Vous êtes sur la page 1sur 9

Dtermination dune surface polydrique continue optimale partir dun fouillis de plans Reconstruction of a polyhedral and continuous optimal

l surface from a crowd of 3D planes


Hassan Jibrini1,2,3, Marc Pierrot-Deseilligny2, Nicolas Paparoditis2, Henri Matre3. Facult de Gnie Civil Universit dAlep, Syrie
1 2

Institut Gographique National 2-4, avenue Pasteur 94165 Saint-Mand

GET Tlcom-Paris 46, rue Barrault 75013 Paris

prenom.nom@ign.fr

henri.maitre@enst.fr

Rsum
Cet article prsente une mthode originale de dtermination dune surface polydrique optimale applicable par exemple lors de la reconstitution de scnes en 3 dimensions par vision stroscopique. La mthode recherche, parmi une famille de plans recouvrant, lagencement des facettes lmentaires qui minimise un critre combinant simplicit de forme et attache aux donnes. La recherche de cette surface repose sur un rsultat thorique nouveau montrant l'quivalence entre surface polydrique admissible et clique maximale dun graphe de compatibilit calcul sur les facettes dfinies par les plans hypothses. Ce travail a t dvelopp dans le cadre de la constitution de modles 3D urbains partir dun couple stroscopique d'images ariennes et dune base de donnes planimtriques. Des rsultats sont prsents et comments.

Keywords
Stereovision, optimal surface, polyhedral surface, optimisation.

Introduction

Mots-cls
Vision stroscopique, surface optimale, surface polydrique, optimisation.

Abstract
This paper presents an original method for the determination of an optimal polyhedral surface which can be applied for instance for the 3D modelisation of landscapes in stereovision. The method searches through a family of recovering planes the spatial ordering of elementary facets which minimises a criterion combining both simplicity in shape and data attachment. This surface research lies on a new theoretical result showing the equivalence between admissible polyhedral surface and maximal clique of a compatibility graph calculated on the facets defined by all plane hypotheses. This work has been developed in the context of the generation of 3D City Models from a stereopair and 2D ground maps. Some results are presented and discussed.

Dans de nombreuses applications de vision par ordinateur, on est amen reconstruire des surfaces tridimensionnelles partir de points disperss dans lespace ou partir de mesures de similarit obtenues par exemple par mise en correspondance entre images ou suivi dans des squences. Ces mesures sont souvent regroupes en surfaces planes par des techniques de vote (test dhypothse ou transformation de Hough par exemple), puis ces surfaces sont assembles de faon reconstruire lobjet sous des contraintes propres lunivers observ : cohsion et opacit des surfaces, le plus souvent pour le monde qui nous entoure. Lorsque les objets sont complexes et que les mesures sont bruites et nombreuses, les hypothses de plans peuvent tre trs nombreuses (quelques centaines). Si les contraintes sont faibles, le choix dun assemblage convenable des portions de plans est un problme trs difficile et de nature combinatoire qui dcourage souvent la recherche de solutions exactes. Cest ce problme que nous traitons ici et auquel nous apportons une solution : nous montrons en effet que, sous des hypothses que nous prciserons, la surface recherche appartient un sous-ensemble rduit des surfaces possibles, les surfaces que nous appelons admissibles. Nous montrons ensuite que ces surfaces admissibles sont les cliques maximales dun graphe de compatibilit construit partir des plans initiaux. Nous pouvons alors soit trouver la solution exacte de ce problme, soit tirer profit des a priori connus pour rechercher par des heuristiques appropries des solutions sousoptimales mais convenables. A notre connaissance ce travail na pas t trait dans la littrature.

