Mesure de Champs de Déplacements Et de Déformations Par Stéréovision Et Corrélation D'images (PDFDrive)

N° d’ordre
Année 2001
Thèse
Mesure de champs de déplacements et de

déformations par stéréovision et
corrélation d’images numériques
Présentée devant
L’institut national des sciences appliquées de Lyon
Pour obtenir
Le grade de Docteur
Formation doctorale
Génie Mécanique
École doctorale
Mécanique, Energétique, Génie Civil, Accoustique
Par
Patrice CLERC
Soutenue le 6 décembre 2001 devant la Commission d’examen
Jury MM.
Y. BERTHAUD Professeur (LMT Cachan), Rapporteur
M. BRUNET Professeur (INSA de Lyon), Directeur de thèse
A. COMBESCURE Professeur (INSA de Lyon)
T. GRUNENWALD Ingénieur - Chercheur (CEA Valduc)
P. JACQUOT Professeur (MET - EPFL)
F. MORESTIN Maître de Conférence (INSA de Lyon)
J.J. ORTEU Enseignant-Chercheur, HDR (EMAC), Rapporteur
P. VACHER Maître de Conférence (LMécA - ESIA)
INSA de Lyon / Département des études doctorales
Écoles Doctorales
Matériaux de Lyon
INSAL – ECL -UCB. Lyon1 – Univ. De Chambéry – ENS
Responsable : Professeur A. HOAREAU, UCBL

(Tél. : 04.72.44.85.66)
Formations doctorales associées :

Génie des Matériaux (Pr. R. FOUGERES, Tél : 04. 72. 43. 81 .49)
Matière condensée surfaces et interfaces
(Pr. G. GUILLOT, Tél : 04.72.43.81.61)
Matériaux polymères et composites
(Pr. H. SAUTEREAU, Tél : 04.72.43.81.78)
Mécanique, Energétique, Génie Civil, Acoustique (MEGA)°
Responsable : Pr. J. BATAILLE, ECL (Tél : 04.72.43.8079)

Acoustique (Pr. J.L. GUYADER, Tél : 04.72.43.80.80)
Génie Civil : Sols, matériaux, structures, physique du bâtiment
(Pr. P. LAREAL, Tél : 04.72.43.82.16)
Mécanique (Pr. G. DALMAZ, Tél : 04.72.43.83.03)
Thermique et Energétique (Pr. M. LALLEMAND, Tél : 04.72.43.81.54)
Électronique, Électrotechnique, Automatique (EEA)

INSAL - ECL – UCB. Lyon1 – Univ. de Saint-Etienne
Responsable : Professeur G. GIMENEZ, INSAL

(Tél : 04.72.43.83.32)

Acoustique (Pr. J.L. GUYADER, Tél : 04.72.43.80.80)
Automatique Industrielle (Pr. SCAVARDA, Tél : 04.72.43.83.41)
Dispositifs de l’électronique intégrée
(Pr. P. PINARD, Tél : 04.72.43.80.79)
Génie biologique et médical (Pr. I MAGNIN, Tél : 04.72.43.85.63)
Génie électrique (Pr. J.P. CHANTE, Tél : 04.72.43.87.26)
Signal, Image, Parole (Pr. G. GIMENEZ, Tél : 04.72.43.83.32)
Ecole doctorale interdisciplinaire Sciences-Santé (EDISS)

INSAL – UCB Lyon1 – Univ. de Saint-Etienne – Univ. Aix-Marseille2
Responsable : Professeur A. COZZONE, CNRS-Lyon

(Tél 04.72.72.26.75)

Biochimie (Pr. M. LAGARDE, Tél : 04.72.43.82.40)
Génie biologique et médical (Pr. I. MAGNIN, Tél : 04.72.43.85.63)
Autres formations
Doctorales
Analyse et modélisation des systèmes biologique
Responsable : Professeur S. GRENIER, INSAL Tél : 04.72.43.83.56
Chimie inorganique
Responsable : Professeur P. GONNARD, INSAL

Tél : 04.72.43.81.58
Conception en bâtiment et technique urbaines
Responsable : Professeur M. MIRAMOND, INSAL

Tél : 04.72.43.82.09
DEA Informatique de Lyon
Responsable : Professeur J.M. JOLION, INSAL Tél : 04.72.43.87.59
Productique : Organisation economique et génie informatique

pour l’entreprise
Responsable : Professeur J. FAVREL, INSAL Tél : 04.72.43.83.63
Sciences et techniques du déchet
Responsable : Professeur P. MOSZKOWICZ, INSAL

Tél : 04.72.43.83.45
Professeurs
Décembre 2001
Institut national
des sciences appliquées
de Lyon
Directeur : A. STORCK
Professeurs
S. AUDISIO physico-chimie industrielle

J.C. BABOUX GEMPMM*
B. BALLAND physique de la matière
D. BARBIER physique de la matière
G. BAYADA modélisation mathématique
et calcul scientifique
C. BERGER (Mlle) physique de la matière
M. BETEMPS automatique industrielle
J.M. BLANCHARD LAEPSI**
C. BOISSON vibrations acoustiques
M. BOIVIN mécanique des solides
H. BOTTA équipe développement urbain
G. BOULAYE informatique
J. BRAU centre de thermique
M. BRISSAUD génie électrique et ferroélectricité
M. BRUNET mécanique des solides
J.C. BUREAU thermodynamique appliquée
J.Y. CAVAILLE GEMPMM*
J.P. CHANTE composants de puissance et applications
B. CHOCAT unité de recherche en génie civil
Professeurs
Professeurs
B. CLAUDEL LAEPSI**
M. COUSIN unité de recherche en génie civil
M. DIOT thermodynamique appliquée
A. DOUTHEAU chimie organique
R. DUFOUR mécanique des structures
J.C. DUPUY physique de la matière
H. EMPTOZ reconnaissance des formes et vision
C. ESNOUF GEMPMM*
L. EYRAUD (Prof. Émérite) génie électrique et ferroélectricité
G. FANTOZZI GEMPMM*
M. FAYET mécanique des solides
J. FAVREL groupe de recherche en productique
et informatique des systèmes
manufacturiers
G. FERRARIS-BESSO mécanique des structures
Y. FETIVEAU génie électrique et ferroélectricité
L. FLAMAND mécanique des contacts
P. FLEISCHMANN GEMPMM*
A. FLORY ingénierie des systèmes d'information
R. FOUGERES GEMPMM*
F. FOUQUET GEMPMM*
L. FRECON informatique
R. GAUTHIER physique de la matière
M. GERY centre de thermique
G. GIMENEZ CREATIS***
P. GOBIN (Prof. émérite) GEMPMM*
P. GONNARD génie électrique et ferroélectricité
M. GONTRAND composants de puissance et applications
R. GOUTTE (Prof. Émérite) CREATIS***
G. GRANGE génie électrique et ferroélectricité
G. GUENIN GEMPMM*
M. GUICHARDANT biochimie et pharmacologie
G. GUILLOT physique de la matière
A. GUINET groupe de recherche en productique
et informatique des systèmes
manufacturiers
J.L. GUYADER vibrations acoustiques
J.P. GUYOMAR génie électrique et ferroélectricité
Professeurs
Professeurs
J.M. JOLION reconnaissance des formes et vision

