Vous êtes sur la page 1sur 6

Vision 3D : du point lensemble

Benot Telle

LIRMM - UMR CNRS-UMII n-C55060


161 rue ADA 34000 Montpellier - France
telle@lirmm.fr

Rsum La vision 3D sappuie sur de nombreux modles et    


proprits gomtriques. Les rsultats qui sont obtenus se q1 P1
basent essentiellement sur les rsultats de la gomtrie ponc- = Q (2)
q2 P2
tuelle. Je montre que les outils ensemblistes peuvent tre
utiliss pour les diffrentes tapes qui mnent la recons-
truction 3D dune scne. Ils permettent de plus dobtenir
Ce systme 6 quations et 4 inconnues correspond
une information que les approches ponctuelles ne peuvent lintersection de deux droites 3D. Sa rsolution, la trian-
pas identifier prcisment : lincertitude des rsultats. La gulation, permet dobtenir la reconstruction 3D du point.
mise en oeuvre de ces outils est prsente pour lapparie- Gomtriquement et en vitant des cas dgnrs, ce sys-
ment de points dans une paire dimages, la modlisation
dune camra et la reconstruction 3D. tme sinverse. Les diffrentes composantes indpendantes
du systme seront donnes. La triangulation se ramne
alors la rsolution dun systme carr et de rang plein, de
I. Introduction
la forme
La reconstruction 3D se trouve successivement confron- AQe = B (3)
te aux problmes suivants : lappariement de points dans
une squence dimages, lidentification du modle de ca- A et B sont respectivement une matrice (3 3) et un vec-
mra ou de celui du capteur stroscopique et la triangula- teur de dimension 3 construits partir des lments de
tion. Je montre dans une premire partie les aspects go- P1 , P2 , q1 et q2 . Qe est le vecteur en coordonnes non ho-
mtriques de ces problmes. Les rsultats que lon va ob- mognes, mais un facteur dchelle prs, de la position du
server sont donc ncessairement dpendants de la manire point dans la scne [2].
dont sont dcrites les donnes gomtriques initiales. De Cette galit signifie quil existe une relation linaire
manire naturelle, la primitive de base est le point. Or en entre un point 3D (Qe ) et un couple de point image (q1 , q2 )
pratique, la donne initiale est un pixel. Ce papier propose obtenu par le systme stroscopique (P1 , P2 ). Cette rela-
donc de revisiter chacune de ces trois tapes : appariement tion linaire prend initialement place dans lhyperplan eu-
- identification - reconstruction, non pas en modlisant un clidien de lespace projectif li la scne. Cependant elle
pixel par un point mais par un ensemble de points dcris est vraie dans nimporte quel autre hyperplan. Aussi, la
par un intervalle. rsolution en Qe de cette quation (3) fournie une recons-
truction qui est valide une transformation projective prs
II. vision 3D et gomtrie de la scne (une homographie). Lart de la reconstruction
Depuis Desargue (17eme sicle) et la formulation de la 3D consiste identifier les termes {P1 , P2 , q1 , q2 } qui per-
gomtrie projective, lespace visuel dans lequel nous vo- mettent de retrouver ou de rester dans lhyperplan Eucli-
luons est interprt comme lhyperplan Euclidien dun es- dien [3][4]. Les problmes rsoudre sont alors lidentifica-
pace projectif 3D. Grce cette reprsentation, la camra, tion des modles de camra Pi et lappariement des points
comme loeil, constitue un projecteur de cet hyperplan. (q1 ; q2 ) dans une vue stroscopique.
Cette projection est une transformation linaire de lespace,
elle est de rang non plein et la perte de rang se traduit par III. Les modles mis en jeux
leffet de perspective. A. Modle de camera
Notons Q le vecteur de coordonnes homognes dun
Le modle de fonctionnement dune camra le plus r-
point de la scne 3D, Pi la matrice (3 4) qui reprsente
pandu en vision est le modle pinhole. Dans ce cadre, la
lapplication linaire de la projection, et qi le vecteur de co-
projection ralise par une camra est une application li-
ordonnes du point image de Q par Pi . La formation dune
naire de lespace projectif. Elle se formalise par le produit
image avec une camra scrit alors :
matriciel de lquation (1). La matrice Pi est de dimension
(3 4), elle possde donc 12 degrs de libert. On distingue
qi = Pi Q (1)
deux types de paramtres dans le modle de la camra.
En ce qui concerne la reconstruction 3D, lintrt est le Il y a 6 paramtres qui dterminent la position et lorien-
suivant : un couple de camra ou, si on fait abstraction du tation du centre de projection. Ce sont les paramtres ex-
temps, une camra qui se dplace, permet de compenser trinsques. Ils forment une matrice (3 4) que lon note
la perte de rang lie la projection. On appelle systme (R|t), o R est une matrice de rotation, et t le vecteur
stroscopique un tel couple de camra, il constitue alors qui caractrise la position du centre de projection dans le
une base pour lespace projectif 3D[1]. En effet les projec- repre de la scne (voir figure 1).
tions stroscopiques dun point de la scne fournissent le Il y a de plus 5 paramtres dits intrinsques qui corres-
systme surdtermin suivant : pondent aux facteurs dchelle dans le plan de projection (2
Repre Image
Rimage
Q