Ce travail a t dvelopp dans le cadre de la restitution tri-dimensionnelle de scnes urbaines partir de photographies ariennes. Dans ce contexte, la qualit cartographique de la restitution tridimensionnelle est un des lments cls de la qualit finale et il est au moins aussi important d'obtenir des modles propres que d'obtenir une description gomtrique prcise. C'est ce qui nous a conduits dvelopper une mthode o la reprsentation des formes joue un rle central et est spcialement adapte au contexte. Nous montrons des rsultats de cet algorithme appliqu qui illustrent lefficacit de notre mthode.

projection de cette facette sur la base de lespace objet. Notre objectif est de trouver la meilleure surface polydrique s'appuyant sur ces facettes et recouvrant le domaine dobservation. Pour cela, nous allons tout dabord spcifier quel type de surface nous souhaitons trouver (nous les nommons des surfaces admissibles), puis quel score nous souhaitons optimiser, enfin la stratgie adopte.

2.1

Surface admissible et score dune surface

Position du problme

Nous considrons que la scne observe appartient un domaine fini D de lespace tridimensionnel que nous assimilons un cne base polygonale et que nous appelons lespace objet. La direction associe laxe du cne, note z, est aligne avec laxe dobservation. Lobservateur est situ z trs grand. Les faces de lespace, parallles z, sont appeles les limites verticales de lespace. Les faces perpendiculaires z sont dites horizontales et celle dfinie pour z=0 est appele la base du domaine ; elle est dcrite par les variables (x,y). Lespace objet est dfini pour 0 z Z (voir figure 1).

Dfinition 1 : on dit quune surface S est admissible si elle vrifie les quatre proprits : 1. S est de la forme z=f(x,y) ; 2. S est une surface continue ; 3. S sappuie sur les plans dtects ; 4. S forme un recouvrement de la base du domaine. Les proprits 1, 2 et 3 expriment que la surface est polydrique, continue et entirement visible du point dobservation. Lhypothse de visibilit de toutes les faces est naturelle lorsquun point dobservation est choisi. Lhypothse de continuit est restrictive dans lunivers des objets tridimensionnels. A ce point de notre tude, nous ne pouvons malheureusement nous en passer. On dit que deux facettes sont compatibles sil existe une surface admissible qui passe par ces deux facettes. Nous avons choisi une fonction de score constitue de deux termes : un terme dattache aux donnes qui privilgie les surfaces utilisant des facettes de fort score, et une pnalit par le nombre de facettes utilises, de faon favoriser les surfaces simples. Ainsi, une surface S, constitue des facettes Fi , , i=1 N aura pour score tel que :

Figure 1 : lespace image gauche et les hypothses de plan droite

Nous disposons, dans cet espace, dhypothses de plans. Le travail thorique dcrit ici est indpendant de lorigine exacte des plans ; on peut par exemple utiliser des dtecteurs tels que ceux dvelopps dans [1] et [2] dans le mme contexte applicatif que le ntre. Ce qui est important est que tous les plans ncessaires une bonne reconstruction soient prsents dans lensemble initial des plans. Ceci nous a conduits en pratique au choix dun calcul par transforme de Hough dans un volume de corrlation qui permet davoir une dtection assez exhaustive. A chaque plan sont associes des facettes, cest-dire des rgions connexes de ce plan, limites par les intersections avec les autres plans. A chaque facette F est associe une mesure de qualit q(F) (par exemple la somme des scores des votes dans la transformation de Hough ou la valeur moyenne des corrlations). On appelle emprise dune facette la

(S ) = q(Fi ) ( N )
i

suite, nous prendrons simplement ( N ) = N o est une constante, mais des formulations plus rigoureuses peuvent bien sr tre adoptes partir de critres entropiques ou de MDL [6].

Par

la

2.2

Prsentation mthode

gnrale

de

la

La stratgie que nous avons dveloppe est la suivante : 1. On construit partir des plans dtects et du volume englobant le graphe des facettes, un graphe 3D contenant les facettes et leurs relations topologiques dadjacence ; la construction dun tel graphe est un problme

2.