J.F. JULLIEN unité de recherche en génie civil
A. JUTARD automatique industrielle
R. KASTNER unité de recherche en génie civil
H. KLEIMANN génie électrique et ferroélectricité
J. KOULOUMDJIAN ingénierie des systèmes d'information
M. LAGARDE biochimie et pharmacologie
M. LALANNE mécanique des structures
A. LALLEMAND centre de thermique
M. LALLEMAND (Mme) centre de thermique
P. LAREAL unité de recherche en génie civil
A. LAUGIER physique de la matière
Ch. LAUGIER biochimie et pharmacologie
P. LEJEUNE génétique moléculaire
des microorganismes
A. LUBRECHT mécanique des contacts
Y. MARTINEZ ingénierie des systèmes d'information
H. MAZILLE physico-chimie industrielle
P. MERLE GEMPMM*
J. MERLIN GEMPMM*
J.P. MILLET physico-chimie industrielle
M. MIRAMOND unité de recherche en génie civil
N. MONGEREAU (Prof. Émérite) unité de recherche en génie civil
R. MOREL mécanique des fluides
P. MOSZKOWICZ LAEPSI**
P. NARDON biologie appliquée
A. NAVARRO LAEPSI**
A. NOURI (Mme) modélisation mathématique
M. OTTERBEIN LAEPSI**
J.P. PASCAULT matériaux macromoléculaires
G. PAVIC vibrations acoustiques
J. PERA unité de recherche en génie civil
G. PERRACHON thermodynamique appliquée
J. PEREZ (Prof. Émérite) GEMPMM*
P. PINARD physique de la matière
J.M. PINON ingénierie des systèmes d'information
Professeurs
Professeurs
D. PLAY conception et analyse des systèmes mé-

caniques
J. POUSIN modélisation mathématique
P. PREVOT groupe de recherche en apprentissage,
coopération et interfaces multimodales
R. PROST CREATIS***
M. RAYNAUD centre de thermique
J.M. REYNOUARD unité de recherche en génie civil
E. RIEUTORD (Prof. Émérite) mécanique des fluides
J. ROBERT-BAUDOUY(Mme) génétique moléculaire
des microorganismes
D. ROUBY GEMPMM*
P. RUBEL ingénierie des systèmes d'information
C. RUMELHART mécanique des solides
J.F. SACADURA centre de thermique
H. SAUTEREAU matériaux macromoléculaires
S. SCARVARDA automatique industrielle
D. THOMASSET automatique industrielle
M. TROCCAZ génie électrique et ferroélectricité
R. UNTERREINER CREATIS***
J. VERON LAEPSI**
G. VIGIER GEMPMM*
A. VINCENT GEMPMM*
P. VUILLERMOZ physique de la matière
Directeurs de recherche C.N.R.S.
Y. BERTHIER mécanique des contacts

P. CLAUDY thermodynamique appliquée
N. COTTE-PATTAT (Mme) génétique moléculaire
des microorganismes
P. FRANCIOSI GEMPMM
J.F. GERARD matériaux macromoléculaires
M.A. MANDRAND (Mme) génétique moléculaire
des microorganismes
J.F. QUINSON GEMPMM
A. ROCHE matériaux macromoléculaires
Professeurs
Directeurs de recherche I.N.R.A.
G. BONNOT biologie appliquée

G. FEBVAY biologie appliquée
S. GRENIER biologie appliquée
Y. MENEZO biologie appliquée
Directeurs de recherche I.N.S.E.R.M.
A.F. PRINGENT (Mme) biochimie et pharmacologie

I. MAGNIN (Mme) CREATIS***
GEMPMM* : Groupe d'etude metallurgie physique et physique des matériaux

LAEPSI** : Laboratoire d'analyse environnementale des procédés et systèmes industriels
CREATIS*** : Centre de recherche et d'applications en traitement de l'image et du signal
A mes parents,
pour leur soutien sans faille
Remerciements
Remerciements
Cette thèse a été réalisé à l’INSA de Lyon sous la direction de Messieurs

Michel BRUNET et Fabrice MORESTIN. Je tiens à leur témoigner mes plus
sincères remerciements pour m’avoir accueilli au sein du Laboratoire de Mé-
canique des Solides et leur exprimer toute ma reconnaissance pour avoir di-
rigé mes travaux.
Je remercie Messieurs Yves BERTHAUD et Jean-José ORTEU qui m’ont

fait l’honneur d’être les rapporteurs de mes travaux de recherche.
Tous mes remerciements à Messieurs Alain COMBESCURE, Thierry GRU-

NENWALD, Pierre JACQUOT et Pierre VACHER pour avoir accepté de
participer à mon jury de thèse.
Je tiens également à remercier l’ensemble du personnel du LMSo, les étu-

diants de passage au sein du laboratoire et le personnel du département GMC
qui ont su apporter une atmosphère pleine de gentillesse et de sympathie au
cours de ma thèse.
Enfin, je ne manquerai pas d’adresser mes plus vifs remerciements à mes pa-
rents, à mon frère et à mes amis pour leurs encouragements et la confiance
qu’ils ont su m’accorder tout au long des ces années ainsi que pour leur sou-
tien moral qui m’a permis d’aboutir.
Table des matières
21
22
Table des matières
LISTE DES FIGURES..................................................................................................... 31
NOTATIONS ................................................................................................................... 39
INTRODUCTION GENERALE...................................................................................... 45
PARTIE 1
MODELES DE CAMERAS ET EQUATIONS MATHEMATIQUES MISES EN JEU . 51
1 UNE VUE ................................................................................................................... 53

1.1 INTRODUCTION .................................................................................................... 53
1.2 PRINCIPE DE FONCTIONNEMENT D’ UNE CAMERA NUMERIQUE CCD....................... 54
1.3 MODELE STENOPE ................................................................................................ 55
1.3.1 Projection perspective.................................................................................... 55
1.3.2 Transformation Caméra / Image ..................................................................... 57
1.3.3 Paramètres intrinsèques ................................................................................. 57
1.3.4 Transformation Objet / Caméra : les paramètres extrinsèques......................... 58
1.3.5 Transformation Objet / Image ........................................................................ 59
1.4 MODELE LINEAIRE AFFINE ................................................................................... 60
1.5 MODELE NON LINEAIRE : PRISE EN COMPTE DES DISTORSIONS .............................. 62
1.5.1 Distorsion radiale........................................................................................... 63
1.5.2 Distorsion de décentrage ................................................................................ 64
1.5.3 Distorsion prismatique ................................................................................... 65
1.5.4 Distorsion totale ............................................................................................ 65
1.6 CONCLUSION ....................................................................................................... 66
2 DEUX VUES ET PLUS ................................................................................................. 67
2.1 INTRODUCTION .................................................................................................... 67
2.2 RELATIONS ENTRE LES DEUX VUES DU SYSTEME STEREOSCOPIQUE ....................... 68
2.2.1 Transformation rigide .................................................................................... 69
2.2.2 Géométrie épipolaire : la matrice essentielle .................................................. 70
2.3 RELATIONS ENTRE PLUSIEURS COUPLES D’ IMAGES D’ UN MEME OBJET .................. 72
2.3.1 Transformations rigides ................................................................................. 73
2.3.2 Relations entre les différentes transformations rigides.................................... 75
2.4 CONCLUSION ....................................................................................................... 79
PARTIE 2
RELATION ENTRE LES IMAGES : APPARIEMENT ET GEOMETRIE
EPIPOLAIRE .................................................................................................................. 81
1 APPARIEMENT ENTRE IMAGES ................................................................................. 83

