
EI 10b A|B|C #Ø +0.000 +0.071 +0.000 +0.200 +0.071
EI 10c Ø +10.000 +10.001 +0.000 +0.022 +0.001
EI 10c A|B|C #Ø +0.000 +0.070 +0.000 +0.200 +0.070
EI 10d Ø +10.000 +10.000 +0.000 +0.022 +0.000
EI 10d A|B|C #Ø +0.000 +0.084 +0.000 +0.200 +0.084
EI 11 Ø +20.000 +19.981 -0.100 +0.100 -0.019
EI 11 C & +0.000 +0.000 +0.000 +0.100 +0.000
EI 12 Ø +30.000 +29.982 -0.100 +0.100 -0.018
EI 12 F $Ø +0.000 +0.030 +0.000 +0.200 +0.030
EI 06 Ø +20.000 +19.932 -0.100 +0.100 -0.068
EI 06 A|B|C #SØ +0.000 +0.093 +0.000 +0.100 +0.093
EI 07 D % +0.000 +0.016 +0.000 +0.250 +0.016
Figure 4.20 – Rapport d’inspection (Tableau)
la mesure avec le capteur laser-plan, cela ne veut pas dire que cela ne l’est pas. Ainsi, la
méthode d’inspection multi-capteurs proposée permet la vérification des spécifications,
mais elle ne fournit pas l’information sur la mesure tells que l’écart de planéité.
L’évaluation des spécifications utilisant deux nuages de points provenant de deux
capteurs detement
M eilleur ajus technologies
loc al différentes peut être effectuée après une étape delongueur:
U nité de traitement
mm
2 /2
des données. Cela montre l’importance du traitement dans le cas d’une inspection multi-
capteurs.
4.7 Conclusion
La troisième partie de l’approche globale d’inspection a été présentée dans ce cha-

pitre. Elle est composée des quatre opérations suivantes : le pré-traitement des données
de mesure avec le capteur laser-plan, l’unification des nuages de points des deux capteurs,
la fusion des données et l’évaluation des spécifications.
143
G enerated with G O M I ns pec t 2 0 1 7
144
Sans titre
EI 10b
Nominal Réel Écart Vérification
Ø +10.000 +10.001 +0.001
# Ø0.200|A|B|C 0.071
EI 04
Nominal Réel Écart Vérification EI 01
~ 0.200|A | B | C 0.125 Nominal Réel Écart Vérification
[ 0.100 0.041
EI 06
EI 02 Ø +20.000 +19.932 -0.068
Nominal Réel Écart Vérification # SØ0.100|A|B|C 0.093
& 0.100|A 0.022
EI 10c
Ø +10.000 +10.001 +0.001
# Ø0.200|A|B|C 0.070
EI 10a
Ø +10.000 +10.002 +0.002 EI 07
# Ø0.100|A|B|C 0.079 Nominal Réel Écart Vérification
% 0.250|D 0.016
EI 05
EI 03 Nominal Réel Écart Vérification
Nominal Réel Écart Vérification # 0.100|A 0.054
& 0.050|A|B 0.016
EI 08
Ø +16.000 +15.849 -0.151 (EI 08.Ø)
EI 11
$ Ø0.150|E 0.009
Ø +20.000 +19.981 -0.019 EI 09
& 0.100|C 0.000 Nominal Réel Écart Vérification
Ø +9.000 +8.999 -0.001
EI 12
# Ø0.100|A|B|C 0.079
Ø +30.000 +29.982 -0.018 EI 10d
Z $ Ø0.200|F 0.030 Nominal Réel Écart Vérification
Ø +10.000 +10.000 +0.000
# Ø0.200|A|B|C 0.084
Figure 4.21 – Rapport d’inspection (représentation 3D)

X Y
M eilleur ajus tement loc al U nité de longueur: mm
1 /2
représentatif à chaque entité, les opérations suivantes sont effectuées : nettoyage, sup-
rants et reflète une représentation globale des entités. Afin d’associer un nuage de points
Le nuage de points du capteur laser-plan est dense, bruité, contient des points aber-
4.7. Conclusion
pression des points aberrants, filtrage et partition. Dans un premier temps, ces opéra-
tions sont réalisées manuellement avec le logiciel Cloud Compare©. Leur automatisation
pourrait être abordée dans les prochains travaux.
Nous avons montré par la suite la nécessité d’unifier les nuages de points acquis
avec les deux capteurs. Une méthode permettant d’exprimer les coordonnées des points
dans un seul repère a été proposée. Cette méthode est basée sur la mesure des deux
sphères de calibration et le calcul de la translation entre les centres des sphères. Cette
méthode a été testée en effectuant une mesure coopérative d’un artefact plan avec les
deux capteurs. Les résultats montrent que cette méthode permet l’unification des nuages
des points avec une faible erreur de recalage.
Pour pouvoir utiliser les nuages de points des deux capteurs pour évaluer les spéci-
fications, les données de mesure sont fusionnées. Dans ces travaux, les entités ne sont
mesurées qu’avec un seul capteur. Ainsi, le processus de fusion est réalisé de manière
globale, c’est-à-dire que tous les nuages de points des entités mesurés avec le capteur
laser-plan sont fusionnés avec tous les nuages de points des entités mesurés avec le pal-
peur. Ce processus de fusion est réalisé par une opération d’alignement des trois plans
mesurés avec les deux capteurs afin de corriger l’écart entre les nuages de points issus
des deux capteurs. Ce processus pourrait être amélioré dans les futurs travaux.
L’évaluation des spécifications associées à chaque entité est réalisée sur les nuages de
points correspondants. Les résultats d’évaluation sont comparés aux résultats d’évalua-
tion de référence établis par une mesure avec un palpeur. Les résultats de la démarche
proposée sont conformes au rapport d’inspection de référence. Ceci montre la faisabilité
de la démarche d’inspection combinant un capteur laser-plan et un palpeur que nous
avons proposée.
Nous pouvons souligner que les méthodes que nous avons retenues à chacune des
étapes de la démarche globale sont pertinentes et nécessaires. L’aptitude du capteur
laser-plan à évaluer les spécifications est montrée à travers l’évaluation des spécifications,
dont le nuage de points issu de la mesure avec le capteur laser. L’étape de pré-traitement
du nuage de points est ainsi indispensable pour préparer les nuages de points à l’éva-
luation des spécifications. D’autre part, il est également à noter que l’évaluation des
spécifications utilisant des nuages de points des deux capteurs implique nécessairement
que les deux données doivent être fusionnées.
145
146
Conclusions & Perspectives
Dans un contexte d’inspection dimensionnelle dans laquelle la mesure multi-capteurs