3.

classique de gomtrie algorithmique, l'approche que nous utilisons est dcrite dans [3]. Dans le graphe des facettes, on dfinit un graphe de compatibilit dont les nuds sont les facettes et les arcs sont les couples de facettes compatibles (voir figure 2) ; ce graphe est utile pour notre problme car, comme on va le dmontrer, les ensembles de facettes qui correspondent une surface admissible, sont les cliques maximales de ce graphe. On construit donc explicitement ce graphe et cela est expliqu au prochain paragraphe. Si la combinatoire du problme le permet, nous explorons alors l'ensemble des cliques maximales pour trouver la meilleure surface ; sinon, nous utilisons des heuristiques adaptes.

3.1

Dfinitions prliminaires

Dfinition 2 : Une facette admissible F est une facette par laquelle il passe au moins une surface admissible. Un ensemble admissible de facettes est un ensemble de facettes {F1FN} tel qu'il existe au moins une surface admissible S qui contienne chacune des facettes. Z

(a)

(b) Figure 2 : graphe de facettes et graphe de compatibilit

2.3

Construction compatibilit

du

graphe

de

Partant du graphe des facettes, la premire tape consiste le simplifier en supprimant les facettes qui ne peuvent appartenir aucune surface admissible. Ainsi les plans qui rencontrent les faces horizontales de lespace objet D, soit pour z = 0 , soit pour z = Z doivent tre limits aux artes appartenant lespace objet (voir figure 3). Il faut galement supprimer les artes saillantes, cest-dire celles dont une face cache lautre. Cela est fait rcursivement (voir la figure 3). Le calcul du graphe de compatibilit se fait ensuite par une construction progressive, facette par facette. Pour une facette F quelconque on calcule l'ensemble des facettes avec lesquelles elle est compatible. Pour cela on supprime toutes les facettes dont l'emprise a une intersection non vide avec celle de F, et on applique lopration de suppression rcursive des facettes saillantes au graphe rsultant. La figure 4 illustre cette construction.

X
(c) Figure 3 : vue latrale de lespace objet : suppression rcursive des facette saillantes (ou localement inadmissibles). (a) Graphe 3D initial, (b) Graphe 3D aprs premire suppression, (c) Graphe 3D final

Dmonstrations de lquivalence surface optimale clique maximale

Dfinition 3: On appelle artes de bords les artes correspondant des intersections entre les plans dtects et les limites verticales de lespace D. On appelle arte localement inadmissible une arte A, qui n'est pas une arte de bord, et telle que toute les facettes adjacentes A se trouvent d'un mme cot du plan vertical passant par A. Une facette localement inadmissible est une facette contenant au moins une arte localement inadmissible. Une proprit immdiate et trs utile des facettes localement inadmissibles est : Proprit 1: Une facette localement inadmissible n'est jamais une facette admissible. Cette proprit est facile dmontrer, mais la rciproque est fausse car il existe des facettes non admissibles mais qui ne sont pas localement inadmissibles. Une facette localement inadmissible est donc une facette dont on peut dire, par le seul examen de son

Nous dmontrons maintenant que cette procdure garantit bien la construction du graphe de compatibilit et que la recherche des cliques maximales de ce graphe conduit aux solutions du problme.

voisinage (i.e. de ses facettes adjacentes) qu'elle n'est pas admissible

Figure 5 : Suppression rcursive des facettes localement inadmissibles. (a) Avant, (b) Aprs.

3.2

Graphe 3D localement admissible

Nous dcrivons l'algorithme de suppression rcursive des facettes localement inadmissibles dans un graphe 3D et nous tudions ses proprits.

Cet algorithme est rcursif au sens o supprimer une facette localement inadmissible peut rendre localement inadmissible de nouvelles facettes. La figure 5 illustre le rsultat de cet algorithme. Le rsultat de cet algorithme est un graphe sans facette localement inadmissible. Lorsque le rsultat de cet algorithme est un graphe non vide (nous considrerons toujours par la suite quil est non vide), on dira que le graphe est localement admissible.