v u

Paramtres
Intrinsques

K q

Fig. 2. 1) Pixel rel 2) Reprsentation du pixel par un modle pro-


babiliste. 3) Reprsentation du pixel par un intervalle.
x z f
Repere Scne
Rscene
Repre Camra Rcamera
y
sont des pixels (figure 2-1). Loutil mathmatique tradition-
nellement utilis pour caractriser gomtriquement las-
pect surfacique du pixel est une imprcision. Celle ci est
Paramtres Extrinsques

R t
 modlise comme un bruit gaussien centr sur le centre
du pixel. Un cart type appropri permet daffirmer que
Fig. 1. Modle de projection : les paramtres extrinsques lient le le point image une probabilit donne dtre dans une
centre de projection au repre de la scne. Les paramtres intrin-
sques lient le plan de projection au plan image. ellipse recouvrant la surface du pixel. Lerreur darrondie
fait quon choisit en gnral = 0.7 pour une probabilit a
95% (voir figure 2-2). Il sagit dun modle probabiliste uti-
directions : mx et my ), une transformation du plan qui cor- lis des fins gomtriques. Le problme est que les hypo-
respond au changement de repre liant le repre du plan thses ncessaires lutilisation de ce modle probabiliste
de projection au repre du plan image (2 translations : sont fausses. Les variables mises en jeu ne sont pas indpen-
px et py ) et un biais dorientation qui caractrise la non- dantes et laspect centr de la distribution nest pas justifie
orthogonalit possible du repre image (skew : s). Ces pa- [7]. Ce modle permet dutiliser les outils bass sur la mini-
ramtres sont introduits dans le modle par la matrice des misation de critres quadratiques en utilisant des donnes
paramtres intrinsques que lon note K : ponctuelles. En ce qui concerne lidentification dun sys-
tme physique, et une camra en particulier, le thorme de
la limite centrale aliment par un nombre de mesures suf-

