Academic literature on the topic 'Estimation des coordonnées articulaires'

L’extraction des différentes composantes de la radiation solaire à partir des données météorologiques dépend étroitement de la connaissance exacte des coordonnées géographiques (latitude, longitude, altitude, etc.) de la position correspondante au pixel donné et les valeurs des variables météorologiques dont (la visibilité, la pression, l’humidité relative…) selon le modèle utilisé. En premier lieu, pour calculer les valeurs de radiation solaire dans une point (x, y), nous affectons les valeurs des variables météorologiques acquises par la plus proche station (latitude, longitude) et ensuite on a coloré le pixel (x, y) selon la valeur calculée. L’étude comparative entre les radiations calculées à partir des données météorologiques et les radiations mesurées au sol pour la station d’Oran (35°24, -0°36) donne les valeurs statistiques moyennes suivantes: ; ; , r=0.98 pour le global, , , , r=0.95 pour le direct et , , , r=0.83 pour le diffus.

L'Algérie possédant un gisement solaire important, de part son climat, la puissance solaire maximale en tout point de notre pays est d'environ 1 kW/m² (soleil au zénith). L'énergie journalière maximale (ciel clair mois de juillet ) dépasse les 6 kWh/m² et l'énergie annuelle maximale en Algérie dépasse 2500 kWh/m². Afin d'exploiter au mieux, cette ressource énergétique et pour un bon dimensionnement des installations solaires, il est nécessaire de connaître avec précision, la position apparente du soleil à chaque instant de la journée et de l'année. Outre, la détermination des énergies sur un capteur d'orientation quelconque, notre objectif consiste à repérer la position du soleil en coordonnées cartésiennes et établir un programme de simulation de cette position apparente du soleil en tout point de la terre. Ce programme permet la conception des systèmes photo solaires adaptés à chaque site.

Le but de cette étude est d’évaluer l’influence de la mesure de points dans les images avec une précision subpixellaire, et sa contribution à l’étalonnage des caméras numériques. De plus, l’effet des mesures subpixellaires sur la détermination des coordonnées 3D dans l’espace objet est évalué à partir de points de contrôle. Dans ce but, unalgorithme semi-automatique a été implémenté pour la détermination subpixellaire de points d’intérêt, basé sur un opérateur de Förstner. Des expériences ont été réalisées sur un bloc d’images acquises avec une caméra multispectrale DuncanTech MS3100-CIR. L’influence des mesures subpixellaires dans un ajustement par moindres carrés a été évaluée en comparant l’écart-type estimé des paramètres dans deux cas : avec une mesure manuelle (précision pixellaire) et avec une estimation subpixellaire. De plus, l’influence des mesures subpixellaires sur la reconstruction 3D a été analysée. A partir des résultats obtenus, i.e. la réduction de l’écart-type sur les paramètres d’orientation interne et del’erreur relative de la reconstruction 3D, il est démontré que les mesures de précision subpixellaire sont pertinentes pour certains travaux photogrammétriques, notamment ceux pour lesquels la qualité métrique est très importante, comme l’étalonnage de caméras.

Entre le 23 janvier et le 12 février 1898, l’expédition d’Adrien de Gerlache en Antarctique a réalisé un important levé cartographique du Détroit de Gerlache entre le Cap Neyt à l’extrémité nord-est de l’Île de Liège et le Cap Renard en Terre de Danco. Son commandant en second, Georges Lecointe, officier de navigation et hydrographe, a effectué des observations astronomiques destinées à fixer les coordonnées de plusieurs stations qui ont servi de référence pour déterminer le tracé des lignes de côte. Dans cet article, nous tentons d’évaluer la précision et l’exactitude de ces mesures à la lueur de la documentation cartographique disponible actuellement. Nous exposons les limites de l’approche et les sources d’incertitudes relevant des méthodes utilisées à la fin du XIXe siècle et de nos interprétations pour restituer la position des stations sur les documents actuels. Les hypothèses explicatives majeures du biais constaté en longitude et latitude sont probablement une sous-estimation de la réfraction et des observations du soleil généralement matinales.