est de plus en plus répondue, nous avons proposé une démarche combinant un capteur
laser-plan avec un palpeur. Le but est de partir du modèle CAO de la pièce portant
les spécifications ainsi que de la connaissance des performances des deux capteurs pour
générer toute la procédure à exécuter qui nous permettra d’obtenir, en sortie, le rapport
d’inspection de la pièce. Dans l’approche proposée, la mesure avec le capteur laser-plan
est privilégiée afin de profiter de ses avantages et en particulier le gain de temps que
cela génère. Dans le cas où les critères de qualité ne permettent pas la mesure avec le
capteur laser-plan, la mesure avec le palpeur est alors mise en œuvre. Nous tirons parti
ici de l’utilisation d’un scanner 3D qui est équipé de deux capteurs. L’originalité de
notre approche réside dans la manière de générer la gamme d’inspection avec ces deux
capteurs de technologie différente.
Afin d’automatiser le processus de planification d’inspection, les données d’inspection
sont identifiées à partir du modèle CAO de la pièce. Cette analyse basée sur la définition
d’entité d’inspection que nous avons introduite, aboutie à la mise en place d’une base
de données qui regroupe les entités d’inspection ainsi que l’ensemble de leurs attributs
nécessaire au processus d’inspection. En parallèle, les données relatives aux performances
des capteurs, évaluées selon le protocole Qualipso sont stockées dans une base de données
des capteurs. À travers la mise en œuvre de ce protocole, nous obtenons la variation des
indicateurs de qualité (bruit et justesse) en fonction de la distance et de l’angle de
numérisation, deux paramètres indispensables pour contrôler le capteur laser-plan dans
la phase de numérisation et plus particulièrement pour définir la trajectoire de mesure.
La mise en place de la démarche passe par la définition des séquences d’opérations
qui sont générées automatiquement en évaluant pour chaque orientation l’aptitude du
capteur laser-plan en premier puis celle du palpeur. L’évaluation de l’aptitude est ef-
fectuée en termes d’accessibilité, d’absence de collision et d’incertitude que l’on peut
raisonnablement associer à la spécification traitée. Pour l’accessibilité, nous nous ap-
147
Conclusions
puyons sur un ensemble minimal d’orientations pour lesquelles l’accessibilité globale des
surfaces avec chaque capteur est vérifiée. Un modèle original basé sur la logique floue est
utilisé pour évaluer l’aptitude du capteur laser-plan à mesurer une surface en lien avec
les spécifications associées. Les résultats de mesure montrent la pertinence des modèles
d’évaluation d’aptitude.
Pour chaque orientation, la trajectoire de chacun des capteurs est définie relative-
ment aux surfaces à mesurer. Dans le cas du capteur laser-plan, nous avons mis en
place une méthode de génération de trajectoires basée sur des niveaux de trajectoire
pour chaque orientation afin de mesurer les surfaces correspondantes avec une qualité
désirée dans un temps de mesure optimal. Ces niveaux de trajectoire, dans lesquels les
séquences de points de passage sont défini, sont générés de telle façon à respecter les
critères de qualité en termes de distance de numérisation. D’autre part, la trajectoire
optimale du palpeur est déterminée pour chaque entité. Afin de réaliser une exécution
automatique des trajectoires sur la machine, nous avons défini la trajectoire combinée
des deux trajectoires permettant la mesure avec le capteur laser-plan puis la mesure
avec le palpeur pour une orientation donnée avant de passer à l’orientation suivante.
Un fichier dit "trajectoire", compatible avec le langage de commande de la machine, est
généré et transmis à la machine pour effectuer la mesure. Partant des bases de données
précédemment créées , la planification et l’exécution de la gamme d’inspection sont ainsi
automatisées.
Dans ce contexte, le traitement des données issues de la mesure multi-capteurs de-
vient une étape majeure du processus d’inspection. En effet, les nuages de points pro-
venant des deux capteurs sont hétérogènes et exprimés dans deux repères différents. Du
fait des différentes caractéristiques des nuages de points, des opérations de traitement
sont alors nécessaires. Le nuage de points issu de la mesure avec le capteur laser-plan
est nettoyé, filtré, et les points aberrants sont supprimés. Suit ensuite une étape de
partitionnement qui aboutit à l’association d’un nuage de point à chaque entité. Une
démarche d’unification est ensuite proposée pour exprimer les coordonnées des points
des deux capteurs dans le même repère. Afin de pouvoir exploiter les données de me-
sure avec les deux capteurs pour l’évaluation des spécifications, nous avons mis en place
une démarche de fusion globale de données basée sur une opération d’alignement. Cette
méthode de fusion simple s’avère pertinente et nous permet de réaliser l’exploitation
des données. Enfin, l’évaluation des spécifications est réalisée sur les nuages de points
148
fusionnés associés à chaque entité. Les résultats d’évaluation démontrent la faisabilité
de la démarche d’inspection multi-capteurs que nous proposons.
Les perspectives de ces travaux concernent chacune des étapes de notre approche
pour lesquelles des améliorations peuvent être apportées. L’une des perspectives à court
terme consiste à finaliser les quelques points manquants pour avoir une automation
globale de la démarche. Il s’agit ici en particulier de finaliser l’extraction des données
depuis le modèle CAO. Le concept d’entité d’inspection a été proposé de telle sorte
que celui-ci soit avec les formats d’échange de données tels que le format ST EP avec
pour perspective d’automatiser l’opération d’identification des données d’inspection à
partir d’un modèle CAO de la pièce sous format ST EP . Pour ce faire, une première
amélioration pourrait être de créer un analyseur syntaxique (en anglais : parser) qui
permet d’extraire les données d’inspection depuis un fichier ST EP et de les stocker
dans la base de données. La base de données peut également être améliorée en intégrant
tous les types d’attributs des entités d’inspection que l’on peut trouver dans la norme
ISO.
L’évaluation des aptitudes des capteurs et la génération de séquences d’opérations
sont effectuées au moyen de paramètres et de valeurs seuils. Ces valeurs sont évaluées
par des tests d’aptitude des capteurs. Elles peuvent être davantage optimisées et un
protocole d’évaluation de ces valeurs peut être envisagé.
Une perspective pourrait être envisager pour réaliser une plateforme logicielle com-
mune pour les deux capteurs afin d’effectuer l’exécution et collecter les résultats de
mesure sur la même plateforme. Les opérations de traitement des nuages de points pro-
venant du capteur laser-plan telles que le nettoyage, le filtrage et le partitionnement
peuvent être automatisées dans les futurs travaux. Une amélioration des algorithmes de
traitement existant dans la littérature est également envisagée pour s’approcher de ce
qui est préconisé dans la norme ISO. Dans un premier temps, la fusion des données est
réalisée par une opération d’alignement de trois plans mesurés avec les deux capteurs.
Elle pourra être améliorée en utilisant la méthode du torseur de petits déplacements
[Bourdet et al., 1996] pour réaliser un déplacement rigide du nuage de points du capteur
laser vers le nuage de points du palpeur.
Sur le long terme, nous proposons deux perspectives :
• L’intégration de nouveaux systèmes de mesure dans la perspective de mesure col-
149
Conclusions
laborative, tels que des capteurs à grands champs de mesure (type Gom). Cela
nécessite la définition de nouveaux indicateurs ou la modification d’indicateurs
existants pour la sélection et l’évaluation de l’aptitude des capteurs. De plus, il
faut tenir compte des capacités de ces nouveaux capteurs dans le processus de
définition de la séquence de mesure. La notion de trajectoire devrait être étudiée
à nouveau pour vérifier si elle est valable ou non.
• La prise en compte du procédé de fabrication de la pièce dans le processus d’ins-

pection. Jusqu’à présent, nous ne considérons que le modèle CAO de la pièce et
les capacités des capteurs, mais pas le processus de fabrication utilisé pour fa-
briquer la pièce. L’objectif est de réfléchir à l’intérêt de prendre en compte ou
non ce paramètre. La connaissance préalable des tendances en termes de dévia-
tions géométriques et/ou dimensionnelles du procédé peut guider la réflexion lors
de la génération de la gamme de mesure, en particulier dans le cas d’un procédé
de fabrication additive avec de fortes déviations des pièces produites. La prise
en compte des modèles de déviation de ces pièces pour accentuer la stratégie de
mesure pourrait être étudiée.
150
Bibliographie
[BS7, 1989] (1989.). Guide to assessment of position, size, and departure from nominal
form of geometric features, the minimum number of points.
[fic, 1998] (1998). Techniques de mesure sur machines à mesurer tridimensionnelles,

transfert d’expériences. Mouvement français pour la qualité, Métrologie grand sud.
[Al-Ahmari et al., 2016] Al-Ahmari, A., Nasr, E. A., and Abdulhameed, O. (2016).
Computer-Aided Inspection Planning : Theory and Practice. CRC Press.
[Albuquerque et al., 2000] Albuquerque, V. A., Liou, F. W., and Mitchell, O. R. (2000).
Inspection point placement and path planning algorithms for automatic cmm inspec-
tion. International Journal of Computer Integrated Manufacturing, 13(2) :107–120.
[Alvarez et al., 2008] Alvarez, B. J., Fernandez, P., Rico, J., Mateos, S., and Suarez,
C. M. (2008). Accessibility analysis for automatic inspection in cmms by using boun-
ding volume hierarchies. International Journal of Production Research, 46(20) :5797–
5826.
[Anwer and Mathieu, 2016] Anwer, N. and Mathieu, L. (2016). From reverse engineering
to shape engineering in mechanical design. CIRP Annals, 65(1) :165 – 168.
[Anwer et al., 2018] Anwer, N., Scott, P. J., and Srinivasan, V. (2018). Toward a clas-
sification of partitioning operations for standardization of geometrical product speci-
fications and verification. Procedia CIRP, 75 :325 – 330. The 15th CIRP Conference
on Computer Aided Tolerancing, CIRP CAT 2018, 11-13 June 2018, Milan, Italy.
[Aslan et al., 1999] Aslan, E., ŞEKER, U., and Alpdemir, N. (1999). Data extraction
from cad model for rotational parts to be machined at turning centres. Turkish Journal
of Engineering and Environmental Sciences, 23(5) :339–348.
[Audfray, 2012] Audfray, N. (2012). Une approche globale pour la metrologie 3D auto-
matique multi-systemes. PhD thesis, Ecole Normale Superieure Paris Saclay.
151
BIBLIOGRAPHIE
[Audfray et al., 2012] Audfray, N., Mehdi-Souzani, C., and Lartigue, C. (2012). As-
sistance to automatic digitizing system selection for 3d part inspection. In ASME
2012 11th Biennial Conference on Engineering Systems Design And Analysis, pages
447–456. American Society of Mechanical Engineers.
[Beg and Shunmugam, 2002] Beg, J. and Shunmugam, M. S. (2002). An object oriented
planner for inspection of prismatic parts – oopipp. The International Journal of
Advanced Manufacturing Technology, 19(12) :905–916.
[Bernard et al., 2007] Bernard, A., Laroche, F., Ammar-Khodja, S., and Perry, N.
(2007). Impact of new 3d numerical devices and environments on redesign and valo-
risation of mechanical systems. CIRP Annals - Manufacturing Technology, 56(1) :143
– 148.
[Bhandarkar and Nagi, 2000] Bhandarkar, M. P. and Nagi, R. (2000). Step-based fea-
ture extraction from step geometry for agile manufacturing. Computers in Industry,
41(1) :3 – 24.
[Boeckmans et al., 2015] Boeckmans, B., Welkenhuyzen, F., Zhang, M., and Kruth, J.-
P. (2015). Determination of aspect ratio limitations, accuracy and repeatability of
a laser line scanning cmm probe. International Journal of Automation Technology,
9(5) :466–472.
[Boeckmans et al., 2014] Boeckmans, B., Zhang, M., Welkenhuyzen, F., Dewulf, W.,
and Kruth, J.-P. (2014). Comparison of aspect ratio, accuracy and repeatability of
a laser line scanning probe and a tactile probe. In 10th IMEKO Symposium : Laser
Metrology for Precision Measurement and Inspection in Industry (LMPMI) 2014.
[Bourdet et al., 1996] Bourdet, P., Mathieu, L., Lartigue, C., and Ballu, A. (1996). The
concept of the small displacement torsor in metrology. Series on advances in Mathe-
matics for Applied Sciences, 40 :110–122.
[Bourdet et al., 2005] Bourdet, P., Thiébaut, F., Lartigue, C., and Breteau, P. (2005).
Evaluation des performances la mesure par capteur optique sur machine à mesurer
tridimensionnelle. Actes de : 12ème Congrès International de Métrologie, pages 183–
189.
152
BIBLIOGRAPHIE
[Chavanne, 2011] Chavanne, R. (2011). Contribution au tolérancement fonctionnel 3D