mx s px
K= my py (4) fisamment important permet de justifier cette approche.
1 On obtient alors un modle ponctuel qui est connu avec
prcision.
Le dernier degr de libert est le facteur dchelle, carac- Ceci nest plus vrai dans le cas de la triangulation, car
tristique des transformations projectives. le nombre de mesure est trop faible (2 mesures en stro-
La projection dun point de la scne travers le modle scopie). Pour connatre la prcision de la reconstruction,
complet de la camra scrit alors : loutil fourni par le modle probabiliste est la propaga-
tion de covariance. Or la triangulation est un problme in-
q = P Q = K (R|t) Q (5) verse numriquement instable car mal conditionn et go-
mtriquement instable lorsquon cherche lintersection de
Lidentification de la matrice Pi peut tre ralise en droites quasi parallles [8]. Pour ces raisons, propager la
inversant directement le systme (quation 1). Les coor- covariance sur le systme linaire peut savrer fortement
donnes 3D de 6 points au minimum sont ncessaires [4]. pessimiste. En ce qui concerne lutilisation dun critre op-
La mthode didentification propose par Zhang [5] permet timal (au sens statistique ou gomtrique), si celui-ci est
didentifier et de distinguer les paramtres intrinsques des non linaire, les hypothses ncessaires pour propager la
extrinsques. Elle peut tre ralise par une srie de sys- covariance conduisent des rsultats trs approximatifs [2].
tmes dquations linaires qui fourniront une solution trs Pour ces raisons, la modlisation dun pixel par un inter-
proche des solutions obtenues par une optimisation gom- valle est une alternative intressante (figure 2-3).
trique ou statistique [6]. Lincertitude que lon a sur la position du point est
Nous considrerons que les paramtres extrinsques sont associer aux paramtres intrinsques de la camra. On lin-
connus, quils peuvent tre dtermins prcisment ou troduit sous la forme de lintervalle [], la projection scrit
quils constituent les donnes qui sont recherches par le alors :
systme talonn. Ils correspondent lorientation et la po- [q] = P Q + [] (6)
sition de la camra. Dans notre cas, les paramtres critiques Aucune hypothse nest faite sur la distribution de la posi-
qui caractrisent le modle de camra sont les paramtres tion du point dans le pixel. La description fournie par cette
intrinsques. quation est donc bien de nature gomtrique.
B. Modle de pixel IV. Appariement, gomtrie pipolaire et
La reprsentation algbrique du modle de camra (qua- identification des modles de camra
tion 5) associe un point de la scne un point du plan Dans le cas dune image statique, les traitements go-
image. Cependant, les donnes fournies par une camra mtriques qui peuvent tre effectus ncessitent une tape
pralable de segmentation. Cette segmentation fournit les
lments de base tels que les points courbes ou surfaces qui
seront ensuite tudies. La difficult est alors dobtenir une
segmentation prcise. Dans le cas dune squence (ou dune
paire) dimages, lappariement de points joue un rle qui-
valent celui de la segmentation. Le problme qui sajoute
est dobtenir un appariement correct tant donn les im-
prcisions de la segmentation. La gomtrie pipolaire per-
mettra ensuite dtalonner le capteur stroscopique, puis
de donner la reconstruction 3D du nuage.

A. Appariement
Etant donn 2 ensembles de points {q1 } et {q2 }, les m-
thodes dappariements ont pour fonction dassocier les l-
ments de chacun de ces ensembles selon un ensemble de
contraintes. La premire est en gnral celle dunicit : un
point de {q1 } est associ un et un seul point de {q2 }. Fig. 3. Le plan pipolaire
Il sagit dune contrainte de structure . On peut dfinir
les contraintes iconiques bases sur des scores de corrla-
tion entre deux candidats. Enfin, on dfinit les contraintes une mme tape [13][14]. Cest un processus itratif qui
gomtriques [9], dont la plus connue est la contrainte pi- remet jour les contraintes gomtriques et converge pro-
polaire. gressivement vers les paramtres du modle.