(a) Step 0

Z Z
Figure 6 : enveloppes. Graphe localement admissible et surfaces

(b) Step 1

L'emprise de G est l'union des emprises des facettes sur la base ; les surfaces enveloppes notes Z+(G) et Z-(G) sont des surfaces, dfinies sur l'emprise de G, et correspondant respectivement au z maximum et au z minimum de toutes les facettes de G (cf. figure 6). Ces dfinitions nous permettent d'noncer deux proprits utilises par la suite. Proprit 2 : Si G est localement admissible, son emprise est gale la base. En effet si ce n'tait pas le cas, soit a une arte 2D limitant son emprise il est immdiat de voir que l'arte 3D A l'origine de a ne pourrait pas tre localement admissible. Proprit 3 : Si G est localement admissible, les surfaces enveloppes sont des surfaces admissibles Vrifions que les surfaces enveloppes satisfont les quatre proprits caractristiques des surfaces admissibles: 1. Elles sont de la forme z=f(x,y) puisque les facettes le sont ; 2. Elles sont continues ; supposons en effet qu'il y ait une arte A de discontinuit sur ces surfaces, A correspond une arte A d'une facette de G, mais A ne pourrait pas tre localement admissible ; 3. Elles s'appuient sur les plans dtects puisque les facettes le font ; 4. Elle forment un recouvrement de l'emprise d'aprs la Proprit 2.

X Z
(c) Step 2

X
(d) End Figure 4 : calcul des facettes compatibles avec une facette F (en gras sur le dessin). (a) step0 on calcule les facettes recouvrantes, (b) step1 : on les supprime, (c) step 2,3, on supprime rcursivement les facettes saillantes, (d) End : on obtient les facettes compatibles.

Algorithme 1: Suppression rcursive des facettes localement inadmissibles : Tant qu'il y des facettes localement inadmissibles, les supprimer.

(a)

(b)

3.3

Mdiane sur les surfaces admissibles

Une opration que l'on utilisera dans la preuve de correction des algorithmes est le calcul de la surface mdiane de surfaces ayant la mme emprise (cest-dire la surface qui en chaque point a autant de surfaces au-dessus delle quen dessous). Pour 3 surfaces S1,S2,S3, on la notera Med(S1,S2,S3). La Figure 7 reprsente un exemple de construction de surface mdiane (la ligne rouge y reprsente la surface mdiane de S2, Z+ et Z-). Cette surface possde la proprit suivante : S F F Z
Figure 7 : Surface mdiane passant par deux facettes compatibles

mme n'est pas une surface admissible, mais le raisonnement est identique); Dans la suite on ne considre plus que des graphes aprs simplification. 3.4.1 Calcul du graphe de compatibilit Dfinition 5 : On appelle graphe de compatibilit le graphe dont les sommets sont les facettes et les arcs les couples de facettes compatibles. On note Comp(F) l'ensemble des facettes compatibles avec F. Pour calculer le graphe de compatibilit on calcule Comp(F) pour toute les facettes de G. Pour cela on utilise l'algorithme suivant. Algorithme 2 : Calcul des facettes compatibles avec une facette donne. Pour une facette F : soit le graphe G1(F) le graphe obtenu en ayant supprim toutes les facettes (hors F elle-mme) dont l'emprise est d'intersection non vide avec celle de F. Soit G2(F) le graphe obtenu par suppression rcursive des facettes localement inadmissibles dans G1 (utiliser lalgorithme 1), alors G2(F) contient exactement les facettes de Comp(F). Nous devons prouver que l'algorithme est correct et donc que G2(F) = Comp(F). Montrons que Comp(F) G2(F) : la relation Comp(F) G1(F) est vidente puisque les facettes recouvrant partiellement F sont incompatibles avec F. Ensuite lors de la phase de suppression rcursive, considrons la premire fois, si elle existe, o l'on supprimerait une facette courante FC qui ferait partie de Comp(F). Soit GC le graphe courant avant suppression, alors soit SC une surface admissible passant par FC et F, SC serait incluse dans GC (puisque SC Comp(F) GC ) ce qui veut dire que FC serait admissible dans GC et contredit le fait que FC est localement inadmissible. Pour montrer que G2 Comp(F) on utilise la construction suivante: + Soit F2 une facette de G2 et soit Z 2 et Z 2 les surfaces enveloppe de G2, on a ncessairement + Z 2F2 Z 2 (par dfinition des surfaces enveloppes) ;

