fusion multisensorielle et teleoperation application un robot mobile ...

4th International Conference on Computer Integrated Manufacturing CIP’2007
03-04 November 2007
Fusion Multi-sensorielles et Téléopération :
Application à un Robot Mobile Manipulateur
A.Rahiche, B.Bouzouia
Division Productique et Robotique, Centre de développement des technologies avancées,
CDTA, Baba Hassan, Alger, Algérie.
a_rahiche@yahoo.fr, bbouzouia@cdta.dz
Résumé. Cet article présente les résultats de l’implémentation
et la mise en oeuvre expérimentale du système de téléopération
du Robot mobile Manipulateur ROBUTER_ULM. Ce système
permet à un opérateur se trouvant éloigné physiquement du site
d’opération, et qui n’est pas forcément un expert, de manipuler à
distance le robot, tout en envoyant des consignes et en recevant
les images vidéos du site d’opération issues d’une caméra
installée sur la pince du robot et les informations concernant
l’état du robot proviennent des différents capteurs extéroceptifs
et proprioceptifs installés sur ce dernier.
Mots clefs : Téléopération, fusion multi sensorielle, vision
artificielle, calibration de caméra, traitement d`image.
I. INTRODUCTION
Le terme téléopération est composé de deux mots, « télé »
de racine grecque signifie à distance, et le mot latin
« opération » qui désigne l’exécution d’une certaine tâche. La
téléopération désigne donc une mode d’exécution d’une tâche,
d’une action, d’un mouvement ou d’un travail à distance [1].
En robotique, la téléopération, appelée aussi télérobotique,
désigne les principes et les techniques qui permettent à un
opérateur humain d’accomplir une tâche à distance, à l’aide
d’un système robotique d’intervention, commandé à partir
d’une station de contrôle, par l’intermédiaire d’un canal de
transmission (Fig.1).
Opérateur
humain
Visualisation
Consignes
Canal de
Transmission
Mesures
Commande
Robot
téléopéré
Fig. 1. Structure du système de téléopération.
nucléaire [4][5], le domaine militaire, le domaine spatial
[6][7], le domaine médical [8][9].
Dans cet article on va présenter le travail qu’on a fait. Dans
le premier paragraphe (vue précédemment) on a donné une
introduction avec quelques définitions, dans le deuxième
paragraphe nous présentons l’architecture de notre système de
téléopération établi en détaille. Le troisième paragraphe sera
consacré à la modélisation du robot mobile manipulateur. Un
quatrième paragraphe éclaire la modélisation et la calibration
de la caméra CCD utilisée, un cinquième paragraphe sera
consacré aux résultats obtenus, et on terminera par une
conclusion résumant le travail effectué.
II. ARCHITECTURE DU SYSTEME DE ELEOPERATION
L’architecture de notre système de téléopération vis-à-vis
du matériel disposé et exigences imposées est la suivante :
Utilisateur
Visualisation
Consigne
Transmission
HF
Caméra
Interface
homme
machine
Récolte des mesures
Communication
TCP/IP
PC Client
Wireless LAN (Liaison Client
Serveur)
Communication
TCP/IP
La téléopération est un axe de recherche actuel, elle suscite
beaucoup d’intérêts et trouve son application dans diverses
disciplines et activités de la vie moderne. Elle concerne la
réalisation de travaux dépassant les capacités physiques de
l'homme tels que la manipulation d'objets lourds, ou
présentant un danger (cas de robots industriels), ou bien des
travaux qui sont réalisés sur des sites inconnues ou hostiles à
l'homme (tels que: les robots d’exploration martiens [2],
robots industriels, les robots sous marins [3], les robots
permettant la détection et la réparation de fissures dans des
conduits radioactifs, les robots chirurgiens, les robots destinés
à l’exploration de l’univers, etc...). On peut citer les grands
domaines d’application de la téléopération : le domaine
ROBUTER-ULM
Commande bas
niveau
PC embarqué
Serveur
Fig. 2. Structure détaillée du système de téléopération.