B. La contrainte pipolaire ou relation fondamentale 3. Lestimation de lerreur intrinsque au modle :


il sagit de lincertitude lie la modlisation du pixel par
La contrainte pipolaire traduit le fait quun point de un intervalle. La matrice fondamentale tant llment al-
la scne Q et les centres optiques (C1 , C2 ), du couple de gbrique qui va compltement caractriser le systme de
camras (P1 , P2 ) sont un triplet de points qui dfinissent vision, la partie suivante montre comment une srie de test
un plan dit plan pipolaire (voir figure 3). Un couple de permet de fournir lincertitude prsente sur la position des
points (q1 , q2 ) candidat pour lappariement appartient n- points image.
cessairement ce plan. Puisque ces points appartiennent
4. Lestimation des paramtres intrinsques : on
aussi au plan image, lintersection du plan pipolaire et
montre que 3 dplacements (3 matrices fondamentales)
des plans images dfinissent deux droites : les droites pipo-
suffisent pour obtenir les solutions analytiques des qua-
laires (L1 , L2 ). En remarquant que les plans pipolaires d-
tions de Kruppa [15][16][17]. Ces quations sont lorigine
finissent un faisceau de plans autours de la droite (C1 , C2 ),
des dveloppements qui sont raliss en matire dauto-
la donne dun point image q1 ou q2 suffit pour dfinir les
talonnage depuis leur apparition dans [18]. Elles per-
droites pipolaires L1 et L2 . Ceci se formalise par la rela-
mettent prcisment de dterminer les paramtres intrin-
tion fondamentale
sques des camras lorsque les paramtres extrinsques sont
q1t F q2 = 0 (7)
inconnus. Leur rsolution reste un problme difficile d en
O F est appele matrice fondamentale, elle est de dimen- particulier la multiplicit des solutions qui peuvent ap-
sion (3 3) et de rang 2. Pour une paire dimages stro- paratre. Une prsentation gomtrique du problme est
scopique donne, 8 couples de points apparis suffisent donne dans [19].
son identification [10].
5. Lestimation des paramtres extrinsques :
C. Identification des modles lorsque les paramtres intrinsques des camras sont
connus, le problme de lidentification des paramtres ex-
La matrice fondamentale est llment algbrique qui ca- trinsques est quivalent celui de la reconstruction 3D
ractrise compltement la gomtrie pipolaire et donc les [15].
systmes stroscopiques. Les techniques dauto-talonnage
se basent sur cette matrice pour retrouver lensemble des D. Estimation de lincertitude du modle
paramtres du modle de camras [11] [12] [1], dans ce pa-
pier, elle est de plus utilise pour caractriser lincertitude Les mthodes dtalonnage traditionnelles fournissent
pose par la modlisation particulire des pixels. La d- avec une bonne prcision et sous une forme ponctuelle la
marche complte est la suivante : matrice fondamentale et les modles de camras. Laspect
surfacique des pixels du modle de camras est prsent
1. Lappariement : La mise en correspondance de points pris en compte. Il est intgr aux paramtres intrinsques
dans une squence dimages est ralise en utilisant un de la camra et apparat sous la forme dune incertitude
ensemble de contraintes structurelles, iconiques et gom- sur la position du point image (quation 6). Pour quanti-
triques. fier la valeur de cette incertitude, on regarde dans quelle
2. Lidentification de la matrice fondamentale : cette mesure les points qui dfinissent le modle vont pouvoir va-
identification est estime partir des correspondances ta- lider lidentification qui en est faite. Le modle gomtrique
blies. Les mthodes didentification robustes tel que RAN- de la camra tant entirement caractris par les matrices
SAC ralisent lappariement et lidentification de F dans fondamentales qui sont utilises lors de son identification,
image Gauche
V. Reconstruction 3D
265
Linsertion de lincertitude dans le modle de camra
(quation 6) permet de redfinir la triangulation. On
270 cherche prsent lensemble de points 3D {Qs } qui a la
Incertitude 1
proprit de se projeter sur les surfaces [qi ] par les camras
Incertitude 2
275 Pi :
Q {Qs } Pi Q [qi ] i = 1...n , n 2 (11)
280
Ceci correspond un problme dinversion ensembliste.
Incertitude 3
285
Bandeau pipolaire
Cette criture peut tre interprte comme la propaga-
tion de lincertitude du point 3D vers son image. Lerreur ne
serait pas introduite par le systme physique. En cherchant
290
Droite pipolaire de rfrence
alors dterminer ce qui est perceptible par le modle de
la camra et non pas minimiser une erreur, la dmarche
295
445 440 435 430 425 420 415
suppose que le modle choisi dcrit parfaitement le fonc-
tionnement de la camra. Cest une hypothse intressante
Fig. 4. La droite pipolaire de rfrence est calcule partir dun car de ce fait, les outils ensemblistes permettrons de voir
point de mesure et de la matrice fondamentale. Le bandeau pi-
polaire est la droite incertaine obtenue en utilisant un point de
dans quelle mesure les modles ou les jeux de paramtres
mesure, son incertitude et la matrice fondamentale. Lincertitude employs sont valides.
(1) est lincertitude nominale que lon a sur la position dun point De plus, linversion ensembliste sappuie sur le forma-
de limage (surface du pixel). Lincertitude 2 est celle estime par lisme des problmes satisfaction de contraintes (CSP), or
le modle afin dintersecter la droite pipolaire de rfrence. Lin-
certitude 3 est celle utilise pour la reconstruction 3D. ce formalisme assure la robustesse numrique des calculs.
En ce qui concerne linversion de lquation (11), on sap-
puiera sur larithmtique dintervalle pour obtenir la ver-
lerreur sur la position des points image est estime en tes- sion ensembliste du systme (3). Lutilisation de ce systme
tant ces matrices fondamentales. vite les problmes lis aux coordonnes homognes dans
Soit (q1 , q2 ) un couple de points apparis pour les nuages la reconstruction obtenue [2].
de points {q1 } et {q2 } dune paire dimages. La matrice Lorsque la matrice fondamentale et lincertitude du
fondamentale F valide qui est identifie par ces ensembles modle sont estims, le produit ([q1t ] F ) (respectivement
de points doit vrifier la condition : (F [q2 ])) correspond une droite incertaine : le bandeau pi-
polaire (voir figure 4). Il sagit de lensemble des droites pi-
0 q1t F [q2 ] 0 q1t F q2
    