L’évaluation du risque de troubles musculosquelettiques en milieu industriel représente un défi en raison de la complexité des processus de fabrication modernes. Ces environnements comprennent divers facteurs influençant l’activité des opérateurs, tels que les éléments organisationnels, managériaux et environnementaux, ainsi que le rythme de travail. Il est crucial d’évaluer les contraintes physiques auxquelles sont soumis les opérateurs pour prévenir ces troubles. Bien que de nombreux systèmes monitorent actuellement les mouvements des opérateurs et évaluent les contraintes posturales pour fournir un aperçu de l’activité physique, ils échouent souvent à analyser les forces physiques subies ou générées par l’opérateur. Par conséquent, il est essentiel de quantifier ces forces afin d’identifier les facteurs de risque physique liés à l’effort. Cependant, les méthodes classiques de mesure impliquent souvent des processus complexes, invasifs et peu pratiques en milieu industriel. Cette thèse relève ces défis en évaluant des approches d’apprentissage pour estimer les contraintes physiques sans recourir à des mesures invasives, ce qui est fondamental pour améliorer les outils et les pratiques ergonomiques. Nous avons commencé par comparer la précision et la robustesse des systèmes de mesure basés sur la vision par ordinateur pour l’évaluation du RULA, en nous focalisant particulièrement sur les évaluations ergonomiques sur site. Notre analyse s’est principalement concentrée sur l’évaluation des systèmes basés sur la vision par ordinateur, y compris ceux dotés d’une ou plusieurs caméras, utilisant des images RVB ou des images de profondeur, et les systèmes qui s’appuient uniquement sur des données visuelles ou qui intègrent des capteurs portables (systèmes hybrides). Ensuite, nous avons développé et évalué plusieurs architectures d’apprentissage conçues pour émuler l’étape de la dynamique inverse dans l’analyse du mouvement. Ces dernières prédisent les couples articulaires à partir des données squelettiques de l’opérateur et son poids et la masse de la charge transportée, offrant ainsi une nouvelle alternative aux mé- thodes classiques de dynamique inverse. Enfin, nous avons examiné la généralisabilité des outils basés sur l’apprentissage profond, tels qu’OpenCap, dans les tâches industrielles. En utilisant le fine-tuning - une technique courante dans l’apprentissage profond pour adapter les modèles à de nouveaux ensembles de données avec des échantillons minimaux - nous avons cherché à adapter les modèles d’apprentissage d’OpenCap à un nouveau type de mouvement et à un nouvel ensemble de marqueurs
Assessing the risk of musculoskeletal disorders in industrial environments is a challenging task, given the complexity of modern manufacturing processes. These environments include various factors influencing operator activity, such as organizational, managerial and environmental elements, as well as the pace of work. Assessing the physical constraints to which operators are subjected is crucial to preventing these disorders. Although many systems currently monitor operator movements and assess postural constraints to provide an overview of physical activity, they often fail to analyze the physical forces experienced or generated by the operator. Consequently, it is essential to quantify these forces in order to identify effort-related physical risk factors. However, conventional measurement methods are often complex, invasive and impractical in industrial environments. This thesis addresses these challenges by evaluating learning approaches for estimating physical stresses without resorting to invasive measurements, which is fundamental to improving ergonomic tools and practices. We began by comparing the accuracy and robustness of computer vision-based measurement systems for RULA assessment, focusing particularly on on-site ergonomic evaluations. Our analysis focused primarily on the evaluation of computer vision-based systems, including those with one or more cameras, using RGB or depth images, and systems that rely solely on visual data or incorporate wearable sensors (hybrid systems). Next, we developed and evaluated several learning architectures designed to emulate the inverse dynamics step in motion analysis. These predict joint torques from the operator’s skeletal data and the weight and mass of the load carried, thus offering a new alternative to classical inverse dynamics methods. Finally, we examined the generalizability of deep learningbased tools, such as OpenCap, in industrial tasks. Using fine-tuning - a common technique in deep learning for adapting models to new data sets with minimal samples - we sought to adapt OpenCap’s learning models to a new type of motion and a new set of markers