Notre système de téléopération est composé d’un PC hôte
distant et d’un robot mobile manipulateur équipé d’un PC
embarqué communiquant entre eux par une liaison réseau sans
fil de type client serveur en utilisant le protocole de
communication Internet TCP/IP. L’opérateur via une interface
graphique de communication homme machine contrôle à
distance les mouvements du robot par l’intermédiaire d’un PC
client, tout en ayant la possibilité de voir la scène grâce à la
caméra et de recevoir les informations issues des capteurs sur

4th International Conference on Computer Integrated Manufacturing CIP’2007
03-04 November 2007
l’état du robot qui sont accumulées au niveau du PC embarqué
et transmises via le canal de transmission. Par la suite nous
donnons une explication de chaque module.
A. Le robot téléopéré
Le laboratoire de recherche productique et robotique du
CDTA dispose d'un robot mobile manipulateur appelé
ROBUTER-ULM, développé par la société française
ROBOSOFT, il est constitué (Fig.3) d'une plate forme mobile
sur laquelle est installée un bras manipulateur ultra léger à six
degrés de liberté le tout est contrôlé et commandé par un PC
embarqué et trois cartes électroniques de commande à base de
µcMPC555.
Le robot mobile ROBUTER, et une plate forme à quatre
roues, deux roues motrices fixes en avant assurant sa mobilité
et deux roues foules en arrière pour maintenir l’équilibre et la
stabilité du robot. Ce robot est doté d’un système sensoriel
varié qui comporte plusieurs capteurs proprioceptifs et
extéroceptifs. il a une ceinture à ultrasons composée de 24
capteurs à ultrasons placés autour de la plate forme, un
système télémètre Laser (le LMS SICK200), une odométrie et
un capteur indicateur de niveau de charge pour les batteries.
Le bras manipulateur ULM est un bras ultra léger articulé à
six liaisons rotoîdes (6 degrés de liberté), avec une pince en
buté, il est équipé par des capteurs de position pour chaque
articulation et d’un capteur d'effort intégré au niveau de la
pince qui permet à l’opérateur de connaître les efforts exercés
par le bras sur son environnement et l’inverse afin de bien
contrôler le mouvement du bras. Le bras dispose aussi d’une
caméra CCD monochrome embarquée sur la pince du bras et
d’un système de transmission HF.
- La gestion de la communication depuis et vers le pc
distant, par l’envoi des informations sur l’état du robot
et la réception des consignes de l’utilisateur.
- Le contrôle du mouvement du robot.
- La gestion des capteurs du robot.
C. Le client
L’application client est installée sur le PC hôte, elle assure à
son tour les fonctions suivantes :
- La gestion d’une interface de communication
graphique homme machine.
- La gestion de la communication depuis et vers le
robot, par l’envoie des consignes de l’utilisateur et la
réception des informations capturés.
- La réception, l’affichage, le traitement et l'analyse des
images vidéo issues de la caméra.
- La réception et le traitement des différentes
informations issues des capteurs du robot.
- La fusion multisensorielle des différentes informations
reçus (images vidéo, informations des capteurs).
- La prise en charge et l’interprétation des commandes
données par l’utilisateur.
D. L’interface de communication homme machine
C’est l’espace par lequel l’opérateur dialogue avec le robot.
Ce module assure pour l’opérateur trois tâches essentielles, il
prends en charge les commandes de l’utilisateur, affiche et
traite les images vidéo acquises en temps réel et gère le
simulateur virtuel du robot pour permettre à l’utilisateur de
voir les tâches que le robot doit exécuter. La figure ci-dessous
illustre bien la fenêtre principale de l’interface développée.
Barre de menu
Barre d’outils
Liste des commandes
Fig.3. Photo du robot ROBUTER-ULM.
Notre système robotique est contrôlé et commandé par un
système informatique et électronique aussi varié. Les capteurs
et les actionneurs sont contrôlés directement par trois cartes
électronique de commande basées sur le microprocesseur
MPC555 type Motorola, tandis qu’un PC embarqué sous linux
gère tous les modules et exploite tous les ressources
matérielles du système robotique.
B. Le serveur
Cette application est installée sur le PC embarqué, elle
assure les fonctions suivantes :
Affichage et traitement de l’image
Traitement des données des
capteurs et commandes.
Fig.4. Présentation de l’interface graphique Homme machine.
B. Le système imageur
Ce module réalise les trois tâches suivantes:
- L’acquisition des images video par la caméra CCD
(Charge Coupled Device).
- La transmission des images vers le PC distant via un
système de transmission HF, pour y subir le traitement
nécessaire.