(8) polaires possibles compte tenu de lincertitude de la posi-
tion dun point image. Pour les couples de points ([q1 ] , [q2 ])
Cette condition revient tester lintersection de la droite apparis, la contrainte fondamentale permet de rduire lin-
pipolaire de rfrence L2 = q1t F (respectivement Lt1 = certitude sur leur position. En effet lensemble des points
F q2 ) et lincertitude du point de mesure correspondant [q2 ] utilisables pour la reconstruction 3D sont lintersection
(respectivement [q1 ] - voir figure 4). du bandeau pipolaire et de leur position (quation 10 et
Puisque les coordonnes dun point de limage sont des figure 4). On note [] loprateur qui fournie lenveloppe
entiers, lamplitude initiale de lincertitude dun point q de intervalle dun ensemble :
{qi } est pose 0.5 pixels. En coordonnes homognes :
hn oi [q1 ] = [[q1 ] {F [q2 ]}] (12)
t
[qi ] = qi + | ([0.5, 0.5] [0.5, 0.5] 0) (9) [q2 ] = [{[q1 ] F } [q2 ]] (13)

Pour cette mme raison, on fait ensuite crotre lincertitude Ce sont les intervalles [q1 ] et [q2 ] qui sont utiliss pour la
sur la position des points dun incrment de 0.5 pixel. Ce reconstruction 3D.
processus sarrte lorsque la condition fondamentale (qua- Lorsque le problme est pos, les outils de lanalyse par
tion 8) est vrifie pour tous les points de mesures. intervalles, en particulier les contracteurs points fixe [20]
De cette manire, lincertitude sur la position des points sont tout fait appropris pour fournir une estimation ex-
est telle que la relation fondamentale est toujours vraie. trieure de lensemble {Qs }. La reconstruction 3D par in-
Il est possible de fixer une incertitude maximale au des- version ensembliste base sur le formalisme des intervalles
sus de laquelle on considre que la matrice identifie est cherche dterminer lensemble [Q] :
fausse ou que les appariements choisis ne sont pas valides
(RANSAC). [Q] = [{Qs }] (14)
Enfin, lorsque lincertitude obtenue avec un jeu de don-
nes est satisfaisante, on vite lutilisation des seuils de to- Pour le jeu de camras (P1 , P2 ) et le couple de points
lrance pour la relation fondamentale (quation 7) en uti- (q1 , q2 ), la matrice [A] et le vecteur [B] de lquation (3)
lisant la contrainte pipolaire. Celle ci scrit : sont les matrices dintervalles suivantes :
 t 
q1 F [q2 ] 6= q1t (F [q2 ]) 6=
 