des mécanismes complexes : synthèse des spécifications et analyse de tolérances. PhD
thesis, École normale supérieure de Cachan-ENS Cachan.
[Cho et al., 2005] Cho, M.-W., Lee, H., Yoon, G.-S., and Choi, J. (2005). A feature-
based inspection planning system for coordinate measuring machines. The Interna-
tional Journal of Advanced Manufacturing Technology, 26(9) :1078–1087.
[Cho et al., 2004a] Cho, M.-W., Lee, H., Yoon, G.-S., and Choi, J.-H. (2004a). A
computer-aided inspection planning system for on-machine measurement — part ii :
Local inspection planning —. KSME International Journal, 18(8) :1358–1367.
[Cho et al., 2004b] Cho, M.-W., Lee, H., Yoon, G.-S., and Choi, J.-H. (2004b). A
computer-aided inspection planning system for on-machine measurement—part ii :
Local inspection planning—. KSME international journal, 18(8) :1358–1367.
[Colosimo et al., 2015] Colosimo, B. M., Pacella, M., and Senin, N. (2015). Multisensor
data fusion via gaussian process models for dimensional and geometric verification.
Precision Engineering, 40 :199 – 213.
[Contri et al., 2002] Contri, A., Bourdet, P., and Lartigue, C. (2002). Quality of 3d digi-
tised points obtained with non-contact optical sensors. CIRP Annals - Manufacturing
Technology, 51(1) :443 – 446.
[Demarsin et al., 2007] Demarsin, K., Vanderstraeten, D., Volodine, T., and Roose, D.
(2007). Detection of closed sharp edges in point clouds using normal estimation and
graph theory. Computer-Aided Design, 39(4) :276 – 283.
[Derigent et al., 2007] Derigent, W., Chapotot, E., Ris, G., Remy, S., and Bernard, A.
(2007). 3d digitizing strategy planning approach based on a cad model. Journal of
computing and information science in engineering, 7(1) :10–19.
[Devireddy, 1999] Devireddy, C. R. (1999). Feature-based modelling and neural

networks-based capp for integrated manufacturing. International Journal of Com-
puter Integrated Manufacturing, 12(1) :61–74.
153
BIBLIOGRAPHIE
[Elkott et al., 2002] Elkott, D. F., Elmaraghy, H. A., and Elmaraghy, W. H. (2002).
Automatic sampling for cmm inspection planning of free-form surfaces. International
Journal of Production Research, 40(11) :2653–2676.
[Gelfand and Guibas, 2004] Gelfand, N. and Guibas, L. J. (2004). Shape segmentation
using local slippage analysis. In Proceedings of the 2004 Eurographics/ACM SIG-
GRAPH symposium on Geometry processing, pages 214–223. ACM.
[Gerbino et al., 2016] Gerbino, S., Del Giudice, D. M., Staiano, G., Lanzotti, A., and
Martorelli, M. (2016). On the influence of scanning factors on the laser scanner-
based 3d inspection process. The International Journal of Advanced Manufacturing
Technology, 84(9) :1787–1799.
[Gestel et al., 2009] Gestel, N. V., Cuypers, S., Bleys, P., and Kruth, J.-P. (2009). A
performance evaluation test for laser line scanners on cmms. Optics and Lasers in
Engineering, 47(3) :336 – 342. Optical Measurements.
[Han et al., 2018] Han, Z., Liu, S., Li, X., Wang, Y., Zhang, X., and Zhang, G.
(2018). Path planning method for intelligent cmms based on safety and the high-
efficiency principle. The International Journal of Advanced Manufacturing Techno-
logy, 95(9) :4003–4012.
[Han et al., 2017] Han, Z., Liu, S., Yu, F., Zhang, X., and Zhang, G. (2017). A 3d
measuring path planning strategy for intelligent cmms based on an improved ant
colony algorithm. The International Journal of Advanced Manufacturing Technology,
93(1) :1487–1497.
[He et al., 2018] He, G., Sang, Y., Pang, K., and Sun, G. (2018). An improved adaptive
sampling strategy for freeform surface inspection on cmm. The International Journal
of Advanced Manufacturing Technology, 96(1) :1521–1535.
[Hoppe et al., 1992] Hoppe, H., DeRose, T., Duchamp, T., McDonald, J., and Stuetzle,
W. (1992). Surface reconstruction from unorganized points, volume 26. ACM.
[Huang and Menq, 2001] Huang, J. and Menq, C.-H. (2001). Automatic data segmen-
tation for geometric feature extraction from unorganized 3-d coordinate points. IEEE
Transactions on Robotics and Automation, 17(3) :268–279.
154
BIBLIOGRAPHIE
[Hwang et al., 2004] Hwang, C.-Y., Tsai, C.-Y., and Chang, C. A. (2004). Efficient
inspection planning for coordinate measuring machines. The International Journal of
Advanced Manufacturing Technology, 23(9) :732–742.
[J. M. Hammersley, 1964] J. M. Hammersley, D. H. (1964). Monte carlo methods. Wi-

ley, pp. 25–42.
[Kamrani et al., 2015] Kamrani, A., Abouel Nasr, E., Al-Ahmari, A., Abdulhameed,
O., and Mian, S. H. (2015). Feature-based design approach for integrated cad and
computer-aided inspection planning. The International Journal of Advanced Manu-
facturing Technology, 76(9) :2159–2183.
[Kim et al., 2001] Kim, Y. S., Wang, E., and Rho, H. M. (2001). Geometry-based machi-
ning precedence reasoning for feature-based process planning. International Journal
of Production Research, 39(10) :2077–2103.
[Kiraci et al., 2016] Kiraci, E., Turley, G. A., Attridge, A., Olifent, A., and Williams,
M. A. (2016). Evaluating the capability of laser scanning to measure an automotive
artefact : a comparison study of touch trigger probe and laser-scanning. International
Journal of Productivity and Quality Management, 18(4) :440–455.
[Kovac et al., 2013] Kovac, P., Rodic, D., Pucovsky, V., Savkovic, B., and Gostimirovic,
M. (2013). Application of fuzzy logic and regression analysis for modeling surface
roughness in face milliing. Journal of Intelligent Manufacturing, 24(4) :755–762.
[Kweon and Medeiros, 1998] Kweon, S. and Medeiros, D. (1998). Part orientations for
cmm inspection using dimensioned visibility maps. Computer-Aided Design, 30(9) :741
– 749.
[Lartigue et al., 2002] Lartigue, C., Contri, A., and Bourdet, P. (2002). Digitised point
quality in relation with point exploitation. Measurement, 32(3) :193 – 203.
[Lartigue et al., 2014] Lartigue, C., Quinsat, Y., Mehdi-Souzani, C., Zuquete Guarato,
A., and Tabibian, S. (2014). Voxel-based path planning for 3D scanning of mechanical
parts. Computer-Aided Design and Applications, pages 220–227.
155
BIBLIOGRAPHIE
[Lee et al., 1997] Lee, G., MOU, J., and Shen, Y. (1997). Sampling strategy design for
dimensional measurement of geometric features using coordinate measuring machine.
International Journal of Machine Tools and Manufacture, 37(7) :917 – 934.
[Lee et al., 2004] Lee, H., Cho, M.-W., Yoon, G.-S., and Choi, J.-H. (2004). A computer-
aided inspection planning system for on-machine measurement — part i : Global
inspection planning —. KSME International Journal, 18(8) :1349–1357.
[Lee et al., 2007] Lee, H. C., Jhee, W. C., and Park, H.-S. (2007). Generative
{CAPP} through projective feature recognition. Computers & Industrial Enginee-
ring, 53(2) :241 – 246. Selected Papers from The 27th. International Conference on
Computers &amp ; Industrial Engineering - Part 2.
[Li et al., 2018] Li, B., Feng, P., Zeng, L., Xu, C., and Zhang, J. (2018). Path planning
method for on-machine inspection of aerospace structures based on adjacent feature
graph. Robotics and Computer-Integrated Manufacturing, 54 :17 – 34.
[Loriot, 2009] Loriot, B. (2009). Automatisation de l’acquisition et des post-traitements