4th International Conference on Computer Integrated Manufacturing CIP’2007
03-04 November 2007
- La réception des images vidéo. Le module récepteur HF
récupère l'image vidéo envoyée, il est connecté à une carte
d'acquisition vidéo pour numériser l'image pour que cette
dernière soit manipulable par PC.
1) Traitement de l'image vidéo:
La caméra délivre en permanence des images vidéo de la
scène. L'image fournie par la caméra vidéo n'est pas
directement utilisable après numérisation, mais elle doit subir
plusieurs opérations pour extraire l'information souhaitée. Le
traitement comporte donc quatre phases essentielles :
acquisition, prétraitement, segmentation et caractérisation.
Pour l’affichage on a attribué pour chaque étiquette une
couleur pour que dans l’affichage chaque forme apparaisse
avec une couleur donnée.
1.d) Caractérisation
Dans cette phase on analyse les résultats de l’étape
précédente. On compte le nombre de pixels de chaque objet et
on calcul leurs coordonnées de centre de gravité.
On peut donner à titre explicatif la séquence de traitement
suivante :
1.1) Acquisition d’image
Les prises de vue sont acquises par la caméra CCD installée
sur la pince du robot, puis elles sont transmises vers le PC
hôte, ensuite elles seront numérisées et stockées en mémoire
tampon du bus PCI.
Image originale
Filtrage et binarisation
Segmentation
1.2) Prétraitement de l’image
Dans le processus d'acquisition d'image, des dégradations
peuvent apparaître (bruit, problèmes lors la de transmission de
l'image, éclairage, etc...).
Le rôle du prétraitement dans sa définition la plus générale
est de remédier aux dégradations ayant affecté l’image et/ou
de rendre cette image mieux adaptée à une application
particulière [10].
Dans cette étape nous avons utilisé deux traitement : un
filtrage suit par une binarisation.
a) Filtrage de l'image : Pour éliminer les incidences du
bruit contenu dans l'image on a appliqué deux filtres passe
bas: un filtre moyen et un filtre médian qui ont donnés des
meilleurs résultats (voir fig.5).
b) Binarisation de l'image : Après l'élimination du bruit on
a subit l'image à une étape dite de binarisation qui consiste à
transformer l'image en niveau de gris à une autre à deux
niveaux, 0 pour le fond et 1 pour les objets.
1.3) segmentation d’image
Cette étape consiste à extraire les différentes formes
correspondant aux objets qui constituent la scène.
Dans notre travail on a utilisé une méthode de segmentation
basée région pour séparer les objets du fond de l’image et
entre eux. L'algorithme de segmentation utilisé est celui de la
croissance de région. Nous avons choisi une telle approche
pour réduire le temps de calcul et pour répondre au besoin de
traitement en temps réel.
Le déroulement de cette étape est : pour tous les pixels
image si un pixel n’appartient pas au font on lui affecte une
étiquette suivant que si les pixels connexes voisins n’ont pas
été déjà étiquetés on lui donne une nouvelle étiquette si non il
prenne l’étiquette de ses voisins.
Caractérisation
Fig.5 : Etapes et résultats du traitement de l’image vidéo.
Après avoir extraire les objets dans l'image acquise et
définir leurs paramètres (coordonnées du centre de gravité,
surface) on a besoin de connaître les coordonnées réelles de
ces objets dans la scène, donc il nous faut une transformation
de repère pour passer des coordonnées image 2D aux
coordonnées espace 3D pour le même objet. Cette démarche
concerne la calibration de la caméra qui sera décrite plus loin.
2) La simulation du robot (SIMROBUTER)
Nous avons développé un simulateur graphique (fig.6) de
notre système robotique, que l’on a appelé SimRobuter
(Simulateur du robot manipulateur mobile ROBUTER-ULM).
Ce simulateur a été développé, avec la bibliothèque de
programmation graphique GLscene[11].
On a conçu ce simulateur dans le but de pouvoir tester les
différentes stratégies possibles dans les conditions réelles
d'utilisation. Le robot virtuel reproduit fidèlement le
comportement réel du robot (Fig.6).
Fig.6: Test des configurations possibles.

4th International Conference on Computer Integrated Manufacturing CIP’2007
03-04 November 2007
3) La fusion multisensorielle
Cette tâche consiste à prendre en charge toutes les
informations sensorielles issues des différents capteurs
(capteur d’effort, odométrie, capteurs ultrasoniques, télémètre
Laser, caméra) et fusionner entre eux pour l’exploiter dans
l’élaboration des commandes.