(10)    
[[q1 ]] K1 R1 [[q1 ]] K1 t1
[A] = ; [B] = (15)
Cette contrainte est reprise pour la reconstruction 3D. [[q2 ]] K2 R2 [[q2 ]] K2 t2
Loprateur [] fournie la matrice antisymtrique cor- limprcision des rsultats obtenus, la propagation de la
respondant lapplication linaire du produit vectoriel. covariances ne se ralise quavec des fonctions linaires [7].
Il apparat que les lignes l3 et l6 de la matrice [A] (et du Pour cette raison, la rsolution des quations de la triangu-
vecteur [B]) sont respectivement des combinaisons linaires lation dans ces simulations est ralise partir de critres
des lignes (l1 , l2 ) et (l4 , l5 ). En supprimant l3 et l6 , le sys- linaires.
tme dquations prend la dimension (4 3). On en tire Avec le systme dit homogne (equation 3), limprcision
alors 4 systmes carrs ([Ai ] , [Bi ]) (i = 1...4) de dimen- de la reconstruction du point Qe = (X Y Z)t pour une
sion (3 3) en supprimant une ligne de plus, diffrente, erreur e mesure sur le plan image est alors approxim
pour chaque systme. Leurs rsolutions sont ralises avec par les fonctions donnes dans [23] :
le contracteur de Gauss-Seidel [20] ou de Krawczyk [21][22].
Z
q
Enfin, on ne conserve que lintersection des rsultats : X = e
2
(t X) + X 2 (17)
\ ft
[Q] [{Q | Ai Q = Bi Ai [Ai ] , Bi [Bi ]}] (16)
r
Z t2
i=1...4 Y = e 2Y 2 + (18)
ft 2
Dans la figure 5, on peut observer la vue stro dune mire Z2
et la reconstruction 3D obtenue par cette mthode dinver- Z = e 2 (19)
ft
sion.
Avec f la focale des cameras et t la distance entre les centres
optiques. On remarque que limprcision e est donne en
coordonnes mtriques, la connaissance des paramtres f, t
et e signifie que cette estimation ncessite une connaissance
pralables des paramtres intrinsques des cameras utili-
ses.
Sur le nuage de points utilis dans la figure (6), on
constate quil ne sagit que dune approximation de lim-
prcision : dune part, les axes directeurs de lellipse sont
ceux du repre scne, or nous verrons que la direction de
lerreur nest pas constante. Ce constat traduit les simplifi-
cations induites par le modle derreur (indpendance des
variables X, Y et Z). Dautre part, cette approximation est
correcte lorsquon sloigne des cameras. En effet, un nuage
de 5000 points distant de moins de 2m du centre du repre
scne ne fait apparatre que 40% de points lintrieur des
ellipsodes de confiance (figure 6 -b,c).
Apres manipulation algbrique, les quations de la tri-
angulation peuvent scrire sous la forme dun systme li-
naire homogne (Ahom Xhom = 0) qui prsente lintrt
dautoriser un calcul de la solution robuste au bruit nu-
mrique et qui fournit une solution exacte au problme de
la propagation de covariance. De plus, cette mthode per-
Fig. 5. Reconstruction 3D dune mire en utilisant lanalyse par in- met de tenir compte des imprcisions sur les paramtres du
tervalles. Les camras sont talonnes, les points dintrt de la
mire sont dtects et apparis, puis la triangulation est ralise modle de camra et ne ncessite pas la distinction entre
en utilisant le contracteur de Krawczyk. les paramtres intrinsques et extrinsques. Dans la simu-
lation prsente, la camra est connue parfaitement. On
Les pavs reconstruits permettent de caractriser lincer- trouvera dans [2] le dtail de la mthode qui permet de
titude que lon a sur la reconstruction, ils fournissent une propager les erreurs depuis les donnes images jusqua re-
estimation garantie de la position 3D du point reconstruit. construction 3D. Dans la figure 7-b, une opration de bis-
De plus, cette incertitude fournie une information plus pre- section [20] a t utilise pour affiner la reconstruction 3D.