en numérisation 3D. PhD thesis, Université de Bourgogne.
[Mahmud et al., 2011] Mahmud, M., Joannic, D., Roy, M., Isheil, A., and Fontaine, J.-
F. (2011). 3d part inspection path planning of a laser scanner with control on the
uncertainty. Computer-Aided Design, 43(4) :345 – 355.
[Martinez et al., 2010a] Martinez, S., Cuesta, E., Barreiro, J., and Álvarez, B. (2010a).
Analysis of laser scanning and strategies for dimensional and geometrical control. The
International Journal of Advanced Manufacturing Technology, 46(5) :621–629.
[Martinez et al., 2010b] Martinez, S., Cuesta, E., Barreiro, J., and Alvarez, B. (2010b).
Methodology for comparison of laser digitizing versus contact systems in dimensional
control. Optics and Lasers in Engineering, 48(12) :1238 – 1246.
[Martins et al., 2005] Martins, F. A. R., Garcia-Bermejo, J. G., Casanova, E. Z., and
Gonzalez, J. R. P. (2005). Automated 3d surface scanning based on cad model.
Mechatronics, 15(7) :837 – 857.
156
BIBLIOGRAPHIE
[Mehdi-Souzani, 2006] Mehdi-Souzani, C. (2006). Numéerisation 3D intelligente d’ob-

jets de formes inconnues basée sur des critèeres de qualité. PhD thesis, École Normale
Supérieure Paris Saclay.
[Mehdi-Souzani et al., 2016] Mehdi-Souzani, C., Quinsat, Y., Lartigue, C., and Bourdet,
P. (2016). A knowledge database of qualified digitizing systems for the selection of the
best system according to the application. {CIRP} Journal of Manufacturing Science
and Technology, 13 :15 – 23.
[Mehdi-Souzani et al., 2006] Mehdi-Souzani, C., Thiébaut, F., and Lartigue, C. (2006).
Scan planning strategy for a general digitized surface. Journal of computing and
information science in engineering, 6(4) :331–339.
[Mian and Al-Ahmari, 2014] Mian, S. H. and Al-Ahmari, A. (2014). Enhance perfor-
mance of inspection process on coordinate measuring machine. Measurement, 47 :78
– 91.
[Mian and Al-Ahmari, 2017] Mian, S. H. and Al-Ahmari, A. M. (2017). Application

of the sampling strategies in the inspection process. Proceedings of the Institution of
Mechanical Engineers, Part B : Journal of Engineering Manufacture, 231(4) :565–575.
[Mohib et al., 2009] Mohib, A., Azab, A., and ElMaraghy, H. (2009). Feature-based
hybrid inspection planning : A mathematical programming approach. International
Journal of Computer Integrated Manufacturing, 22(1) :13–29.
[Nasr and Kamrani, 2006] Nasr, E. S. A. and Kamrani, A. K. (2006). A new methodo-
logy for extracting manufacturing features from {CAD} system. Computers & Indus-
trial Engineering, 51(3) :389 – 415. Special Issue on Selected Papers from the 34th.
International Conference on Computers and Industrial Engineering (ICC&amp ;IE).
[Petit, 2004] Petit, J.-P. (2004). Spécification Géométrique des produits : méthode d’ana-
lyse de tolérances. Application en conception assistée par ordinateur. PhD thesis,
Université de Savoie.
[Phan, 2019] Phan, N. D. M. (2019). Adaptive scanning strategies for on-machine part
inspection. Theses, Université Paris-Saclay.
157
BIBLIOGRAPHIE
[Phan et al., 2018] Phan, N. D. M., Quinsat, Y., Lavernhe, S., and Lartigue, C. (2018).
Scanner path planning with the control of overlap for part inspection with an in-
dustrial robot. The International Journal of Advanced Manufacturing Technology,
98(1) :629–643.
[Prieto, 2000] Prieto, F. (2000). Métrologie assistée par ordinateur : apport des capteurs
3D sans contact. PhD thesis, École de technologie supérieure.
[Prieto et al., 2002] Prieto, F., Redarce, T., Lepage, R., and Boulanger, P. (2002). An
automated inspection system. The International Journal of Advanced Manufacturing
Technology, 19(12) :917–925.
[Rak, 2016] Rak, M. B. (2016). Fusion of high density low precision and low density high
precision data in coordinate metrology. PhD thesis, Ecole Polytechnique, Montreal
(Canada).
[Rak et al., 2016] Rak, M. B., Wozniak, A., and Mayer, J. (2016). The use of low
density high accuracy (ldha) data for correction of high density low accuracy (hdla)
point cloud. Optics and Lasers in Engineering, 81 :140 – 150.
[Sadaoui, 2016] Sadaoui, S. E. (2016). Dimensional inspection - combining a touch

probe and laser sensor for geometrical specification verification. Master’s thesis, Ecole
Normale Supérieure de Cachan.
[Saunders et al., 2014] Saunders, P., Wilson, A., Orchard, N., Tatman, N., and Ma-
ropoulos, P. (2014). An exploration into measurement consistency on coordinate
measuring machines. Procedia CIRP, 25 :19 – 26. 8th International Conference on
Digital Enterprise Technology - DET 2014 Disruptive Innovation in Manufacturing
Engineering towards the 4th Industrial Revolution.
[Savio et al., 2007] Savio, E., De Chiffre, L., and Schmitt, R. (2007). Metrology of
freeform shaped parts. CIRP Annals-Manufacturing Technology, 56(2) :810–835.
[Schnabel et al., 2007] Schnabel, R., Wahl, R., and Klein, R. (2007). Efficient ransac for
point-cloud shape detection. In Computer graphics forum, volume 26, pages 214–226.
Wiley Online Library.
158
BIBLIOGRAPHIE
[Senin et al., 2012] Senin, N., Blunt, L. A., and Tolley, M. (2012). Dimensional me-
trology of micro parts by optical three-dimensional profilometry and areal surface
topography analysis. Proceedings of the Institution of Mechanical Engineers, Part B :
Journal of Engineering Manufacture, 226(11) :1819–1832.
[Stojadinovic et al., 2016a] Stojadinovic, S. M., Majstorovic, V. D., Durakbasa, N. M.,

and Sibalija, T. V. (2016a). Ants colony optimisation of a measuring path of prismatic
parts on a cmm. Metrology and Measurement Systems, 23(1) :119–132.
[Stojadinovic et al., 2016b] Stojadinovic, S. M., Majstorovic, V. D., Durakbasa, N. M.,

and Sibalija, T. V. (2016b). Towards an intelligent approach for {CMM} inspection
planning of prismatic parts. Measurement, 92 :326 – 339.
[Sugeno and Kang, 1988] Sugeno, M. and Kang, G. (1988). Structure identification of
fuzzy model. Fuzzy Sets and Systems, 28(1) :15 – 33.
[Vafaeesefat and Elmaraghy, 2000] Vafaeesefat, A. and Elmaraghy, H. A. (2000). Au-