1.1 INTRODUCTION .................................................................................................... 83
23
Table des matières
1.2 CORRELATION EN NIVEAUX DE GRIS ..................................................................... 84

1.3 PROCEDURE GENERALE ........................................................................................ 85
1.4 METHODE DE CORRELATION SUR UN PATTERN ..................................................... 86
1.5 APPARIEMENT SUR LA ZONE D’ ETUDE .................................................................. 87
1.6 ÉVALUATION DE LA PRECISION DE L ’APPARIEMENT .............................................. 89
1.7 CONCLUSION ....................................................................................................... 89
2 LA GEOMETRIE EPIPOLAIRE ASSOCIEE A DEUX IMAGES .......................................... 91
2.1 INTRODUCTION .................................................................................................... 91
2.2 GEOMETRIE EPIPOLAIRE : LA MATRICE FONDAMENTALE....................................... 92
2.3 CALCUL DE LA MATRICE FONDAMENTALE ............................................................ 93
2.3.1 Calcul linéaire ............................................................................................... 93
2.3.1.1 Principe général ....................................................................................... 93
2.3.1.2 Imposer la contrainte de rang 2 ................................................................ 95
2.3.1.3 Normalisation des données ....................................................................... 95
2.3.2 Calcul non linéaire......................................................................................... 97
2.3.3 Détermination des épipoles ............................................................................ 98
2.4 AUTRE METHODE DE DETERMINATION DE LA GEOMETRIE EPIPOLAIRE .................. 98
2.4.1 Position du problème ..................................................................................... 99
2.4.2 Mise en équations du problème .................................................................... 100
2.4.3 Équations pour les couples de points appariés .............................................. 101
2.4.4 Résolution mathématique du problème......................................................... 102
2.4.5 Calcul de la matrice fondamentale ............................................................... 103
2.5 QUALITE DE LA MATRICE FONDAMENTALE ......................................................... 104
2.6 CONCLUSION ..................................................................................................... 105
PARTIE 3
CALIBRAGE DU SYSTEME STEREOSCOPIQUE .................................................... 107
1 DIFFERENTES METHODES DE CALIBRAGE .............................................................. 109

1.1 INTRODUCTION .................................................................................................. 109
1.2 FORMULATION MATHEMATIQUE DU PROBLEME DE CALIBRAGE ........................... 110
1.2.1 Détermination des paramètres intrinsèques et extrinsèques........................... 111
1.2.2 Détermination de la matrice de projection .................................................... 111
1.2.3 Détermination des paramètres de distorsion ................................................. 112
1.3 CONNAISSANCE DE POINTS DE LA SCENE ............................................................ 112
1.4 CALIBRAGE A PARTIR DES LIMBES D’UNE SPHERE ............................................... 113
1.5 CALIBRAGE A PARTIR DE POINTS DE FUITE ......................................................... 114
1.6 AUTOCALIBRATION ............................................................................................ 115
1.7 CALIBRAGE BASE SUR LA CORRELATION D’ IMAGES NUMERIQUES ....................... 116
1.8 CALIBRAGE DE TYPE PHOTOGRAMMETRIQUE ...................................................... 117
1.9 CONCLUSION ..................................................................................................... 118
2 CALIBRAGE A PARTIR D’UNE PAIRE D’IMAGES D’UNE MIRE RECOUVERTE D’UN
MOTIF ALEATOIRE ................................................................................................ 119
2.1 INTRODUCTION .................................................................................................. 119
2.2 APPARIEMENT ET CALCUL DE LA MATRICE FONDAMENTALE ............................... 120
2.3 CALCUL DES MATRICES DE PROJECTION A PARTIR DE LA GEOMETRIE EPIPOLAIRE 121
2.4 D’ UNE RECONSTRUCTION PROJECTIVE A UNE RECONSTRUCTION EUCLIDIENNE ... 123
2.4.1 Connaissance des coordonnées 3D d’un point de la scène ............................ 124
24
Table des matières
2.4.2 Deux points forment un segment parallèle avec un axe du repère ................. 124
2.4.3 Distance entre deux points ........................................................................... 125
2.4.4 Connaissance de l’équation de la surface de la mire de calibrage ................. 125
2.4.5 Résolution numérique .................................................................................. 126
2.5 CALCUL DES MATRICES DE PROJECTION ............................................................. 126
2.5.1 Calcul linéaire ............................................................................................. 127
2.5.2 Calcul non linéaire....................................................................................... 128
2.6 AMELIORATION DES RESULTATS ........................................................................ 128
2.7 RESUME DE L’ ALGORITHME ............................................................................... 129
2.8 CONCLUSION ..................................................................................................... 130
3 CALIBRAGE A PARTIR DE PLUSIEURS PAIRES D’IMAGES D’UNE MIRE RECOUVERTE
D ’ UN MOTIF ALEATOIRE ........................................................................................ 131
3.1 INTRODUCTION .................................................................................................. 131
3.2 CHOIX DE LA POSITION DU REPERE OBJET ........................................................... 132
3.3 HYPOTHESES SUR LES PARAMETRES INTRINSEQUES ............................................ 133
3.4 CALCUL LINEAIRE DE LA TRANSFORMATION RIGIDE ET DE LA PROFONDEUR ....... 135
3.4.1 Calcul de la translation {tj}.......................................................................... 135
3.4.2 Calcul de la rotation [Rj] et de la profondeur ............................................... 136
3.5 CALCUL NON LINEAIRE DE LA TRANSFORMATION RIGIDE ET DE LA PROFONDEUR 136
3.6 DETERMINATION DE LA TRANSFORMATION RIGIDE ENTRE LA CAMERA 1 ET LE
REPERE OBJET .................................................................................................... 137
3.7 DETERMINATION GLOBALE DE L’ ENSEMBLE DES PARAMETRES ........................... 138
3.8 RESUME DE L’ ALGORITHME ............................................................................... 139
3.9 CONCLUSION ..................................................................................................... 140
PARTIE 4
RECONSTRUCTIONS 3D ET DETERMINATION DES CHAMPS DE
DEPLACEMENTS ET DE DEFORMATIONS ............................................................ 143
1 RECONSTRUCTIONS 3D .......................................................................................... 145

