Recalage automatique d'objets 3D de forme libre en utilisant la clinométrie

La reconnaissance d'objets 3D de forme libre est un problème qui est loin d'être résolu en vision par ordinateur. Nous nous sommes intéressés dans cette thèse au problème particulier de recalage automatique de ce type d'objets dans le contexte de la vision monoculaire associée à une lumière non structurée ainsi que celui de la stéréovision active. Le but recherché dans le cadre de notre étude est de démontrer que l'utilisation de la clinométrie de l'objet de forme libre, sous certaines conditions, est suffisante pour réaliser un système de recalage automatique simple et précis. Nous avons ainsi élaboré deux approches : La première approche, que nous avons appelé approche photoclinométrique, exploite une seule image de luminance de l'objet à partir de laquelle elle extrait un invariant projectif de type photométrique (non géométrique) qu'elle utilise pour apparier des zones de l'image de l'objet avec celles du modèle. Nous proposons une méthode originale basée sur ce que nous avons appelé les aspects photométriques pour construire une base de données discriminantes du modèle 3D de l'objet. Par ailleurs, nous avons élaboré une méthode de mise en correspondance qui s'inspire de la technique de prédiction/vérification d 'hypothèses pour réaliser les appariements image/modèle. Ces derniers sont exploités par l'algorithme de l'itération orthogonale (IO) pour calculer la transformation rigide qu'a subi l'objet. La deuxième approche, nommée approche clinométrique, utilise des points 3D acquis de la surface visible de l'objet grâce à un capteur stéréo actif (caméra CDD + projecteur d'une grille laser) que nous avons conçu. A partir de ces points 3D, elle construit un invariant géométrique local pour identifier, dans une table d'indexation du modèle, la région (patch) de l'objet ainsi reconstruite. L'indexation permet d'établir des appariements entre des zones de l'objet détecté dans la scène avec celles du modèle de la base de données. Nous formulons d'une manière différente le problème du recalage 3D car dans ce cas nous utilisons des appariements de type 3D/3D. Les deux approches élaborées sont testés sur des images synthétiques pour la première et réelles pour la deuxième, nous avons évalué les performances de chacune d'elles et donné leurs limites d'utilisation. Finalement, nous avons essayé de mener une étude critique sur les méthodes implantées et les résultats obtenus afin d'exposer les perspectives et améliorations à développer dans le futur.3D free form object recognition problem is one or the most difficult problems in computer vision. We were interested in this thesis to the particular problem of automatic recovering or such objects in the both cases of the monocular vision associated to a non structured light and active stereovision. Our goal is to demonstrate that the use of the clinometry of the free form object, under some conditions, is sufficient to achieve an accurate and automatic recovering system. Thus, we have elaborated two approaches : The first one, named photoclinometry, exploit only one luminance image of the object to extract a photometric (non geometric) projective invariant which is used to perform matching between regions of the object image and those of the model. We propose an original method based on what we called "photometric aspects" to construct a discriminative data base of the 3D object model. Otherwise, to achieve the image/model matching, we have used the prediction/verification paradigm. The matched primitives are the exploited by the orthogonal iteration (OI) algorithm to compute the rigid transformation undergone by object. The second approach, called "clinometry approach", uses 3D points scanned from the visible surface of the object by an active stereovision sensor (a CDD camera + laser grid projector) which we conceived. From these 3D points, it constructs a local geometric invariant which allow to identify, from a model indexing table, the region of the object (patch) thus rebuilt. Indexing allows to match features extracted from the object model with features extracted from the sensed object wherever it may be within the workspace. The 3D recovery process is formulated differently because in this case use 3D/3D matching. Both elaborated approaches are tested on synthetic images for the first one and realistic images for the second one. We have evaluated the performances of each of the two methods and have given their limits of use. Finally, we tried to lead a critical survey on the implemented methods in order to expose perspectives and improvements to develop in the future.EVRY-BU (912282101) / SudocSudocFranceF