tomated accessibility analysis and measurement clustering for cmms. International
Journal of Production Research, 38(10) :2215–2231.
[Wang et al., 2015] Wang, J., Leach, R. K., and Jiang, X. (2015). Review of the mathe-
matical foundations of data fusion techniques in surface metrology. Surface Topogra-
phy : Metrology and Properties, 3(2) :023001.
[Weckenmann et al., 2009] Weckenmann, A., Jiang, X., Sommer, K.-D., Neuschaefer-
Rube, U., Seewig, J., Shaw, L., and Estler, T. (2009). Multisensor data fusion in
dimensional metrology. {CIRP} Annals - Manufacturing Technology, 58(2) :701 –
721.
[Wong et al., 2005] Wong, F. S. Y., Chuah, K. B., and Venuvinod, P. K. (2005). Auto-
mated extraction of dimensional inspection features from part computer-aided design
models. International Journal of Production Research, 43(12) :2377–2396.
[Yau and Menq, 1995] Yau, H.-T. and Menq, C.-H. (1995). Automated cmm path plan-
ning for dimensional inspection of dies and molds having complex surfaces. Interna-
tional Journal of Machine Tools and Manufacture, 35(6) :861 – 876.
159
BIBLIOGRAPHIE
[Yi et al., 2014] Yi, B., Liu, Z., Tan, J., Cheng, F., Duan, G., and Liu, L. (2014). Shape
recognition of cad models via iterative slippage analysis. Computer-Aided Design,
55 :13 – 25.
[Yu et al., 2013] Yu, M., Zhang, Y., Li, Y., and Zhang, D. (2013). Adaptive sampling
method for inspection planning on cmm for free-form surfaces. The International
Journal of Advanced Manufacturing Technology, 67(9) :1967–1975.
[Yuen et al., 2003] Yuen, C., Wong, S., and Venuvinod, P. K. (2003). Development
of a generic computer-aided process planning support system. Journal of Materials
Processing Technology, 139(1–3) :394 – 401. {IMCC2000} Vol. 2 S.I.
[Yuewei et al., 2010] Yuewei, B., Shuangyu, W., Kai, L., and Xiaogang, W. (2010). A
strategy to automatically planning measuring path with cmm offline. In 2010 Inter-
national Conference on Mechanic Automation and Control Engineering, pages 3064–
3067.
[Zadeh, 1975] Zadeh, L. (1975). The concept of a linguistic variable and its application
to approximate reasoning—i. Information Sciences, 8(3) :199 – 249.
[Zahmati et al., 2018] Zahmati, J., Amirabadi, H., and Mehrad, V. (2018). A hybrid
measurement sampling method for accurate inspection of geometric errors on freeform
surfaces. Measurement, 122 :155 – 167.
[Zhao et al., 2013] Zhao, H., Anwer, N., and Bourdet, P. (2013). Curvature-based re-
gistration and segmentation for multisensor coordinate metrology. Procedia CIRP,
10 :112 – 118. The Twelfth CIRP Conference on Computer Aided Tolerancing.
[Zhao et al., 2012] Zhao, H., Kruth, J.-P., Gestel, N. V., Boeckmans, B., and Bleys, P.
(2012). Automated dimensional inspection planning using the combination of laser
scanner and tactile probe. Measurement, 45(5) :1057 – 1066.
[Zhao et al., 2017] Zhao, Y., Wang, Z., Fu, L., Qu, X., Zhang, H., and Liu, C. (2017). A
new method for registration of heterogeneous sensors in a dimensional measurement
system. Measurement Science and Technology, 28(10) :105012.
[Zhao, 2009] Zhao, Y. F. (2009). An Integrated Process Planning System for Machining
and Inspection. Theses, University of Auckland.
160
BIBLIOGRAPHIE
[Zuquete Guarato, 2013] Zuquete Guarato, A. (2013). 3D Metrology of parts with com-
plex shapes by optical sensors : An application for crankshaft balancing. Theses, École
normale supérieure de Cachan - ENS Cachan.
[Zuquete-Guarato et al., 2012] Zuquete-Guarato, A., Mehdi-Souzani, C., Quinsat, Y.,

Lartigue, C., and Sabri, L. (2012). Towards a new concept of in-line crankshaft ba-
lancing by contact less measurement : process for selecting the best digitizing system.
In ASME 2012 11th Biennial Conference on Engineering Systems Design and Analy-
sis, pages 17–25. American Society of Mechanical Engineers.
161
BIBLIOGRAPHIE
162
Annexe
A
Caractéristiques techniques des
capteurs et de la cellule de mesure
163
Annexe A. Caractéristiques techniques des capteurs et de la cellule de mesure
164
Les équipements de mesure sont placés dans une salle de mesure (cellule de mesure)
où la température et l’humidité sont contrôlées et surveillées (Figure. A.1). L’humidité
est d’environ 50% avec une variation de ±5%. Alors que la température est fixée à la
température de référence de 20°C avec ±0.5°C de variation. L’incertitude de mesure due
aux variations des conditions environnementales peut être négligée devant les autres
sources d’incertitude.
Figure A.1 – Cellule de mesure.
Généralement, un système de mesure 3D comprend un système d’acquisition (ou

capteurs) afin d’acquérir des données de mesure, un système de déplacement (ou porteur)
pour déplacer les capteurs et un système de traitement permettant d’obtenir les résultats
de mesure à partir des données mesurées. Une machine à mesurer tridimensionnelle
(M M T ) de marque SEIV Renault, comprenant 3 guidages en translation orthogonaux
(X , Y et Z), est utilisée comme système de déplacement. Elle peut intégrer des capteurs
sans contact ou des capteurs à contact comme des systèmes d’acquisition grâce à une
tête motorisée Renishaw P H10.
Nous utilisons un scanner 3D, comprenant deux types de capteurs, un capteur laser-
plan et un palpeur. Le scanner est monté sur une tête pivotante indexée motorisée
(Renishaw P H10) de la machine M M T (Figure. A.2(a)). La tête pivotante tourne
autour de deux axes, A (axe horizontal) et B (axe vertical) (Figure. A.2(b)). A varie
entre 0° et 105° avec un pas de 7.5° alors que B varie entre −180° et 180° avec un pas
de 7.5°. Les orientations du scanner sont définies par rapport aux deux angles A et B.
Le centre de rotation de la tête pivotante définit le centre de rotation des capteurs.
Le capteur laser-plan utilisé (Kreon Aquilon KA50 ) est le capteur le plus perfor-
165
A
(a) (b)
Figure A.2 – (a) M M T ; (b) Scanner 3D composé d’un capteur laser-plan et un capteur
à contact.
mant de la gamme Kreon, conçu pour répondre aux applications industrielles exigeantes
telles que l’analyse dimensionnelle, le contrôle qualité, le prototypage rapide, la rétro-
conception et l’acquisition des surfaces. Il intègre deux caméras permettant un balayage
maximal de la surface. Les logiciels et contrôleurs suivants sont utilisés avec ce capteur :
Metrolog, ArcoCAD, Capps, DMIS, Metrologic, Renishaw, Pantec. Les spécifications
techniques sont les suivantes :
• Vitesse maximale :1 000 000 Points/seconde
• Longueur maximale de la ligne laser : 50mm ;
Les caractéristiques techniques du scanner ainsi que ses caractéristiques quand il

est monté sur une machine sont présentées dans le Tableau. A.1 et Tableau. A.2. Ces
caractéristiques sont extraites de la fiche technique fournie par le constricteur Kreon.
Les valeurs sont données selon la norme EN/ISO 10360-2 ou VDI 2617 part 6.2 pour
une M M T avec une précision de 2.5 µ m +L/350 ou supérieur.
Le scanner peut intégrer un palpeur avec le capteur laser-plan sans démonter ce
dernier. Un palpeur T P 2 est intégré sur le scanner. Il est caractérisé par une longueur
du stylet de 20mm et un diamètre de la bille de 2mm.
Deux contrôleurs, de type Kreon et Renishaw, sont utilisés pour envoyer les ordres
de mesure et recevoir les signaux de mesure des deux logiciels associés respectivement
au capteur laser-plan et au palpeur. Le contrôleur Renishaw permet également de gérer
les ordres de mouvements de la machine M M T via le serveur (U CCserver). En ce
166
Tableau A.1 – Caractéristiques du scanner.
Caractéristique Valeur
Résolution de ligne 25 µm
Distance morte 60 mm
Profondeur du champ 75 mm
Compensation de température Oui
Fréquence max 500 Hz
Erreur de palpage 5 µm
Test multi-orientation 15 µm
Tableau A.2 – Caractéristiques sur machine.
Caractéristique Description
Interface machine Bras articulés, CNC, Machine outils, MMT manuelles et pilotées
Compatibilité du palpeur
sous le scanner Palpeur rigide, Renishaw TP2/20/200
Compatibilité Renishaw MIH,PH10T, PH10M, Mq Multiwire et IS1-2
Connexion PC USB
qui concerne les logiciels, la mesure avec le capteur laser-plan est gérée par le logiciel
P olygonia (Kreon) et celle avec le palpeur est gérée par M odus (Renishaw).
167
168
Annexe
B
Qualification des capteurs
169
Annexe B. Qualification des capteurs
170
B.1. Caractérisation de la fenêtre de mesure F OV du capteur laser-plan
Le scanner 3D est composé d’un capteur laser-plan et un palpeur. Selon un protocole

d’évaluation des performances des capteurs optiques (Qualipso) développé au laboratoire
[Audfray, 2012], nous nous sommes intéressés en premier lieu à la caractérisation de la
fenêtre de mesure (Field of View FOV ) ainsi que ses dimensions. Des indicateurs de
qualité tels que le bruit et la justesse puis les erreurs de changement d’orientation et de
remise en position du capteur sont ensuite évaluées.
Le capteur à contact est un palpeur à déclenchement T P 2. La qualification de la

performance du palpeur s’effectue par évaluation de la répétabilité de mesure dans les
différentes directions de déclenchement.
B.1 Caractérisation de la fenêtre de mesure F OV du capteur

laser-plan
Le but de cette section est de déterminer les dimensions de la F OV , puis de carac-

tériser l’anisotropie de la fenêtre de mesure qui est généralement due à l’anisotropie des
caméras CCD (Charge Coupled Device).
La conception du capteur est telle que celui-ci est incliné d’un angle γ constant par
rapport à l’axe Z de la M M T (Figure. B.1(a)), ce qui conduit à l’inclinaison de la ligne
laser dans la fenêtre de mesure (Figure. B.1(b)). Afin de déterminer la valeur de l’angle
d’inclinaison, des cales étalons sont intercalées au-dessous d’une règle Sinus comme le
montre la Figure. B.1(a). L’angle γ est obtenu lorsque la ligne laser devient horizontale
dans la fenêtre de mesure ; il est calculé selon la formule suivante :
h
γ = sin−1 ( ) (B.1)
l
Ou : l = 200mm est la longueur de la règle sinus, et h la hauteur de la cale étalon qui
correspond à une ligne laser horizontale dans la fenêtre de mesure. Pour notre étude h =
38.6mm, ce qui correspond à un angle γ = 11.13°. Cette inclinaison est caractéristique
du capteur, indépendamment de la configuration capteur /pièce.
Pour déterminer la hauteur de la fenêtre de mesure, nous déplaçons la ligne laser

dans les limites de la fenêtre de mesure. Dans un premier temps, la ligne est en bas de la
fenêtre (Figure. B.2(a)), ce qui correspond à une altitude Z1 = −319.114. En déplaçant
le capteur vers le haut, la ligne laser se déplace aussi jusqu’à la limite supérieure de la
171
(a) Angle d’inclinaison du cap- (b) Inclinaison de la ligne laser dans la

teur dans l’espace de travail fenêtre de mesure
Figure B.1 – Inclinaison γ du capteur.
fenêtre (Figure. B.2(b)), cette configuration correspond à une altitude Z2 = −361.802.