L'objectif de ce travail a été d'acquérir une meilleure connaissance de la motricité humaine tant au niveau clinique que fondamentale à travers deux études bien précises. La première portait sur une étude clinique à savoir, l'influence d'injection ciblée de toxine botulique au niveau du couple musculaire rectus fémoris – semitendinosus sur la vélocité mise en jeu au cours de la marche globale d'enfants infirmes moteurs cérébraux (IMC). La deuxième portait quant à elle sur une question plus fondamentale, à savoir, la modélisation biomécanique avancée du système musculo-squelettique au cours de la phase d'appui de la marche. En ce qui concerne l'étude clinique, le but a donc été à la fois biomécanique et clinique. D'un point de vue expérimental, plusieurs étapes ont été nécessaires avant la mise en place du protocole final utilisé à l'heure actuelle. De plus, un long travail d'analyse a été réalisé avec le clinicien responsable de ce projet, le docteur Dohin, afin d'établir et de sélectionner les critères cinématiques et cinétiques qui nous ont semblés pertinents. Ainsi, cette étude a été l'occasion de valider les critères discriminatifs d'évaluation en analyse quantifiée de la marche (AQM) pour des résultats visant à améliorer ou à restaurer la marche chez les enfants infirmes moteurs cérébraux. Au niveau fondamental, le but de notre étude a été la mise en place d'un protocole expérimental et des méthodes de calculs permettant d'évaluer quantitativement le fonctionnement du système ostéo-articulaire et musculaire non pathologique. Pour cela, une modélisation avancée a été développée afin d'appréhender le rôle des différentes structures : géométrie articulaires, ligaments, muscles, dans le fonctionnement des articulations humaines à travers des mouvements tel que la marche. D'un point de vue expérimental, l'acquisition de via points directement sur le sujet, permettant ainsi la personnalisation des bras de levier selon la morphologie de notre sujet, a été une étape importante et originale de notre travail. Afin de vérifier la pertinence de nos bras de levier « personnalisés », nous avons dans un premier temps, utilisé une technique d'optimisation statique « classique » visant à minimiser le critère : sommes des contraintes musculaires au carré. Les résultats obtenus sont tout à fait cohérents avec ceux présentés dans la littérature et avec le mouvement étudié. D'un point de vue modélisation, nous avons décidé d'affiner la représentation numérique du comportement du muscle pour rendre le modèle plus proche de la réalité. Ainsi, le comportement mécanique du complexe musculo-tendineux c'est-à-dire les relations forces longueurs, forces vitesses d'élongations et forces activations ont été prises en compte grâce au modèle rhéologique de Hill. Pour cela une étude bibliographique poussée a été nécessaire afin de cerner les nombreuses contraintes liées aux comportements mécaniques du complexe musculo-tendineux. Suite à cette étude bibliographique, nous avons sélectionné la modélisation mathématique la mieux adaptée à nos besoins. Les équations mathématiques mises en place dans notre travail contiennent donc de nombreux paramètres physiques tel que : la force isométrique maximale, la section physiologique, la longueur optimale de la fibre musculaire, l'angle de pennation, la longueur du tendon à partir de laquelle une force est développé... Une fois les forces musculaires calculées à partir du modèle rhéologiques de type Hill, ces dernières ont été implémentées dans la fonction d'optimisation classique. Plusieurs critères ont été alors testés. Le but étant d'essayer de comprendre l'influence du critère sur nos résultats et lequel serait à utiliser afin de prédire au mieux les forces musculaires mises en jeu au de la phase d'appui de la marche. Puis pour finaliser notre étude, les réactions articulaires au niveau de la cheville et du genou ont été calculées à partir des différentes configurations. Dans un premier temps, à partir des forces musculaires prédites par l'optimisation statique classique puis à partir de l'optimisation statique avec le critère modifié. Ceci nous a permis de voir au niveau de la réaction articulaire l'influence de la prise en compte des paramètres physiologiques des muscles. Cette donnée est très importante dans le domaine de la rééducation fonctionnelle et pour les concepteurs de prothèse.

Cette thèse traite de la modélisation et de l’estimation de modèles de mélanges d’experts de grande dimension, en vue d’efficaces estimation de densité, prédiction et classification de telles données complexes car hétérogènes et de grande dimension. Nous proposons de nouvelles stratégies basées sur l’estimation par maximum de vraisemblance régularisé des modèles pour pallier aux limites des méthodes standards, y compris l’EMV avec les algorithmes d’espérance-maximisation (EM), et pour effectuer simultanément la sélection des variables pertinentes afin d’encourager des solutions parcimonieuses dans un contexte haute dimension. Nous introduisons d’abord une méthode d’estimation régularisée des paramètres et de sélection de variables d’un mélange d’experts, basée sur des régularisations l1 (lasso) et le cadre de l’algorithme EM, pour la régression et la classification adaptés aux contextes de la grande dimension. Ensuite, nous étendons la stratégie un mélange régularisé de modèles d’experts pour les données discrètes, y compris pour la classification. Nous développons des algorithmes efficaces pour maximiser la fonction de log-vraisemblance l1 -pénalisée des données observées. Nos stratégies proposées jouissent de la maximisation monotone efficace du critère optimisé, et contrairement aux approches précédentes, ne s’appuient pas sur des approximations des fonctions de pénalité, évitent l’inversion de matrices et exploitent l’efficacité de l’algorithme de montée de coordonnées, particulièrement dans l’approche proximale par montée de coordonnées
This thesis deals with the problem of modeling and estimation of high-dimensional MoE models, towards effective density estimation, prediction and clustering of such heterogeneous and high-dimensional data. We propose new strategies based on regularized maximum-likelihood estimation (MLE) of MoE models to overcome the limitations of standard methods, including MLE estimation with Expectation-Maximization (EM) algorithms, and to simultaneously perform feature selection so that sparse models are encouraged in such a high-dimensional setting. We first introduce a mixture-of-experts’ parameter estimation and variable selection methodology, based on l1 (lasso) regularizations and the EM framework, for regression and clustering suited to high-dimensional contexts. Then, we extend the method to regularized mixture of experts models for discrete data, including classification. We develop efficient algorithms to maximize the proposed l1 -penalized observed-data log-likelihood function. Our proposed strategies enjoy the efficient monotone maximization of the optimized criterion, and unlike previous approaches, they do not rely on approximations on the penalty functions, avoid matrix inversion, and exploit the efficiency of the coordinate ascent algorithm, particularly within the proximal Newton-based approach