1.1 INTRODUCTION .................................................................................................. 145
1.2 RECONSTRUCTION PAR L ’ INTERSECTION DES RAYONS OPTIQUES ........................ 145
1.3 RECONSTRUCTION PAR LA DISTANCE MINIMALE ENTRE DEUX RAYONS OPTIQUES 148
1.4 RECONSTRUCTION PAR REPROJECTION SUR LES IMAGES ..................................... 148
1.4.1 Méthode de reconstruction linéaire .............................................................. 149
1.4.2 Méthode de reconstruction non linéaire........................................................ 149
1.5 MESURE DE LA QUALITE D’ UNE RECONSTRUCTION ............................................. 150
1.6 CONCLUSION ..................................................................................................... 150
2 DETERMINATION DES CHAMPS DE DEPLACEMENTS ET DE DEFORMATIONS ........... 153
2.1 INTRODUCTION .................................................................................................. 153
2.2 NOTATIONS UTILISEES ET POSITION DU PROBLEME ............................................. 153
2.3 TECHNIQUES D’ INTERPOLATION ......................................................................... 155
2.3.1 Première méthode : Interpolation sur éléments triangulaires dans l’espace ... 163
2.3.2 Deuxième méthode : Interpolation sur des éléments carrés dans l’image ...... 158
2.4 CALCUL DES CHAMPS DE DEPLACEMENTS ET DE DEFORMATIONS SUR UN ELEMENT
.......................................................................................................................... 159
2.5 CALCUL DES CHAMPS DE DEFORMATIONS EN UN POINT ...................................... 163
2.5 CONCLUSION ..................................................................................................... 164
25
Table des matières
PARTIE 5
MATERIEL DE MESURE ET RESULTATS ............................................................... 165
1 MATERIEL ET OUTILS INFORMATIQUES UTILISES .................................................. 167

1.1 INTRODUCTION .................................................................................................. 167
1.2 MATERIEL D’ ACQUISITION DES IMAGES NUMERIQUES ......................................... 167
1.2.1 Caméras....................................................................................................... 167
1.2.2 Objectifs des caméras .................................................................................. 168
1.3 MISE EN ŒUVRE DE L’ ACQUISITION DES IMAGES NUMERIQUES ........................... 169
1.4 LOGICIELS UTILISES ........................................................................................... 170
1.4.1 ICASOFT .................................................................................................... 170
1.4.2 ASAME ....................................................................................................... 170
1.5 CONCLUSION ..................................................................................................... 171
2 CALIBRAGE PAR CORRELATION ............................................................................. 173
2.1 INTRODUCTION .................................................................................................. 173
2.2 MISE EN CORRESPONDANCE ............................................................................... 173
2.3 CALIBRAGE A PARTIR D'UN CONE ....................................................................... 174
2.4 CALIBRAGE A PARTIR D'UNE SPHERE .................................................................. 175
2.5 LES MATRICES DE PROJECTION ........................................................................... 177
2.6 RECONSTRUCTIONS 3D ...................................................................................... 178
2.6.1 Reconstruction d'un cône ............................................................................. 178
2.6.2 Reconstruction d'une plaque emboutie ......................................................... 179
2.7 RESULTATS DE MESURES DE DEFORMATIONS ...................................................... 180
2.7.1 Essai de traction .......................................................................................... 180
2.7.2 Essai de pliage ............................................................................................. 181
2.7.3 Eprouvette en translation ............................................................................. 182
2.8 CONCLUSION ..................................................................................................... 183
3 ETUDE DE LA PRECISION D'ASAME ...................................................................... 185
3.1 INTRODUCTION .................................................................................................. 185
3.2 DISPOSITIF EXPERIMENTAL ................................................................................ 186
3.3 ESSAIS REALISES ............................................................................................... 187
3.3.1 Déplacement vertical de 9 mm ..................................................................... 187
3.3.2 Déplacement horizontal de 5 mm ................................................................. 188
3.3.3 Grands déplacements horizontaux ................................................................ 189
3.4 RESULTATS ........................................................................................................ 191
3.4.1 Calcul de l'incertitude sur la norme .............................................................. 191
3.4.2 Déplacement vertical de 9 mm ..................................................................... 193
3.4.2.1 Déformations ......................................................................................... 193
3.4.2.2 Déplacements......................................................................................... 194
3.4.3 Déplacement horizontal de 5 mm ................................................................. 195
3.4.3.1 Déformations ......................................................................................... 195
3.4.3.2 Déplacements......................................................................................... 196
3.4.4 Grands déplacements horizontaux ................................................................ 197
3.4.4.1 Déformations majeures .......................................................................... 197
3.4.4.2 Déformations mineures .......................................................................... 200
3.4.4.3 Déplacements......................................................................................... 203
3.4.5 Récapitulatif ................................................................................................ 206
3.5 CONCLUSIONS .................................................................................................... 209
3.5.1 Déformations ............................................................................................... 209
26
Table des matières
3.5.2 Déplacements .............................................................................................. 209

3.5.3 Bilan............................................................................................................ 209
PARTIE 6
RESULTATS DE MESURES DE CHAMPS DE DEPLACEMENTS 3D ..................... 211
1 MESURE DES CHAMPS DE DEPLACEMENTS SUR UN FER A REPASSER ...................... 213

1.1 INTRODUCTION .................................................................................................. 213
1.2 PROTOCOLE EXPERIMENTAL............................................................................... 214
1.2.1 Matériel utilisé ............................................................................................ 214
1.2.2 Préparation .................................................................................................. 214
1.3 ESSAIS REALISES ............................................................................................... 214
1.4 MISES EN DONNEES ............................................................................................ 216
1.5 RESULTATS ........................................................................................................ 216
1.5.1 Mesures 2D ................................................................................................. 216
1.5.1.1 Précision du calcul ................................................................................. 217
1.5.1.2 Champ de déplacements dans la direction 1............................................ 218
1.5.1.3 Champ de déplacement dans la direction 2 ............................................. 219
1.5.1.4 Magnitude.............................................................................................. 221
1.5.1.5 Déformée ............................................................................................... 222
1.5.2 Mesures 3D ................................................................................................. 223
1.5.2.1 Déformée ............................................................................................... 223
1.5.2.2 Magnitude.............................................................................................. 225
1.6 CONCLUSION ..................................................................................................... 225
2 MESURES DES CHAMPS DE DEPLACEMENTS SUR UN CRANE ................................... 227
2.1 INTRODUCTION .................................................................................................. 227
2.2 PROTOCOLE EXPERIMENTAL .............................................................................. 228
2.3 ESSAIS REALISES ............................................................................................... 228
2.4 MISE EN DONNEES ............................................................................................. 230
2.5 RESULTATS ........................................................................................................ 232
2.5.1 Coté droit .................................................................................................... 232
2.5.1.1 Déplacements de la malaire entre le précyclage et la charge maximale ... 232
2.5.1.2 Déplacements de la résine entre le précyclage et la charge maximale ..... 234
2.5.1.3 Déplacements de l’ensemble de la zone d’étude ..................................... 236
2.5.2 Coté gauche ................................................................................................. 236
2.5.2.1 Déplacements de la résine entre le précyclage et la charge maximale ..... 236
2.5.2.2 Déplacements de la malaire entre l’état initial et le précyclage ............... 239
2.5.2.3 Déplacements de la malaire entre le précyclage et la charge maximale ... 241
2.5.2.4 Mesures sur l’orbite entre la fin du précyclage et la charge maximale .... 244
2.5.2.5 Déplacements de la partie basse du crâne entre la fin du précyclage et la
charge maximale .................................................................................... 245
2.6 CONCLUSION ..................................................................................................... 248
PARTIE 7
RESULTATS DE MESURES DE CHAMPS DE DEFORMATIONS 3D ..................... 249
1 ETUDE DU CHAMP DE DEFORMATIONS D’UNE COQUE CYLINDRIQUE EMBOUTIE ... 251

