Qualité intrinsèque d'un maillage 3D reconstruit

joint to CAp 2022 (Conférence sur l'Apprentissage automatique)International audienceIn the context of 3D object manipulation and 3D reconstruction, several methods are available to acquire 3D data (point clouds, volumes or meshes). The estimation of 3D mesh quality is a fundamental step in many applications, as for example, in a 3D reconstruction process performed in an iterative way. Some approaches allow to evaluate the quality of 3D models generated with the use of a reference model. However, a reference 3D model is not always provided.Dans le contexte de la manipulation d’objets 3D et de la reconstruction 3D, de nombreuses méthodes permettent d’acquérir des données 3D (nuages de points, volumes ou maillages). L’estimation de la qualité d’un maillage 3D est une étape fondamentale dans de nombreuses applications, comme par exemple, dans un processus de reconstruction 3D réalisé de manière itérative. Il existe des approches permettant d’évaluer la qualité des modèles 3D obtenus en utilisant un modèle de référence. Toutefois, un modèle 3D de référence n’est pas toujours disponible. Ainsi, dans un premier temps, nous présentons ces métriques utilisant un modèle de référence, nommées métriques extrinsèques et qui fournissent des résultats corrélés à l’évaluation subjective obtenue par des opérateurs humains. Dans un second temps, nous abordons les métriques extrinsèques, sans modèle de référence et faisant appel aux notions de courbure et de rugosité. Nous avons mis en place un protocole d’évaluation s’appuyant sur l’évaluation de modèles 3D dégradés de manière progressive (ajout de bruits et décimation). Les résultats montrent que les deux catégories de métriques mettent en évidence les défauts de reconstruction, c’est-à-dire qu’elles ont des réponses significatives sur les régions modifiées localement par du brui