0
Le déplacement du capteur selon l’axe Z est alors la différence des deux altitudes H =
Z1 − Z2 = 42.688mm. La hauteur de la fenêtre H est calculé suivant la formule :
0
H = H .cos(γ) = 41.87mm (B.2)
Étant donnée l’inclinaison de la ligne laser dans la fenêtre de mesure, nous proposons
de réduire la hauteur de la fenêtre à L = 39mm pour s’assurer que la ligne laser ap-
partienne complètement à la fenêtre de mesure. La distance de numérisation est définie
comme la distance entre le centre de rotation du capteur et la surface à numériser. Pour
que la réflexion de la ligne laser soit visible par le capteur laser-plan, cette distance de
numérisation d doit être dans un intervalle [dmin , dmax ] (Figure. B.3).
(a) Ligne laser en bas de la fenêtre de (b) Ligne laser en haut de la fenêtre de
mesure mesure
Figure B.2 – Ligne laser le long de la fenêtre de mesure.
Selon le protocole QualiPSO [Audfray, 2012], la caractérisation de l’anisotropie de

la fenêtre de mesure consiste à visualiser l’allure générale des écarts géométriques des
172
B.1. Caractérisation de la fenêtre de mesure F OV du capteur laser-plan
Mi Centre de rotation
Capteur laser
dmax=230mm
dmin=191mm
L1= 21mm
H=39mm
L2= 35mm
Figure B.3 – Dimensions de la fenêtre de mesure et les distances de numérisation..
points numérisés dans différentes positions de la fenêtre de mesure.
Le capteur est mis en position fixe. En déplaçant une surface plane le long de la fe-
nêtre de mesure (par ajout des cales-étalons, Figure. B.4(a)), dix lignes sont numérisées
(Figure. B.4(b)). Un plan des moindres carrés a été associé à l’ensemble des lignes nu-
mérisées. La visualisation des écarts des nuages de points par rapport à ce plan montre
l’anisotropie de la fenêtre (Figure. B.4(b)). Les écarts de forme obtenus sont dûs princi-
palement à la calibration interne du capteur, il peut attendre jusqu’à 20µm sur les bords
de la fenêtre de mesure.
(a) (b)
Figure B.4 – (a) Caractérisation de la fenêtre de mesure [Audfray, 2012] ; (b) : Profil de
la fenêtre de mesure dans le plan XoZ.
173
B.2 Évaluation du bruit et de justesse de mesure du capteur

laser-plan
B.2.1 Évaluation du bruit
Comme le bruit de numérisation ne fait pas l’objet d’une norme, un indicateur δ a

été proposé [Audfray, 2012]. Il permet d’évaluer la dispersion des points numérisés par
rapport à un élément théorique, généralement un plan (Figure. B.5) :
v
u n
u1 X
δ =k·σ =k· t · (ei − e¯i )2 (B.3)
n i=1
Où ; ei sont les écarts des points par rapport à l’élément théorique associé, e¯i est
la moyenne des écarts, n est le nombre de points et k est un facteur d’élargissement
(généralement égal à 1). Dans le cas d’une association d’un plan avec le critère des
moindres carrés, e¯i est nulle.
Plan mesuré Elément théorique associé
ei
ei
Mesure
Artefact
Figure B.5 – Évaluation du bruit de mesure.
Le bruit de numérisation dépend fortement de la stratégie de numérisation en par-

ticulier de la distance et de l’angle de numérisation. Le protocole QualiPSO a été mis
en œuvre avec différentes configurations afin d’évaluer l’influence de la distance et de
l’angle de numérisation sur le bruit.
En gardant le même angle de numérisation, et en déplaçant le capteur pour modifier
la distance de numérisation le long de la fenêtre de mesure, nous obtenons les résultats
d’évaluation du bruit en fonction de la distance de numérisation reportés en Figure. B.6.
Afin d’évaluer le bruit en fonction de l’angle de numérisation, le bruit a été évalué en
modifiant l’angle de numérisation et en gardant une distance de numérisation fixe (celle
qui présente un minimum de bruit). Les résultats d’évaluation du bruit en fonction de
l’angle de numérisation sont reportés dans la Figure. B.7.
Les résultats obtenus mettent en avant que le bruit est plus faible pour une distance
de numérisation qui correspond au milieu de la fenêtre de mesure par rapport au bruit
174
B.2. Évaluation du bruit et de justesse de mesure du capteur laser-plan
Bruit en fontion de la distance de numérisation

0.013
0.012
0.011
0.01
bruit (mm)
0.009
0.008
0.007
0.006
0.005
190 195 200 205 210 215 220 225 230 235
Figure B.6 – Bruit en fonction de distance de numérisation.

0.02
0.018
0.016
0.014
bruit (mm)
0.012
0.01
0.008
0.006
0.004
0.002
0 10 20 30 40 50 60 70 80 90
Figure B.7 – Bruit en fonction de l’angle de numérisation.
obtenu pour une distance de numérisation qui correspond aux bords de la fenêtre. Avec
la même distance de numérisation, plus l’angle augmente, plus le bruit est important.
B.2.2 Évaluation de la justesse
La justesse de mesure est évaluée par la mesure d’une distance connue entre deux
éléments, l’erreur de justesse étant définie par la différence entre la valeur mesurée et
la valeur considérée comme vraie de cette distance. Dans le cas d’une mesure d’une
distance entre deux plans, la justesse est définie comme suit (Figure. B.8) :
h1 + h2 1 −
−−−−−
→ − −−
→ −
−−−−−
→ − −−
→
e= − h0 = · ( A1 A2 · N1 + A2 A1 · N2 ) − h0 (B.4)
2 2
175
Où ; A1 est le barycentre du nuage de points du plan 1, A2 est le barycentre du nuage

de points du plan 2, N1 est la normale du plan des moindres carrés associé au nuage de
points du plan 1, N2 est la normale du plan des moindres carrés associé au nuages de
point du plan 2 et h0 est la distance de référence (certifiée).
Plans mesurés N2
N2
Évaluation de la h1
A2 N1
h2
N1 justesse
Mesure
h0 A2 A1
Artefact A1
e
Figure B.8 – Calcul des défauts de justesse sur une hauteur de marche.
La justesse a été évaluée en fonction de la distance de numérisation par rapport au

plan inférieur (Figure. B.9(a)). Le test d’évaluation est réalisé sur deux marches certifiées
de hauteur H1 = 4.99996mm et H2 = 19.99994mm. Les résultats de la Figure. B.9(b)
montrent que l’erreur de justesse peut atteindre jusqu’à 20µm. Elle est minimale à une
distance de numérisation optimale.
Justesse en fontion de la distance de numérisation

0.02
Marche 5mm
0.018 Marche 20mm
0.016
0.014
Justesse en(mm)
0.012
0.01
0.008
0.006
0.004
0.002
200 205 210 215 220 225 230 235
(a) Dimensions certifiées des marches (b) Résultats (|e|)
Figure B.9 – Justesse en fonction de la distance de numérisation sur une marche de 5 et