1.1 INTRODUCTION .................................................................................................. 251
27
Table des matières
1.2 PREPARATION .................................................................................................... 251

1.3 ESSAIS REALISES ET MISES EN DONNEES ............................................................. 253
1.4 RESULTATS ........................................................................................................ 255
1.4.1 Zone 1 ......................................................................................................... 255
1.4.2 Zone 2 ......................................................................................................... 258
1.4.3 Zone 3 ......................................................................................................... 260
1.5 CONCLUSION ..................................................................................................... 262
2 COMPARAISON DE METHODES D’OBTENTION DES CLF ......................................... 263
2.1 INTRODUCTION .................................................................................................. 263
2.2 METHODE D’OBTENTION D’ UNE COURBE LIMITE DE FORMAGE .......................... 264
2.2.1 Définition d’une C.L.F................................................................................. 264
2.2.2 Description de l’emboutissage ..................................................................... 265
2.2.3 Matériel utilisé ............................................................................................ 266
2.2.4 Préparation des éprouvettes.......................................................................... 267
2.3 METHODES DE MESURES .................................................................................... 267
2.3.1 Méthode télécentrique.................................................................................. 268
2.3.2 Méthode 3D avec ASAME ........................................................................... 269
2.4 RESULTATS DES ESSAIS ...................................................................................... 271
2.4.1 Essai Marciniak classique ............................................................................ 271
2.4.2 Essai Nakazima - Méthode télécentrique ...................................................... 271
2.4.3 Essai Nakazima – Méthode 3D, ASAME ..................................................... 272
2.5 COMPARAISON DES RESULTATS .......................................................................... 273
2.5.1 Comparaison essai Marciniak et essai Nakazima .......................................... 273
2.5.2 Comparaison méthode télécentrique et ASAME ........................................... 274
2.5.2.1 Exploitation des résultats sous ICASOFT ............................................... 275
2.5.2.2 Exploitation des résultats sous ASAME ................................................. 277
2.6 CONCLUSION ..................................................................................................... 279
CONCLUSION GENERALE ET PERSPERCTIVES .................................................. 281
ANNEXE A .................................................................................................................... 285
REPRESENTATION D’UNE ROTATION .............................................................................. 287

1 INTRODUCTION .................................................................................................... 287
2 ANGLES D’EULER ................................................................................................. 287
3 AXE ET ANGLE DE ROTATION ................................................................................ 288
4 QUATERNION UNITAIRE ........................................................................................ 289
5 LA ROTATION OPTIMALE ...................................................................................... 289
ANNEXE B .................................................................................................................... 291
RELATIONS ENTRE LES EXPRESSIONS DES EQUATIONS DE COLINEARITE ...................... 293

1 INTRODUCTION .................................................................................................... 293
2 DES PARAMETRES AUX COMPOSANTES DE LA MATRICE DE PROJECTION ................ 294
3 DES COMPOSANTES DE LA MATRICE DE PROJECTION AUX PARAMETRES ................ 294
28
Table des matières
ANNEXE C ................................................................................................................... 297
RECONSTRUCTIONS PROJECTIVES, AFFINES ET EUCLIDIENNES ..................................... 299

1 INTRODUCTION .................................................................................................... 300
2 RECONSTRUCTION PROJECTIVE ............................................................................. 300
3 RECONSTRUCTION AFFINE .................................................................................... 300
4 RECONSTRUCTION EUCLIDIENNE .......................................................................... 300
BIBLIOGRAPHIE......................................................................................................... 301
29
Liste des figures
31
Liste des figures
Figure 1.1 : Le modèle sténopé d’une caméra.......................................................... 56

Figure 1.2 : Le modèle affine d'une caméra ............................................................. 62
Figure 1.3 : Illustration du phénomène de distorsion radiale du type barillet ........... 64
Figure 1.4 : Modèle géométrique du système stéréoscopique................................... 68
Figure 1.5 : La géométrie épipolaire........................................................................ 71
Figure 1.6 : Les faisceaux de lignes épipolaires et les épipoles................................ 72
Figure 1.7 : Représentation des différentes relations entre les repères caméras dans le
cas de 4 images .................................................................................... 77
Figure 1.8 : Représentation des relations minimales entre les repères caméras dans le
cas de 4 images .................................................................................... 78
Figure 2.1 : Exemples de motifs réguliers ............................................................... 84
Figure 2.2 : Exemples de motifs aléatoires .............................................................. 85
Figure 2.3 : Taille du pattern adaptée au motif déposé............................................. 85
Figure 2.4 : Évolution d'un pattern entre les images gauche et droite....................... 87
Figure 2.5 : Calcul du champ de déplacements sur un pattern.................................. 88
Figure 2.6 : Évaluation de la précision de l'appariement .......................................... 89
Figure 2.7 : Détermination de la matrice fondamentale en termes de distances dans
les images ............................................................................................ 97
Figure 2.8 : Illustration du problème de détermination de la géométrie épipolaire ... 99
Figure 3.1 : Mires de calibrage constituées de points de références ....................... 110
Figure 3.2 : Vue perspective d'une sphère ............................................................. 114
Figure 3.3 : Points de fuite d'un cube .................................................................... 114
Figure 3.4 : Exemples de mires de calibrage de géométries connues et recouvertes
d'un motif aléatoire ............................................................................ 120
Figure 3.5 : Relation géométrique entre les repères caméras 1 et j......................... 134
Figure 4.1 : Mi est l’intersection des droites (C1mi1) et (C2mi2) ............................. 146
Figure 4.2 : Mi est situé à la distance minimale entre les droites (C1mi1) et (C2mi2)148
Figure 4.3 : Position du problème de mesure des champs de déplacements et de
déformations ...................................................................................... 154
Figure 4.4 : Exemple de maillage utilisant la triangulation de Delaunay ............... 156
Figure 4.5 : Principe de la méthode d'interpolation sur des triangles ..................... 157
Figure 4.6 : Principe de la détermination des coordonnées du point image gauche
déformée à partir du champ de déplacements sur un élément carré..... 159
Figure 4.7 : Changement de repère ........................................................................ 160
Figure 4.8 : Représentation des deux triangles utilisés pour mesurer les déformations
.......................................................................................................... 161
Figure 4.9 : Calcul des déformations en un point................................................... 163
Figure 5.1 : Système stéréoscopique...................................................................... 168
Figure 5.2 : Objectif télécentrique monté sur une caméra Hamamatsu ................... 169
Figure 5.3 : Cubes de calibrage utilisés par le logiciel ASAME............................. 171
Figure 5.4 : Images du cône .................................................................................. 174
Figure 5.5 : Visualisation, sous différents angles, du cône reconstruit à partir des
coordonnées projectives ..................................................................... 174
Figure 5.6 : Images de la sphère de calibrage ........................................................ 175
Figure 5.7 : Reconstruction projective de la sphère ............................................... 176
33
Liste des figures
Figure 5.8 : Reconstruction de la sphère................................................................ 177

