Conception et réalisation d'un système de robotisation des chaises roulantes régulières : commande semi-autonome par les signaux EEG

Mhadhbi, Mohamed Amine (2025). Conception et réalisation d'un système de robotisation des chaises roulantes régulières : commande semi-autonome par les signaux EEG. Mémoire. Rimouski, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 87 p.

PDF Télécharger (5MB) | Prévisualisation

Résumé

RÉSUMÉ : Cette recherche présente les premières étapes du développement d’un système de fauteuil roulant robotisé semi-autonome contrôlé par des signaux EEG, offrant une solution de mobilité innovante pour les personnes souffrant de handicaps moteurs sévères. Les fauteuils roulants motorisés traditionnels reposent généralement sur des joysticks ou des commandes vocales, qui peuvent ne pas être accessibles aux utilisateurs ayant des capacités motrices limitées. Cette limitation nécessite l’exploration de mécanismes de contrôle alternatifs, conduisant à une investigation des systèmes d’Interface Cerveau-Ordinateur (BCI) capables d’interpréter les signaux électroencéphalographiques (EEG). L’étude a été réalisée en plusieurs phases, en commençant par le développement d’un système fiable de détection des clignements oculaires. À l’aide du jeu de données meBaL, un modèle sophistiqué de détection a été conçu, combinant GoogLeNet et Naı̈ve Bayes Gaussien, optimisé par un vote majoritaire. Cette approche a atteint une précision remarquable de 95,15% pour la détection des clignements des deux yeux, établissant ainsi une base solide pour le mécanisme de contrôle du système. Fort de ce succès, la phase suivante a consisté à créer un jeu de données plus complet en utilisant le casque Neurosky MindWave. En suivant un protocole de collecte rigoureux, des données provenant de 11 participants ont été recueillies afin de développer des algorithmes de classification capables de distinguer trois types de clignements : œil gauche, œil droit et les deux yeux simultanément. Cette capacité élargie a permis d’atteindre une précision globale de classification de 86,33%, démontrant ainsi la capacité du système à interpréter des commandes de contrôle plus complexes. Les signaux de clignement classifiés sont prévus pour être intégrés dans un système de fauteuil roulant robotisé mis en œuvre à l’aide du Robot Operating System (ROS) dans des travaux futurs. Afin d’améliorer la sécurité et la facilité d’utilisation, le système intégrera des fonctionnalités de navigation semi-autonome, y compris la détection d’obstacles basée sur LiDAR. Cette combinaison de contrôle basé sur l’EEG et de fonctionnalités autonomes de sécurité crée un système robuste pouvant efficacement assister les utilisateurs à mobilité réduite dans leurs déplacements quotidiens. Bien que l’évaluation expérimentale ait confirmé l’efficacité de la détection des clignements oculaires basée sur l’EEG comme méthode de contrôle mains libres pour les technologies d’assistance, plusieurs défis ont été identifiés au cours du développement. Ceux-ci incluent la difficulté à différencier les clignements volontaires et involontaires, la gestion du bruit des signaux EEG et la prise en charge des contraintes de traitement en temps réel. Ces défis mettent en évidence des axes importants d’amélioration et de recherche future. L’étude propose plusieurs améliorations potentielles afin d’optimiser l’utilisabilité et la fiabilité du système : — Mise en œuvre de techniques avancées de traitement du signal — Intégration des capacités de reconnaissance des commandes mentales — Extension des tests à un échantillon de participants plus large — Développement de systèmes de contrôle hybrides combinant EEG et commandes vocales.Ces résultats soulignent le potentiel significatif des signaux EEG dans les applications de technologies d’assistance, en particulier pour le contrôle des fauteuils roulants dans la vie quotidienne. Le développement réussi de ce système constitue une contribution importante dans le domaine de la robotique d’assistance, offrant une perspective prometteuse pour accroı̂tre l’autonomie et la qualité de vie des personnes à mobilité réduite. -- Mot(s) clé(s) en français : Interface cerveau-ordinateur (BCI), EEG, robotisation des fauteuils roulants, mobilité réduite, Neurosky Mindwave, différenciation des clignements des yeux. --
ABSTRACT : This research presents the initial steps in the development of a semi-autonomous robotic wheelchair system controlled by EEG signals, offering an innovative mobility solution for individuals with severe motor impairments. Traditional powered wheelchairs typically rely on joysticks or voice commands, which may not be accessible for users with limited motor functions. This limitation necessitates the exploration of alternative control mechanisms, leading to an investigation of Brain-Computer Interface (BCI) systems that interpret electroencephalography (EEG) signals. The study was conducted in multiple phases, beginning with the development of a reliable eye-blink detection system. Using the meBaL dataset, a sophisticated detection model was designed, combining GoogLeNet and Gaussian Naı̈ve Bayes, optimized through majority voting. This approach achieved an impressive accuracy of 95.15% in detecting blinks from both eyes, establishing a solid foundation for the system’s control mechanism. Building on this success, the next phase involved creating a more comprehensive dataset using the Neurosky MindWave headset. Following a rigorous collection protocol, data from 11 participants was gathered to develop classification algorithms capable of distinguishing between three distinct types of blinks : left eye, right eye, and both eyes simultaneously. This expanded capability resulted in an overall classification accuracy of 86.33%, demonstrating the system’s ability to interpret more complex control commands. The classified blink signals are planned to be integrated into a robotic wheelchair system implemented using the Robot Operating System (ROS) in future work. To enhance safety and usability, the system will incorporate semi-autonomous navigation features, including LiDAR-based obstacle detection. This combination of EEG-based control and autonomous safety features creates a robust system that can effectively assist users with mobility impairments in their daily navigation needs. While the experimental evaluation confirmed the effectiveness of EEG-based blink detection as a hands-free control method for assistive technologies, several challenges were identified during the development process. These include the difficulty in differentiating between voluntary and involuntary blinks, managing EEG signal noise, and addressing real-time processing constraints. These challenges highlight important areas for future improvement and research. The study suggests several potential enhancements to further refine the system’s usability and reliability :— Implementation of advanced signal processing techniques— Integration of mental command recognition capabilities— Expansion of testing to include a larger sample size— Development of hybrid control systems that combine EEG with voice inputsThese results underscore the significant potential of EEG signals in assistive technology applications, particularly for wheelchair control in everyday life. The successful development of this system represents a meaningful contribution to the field of assistive robotics, offering a promising pathway toward increasing independence and quality of life for individuals with mobility impairments. -- Mot(s) clé(s) en anglais : Brain-computer interface (BCI), EEG, Wheelchair robotization, Low mobility, Neurosky Mindwave, Eye blinks differentiation.

Type de document :	Thèse ou mémoire de l'UQAR (Mémoire)
Directeur(trice) de mémoire/thèse :	Cherif, Raef
Co-directeur(s) ou co-directrice(s) de mémoire/thèse :	Yaddaden, Yacine
Information complémentaire :	Mémoire présenté dans le cadre du programme de maîtrise en ingénierie en vue de l'obtention du grade de maître en sciences appliquées (M. Sc. A.).
Mots-clés :	Électroencéphalographie; EEG; Clignement; Fauteuils roulants électriques; Interface cerveau-ordinateur (BCI); Différenciation des clignements des yeux; Robotisation des fauteuils roulants.
Départements et unités départementales :	Département de mathématiques, informatique et génie > Génie
Date de dépôt :	12 févr. 2026 13:45
Dernière modification :	12 févr. 2026 13:45
URI :	https://semaphore.uqar.ca/id/eprint/3464