cise que la mesure dimprecision que lon deduit par les Contrairement lestimation prcdente, et la lumire de
mthodes de propagation de covariance. cette figure (7), la direction de limprcision est observable.
En guise de comparaison, lexprience suivante a t ra- Cependant la simplification de la description du pixel par
lise avec des donnes de simulation : un nuage de points une variable alatoire centre fausse encore le rsultat. Un
3D alatoires est projet sur une paire de cameras puis re- nuage de 5000 points dans un volume de 3m de large pour
construit avec loutil ensembliste (quation 16) et avec les 5m de profondeur ne fait apparatre que 10% des points
mthodes statistiques traditionnelles. Le repre de la scne rels dans des ellipsodes de confiance 95%.
est confondu avec celui du repre dune camera.
Les mthodes statistiques prsentent lintrt de fournir VI. Conclusion
des rsultats ponctuels qui peuvent tre soumis des fonc- La vision 3D sappuie en grande partie sur des rsul-
tions doptimisation efficaces. En matire de reconstruc- tats gomtriques. La modlisation dun pixel par un in-
tion 3D, elles sont en gnral bases sur des critres go- tervalle permet alors de prendre en compte son aspect sur-
mtriques et non linaires. Cependant, en ce qui concerne facique. Linfluence de cette modlisation se rpercute dans
a sur les donnes, les outils ensemblistes permettent dex-
ploiter les proprits gomtriques des modles employs.
Ils cherchent une cohrence des informations par rapport
au modle plutt qu minimiser une erreur. La diffrence
quil y a entre utiliser des outils probabilistes et des ou-
tils ensemblistes correspond la diffrence quil y a entre
montrer et faire voir.
Rfrences
[1] G. Csurka et R. Horaud. Finding the collineation between two
projective reconstructions. Technical Report RR3468, INRIA,
(a) 1998.
[2] B. Telle. Mthode ensembliste pour une reconstruction 3D ga-
rantie par stereo vision. thse, Universit Montpellier II, 2003.
[3] O.D. Faugeras. Three Dimensional Computer Vision. MIT
press, 1992.
[4] R. Hartley et A. Zisserman. Multiple View Geometry in Com-
puter Vision. Cambridge, 2001.
[5] Z. Zhang. A flexible new technique for camera calibration.
IEEE Transaction on Pattern Analysis and Machine Intelli-
gence, 22(11)(MSR-TR-98-71) :13301334, 2000.
(b) (c) [6] T. Ueshiba et F. Tomita. Plane-based calibration algorithm for
multi-camera systems via factorization of homography matrices.
Fig. 6. Propagation de covariance grce au systme dquation non 9th International Conference on Computer Vision, pages 966
homogne : (a) reconstruction du nuage, de son incertitude (ana- 973, Nice (France), oct. 2003.
lyse par intervalle) et de son imprcision (propagation de cova- [7] R.M. Haralick. Propagating covariance in computer vision. Pro-
riance). (b-c) Le point 3D rel est contenu dans lintervalle fournit cedings of Workshop on Performance Characterisics of Vision
par linversion ensembliste, mais pas ncessairement dans lellip- Algorithms, pages 112, 1996.
sode de confiance obtenu par propagation de covariance. [8] W. Eric et L. Grimson. Why stereovision is not always about
3d reconstruction. Technical report, M.I.T. A.I.Laboratory, july
1993.
[9] J.L. Mundy et A. Zisserman. Geometric invariance in computer
vision. MIT Press, 1992.
[10] R. Hartley. In defense of the eight-point algorithm. IEEE
Transaction on Pattern Analysis and Machine Intelligence,
19(6) :580593, 1997.
[11] O.D. Faugeras, T.Luong, et S. Maybank. Camera self calibra-