TABLE 1 :
PARAMETRES DE D&H DU BRAS ULM
Axe α i-1 a i-1 d i θ i
1 0 0 d 1 θ 1
2 π/2 0 d 2 θ 2
3 0 a 3 0 θ 3
4 π/2 0 d 4 θ 4
5 - π/2 0 0 θ 5
6 π/2 0 0 θ 6
La matrice de passage homogène d’un repère à un autre a
la forme suivante :
Fig.7. Représentation graphique des données du Ultrasons et Laser.
T
i
i−1
⎡ cosθ
i
−sinθi
0 ai−
1 ⎤
⎢
⎥
⎢
cosα
i.sinθi
cosα
i.cosθ
i
−sinαi
− di.sinαi
=
⎥
⎢sinα
.sin sin .cos cos .cos ⎥
i
θi
αi
θi
αi
di
αi
⎢
⎥
⎣ 0 0 0 1 ⎦
(1)
III. MODELISATION DU ROBUTER-ULM
Pour commander le robot mobile manipulateur, une
modélisation géométrique du système s’avère indispensable.
Notre robot est un ensemble de deux systèmes mécaniques, un
bras manipulateur à six axes et une plate forme mobile à
quatre roues. Pour décrire le modèle mathématique de
l’ensemble on a modélisé chaque système à part.
A. Modélisation géométrique du bras manipulateur
L’approche la plus répandue pour pouvoir décrire la
géométrie du bras manipulateur ULM est celle de Denavit-
Hartenberg modifié [12] [13][14].
L'implémentation de cette approche, nous a permet de
définir les repères et les paramètres illustrés sur la figure cidessous.
Z 2 Y2
Z 1
Y 3
X 2
O 2
d 2
O 2
X 3
Z 3
Y 1
O 1
X 1
a 3 X4 X 6 X 5
X e
Z 5
O 4
O6
Z e
O 5 Y 5 Z 4 Z 6
Y
O e
Fig.8 : Paramètres de D&H modifiés du bras ULM
Y e
ff
ff
Le modèle géométrique direct MGD du bras s'obtient en
multipliant les six matrices élémentaires entre eux :
6 1 2 3 4 5 6
T
0
= T0
. T1
. T2
. T3
. T4
. T5
(2)
Le modèle géométrique inverse MGI représente le
problème inverse du modèle géométrique direct. Donc il
consiste à calculer les coordonnées articulaires qui amènent
l’organe terminal dans une situation désirée.
Nous avons utilisé l’approche analytique décrite en [15]
pour pouvoir tirer les expressions des angles en fonction de la
position cartésienne de l’organe terminal du bras, qui nous a
donné des résultats satisfaisants.
B. Modélisation cinématique de la base mobile
Notre robot mobile est un robot à quatre roues, il se
déplace grâce à deux roues motrices conductrices coaxiales
de type conventionnel fixe en arrière et deux roues décentrées
folles en l’avant pour assurer la stabilité et l’équilibre du
point de vue mécanique, ou le rayon de braquage impose un
mouvement tangent à sa direction en un point donné (Fig.9).
Y 0
d 4 d eff
ff
Y1
d 1
Z 0
Y p
θ
X1
P
Y 0
O 0 X 0
O 0 X p X 0
Fig.9 : Illustration géométrique du robot mobile.
Après avoir placé les repères et désigné les déférents
paramètres du système on peut écrire le tableau des
paramètres D&H modifiés ci-dessous:
Les équations décrivant son mouvement sont:
• Vd
p =
X
+ V
2
g
.cosθ
(3)

4th International Conference on Computer Integrated Manufacturing CIP’2007
03-04 November 2007
• Vd
+ Vg
Y p =
2
• Vd −Vg
=
2.
L1
.sinθ
(4)
θ (5)
OU :
V d et V g sont les vitesses linéaires des roues droite et
gauche respectivement.
La vitesse linéaire du point P (vitesse moyenne à ce point)
est donnée par :
V
moy
V
d
+ V
2
g
= (6)
Et la vitesse angulaire du robot est donnée par:
• Vd −Vg
=
2.
L1
θ (7)
IV. CALIBRATION DE LA CAMERA
Cette étape nous permet de déterminer la matrice de
passage homogène entre les cordonnées 2D images et ceux 3D
réelles des objets. La détermination de la relation 3D/2D passe
par deux étapes : une modélisation mathématique de la caméra
suivit par une calibration.