20mm.
Dans son travail, [Audfray, 2012] a proposé une évaluation de la justesse dite relative
sur un artefact de référence. Elle est évaluée comme la différence entre la position calculée
d’une surface numérisée et sa position théorique. Dans les calculs de la justesse relative,
le plan numérisé à une distance optimale qui correspond au milieu de la fenêtre de mesure
176
B.3. Évaluation des erreurs de remise en position et de changement d’orientations
du capteur laser-plan
a été choisi comme plan de référence, car le bruit est minimal dans cette configuration.
Les résultats sont reportés dans la Figure. B.10.
0.025
0.02
justesse relative en mm
0.015
0.01
0.005
0
190 195 200 205 210 215 220 225 230 235
Distance de numérisation en mm
Figure B.10 – Justesse relative (|e|) en fonction de la distance de numérisation.
En conclusion de cette partie de l’évaluation du bruit et de la justesse, nous pro-

posons de mesurer avec une configuration où la ligne laser est placée au milieu de la
fenêtre de mesure et le faisceau laser est perpendiculaire à la surface à mesurer (angle
de numérisation faible) afin d’avoir de meilleures performances de mesure.
B.3 Évaluation des erreurs de remise en position et de chan-

gement d’orientations du capteur laser-plan
D’autres indicateurs de performance ont été étudiés tels que l’évaluation de l’erreur
de remise en position du capteur. Cette erreur caractérise le défaut de recalage des nuages
de points mesurés avec la même orientation, mais une remise en position du capteur est
effectuée entre deux numérisations successives sans effectuer une nouvelle calibration.
Pour évaluer ce défaut, la sphère d’étalonnage a été numérisée dix fois dans une orienta-
tion calibrée, puis dix fois en ayant réalisé une première remise en position du capteur,
et enfin dix fois en ayant réalisé une seconde remise en position (Figure. B.11(a)). Pour
chaque numérisation, une sphère des moindres carrés est associée.
Le barycentre Cmoy des dix premières sphères est évalué. Les distances entre les
centres des sphères pour chaque numérisation et le barycentre Cmoy sont ensuite calculées
(Figure. B.11(b)). Les résultats montrent que les erreurs de remise en position peuvent
177
atteindre jusqu’à 12µm. La répétabilité pour une orientation (écart type σ = 0.001mm
des distances calculées pour une seule orientation) est faible par rapport à celle pour les
trois orientations ensemble (écart type σ = 0.004mm de toutes les distances).
Evaluation des défauts de remise en position du capteur laser-plan

0.014
Orientation 1 calibrée
1er remise en position
2eme remise en position
0.012
Distance au barycentre Cmoy (mm)

0.01
0.008
0.006
0.004
0.002
0
1 2 3 4 5 6 7 8 9 10
(a) (b) Orientation 2 (A90B90)
Figure B.11 – (a) Remise en position du capteur laser-plan [Audfray, 2012] ; (b) Résultats
d’évaluation des erreurs de remises en position.
L’erreur de changement d’orientations représente l’erreur de calibration externe qui

caractérise les erreurs causées par l’utilisation de plusieurs orientations lors de la me-
sure d’un même élément de référence. La sphère d’étalonnage a été mesurée cinq fois
pour chacune des trois orientations du capteur (Figure. B.12), chaque orientation étant
calibrée. Les distances entre chaque centre de sphères calculé au barycentre des cinq pre-
mières acquisitions sont calculées (Figure. B.13). Les résultats montrent que les erreurs
de changement d’orientations peuvent atteindre jusqu’à 20µm.
(a) Orientation 1 (b) Orientation 2 (c) Orientation 3 (A90B −

(A0B0) (A90B90) 90)
Figure B.12 – Configurations du capteur pour l’évaluation des erreurs de changement

d’orientations.
178
B.4. Évaluation des performances du palpeur à contact
Evaluation de la calibration externe du capteur laser-plan
Distance au barycentre des 5 premières acquisitions(mm)

0.025
Orientation 1: A0B0
Orientation 2: A90B90
Orientation 3: A90B-90
0.02
0.015
0.01
0.005
0
1 1.5 2 2.5 3 3.5 4 4.5 5
Figure B.13 – Évaluation des erreurs de changement d’orientations du capteur laser-plan.
Ces deux erreurs dues au changement d’orientation et de remise en position du

capteur sont significatives. Par conséquent, limiter le nombre d’orientations des capteurs
dans la planification de la gamme d’inspection est à prendre en compte pour améliorer
la qualité de mesure.
B.4 Évaluation des performances du palpeur à contact
L’évaluation des performances du capteur à contact consiste principalement à évaluer

la répétabilité. Cette évaluation a été effectuée dans les trois directions d’accostage
X, Y et Z. Le même point a été acquis 30 fois selon la même direction d’accostage
(Figure. B.14). La moyenne, le minimum, le maximum des coordonnées des points ainsi
que l’écart type sont évalués. Les résultats sont représentés dans le Tableau. B.1.
Figure B.14 – Principe d’évaluation de la répétabilité de mesure du palpeur T P 2 dans

les trois directions.
179
Tableau B.1 – Résultats d’évaluation de la répétabilité de mesure du TP2 dans les trois
directions.
La moyenne L’écart type Min Max

Selon X -292.6194 4.9013 10˙−4 -292.6200 -292.6190
Selon Y -145.7997 5.8329 10˙−4 -145.8010 -145.7990
Selon Z -214.7570 ˙
1.1563 10−13 -214.7570 -214.7570
180
Annexe
C
Programme d’exécution de la gamme
d’inspection de la pièce test
181
Annexe C. Programme d’exécution de la gamme d’inspection de la pièce test
182
183
184
185
186
187
188
189
190
Annexe
D
Rapport d’inspection de référence de
la pièce test
191
Annexe D. Rapport d’inspection de référence de la pièce test
192
ZEISS Calypso C32BitMMT
Date 23 Avril 2019 Date de création 28 Mars 2019 16:43:53
Plan de contrôle
ENS PARIS SACLAY PIECE
Nom Commande Affaire N° Pièce
PERRIER 2019-001084 44301 1
Remarque:
15:32:28 00:00:00,0
Val. réelle Val. nom. Tol. Sup. Tol. Inf. Ecart
Résultat total
Toutes les caractéristiques : 63
Hors tolérance : 1
Au-dessus de la limite d´avertissement : 0
Pas calculé : 0
1 - 15 # TROU A #
14.826 15.000 -0.174
1 - 15 # TROUS B #
14.826 15.000 -0.174
1 - 15 # TROUS C #
14.825 15.000 -0.175
1 - 15 # TROUS D #
14.824 15.000 -0.176
2 - 15
MESURE: 15.15
3 - Forme surface 0.2 |--
0.075 0.000 0.200 0.075
4 - Localisation 0.1 - A |--

0.028 0.000 0.100 0.028
5 - Ø16 -0.059
15.841 16.000 0.100 -0.100 -0.159
6 - Concentricité 0.15 - E |-
0.011 0.000 0.150 0.011
1
193
Nom Pièce Opérateur Heure Date

ENS PARIS SACLAY PIECE Master 15:32:28 23 Avril 2019
7 - Ø9 |-
9.006 9.000 0.050 -0.050 0.006
8 - Localisation 0.1 - A - B - C |-
0.024 0.000 0.100 0.024
9 - 10
9.988 9.000 0.988
10 - Ø20 -|
19.989 20.000 0.100 -0.100 -0.011
11 - Perpendicularité 0.1 - C |-
0.022 0.000 0.100 0.022
12 - 10
9.902 9.906 -0.004
13 - 20
20.004 20.005 -0.001
14 - 35 --|
34.950 35.000 0.100 -0.100 -0.050
15 - Symétrie 0.25 - D |-
0.002 0.000 0.250 0.002
16 A - Ø10 H8 --|
10.008 10.000 0.022 0.000 0.008
16 B - Ø10 H8 --|
10.008 10.000 0.022 0.000 0.008
16 C - Ø10 H8 -|
10.009 10.000 0.022 0.000 0.009
2
194
16 D - Ø10 H8 --|
10.006 10.000 0.022 0.000 0.006
17 - Perpendicularité 0.1 - A # TROU A # |

0.000 0.000 0.100 0.000
17 - Perpendicularité 0.1 - A # TROU B # |

0.001 0.000 0.100 0.001
17 - Perpendicularité 0.1 - A # TROU C # |

0.001 0.000 0.100 0.001
17 - Perpendicularité 0.1 - A # TROU D # |

0.001 0.000 0.100 0.001
18 - Localisation 0.2 - A - B - C # TROUS A # |-

0.020 0.000 0.200 0.020
18 - Localisation 0.2 - A - B - C # TROUS B # |-

0.029 0.000 0.200 0.029
18 - Localisation 0.2 - A - B - C # TROUS C # |--

0.075 0.000 0.200 0.075
18 - Localisation 0.2 - A - B - C # TROUS D # |-

0.029 0.000 0.200 0.029
19 - 20 |-
20.009 20.000 0.050 -0.050 0.009
20 - 100
100.014 100.000 0.014
21 - 65 # ENTRE TROUS A ET D # |-
65.002 65.000 0.050 -0.050 0.002
3
195

21 - 65 # ENTRE TROUS B ET C # |-
65.002 65.000 0.050 -0.050 0.002
22 - Perpendicularité 0.05 - A - B |-
0.004 0.000 0.050 0.004
23 - 10 |-
10.005 10.000 0.050 -0.050 0.005
24 - 10 |-
10.008 10.000 0.050 -0.050 0.008
25 - 120
120.026 120.000 0.026
26 - 85 |--
85.015 85.000 0.050 -0.050 0.015
27 - 80 # ENTRE TROUS A ET B # |-
80.005 80.000 0.050 -0.050 0.005
27 - 80 # ENTRE TROUS C ET D # |-
80.010 80.000 0.050 -0.050 0.010
28 - 50
50.091 50.000 0.091
29 - 29
28.963 29.000 -0.037
30 - R6
5.994 6.000 -0.006
31 - 55 # DU Ø9 # |-
55.005 55.000 0.050 -0.050 0.005
4
196
31 - 55 # SPHERE # |
54.996 54.998 0.050 -0.050 -0.001
32 - Ø20 ---|
19.930 20.000 0.100 -0.100 -0.070
33 - Localisation 0.1 - A - B - C |--

