Publications

Reconstruction active et passive en vision par ordinateur

memoire » Ph.D.
Jean-Philippe Tardif
Mots-clés: calibration , self-calibration , omnidirectional vision , radial distortion , matching , structured light , factorization , 3D reconstruction , computer vision
Date : 2007-08

Papyrus

http://hdl.handle.net/1866/17874

Résumé

Dans cette thèse, nous proposons des solutions à plusieurs problèmes rencontrés en reconstruction 3D active et passive en vision par ordinateur. Nos contributions portent sur trois grands thèmes soient l’auto-calibrage, la reconstruction et la facto risation. Le premier thème est le calibrage et l’auto-calibrage des caméras sténopé, grand angle et fisheye ainsi que d’une grande partie des caméras catadioptriques possiblement d’angle de vue plus grand que 1800 et à points de vue multiples. Tout d’abord, nous proposons le modèle de caméra radiat symétrique générat à projection centrale ou non-centrale. Celui-ci permet une représentation unifiée des fonctions de projection de toutes ces caméras. Une caméra est modélisée par un ensemble de caméras sténopé virtuelles ayant le même axe optique, chacune d’elles associées à un cercle de l’image centré au centre de distorsion. Le modèle permet de représenter toutes sortes de distorsions radiales symétriques en permettant aux caméras virtuelles de posséder des longueurs focales différentes. Cette variation de longueur focale peut être représentée par une fonction discrète ou paramétrique. Nous proposons un total de trois algorithmes de calibrage planaire du modèle central et un pour le modèle non-central. De plus, nous proposons deux algorithmes d’auto-calibrage du modèle central. Le premier utilise des images de lignes alors que le deuxième utilise des cor respondances entre deux images ou plus d’une scène planaire. Le deuxième thème est la mise en correspondance active robuste entre un projecteur multimédia et une caméra, à l’aide de motifs de lumière structurée. Notre contribution est une approche probabiliste de décodages des motifs. Celle-ci corrige automatiquement les erreurs commises à l’étape de binarisation des images. Elle permet aussi un lissage des codes tout en préservant les discontinuités. Le troisième thème est le problème non-linéaire de factorisation de matrice avec données manquantes. Un algorithme permettant d’effectuer cette tâche est un outil très utile puisque plusieurs problèmes de vision par ordinateur peuvent être formulés de cette manière. On compte, par exemple, les problèmes de reconstruction 3D pour les modèles affine et perspectif, ainsi que la re construction sous illumination variable et inconnue. La factorisation est généralement résolue en lançant plusieurs minimisation itératives initialisées à des point de départ choisis aléatoirement. Il s’agit d’un processus lent ou chaque minimisation converge la plupart du temps vers un minimum local. Nous proposons une nouvelle méthode batch, qui procède en accumulant des contraintes sur le premier des facteurs à par tir de sous-blocs complets de la matrice de mesure. Celles-ci permettent de formuler l’estimation de ce facteur sous forme d’un problème de minimisation convexe. Nous proposons une généralisation des contraintes de fermeture, de nouvelles contraintes duales appelées contraintes de base ainsi qu’un algorithme pour trouver des sous- blocs complets. La méthode est très rapide et donne des résultats presque optimaux. Par ailleurs, nos expériences démontrent une amélioration significative du taux de convergence des méthodes itératives lorsqu’initialisées à l’aide de notre méthode. De plus, nous proposons une variante de nos contraintes spécifiquement formulée pour le problème de reconstruction 3D passive. Une attention particulière est donnée au modèle affine, pour lequel nous obtenons de très bons résultats même sans raffinement itératif de la reconstruction.

Documents