Z M

Proprit 4 : Si S1,S2,S3 sont des surfaces admissibles alors Med(S1,S2,S3) est aussi une surface admissible En effet la vrification des quatre proprits caractristiques des surfaces admissibles est immdiate (un rsultat classique indique que les oprations de mdiane, maximum, minimum sont des oprations stables dans l'ensemble des fonctions continues).

3.4

Preuve de correction de la mthode de gnration des surfaces admissibles

Comme on la indiqu plus haut, on procde tout dabord une simplification du graphe des facettes en supprimant les artes ayant des intersections avec les limites horizontales, puis en supprimant rcursivement les artes localement inadmissibles. Par ailleurs, dans notre contexte particulier cette opration confre au graphe rsultat une proprit intressante : Proprit 5 : A l'issue de la simplification initiale, toutes les facettes sont admissibles (au lieu d'tre seulement non localement inadmissibles comme c'est le cas en gnral). Cela peut tre montr par le raisonnement suivant si G est non vide : Les surface enveloppes sont admissibles d'aprs la Proprit 3 ; Soit F une facette et P le plan supportant F; alors la surface S dfinie par Med(P,Z+(G) et Z-(G)) est une surface admissible (on n'est pas tout fait dans les conditions de la Proprit 4 puisque P elle

+ Z 2 et Z 2 passent par F puisque l'on a


supprim dans G2 toutes les surfaces au dessus ou en dessous de F ;

On voit alors que la surface mdiane de SN, Z + et Z est une surface admissible (voir figure 8)
qui contient toute la clique {F1,F2 FN+1 };

Soit S2 une surface admissible passant par F2 (il en existe ncessairement une puisque d'aprs la Proprit 5 toutes les facettes restant dans le graphe aprs la simplification initiale sont admissibles) ; + Soit M2 la surface mdiane de S2, Z 2 et Z 2 ; M2 est une surface admissible (Proprit 4) ; + M2 contient F2 puisque Z 2F2 Z 2 et que

Soit enfin une clique maximale, nous venons de voir que c'est aussi un ensemble admissible de facettes, il est alors immdiat que c'est aussi une surface admissible (si elle est incluse de manire stricte dans une surface admissible, alors les facettes "manquantes" peuvent complter la clique).

S F SN F FN+

Z F Z

+ M2 contient F puisque Z 2 et Z 2 passent par F ;


donc F et F2 sont compatibles.

S2 contient F2 ;

Figure 8 : Surface mdiane admissible passant par F1, F2FN, FN+1.

Clique maximale et surfaces admissibles Nous allons voir maintenant que les surfaces admissibles sont exactement les cliques maximales du graphe de compatibilit. Soit S une surface admissible, il est vident que S est une clique du graphe de compatibilit. Il est aussi vident que S est une clique maximale. S assure un recouvrement de l'emprise, donc toute facette F1 en dehors de S, aurait un recouvrement non nul avec au moins une facette F2 de S et serait donc incompatible avec F2. Pour montrer que toute clique maximale dfinit une surface admissible, nous allons d'abord montrer que toute clique du graphe de compatibilit dfinit un ensemble admissible de facettes. Nous effectuons cette dmonstration par rcurrence sur les lments d'une clique : Le rsultat est videmment vrai pour une clique {F1,F2} deux facettes ; Supposons donc le rsultat vrai pour N et montrons le pour N+1; Soit {F1,F2 FN+1} une clique de taille N+1, Soit SN une des surfaces admissibles qui par hypothse de rcurrence passent par {F1,F2 FN} , + Soit Z et Z les surfaces enveloppes de Comp(FN+1) ,

3.4.2

3.5

Calcul des meilleures surfaces par recherche de cliques.