0.045 0.000 0.100 0.045
34 - Planéité 0.1 |-
0.002 0.000 0.100 0.002
35 - 8
8.194 8.000 0.194
36 - 20 # DU Ø30 #
19.972 20.000 -0.028
36 - 20 # DU Ø20 #
19.979 20.000 -0.021
37 - 30 DU Ø30
29.978 30.000 -0.022
37 - 30 DU Ø20
29.978 30.000 -0.022
38 - 45
44.893 44.896 -0.003
39 - Perpendicularité 0.1 - A |-
0.002 0.000 0.100 0.002
40 - Forme surface 0.15 |-

0.011 0.000 0.150 0.011
5
197

41 - R15
14.988 15.000 -0.012
43 - R13.33
13.453 13.330 0.123
42 - 40
40.065 40.000 0.065
44 - Ø30 -|
29.990 30.000 0.100 -0.100 -0.010
45 - Concentricité 0.2 - F |-
0.014 0.000 0.200 0.014
6
198
199
Titre :Inspection dimensionnelle - Une approche multi-capteurs pour la vérification des spécifications
géométriques
Mots clés : Inspection dimensionnelle, Métrologie 3D, Mutli-capteurs, Capteur laser-plan, Palpeur à contact,
Trajectoire, Gamme d’inspection, Automatisation, Machine à mesurer tridimensionnelle (M M T )
Résumé : plan dès lors que la qualité requise est obtenue pour
L’inspection dimensionnelle, qui consiste à vérifier un gain de temps. L’approche consiste à définir une
la conformité géométrique des pièces vis-à-vis des séquence d’opérations de mesure de surfaces qui
spécifications, est une étape essentielle dans le cycle portent des spécifications, appelées entités d’inspec-
de vie des produits. Elle s’appuie de plus en plus tion.
sur la mesure multi-capteurs qui permet un gain de Partant d’un ensemble d’orientations du scanner, la
temps certain. Néanmoins, le gain de temps n’a de séquence d’opérations est établie pour chaque orien-
sens que si la qualité des résultats respecte le besoin tation par évaluation de l’aptitude du capteur laser
métrologique. En effet, la mise en œuvre combinée puis celle du palpeur à mesurer les surfaces avec
de capteurs de technologie et de caractéristiques la qualité nécessaire. La gamme d’inspection est
différentes engendre un certain nombre de problèmes complétée par la définition optimale de la trajectoire
qui affectent directement la qualité de la mesure. du capteur laser-plan et celle du palpeur pour chaque
Dans ce travail, une approche d’inspection automa- orientation. La trajectoire finale exécutée sur machine
tique utilisant un scanner combinant un capteur à M M T est obtenue par transformation et assemblage
contact avec un capteur laser-plan monté sur une des deux trajectoires. À l’issue de l’exécution, la me-
M M T est proposée. Cette approche cherche à uti- sure avec les deux capteurs conduit à deux nuages
liser au mieux les capacités de chacun des cap- de points hétérogènes qu’il convient de traiter avant
teurs, en privilégiant la mesure avec le capteur laser- l’évaluation finale des spécifications.
Title : Dimensional inspection - Multi-sensor approach for geometrical specification verification

Keywords : Dimensional inspection, 3D Metrology, Multi-sensor, Laser-plan sensor, Touch probe, Path, Ins-
pection plan, Automation, Coordinate measuring machine (CM M )
Abstract : obtained for time saving. The approach consists in de-
Dimensional inspection, which consists in verifying fining a sequence of surface measurement operations
the geometric conformity of parts in terms of speci- that have specifications, called inspection features.
fications, is an essential step in the product life cycle. Starting from a set of scanner orientations, the se-
Recently, dimensional inspection has been increasin- quence of operations is established for each orienta-
gly based on multi-sensor measurement that allows a tion by evaluating the ability of the laser sensor and
significant time saving. However, time saving is only then that of the probe to measure surfaces with the
meaningful if the quality of the results respects the required quality. The inspection plan is completed by
metrological requirements. Indeed, the combined use the optimal definition of the laser-plane sensor path
of sensors of different technologies and characteris- and the probe path for each orientation. The final path
tics generates issues that affect the measurement executed on the CM M machine is obtained by trans-
quality. In this work, an automatic inspection approach forming and assembling the two paths. At the end of
using a scanner combining a contact sensor with a the execution, the measurement with the two sensors
laser-plane sensor mounted on a CM M is proposed. leads to two heterogeneous point clouds that must be
This approach aims to best use the abilities of each of processed before the final evaluation of the specifica-
the sensors, giving priority to measurement with the tions.
laser-plan sensor as soon as the required quality is
Université Paris-Saclay
Espace Technologique / Immeuble Discovery
Route de l’Orme aux Merisiers RD 128 / 91190 Saint-Aubin, France

SADAOUI 2019 Archivage

Transféré par

Droits d'auteur :

Formats disponibles

SADAOUI 2019 Archivage

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

SADAOUI 2019 Archivage

Transféré par

Droits d'auteur :

Formats disponibles

Inspection dimensionnelle - Une approche multi-capteurs

pour la vérification des spécifications géométriques

To cite this version:

HAL Id: tel-02186114

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

Inspection dimensionnelle - Une

Ecole doctorale n◦ 579 Dénomination (SMEMAG)

Thèse présentée et soutenue à Cachan, le 09 Juillet 2019, par

SIF EDDINE SADAOUI

Table des matières iii

Table des figures vii

Liste des tableaux xv

1.8 Synthèse et Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . 37

2 Génération des séquences d’opérations 43

3 Planification des trajectoires et exécution 91

3.2 Approche proposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

4 Traitement des données pour l’évaluation des spécifications 125

Conclusions & Perspectives 147

A Caractéristiques techniques des capteurs et de la cellule de mesure 163

B Qualification des capteurs 169

C Programme d’exécution de la gamme d’inspection de la pièce test 181

D Rapport d’inspection de référence de la pièce test 191

1.1 Processus général d’inspection 3D multi-systèmes [Audfray, 2012]. . . . . 9

1.2 Densité et temps de mesure avec un capteur laser-plan et un palpeur

1.3 Inspection dimensionnelle combinant un palpeur et un capteur laser-plan

1.4 Évaluation du bruit de mesure. . . . . . . . . . . . . . . . . . . . . . . . 12

1.5 Évaluation de la justesse de mesure entre deux plans [Audfray, 2012]. . . 13

1.6 Distance et angles de numérisation [Audfray, 2012]. . . . . . . . . . . . . 13

1.7 Bruit en fonction de distance de numérisation (capteur laser-plan de type

1.8 Évaluation du bruit en fonction de distance de numérisation [Audfray,

1.9 Évaluation du bruit en fonction de l’angle de numérisation [Audfray, 2012,

1.10 (a) Représentation du Rapport de Largeur Maximale Mesurée (RLMM)

1.11 Évolution de l’accessibilité d’un cylindre intérieur en fonction du nombre

1.12 Classification des systèmes en fonction de leur résolution et de leur éten-

1.13 Principe du choix du système de mesure [Mohib et al., 2009]. . . . . . . . 22

1.14 Définition de la trajectoire du capeur laser-plan [Lartigue et al., 2014]. . . 23

1.16 Planification des trajectoires du capteur laser-plan [Mahmud et al., 2011]

2.1 Génération des séquences d’opérations. . . . . . . . . . . . . . . . . . . . 45

2.5 Bruit en fonction de l’angle de numérisation. . . . . . . . . . . . . . . . . 49

2.29 Aptitude du capteur laser-plan en fonction de l’incertitude du capteur et

3.1 Deuxième étape de l’approche globale d’inspection. . . . . . . . . . . . . 93

3.6 (a) Fenêtre de mesure F OV ; (b) Plage de distances de numérisation . . . 98

A.1 Cellule de mesure. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

B.1 Inclinaison γ du capteur. . . . . . . . . . . . . . . . . . . . . . . . . . . . 172

2.1 Résultats d’évaluation de la répétabilité de mesure avec un palpeur T P 2

3.1 Nombre de points de mesure pour chaque type d’entité . . . . . . . . . . 108

4.1 Résultats de mesure avec les deux capteurs. . . . . . . . . . . . . . . . . 135

A.1 Caractéristiques du scanner. . . . . . . . . . . . . . . . . . . . . . . . . . 167

B.1 Résultats d’évaluation de la répétabilité de mesure du TP2 dans les trois

L’inspection dimensionnelle, qui consiste en la vérification des spécifications géo-

de la gamme d’inspection, l’exécution de la gamme et l’évaluation des spécifications. La

spécifications et générer le rapport d’inspection. Les résultats d’évaluation sont ensuite

Le processus d’inspection consiste à vérifier si la géométrie de la pièce fabriquée se

1.2 Inspection dimensionnelle multi-capteurs

Dans le cycle de fabrication, le processus d’inspection dimensionnelle est une étape

Traditionnellement, le processus d’inspection s’appuie sur la mesure effectuée à l’aide

processus d’inspection est une préoccupation majeure.

une approche globale d’inspection 3D multi-systèmes qui se compose de quatre étapes