Figure 5.9 :Images du cône ................................................................................... 178
Figure 5.10 : Reconstruction 3D du cône............................................................... 179
Figure 5.11 : Exemple de reconstruction d'une tôle emboutie ................................ 179
Figure 5.12 : Essai de pliage - Structures initiales et déformées ............................ 181
Figure 5.13 : Déformations majeures sur la structure déformée ............................. 181
Figure 5.14 : Déformations mineures sur la structure déformée ............................. 182
Figure 5.15 : Eprouvette en translation.................................................................. 182
Figure 5.16 : Déformations mineures .................................................................... 183
Figure 5.17 : Déformations majeures..................................................................... 183
Figure 5.18 : Banc d’essai des mesures de précision.............................................. 186
Figure 5.19 : Positionnement de l’embouti et du comparateur ............................... 186
Figure 5.20 : Schéma du banc d'essai .................................................................... 187
Figure 5.21 : Image après déplacement exploitée avec la zone étudiée .................. 188
Figure 5.22 : Schéma du banc d'essai .................................................................... 189
Figure 5.23 : Image après déplacement exploitée avec la zone étudiée .................. 189
Figure 5.24 : Schéma du banc d’essai.................................................................... 190
Figure 5.25 : Photos de l'embouti référencée sur la Figure 5.24 ............................. 190
Figure 5.26 : Image initiale (300) avec la zone étudiée.......................................... 191
Figure 5.27 : Déformations majeures pour un déplacement vertical de 9 mm ........ 193
Figure 5.28 : Déformations mineures pour un déplacement vertical de 9 mm ........ 194
Figure 5.29 : Norme du déplacement pour un déplacement vertical de 9 mm......... 194
Figure 5.30 : Déformations majeures pour un déplacement horizontal de 5 mm .... 195
Figure 5.31 : Déformations mineures pour un déplacement horizontal de 5 mm .... 196
Figure 5.32 : Norme du déplacement pour un déplacement horizontal de 5 mm..... 196
Figure 5.33 : Déformation majeure pour le couple 300/300 ................................... 197
Figure 5.34 : Déformations majeures..................................................................... 198
Figure 5.35 : Répartition de l'erreur et de son écart type en fonction de la position199
Figure 5.36 : Déformations majeures, photo 400/200 ............................................ 200
Figure 5.37 : Déformations mineures pour le couple 300/300 ................................ 200
Figure 5.38 : Déformations mineures .................................................................... 201
Figure 5.40 : Déformations mineures, photo 400/200 ............................................ 203
Figure 5.41 : Déplacement pour le couple 300/300 ................................................ 203
Figure 5.42 : Norme du déplacement ..................................................................... 204
Figure 5.44 : Norme du déplacement 400/200 ....................................................... 206
Figure 5.45 : Résultats obtenus avec ASAME 4.0 et 4.1 pour les petits déplacements
........................................................................................................ 207
Figure 5.46 : Résultats obtenus avec ASAME 4.0 et 4.1 pour les grands déplacements
........................................................................................................ 208
Figure 6.1 : Image initiale du fer à repasser utilisée pour les mesures 2D .............. 215
Figure 6.2 : Image initiale du fer à repasser utilisée pour les mesures 3D .............. 215
Figure 6.3 : Numérotation des différentes parties mises en données sur le fer à
repasser ............................................................................................. 216
34
Liste des figures
Figure 6.4 : Précision du calcul (en pixels)............................................................ 217

