<  Retour au portail Polytechnique Montréal

Extraction automatique de mesures sur différentes postures de mannequins 3D de la base CAESAR

Jean-Baptiste Djire

Mémoire de maîtrise (2016)

Document en libre accès dans PolyPublie
[img]
Affichage préliminaire
Libre accès au plein texte de ce document
Conditions d'utilisation: Tous droits réservés
Télécharger (3MB)
Afficher le résumé
Cacher le résumé

Résumé

Les caractéristiques du corps humain sont des éléments essentiels lors de la conception de postes de travail sécuritaires et efficaces. Parmi ces caractéristiques, l'anthropométrie, c'est-à-dire l'étude des dimensions corporelles, des travailleurs constitue l'information de base pour adapter le poste de travail aux opérateurs. Pour les aider dans le dimensionnement de postes de travail, les concepteurs ont à leur disposition des normes, notamment la norme ISO 14738. Cette norme internationale fournit des recommandations de dimensions de l'environnement de travail qui sont calculées à partir de données anthropométriques européennes. Il est possible d'utiliser cette norme quelle que soit la région du monde à condition d'avoir à disposition les données anthropométriques de la population de travailleurs que l'on cible. Obtenir les données anthropométriques d'une population est un processus long et couteux car un expert en anthropométrie doit mesurer manuellement les dimensions de chaque sujet. Le nombre de dimensions et de sujets mesurés est donc limité. Grâce au scanner 3D le temps d'obtention des dimensions anthropométriques peut être fortement réduit. La base de données CAESAR est une étude anthropométrique internationale qui combine mesures traditionnelles et scannage 3D des sujets. Le problème associé à l'utilisation de scan 3D réside dans la difficulté pour localiser des repères anatomiques sur les scans. Dans ce mémoire nous proposons une méthode qui permet d'extraire automatiquement des dimensions corporelles des scans de la base de données CAESAR. Les dimensions extraites sont des mesures anthropométriques utilisées dans la norme ISO 14738. La méthode développée permet de localiser automatiquement des repères anatomiques sur des mannequins qui sont en position debout ou assise. Elle utilise l'algorithme de partitionnement DBSCAN pour construire un squelette du scan et segmenter les différentes régions du corps humain. Ensuite nous transformons le nuage de points 3D de chaque membre en image 2D à l'aide du concept de carte de profondeur. Enfin grâce à des techniques de traitement d'images, nous avons identifié des repères anatomiques et calculer les dimensions nécessaires à la norme ISO14738. Le concept de carte de profondeur permet d'accélérer énormément le temps de calcul nécessaire pour localiser les repères anatomiques. Cependant la variabilité des postures et les fortes corpulences engendrent des cartes de profondeur défectueuses. Pour évaluer la précision de l'algorithme de localisation des repères, nous avons comparé les mesures automatiques à des mesures extraites manuellement par pointage direct sur les scans 3D. La précision a été évaluée à l'aide de l'indice REM (magnitude de l'erreur relative) et de l'indice MAD (erreur absolue moyenne). La majorité des mesures ont un REM compris entre 4% et 10% ce qui correspond à une précision jugée « moyenne » voir « bonne ». Toutes les mesures ont une erreur absolue moyenne inférieure à 5 cm par rapport aux dimensions extraites manuellement. Cela reste supérieure à la précision requise lors de mesures manuelles réalisées par des experts en anthropométrie qui est environ d'un centimètre. Mais le gain de temps obtenu est considérable. Pour augmenter la précision, une des approches serait d'utiliser des techniques de traitement d'images plus poussées, car dans cette étude les algorithmes employés utilisent uniquement l'analyse des dérivées première et seconde pour localiser les repères anatomiques. Enfin il faudrait améliorer le processus de construction de carte de profondeur pour qu'il soit plus robuste face aux variations de posture et de morphologie.

Abstract

Human body characteristics are essential to design ergonomic and efficient working place. Among these characteristics, the anthropometry (the study of human body dimensions) of the workers is the first information needed to adapt the workplace environment. To guide them in the process of developing a workplace, designer uses standard such as ISO 14738. This international standard uses European anthropometric data to calculate workplace dimensions. It's possible to use this standard everywhere, provided that you have your worker anthropometric data. An anthropometric survey is very long and expensive because an anthropometric expert has to manually measure each subject. So the number of dimensions and subjects are limited. The use of 3D scanner can reduce significantly the time needed to measure a subject. The CAEAR database is an international anthropometric survey which combines traditional method of measurement and uses of a scanner. However, the position of the anatomical landmarks is difficult to identify on a 3D Scan. This study proposes a method to extract automatically some measures from the scan of the CAESAR anthropometric survey. The dimensions extracted are useful to update the ISO 14738 standard. The method we developed The method we developed to localise the anatomic landmark work on a 3D scan of a subject in a standing posture but also in a seating posture. We used a clustering algorithm to build a skeleton stick of the scan. Then we used depth map concept in order to transform each body region 3D points cloud into a 2D image. Finally, we used image processing techniques to identify the anatomical landmark and calculate the dimensions needed to update ISO 14738. Depth map concept enables the landmark localisation algorithm to deal with a lot of subject in a short time. But posture variability and corpulence cause defective depth map. We compared our algorithm automatic measurements with manual measurements. The manual measurements were calculated by using landmarks pointed directly on the 3D scans. The precision was evaluated using REM (relative error of magnitude) and MAD (mean absolute deviation). The majority of the extracted measure have an REM between 4% and 10%. It means, the precision of our automatic method can be judged as good-medium. All measurements have a MAD under 5 cm. This is higher than the precision requirements for manual measurements realized by anthropometric expert, which are around 1cm. But the process of using 3D scan and automatic method to obtain anthropometric dimensions is faster. In order to rise the precision, we can use more advanced techniques of image processing. In our method we simply used first and second derivative analysis on the depth map to localize the landmarks. Finally, the depth map building process need to be improved in order to be capable of dealing with posture and body shape variation.

Département: Département de mathématiques et de génie industriel
Programme: Maîtrise recherche en génie industriel
Directeurs ou directrices: Daniel Imbeau
URL de PolyPublie: https://publications.polymtl.ca/2441/
Université/École: École Polytechnique de Montréal
Date du dépôt: 06 juin 2017 10:18
Dernière modification: 19 avr. 2023 07:56
Citer en APA 7: Djire, J.-B. (2016). Extraction automatique de mesures sur différentes postures de mannequins 3D de la base CAESAR [Mémoire de maîtrise, École Polytechnique de Montréal]. PolyPublie. https://publications.polymtl.ca/2441/

Statistiques

Total des téléchargements à partir de PolyPublie

Téléchargements par année

Provenance des téléchargements

Actions réservées au personnel

Afficher document Afficher document