La modélisation mathématiques des caméras consiste à
obtenir les paramètres correspondant à la transformation
directe et inverse effectuée pour passer des points d’un objet
3D dans l’espace aux points de sa projection 2D dans le plan
image et vice-versa.
Pour notre caméra nous avons utilisé le modèle sténopé, ce
modèle consiste à simplifier l'ensemble des lentilles que
composent le système optique par un point où convergent tous
les rayons lumineux pour aller se projeter sur le plan image
par des droites sécantes en O c (origine du repère de la caméra)
(Fig.10). L'image d'un objet est obtenue par sa projection
perspective sur le plan image.
La calibration de la caméra consiste à calculer les valeurs
des paramètres du modèle choisi. Pour ce faire, il existe
plusieurs approches [16], [17], [18], la régression linéaire
(moindres carrés), l’optimisation non linéaire, les points de
fuite sont quelques exemples de méthodes utilisées.
Le modèle sténopé est une représentation linéaire de la
projection perspective [18] Fig.10.
Le but cherché est de trouver une relation entre les
coordonnées (u, v) du point p dans le plan image et ses
coordonnées (xo, yo, zo) dans le plan objet (plan de l’espace).
Soit en ecriture matricielle suivant :
⎡xo
⎤
⎡u⎤
⎢ ⎥
⎢ ⎥ = M .
⎢
y
(8)
o
⎥
⎣v⎦
⎢⎣
z ⎥
o ⎦
La matrice M est le résultat du produit des deux matrices, la
matrice de paramètres intrinsèques et la matrice de paramètres
extrinsèques, M=Mint.Mext
La calibration de caméra consiste à estimer la matrice de
projection M en connaissant les coordonnées réelles 3D de
plusieurs points dans l’espace (mire ou grille de calibration) et
les coordonnées de leurs projections sur l’image. Pour les
besoins de cette étape nous avons construit le système de
calibration suivant :
Caméra CCD
Mire de calibration
Raie
Fig.11. Le système de calibration de la caméra CCD
Après avoir fait les tests et les mesures nécessaires, la
matrice jacobéenne obtenue est la suivante:
⎡−6.9574
1.1795 −1.5166
107.9428⎤
M =
⎢
⎥
⎢
0.1783 8.0028 −1.1218
433.8669
⎥
⎢⎣
0.0128 0.0300 −0.0313
1 ⎥⎦
V. RESULTATS EXPERIMENTAUX
L’implémentation des algorithmes et approches cités
auparavant a pour effet l’obtention des résultas qui répondent
bien au cahier des charges.
Le tableau suivant nous donne un exemple des résultats
obtenus par l’implémentation de la matrice jacobéenne avec
une précision de 2mm pour les coordonnées 3D (Xr, Yr, Zr) et
de 1 pixel pour les coordonnées 2D (U, V).
Avec: L’indice m : désigne la valeur mesurée en mm.
L’indice r : désigne la valeur réelle en mm.
TABLE 2:
RESULTATS DE LA CALIBRATION DE LA CAMERA
Fig.10. Le modèle sténopé de la caméra
U V Xm Ym Zm X r Y r Z r
80 80 -78.39 -9.75 795.584 -80 -10 800
10 200 -159.6 -134.2 893.3588 -160 -130 900
0 2 -208.8 104.67 1005.9 -210 100 1000

4th International Conference on Computer Integrated Manufacturing CIP’2007
03-04 November 2007
Les illustrations suivantes nous montrent un test fait durant
les manipulations effectuées.
Fig.12. La cible.
Fig.14.Mouvement du bras.
Fig.13. Le robot rapproche de la cible.
Fig.15. Le robot atteint la cible.
VI. CONCLUSION
Les résultats obtenus répondent bien à nos attentes et au
cahier des charges fixés au départ.
Dans un premier temps nous avons établit une
communication réseau entre le pc hôte et le robot ROBUTER-
ULM. Le flux d’information circule fidèlement entre les deux
PC sans aucun problème, ROBUTER-ULM est parfaitement
contrôlable à distance.
Le système imageur nous a garantie la transmission de
l’image dans une portée peut aller jusqu’à 1600m, et l’image
vidéo est fidèlement récupérée par le pc distant. Le traitement
d’image s’effectue en temps réel avec quelque décalage
temporelle du au système de transmission.