Figure 6.5 : Champ de déplacement (en pixels) dans la direction 1........................ 218
Figure 6.6 : Champ de déplacement (en pixels) dans la direction 1 en couleurs
cycliques............................................................................................ 219
Figure 6.7 : Champ de déplacement (en pixels) dans la direction 2........................ 220
Figure 6.8 : Champ de déplacement (en pixels) dans la direction 2 en couleurs
cycliques............................................................................................ 220
Figure 6.9 : Magnitude (en pixels) ........................................................................ 221
Figure 6.10 : Magnitude (en pixels) en couleurs cycliques .................................... 221
Figure 6.11 : Déformée amplifiée 20 fois .............................................................. 222
Figure 6.12 : Déformée amplifiée 40 fois .............................................................. 223
Figure 6.13 : Reconstructions initiale et déformée vues de face (le déplacement de la
déformée est amplifiée 20 fois)........................................................ 224
Figure 6.14 : Reconstructions initiales et déformée vues de l’avant (le déplacement
de la déformée est amplifiée 20 fois) ............................................... 224
Figure 6.15 : Magnitude en mm sur la zone d’étude .............................................. 225
Figure 6.16: Protocole expérimental...................................................................... 228
Figure 6.17: Positionnement du crâne avec appui sur la malaire ............................ 229
Figure 6.18 : Courbe de chargement côté gauche................................................... 229
Figure 6.19 : Zones d’études du coté droit............................................................. 230
Figure 6.20 : Zones d’études du coté gauche ......................................................... 231
Figure 6.21 : Images gauche et droite du cube de calibrage ................................... 232
Figure 6.22 : Déplacements suivant l’axe X mesurés sur la malaire entre le
précyclage et la charge maximale sur le coté droit ........................... 232
Figure 6.23 : Déplacements suivant l’axe Y mesurés sur la malaire entre le
Figure 6.24 : Déplacements suivant l’axe Z mesurés sur la malaire entre le
Figure 6.25 : Norme du déplacement mesuré sur la malaire entre le précyclage et la
charge maximale sur le coté droit .................................................... 234
Figure 6.26 : Déplacements suivant l’axe X mesurés sur la résine entre le précyclage
et la charge maximale sur le coté droit............................................. 235
Figure 6.27 : Déplacements suivant l’axe Y mesurés sur la résine entre le précyclage
Figure 6.28 : Déplacements suivant l’axe Z mesurés sur la résine entre le précyclage
Figure 6.29 : Norme du déplacement mesuré sur la résine entre le précyclage et la
charge maximale sur le coté droit .................................................... 236
Figure 6.30 : Norme du déplacement mesuré sur l’ensemble des zones d’intérêts
entre le précyclage et la charge maximale ........................................ 237
Figure 6.31 : Déplacements suivant l’axe X mesurés sur la résine entre le précyclage
et la charge maximale sur le coté gauche ......................................... 237
Figure 6.32 : Déplacements suivant l’axe Y mesurés sur la résine entre le précyclage
35
Liste des figures
Figure 6.33 : Déplacements suivant l’axe Z mesurés sur la résine entre le précyclage
Figure 6.34 : Norme du déplacement mesuré sur la résine entre le précyclage et la
charge maximale sur le coté gauche ................................................. 238
Figure 6.35 : Déplacements suivant l’axe X mesurés sur la malaire entre l’état initial
et le précyclage sur le coté gauche ................................................... 239
Figure 6.36 : Déplacements suivant l’axe Y mesurés sur la malaire entre l’état initial
Figure 6.37 : Déplacements suivant l’axe Z mesurés sur la malaire entre l’état initial
Figure 6.38 : Norme du déplacement mesuré sur la malaire entre l’état initial et le
précyclage sur le coté gauche........................................................... 241
Figure 6.39 : Déplacements suivant l’axe X mesurés sur la malaire entre le
précyclage et la charge maximale sur le coté gauche........................ 242
Figure 6.40 : Déplacements suivant l’axe Y mesurés sur la malaire entre le
Figure 6.41 : Déplacements suivant l’axe Z mesurés sur la malaire entre le
Figure 6.42 : Norme du déplacement mesuré sur la malaire entre le précyclage et la
charge maximale sur le coté gauche ................................................. 243
Figure 6.43 : Déplacements suivant l’axe X mesurés sur l’orbite entre la fin du
précyclage et la chargé maximale sur le coté gauche........................ 244
Figure 6.44 : Déplacements suivant l’axe Y mesurés sur l’orbite entre la fin du
Figure 6.45 : Déplacements suivant l’axe Z mesurés sur l’orbite entre la fin du
Figure 6.46 : Norme du déplacement mesurée sur l’orbite entre la fin du précyclage
et la chargé maximale sur le coté gauche ......................................... 245
Figure 6.47 : Déplacements suivant l’axe X mesurés sur la partie basse du crâne entre
la fin du précyclage et la chargé maximale sur le coté gauche.......... 246
Figure 6.48 : Déplacements suivant l’axe Y mesurés sur la partie basse du crâne entre
Figure 6.49 : Déplacements suivant l’axe Z mesurés sur la partie basse du crâne entre
Figure 6.50 : Norme du déplacement mesurée sur la partie basse du crâne entre la fin
du précyclage et la chargé maximale sur le coté gauche................... 247
Figure 7.1 : Banc de mesures - Caméras, coque et cube d’étalonnage. ................... 252
Figure 7.2 : Banc de mesures - illustration de la distance caméra-coque. ............... 252
Figure 7.3 : Zone 1 – Zone centrale de la coque initiale ........................................ 253
Figure 7.4 : Zone 1 – Zone centrale de la coque déformée..................................... 253
Figure 7.5 : Zone 2 – Zone latérale gauche supérieure de la coque initiale ............ 254
Figure 7.6 : Zone 2 – Zone latérale gauche supérieure de la coque déformée......... 254
Figure 7.7 : Zone 3 – Zone latérale droite inférieure de la coque initiale ............... 254
Figure 7.8 : Zone 3 – Zone latérale droite inférieure de la coque déformée ........... 254
Figure 7.9 : Images gauche et droite du cube utilisées pour le calibrage ................ 255
36
Liste des figures
Figure 7.10 : Reconstruction 3D de la géométrie initiale de la zone 1 ................... 256

Figure 7.11 : Zones d’intérêts sur la structure déformée ........................................ 256
Figure 7.12 : Déformations majeures sur la zone 1 ................................................ 257
Figure 7.13 : Déformations mineures sur la zone 1 ................................................ 257
Figure 7.22 : Différents modes de déformations d’une pièce emboutie (ε1=εI, ε2=εII)
........................................................................................................ 264
Figure 7.23 : Description de l’outil d’emboutissage classique ............................... 265
Figure 7.24 : Module d’emboutissage.................................................................... 266
Figure 7.25 : Dispositif complet d'emboutissage ................................................... 267
Figure 7.26 : Montage télécentrique ; laser (à droite), objectif (en haut)................ 269
Figure 7.27 : Géométrie finale, plaque 140mm.Vue photographique de la localisation
de la striction ................................................................................... 270
Figure 7.28 : Géométrie finale, plaque 140mm. Isovaleurs des déformations majeures
........................................................................................................ 270
Figure 7.29 : C.L.F. obtenue lors d’un essai de type Marciniak et ICASOFT......... 271
Figure 7.30 : C.L.F. obtenue lors d’un essai de type Nakazima et ICASOFT ......... 272
Figure 7.31 : C.L.F. obtenue lors d’un essai de type Nakazima et ASAME ........... 272
Figure 7.32 : Essais Marciniak (en gris) et Nakazima télécentrique (en couleurs).. 273
Figure 7.33 : Méthodes télécentrique (en gris) et ASAME (en couleurs) ............... 274
Figure 7.34 : Interpolation sur toute la zone d’étude et sur tous les points de mesure
........................................................................................................ 276
Figure 7.35 : Interpolation sur toute la zone d’études sans les points aberrants...... 276
Figure 7.36 : Interpolation sur une zone réduite sans les points aberrants .............. 277
Figure 7.37 : Exploitation des résultats sous ASAME ........................................... 278
Figure 7.38 : Répartition des déformations calculées par ASAME......................... 279
37
Notations
39
40
Notations
Symbole Définition
{v}, {M}, {m},… Les vecteurs
[A], [B], [M],… Les matrices
II Plan image
C Centre de projection de la caméra
M Point de l’espace
Point image associé au point de l’espace M ou

m
projection du point M sur le plan image II
ℜO ou (O,X,Y,Z) Repère fixe de l’espace
ℜC ou (C,x,y,z) Repère caméra
ℜo ou (o,u,v) Repère image
(C,z) Axe optique
c Point principal : intersection entre (C,z) et II
f Distance focale : distance entre C et c
Coordonnées cartésiennes du point M expri-

{M}ℜ = {X , Y , Z }
T
O
mées dans le repère ℜO
{M~ } ℜO = {X , Y , Z ,1}
T Coordonnées homogènes du point M exprimées
dans le repère ℜO
Coordonnées cartésiennes du point M expri-

{M}ℜ = {X C , YC , Z C }
T
C
mées dans le repère ℜC
{M~ }
ℜC = {X C , YC , Z C ,1}
T Coordonnées homogènes du point M exprimées
dans le repère ℜC
Coordonnées cartésiennes du point m expri-