A partir des rsultats prcdents, nous avons dmontr que les surfaces admissibles sont exactement les cliques du graphe de compatibilit. Nous disposons donc d'un moyen relativement ais pour parcourir les surfaces ; le problme est bien sr NP complet et le nombre de cliques crot exponentiellement en fonction du nombre de facettes mais dans la majorit des cas l'exploration combinatoire est possible. Si la combinatoire le permet, nous parcourons donc exhaustivement l'ensemble de toutes les cliques maximales en utilisant l'algorithme de Tsukiyama [7]. Sinon, nous utilisons une heuristique dcrite en dtail dans [4] pour diminuer la taille du graphe jusqu' ce que la combinatoire soit acceptable. Le principe de cette heuristique est de mlanger, dans une relaxation probabiliste les heuristique classique "best in" et "worst out" [5]. Les sommets du graphe sont classs dans trois catgories : C0 : a conserver srement ; C2 : rejeter srement , C1 : indtermin avec une probabilit d'tre dans une des deux classes . Au fur mesure des itration on recalcule les probabilits des nuds C1, en fonction de l'tiquetage des nuds voisins et de la fonction de cot. Par ailleurs, aprs chaque itration une partie des nuds de classe C1 sont affects la classe C0 ou C2 en fonction d'un seuil qui volue pendant l'algorithme. Enfin un avantage de cette approche combinatoire est de permettre d'obtenir non seulement la meilleure solution, mais aussi les deuxime, troisime etc. meilleures solutions, ce qui s'avre intressant dans le cadre d'un processus de correction.

K, 1KN, on a Z FK Z , puisque
FN+1 est compatible avec FK ;

Rsultats

La mthode prsente ci-dessus a t exprimente avec succs dans un processus de reconstruction tridimensionnelle de btiments en imagerie arienne trs haute rsolution. Dans cette application nous utilisons un couple dimages dun milieu urbain dense ainsi quun cadastre qui nous sert focaliser notre attention autour de chaque btiment et dlimiter lespace objet D : la strovision suivie dune analyse de lespace des appariements nous donne des hypothses de plans qui permettent de construire le graphe 3D. La mthode est totalement dcrite dans [4]. Nous voyons sur la figure 9 le rsultat de la mthode sur une centaine de btiments, et sur les figures 10 et 11, le rsultat sur des btiments individuels de forme complexe. Ces rsultats ont t obtenus avec la fonction de cot dcrite plus haut. Le paramtre pondrant le terme de rgularit par rapport celui dattache aux donnes a t fix dans toute nos applications la valeur 0.03. Cette valeur a t calcule sur une zone dapprentissage contenant une centaine de btiments de manire maximiser le pourcentage de rsultats jugs bons par un oprateur. Compte tenu des moyens de calcul utiliss, nous ne pouvons utiliser la recherche exhaustive que si le graphe initial est de taille modre (moins de 60 sommets typiquement). Cependant, en utilisant lheuristique propose ci-dessus des graphes de plus de 200 nuds ont t traits avec succs. Lvaluation quantitative de ce type de travail est un problme difficile puisquil sagit de dcider si le rsultat dun algorithme est une caricature acceptable, selon certains critres, de la ralit. Elle est donc minemment subjective. Nous avons cependant demand un oprateur de classifier, sur deux types de paysage, les rsultats de lalgorithme selon trois catgories : Bon : le rsultat est compatible avec des spcification de saisie dans des images de cette rsolution (25cm) ; Moyen : le rsultat est trop gnralis mais serait compatible avec des spcifications de saisie dans des images de pixels sol compris entre 0.5 et 1 mtre ; Mauvais : la forme extraite nest pas une caricature acceptable. Sur 365 btiments complexes du centre ville dAmiens (cf. figure 9) on obtient : 65% bons, 20% moyens, 15% mauvais ; Sur 192 btiments de zones pavillonnaires (formes de toits plus simples) on obtient : 83% bons, 15% moyens, 2% mauvais. On voit que si la mthode nest pas forcment adapte au contexte o seules comptent les reconstructions parfaites ; elle est par contre pertinente dans un contexte, comme celui de la cartographie, o, dfaut de perfection, on prfre