tion : Theory and experiments. Proc 2nd ECCV, editor, Lecture
Note in Computer Science, volume 588, pages 321334, Santa
Margherita Ligure, Italy, 1992. Springer-Verlag.
[12] R. Hartley. Kruppas equations derived from the fundamental
matrix. IEEE Transaction on Pattern Analysis and Machine
(a) (b) Intelligence, vol. 19 :133135, February 1997.
[13] R.C. Bolles et M.A. Fischler. A ransac-based approach to model
Fig. 7. Propagation de covariance grce au systme dquation homo- fitting and its applications to finding cylinders in range data.
gne. Le point 3D rel est rarement contenu dans lellipsode de Int. Joint. Conf. Artificial Intelligence, pages 637643, 1981.
confiance (a). Dans (b) une tape de bissection permet daffiner le [14] N. Pessel. Auto calibrage dune camra en milieu sous marin -
problme dinversion ensembliste associe a la reconstruction 3D, application a la reconstruction 3D. thse, IFREMER - Universit
on observe que lellipsode de confiance possde un axe dans la Montpellier II, 2003.
direction de limprcision qui est indpendante du repre de la [15] G. Sparr. An algebraic-analytic method for reconstruction
scne. from image correspondences. 7th Scandinavian Conf. on Image
Analysis, Aalborg (Denmark) - pp. 274281, 1991. cite-
seer.nj.nec.com/sparr91algebraicanalytic.html.
[16] Q. Luong et O.D. Faugeras. Camera calibration, scene motion,
les trois tapes ncessaires pour faire la reconstruction 3D and structure recovery from point correspondences and funda-
dune scne : appariement, modlisation de la camra et mental matrices. IJCV, 22 :261289, 1997.
triangulation. Pour chacune de ces tapes, les dveloppe- [17] Q.T. Luong et O.D. Faugeras. Self-calibration of a stereo rig from
unknown camera motions and point correspondences. Technical
ments gomtriques ont put etre raliss grce des ou- Report 2014, INRIA, 1993.
tils ensemblistes. Lappariement utilise la contrainte pi- [18] O.D. Faugeras et S.J. Maybank. Motion from point matches :
polaire comme une simple intersection. Le modle de ca- multiplicity of solutions. International Journal of Computer Vi-
sion, 1990. technical report INRIA : 1157.
mra contient linformation relative lincertitude des pa- [19] Y. Ma, R. Vidal, J. Kosecka, et S. Sastry. Kruppa equa-
ramtres, celle ci a put tre estime. Les outils de lanalyse tion revisited : Its renormalization and degeneracy. European
par intervalles permettent de raliser la reconstruction 3D. Conference on Computer Vision, pages 561577, 2000. cite-
seer.nj.nec.com/579804.html.
Il sagit du premier outil capable de fournir une estimation [20] L. Jaulin, M. Kieffer, O. Didrit, et E. Walter. Applied Interval
garantie de son incertitude car les outils probabilistes tra- Analysis. Springer Verlag, London, 2001.
ditionnels sapuient sur des hypotheses reconnues comme [21] R.E. Moore. Interval Analysis. Prentice-Hall, Englewood Cliffs,
1966.
approximatives qui menent des resultats faux bien que
[22] B. Telle, M.J. Aldon, et N. Ramdani. Guaranted 3d visual sen-
lerreur soit petite. Grce cet outil, la modlisation dun sing based on interval analysis. Proceedings IROS, 2003.
point 3D obtenu avec le capteur stroscopique peut tre [23] H. Hirschmuller, P.R. Innocent, et J.M. Garibaldi. Fast uncons-
envisag comme la modlisation dun point image obtenue trained camera motion from stereo without tracking and robust
statistics. Seventh International Conference on Control, Auto-
par une camera. mation, Robotics and Vision (singapore), pages 10991104, de-
En vision, en permettant destimer lincertitude que lon cember 2002.

Vous aimerez peut-être aussi