Le simulateur développé SIMROBUTER est un banc
d’essai virtuel, il suscite pour nous beaucoup d’intérêt, il nous
à permet de voir la configuration du robot avant et après et
lors l’exécution d’une tâche. L’opérateur donc aura une
imagination complète de l’action à faire par le robot.
Les résultats de calibration ont été validés directement par
des missions exercées par le Robuter_ULM. Ces résultats
nous permettent de conclure que l’approche envisagée pour la
localisation des objets est applicable si l’on s’est fixées bien
en terme de précision.
VII. REFERENCES
[1] P. Coiffet, “Télérobotique et téléopération”, Edition
Hermès Science Publication, Paris, France: 2002, p. 19.
[2] R. Volpe, T. Ohm, R. Petras, R. Welch, J. Balaram &
R. Ivlev, “A Prototype Manipulation System for Mars
Rover Science Operations”, Proceeding of International
Conference on Intellegent Robots and Systems, IROS'97,
Grenoble, France, Sept1997, vol.3, pp. 1486-1492.
[3] M. Benallal, “Système de calibration de Caméra,
localisation de forme polyédrique par vision
monoculaire”, thèse de doctorat de l'école des mines de
paris, France, 2002, pp. 32-46.
[4] C. Melchiorri, “Robotic Robotic Telemanipulation
Telemanipulation: An Introduction”, EURON Winter,
School on Telesurgery Benidorm, University of
Bologna, Spain, 26 – 31 March 2006, p.19.
[5] Rapport d’activité, LSC FRE 2494 CNRS, Laboratoire
Systèmes Complexes, France, 2004, p. 86.
[6] S. Otmane, “Télétravail Robotisé et Réalité Augmentée:
Application à la Téléopération via Internet”, Thèse de
Doctorat, Université d’Evry-Val d’Essonne, Déc2000,
p. 10.
[7] S. Otmane, N. Khezami & M. Mallem, “La Réalité
Augmentée via Internet : Méthodes et Architecture Pour
La Téléopération Collaborative”.
[8] Y. Rybarczyk, d. Mestre, p. Hoppenot et e. Colle,
“Implémentation télérobotique de l’anticipation
sensorimotrice pour optimiser la Coopération Homme-
Machine”, Le Travail humain, Janvier 2003, p.10.
[9] Y. Rybarczyk, O. Ait Aider, P. Hoppenot & E. Colle,
“Commande d'un système d'assistance robotique aux
personnes handicapées”, Handicap'2002, Paris, France,
13-14 juin 2002, p.1.
[10]. Moudache. S, Charfa.Y, Charfa.A, “Prétraitement et
Segmentation en image couleur : application en
microscopie cellulaire”, Proceding JETIM : Journées
d’Etude Algéro française en Imagerie Médicale, Alger,
Algérie, 21-22 Novembre 2006, P.179.
[11] http://glscene.sourceforge.net/ date de consultation : 10
Novembre 2006.
[12] B. Goodwine, “Inverse Kinematics, Robotics and
Automation Handbook”, Université de Notre Dame,
CRC Presse LLC, 2005, p.5.
[13] Bernard BAYLE, “Cours de robotique”, DESS
Technologies et Stratégies Industrielles, Université Louis
Pasteur de Strasbourg, page 17, année 2004/2005.
[14] Peter I. Corke, “Robotics Toolbox For MATLAB
(Release6)”, CSIRO, Manufacturing Science and
Technology, Pinjarra Hills, Australia, avril 2001, p.7.
[15] Renaud. M & Gorla. B, “Modèles des robots
manipulateurs en vue de leur commande”, IBID, S.E.E.
(Société des électriciens et des radioélectriciens), 1984.
[16] A. Krupa, “Commande par vision d’un robot de chirurgie
laparoscopique”, thèse de doctorat de l’Institut National
Polytechnique de Lorraine, Ecole doctorale IAEM
Lorraine, France, 2003, pp.26-40.
[17] Z. Zhang, “A flexible new technique for camera
calibration”. IEEE Trans Pattern Anal. Mach. Intell, vol.
11, 2000, pp.1330-1334.
[18] F. Chaumette & P.Rives, “réalisation et calibration d’un
système expérimental de vision composé d’une caméra
mobile embarquée sur un robot manipulateur”, Rapport
de recherche N°994, IRISA, France, 1989, p.6.