toujours une restitution trop simple linvention de dtails inexistants. Par ailleurs, la prcision gomtrique des plans injects en entre de ce travail (par transforme de Hough) a fait lobjet de mesure qualit par rapport une rfrence manuelle. On obtient des plans avec une cart angulaire RMS de 2 et un cart moyen de localisation de 50 cm par rapport la rfrence (celle-ci tant elle-mme parfois errone). Nbre de btiments 365 % 192 % bons 65 % 83 % moyens 20 % 15 % mauvais 15 % 2%

Centre ville Zone pavillon.

Conclusion

Nous avons prsent dans cet article une mthode de reconstruction de surface 3D polydriques par optimisation globale dune fonction de cot (mlangeant classiquement attache aux donnes et simplicit). Cette mthode ne se compare pas la plupart des techniques classiques car elle recherche une surface polydrique continue recouvrant les objets de la scne. La surface est optimise tant en gomtrie quen topologie. La mthode propose permet de choisir trs librement la fonction de cot et la pondration entre fidlit aux donnes et simplicit de reprsentation. Lalgorithme permettrait galement doptimiser un critre de type longueur de description minimum (MDL [6]) si lon souhaitait une optimisation au maximum de vraisemblance.

Bibliographie
[1] C. Baillard, C. Schmid, A. Zisserman, A. Fitzgibbon, Automatic line matching and 3D reconstruction of buildings from multiple views , ISPRS99 conference, pp. 69-80, Munich, Allemagne, Septembre, 1999. [2] M. Cord, Analyse dimages ariennes haute rsolution : dtection et modlisation du bti en zone urbaine , Thse de doctorat de lUniversit de Cergy-Pontoise, Paris, France, 1998. [3] H. Edelsbrunner, Algorithm in Combinatorial Geometry , EATCS Monograph on Theoritical Computer Science , Vol. 17, Springer Verlag, 1987. [4] H. Jibrini, Reconstruction automatique des btiments en modles polydriques 3D partir de donnes cadastrales vectorises et dun couple dimages ariennes haute rsolution , Thse de doctorat de lEcole Nationale Suprieure des Tlcommunications, Paris, France, April 2002. [5] R. Kopf, G. Ruhe, A computational study of the weighted independent set problem for general

graphs , Foundations of Control Engineering, Vol. 12, pp. 167-180, 1987. [6] J. Rissanen, Modelling by shortest data description, Automatica 14, pp.465-471, 1978. [7] S. Tsukiyama, M. Ide, I Hirakawa, A New Algorithm for Generating all the Maximal Independent Sets , SIAM J. Comput 6, pp. 505517, 1977.

(b) (a) Figure 9 : Rsultats de la mthode applique le reconstruction dune zone urbaine. (a) une image dun couple stroscopique sur la ville dAmiens avec un pixel sol de 25 cm) avec superposition en filaire de la reconstruction 3D des toits, (b) vue 3D du modle 3D avec textures des toits provenant des images du couple stroscopique.

(c) (b) (a) Figure 10 : Exemple de rsultat dune reconstruction 3D sur un btiment complexe. (a) un extrait dune des deux images dun couple stroscopique panchromatique avec superposition de lemprise du btiment donn par le cadastre, (b) fouillis de plan , (c) surface optimale avec rajout des faades verticales obtenues par extrusion sur un Modle Numrique de Terrain.

(a)

(b)

(c)

(e) (d) Figure 11 : Exemple de rsultat dune reconstruction 3D multi-vue (9 images vraies couleurs) sur un btiment complexe. (a) image avec superposition du cadastre, (b) mme image avec superposition de la reconstruction 3D, (c) autre image avec la mme reconstruction 3D, (d) vue du modle 3D obtenu par extrusion de la surface du toit sur un sol, (e) mme vue que (d) avec texturation multi-image.