{m}ℜ = {x, y, z}
T
C
mées dans le repère ℜC
Coordonnées homogènes du point m exprimées

{m
~} = {x, y, z ,1}
T
ℜ C
dans le repère ℜC
41
Notations

{m}ℜ C
= {x, y, z} avec z=1
T
mées dans le repère (C , f.x , f.y , f.z) ou coor-
données normalisées

{m}ℜ = {u, v}
T
o
mées dans le repère ℜo
Coordonnées homogènes du point m exprimées

{m
~} = {u , v,1}
T
ℜ o
dans le repère ℜo
{uc , vc }T Coordonnées du point c dans ℜo
Facteur d’échelle horizontal exprimé en

ku
pixels/mm
Facteur d’échelle vertical exprimé en

kv
pixels/mm
αu = k u ⋅ f Paramètre intrinsèque associé à ku
αv = k v ⋅ f Paramètre intrinsèque associé à kv
Matrice caractérisant la transformation Camé-

[K]
ra / Image
[IIC] Matrice des paramètres intrinsèques
Matrice des paramètres intrinsèques en coor-

[IIN]
données normalisées
Matrice des paramètres extrinsèques ou trans-

[D] formation rigide (rotation et translation) carac-
térisant la transformation Objet / Caméra
[PC] Matrice caractérisant la projection perspective
Matrice de projection associée à une caméra

[P]
caractérisant la transformation Objet / Image
Matrice essentielle permettant de décrire la

[E] géométrie épipolaire d’un système stéréosco-
pique dans les repères caméras
42
Notations
Matrice fondamentale permettant de décrire la

[F] géométrie épipolaire d’un système stéréosco-
pique dans les repères images
e Epipole
NbImage Nombre d’images de la scène
Nombre de points de la scène ou nombre de

NbPoint
points images
Cet indice fait référence, sauf mention spé-

i
ciale, au ième point de la scène
Cet indice fait référence, sauf mention spé-

j
ciale, à la jème caméra ou à la jème image
43
Introduction générale
45
46
Les techniques optiques, de plus en plus performantes, ont permis d’ouvrir

un large champ d’applications dans les milieux de la télésurveillance, de la
robotique mobile, du contrôle ou de la mesure.
Le Laboratoire de Mécanique des Solides de l’INSA de Lyon a démarré fin
1994 le développement d’un logiciel de mesure de champs de déplacements
et de déformations plans. Une méthode classique consiste dans un premier
temps à déposer sur la plaque à étudier une grille régulière rectangulaire ou
circulaire. Connaissant la géométrie de la grille déposée, il est alors possible
de déterminer les déformations subies par la plaque à partir de mesures ef-
fectuées sur les images numériques de la plaque (et donc de la grille) défor-
mée. Cette approche présente plusieurs inconvénients. Tout d’abord, le
temps de dépôt de la grille peut être long et coûteux à mettre en œuvre. En-
suite, la localisation des points de mesure et leur densité dépendent du pas de
la grille utilisée, ce qui suppose que l’opérateur doit connaître, avant de ré-
aliser l’expérience, les zones d’intérêts sur la structure étudiée ainsi que les
taux de déformations qui seront appliquées.
La méthode développée au laboratoire [TOU97a] est basée sur l’utilisation
d’un motif aléatoire déposé sur la pièce à étudier et l’abandon d’un mar-
quage classique du type grilles. Ce motif est généralement obtenu par pulvé-
risation de fines couches de peinture blanche puis d’un mouchetis noir obte-
nu avec une bombe de peinture. A partir de prises de vues de la plaque avant
et après déformations, les champs de déplacements et de déformations peu-
vent être calculés grâce au logiciel ICASOFT basé sur une méthode de cor-
rélation en niveaux de gris. Cette méthode originale a été introduite en 1983
par Sutton et al. [SUT83]. Cette approche s'est avérée être plus rapide à
mettre en œuvre et plus précise que les méthodes classiques. Développée
dans un premier temps pour mesurer des taux de déformations sur des em-
boutis [TOU97a], cette technique a été appliquée et a apporté des résultats
intéressants dans d’autres domaines telles que la détermination de module
47
d’Young, la caractérisation de l’os spongieux humain ou l’étude du compor-

tement des matériaux dans la zone affectée thermiquement lors d’une opéra-
tion de soudage.
Le logiciel ICASOFT ne permet de mesurer que des champs de déplace-

ments et de déformations 2D, sur des structures initialement planes et qui
restent dans leur plan malgré la sollicitation mécanique. Pour de nombreuses
applications, la mesure de champs de déplacements et de déformations doit
être réalisée dans l’espace 3D, soit parce que la structure à étudier ne pos-
sède pas initialement une forme plane, soit parce les déformations qu’elle
subit la transforme en une structure 3D complexe. L’objectif de cette thèse
est donc de mettre au point une méthode de mesure de champs de déplace-
ments et de déformations 3D utilisant la méthode de corrélation en niveaux
de gris.
Pour effectuer des mesures 3D, deux caméras numériques constituant un sys-
tème ou un banc stéréoscopique sont nécessaires. Le principe général repose
alors sur les techniques développées en vision par ordinateur et notamment
le problème d’obtenir, à partir de deux images d’une scène, une reconstruc-
tion fidèle dans l’espace la scène photographiée. Plusieurs étapes sont néces-
saires pour toute mesure par stéréovision :
L’appariement entre deux images qui consiste à déterminer un ensemble

de couples de points, chaque couple étant formé d’un point d’une image
et d’un point d’une autre image mais correspondant au même point phy-
sique de la scène.
Le calibrage du système stéréoscopique qui consiste à déterminer les pa-
ramètres de la fonction reliant les coordonnées 3D de points de l’espace
et les coordonnées 2D de ces mêmes points physiques dans les plans
images.
La reconstruction 3D qui consiste, à partir des paramètres de calibrage et
des résultats de l’appariement entre deux images d’une scène, de déter-
miner les coordonnées 3D de points d’intérêts.
La détermination des champs de déplacements et de déformations pro-
prement dits, qui est réalisée à partir d’une reconstruction 3D de la struc-
ture initiale et d’une reconstruction 3D de la structure déformée.
Cette thèse exploratoire aborde un sujet nouveau pour le laboratoire : celui

de la stéréovision. Notre objectif est d’utiliser la méthode de corrélation en
niveaux de gris pour chacune des étapes nécessaires à une mesure par sté-
réovision, y compris lors de la phase de calibrage. Les travaux de recherche
présentés dans le cadre de cette thèse visent à faire état des approches utili-
sées en vision par ordinateur et à mettre au point une méthode innovante de
calibrage d’un système stéréoscopique utilisant la méthode de corrélation.
48
Cette démarche suppose le choix d’un modèle mathématique représentant au

mieux le comportement d’un capteur optique. Les différentes modélisations
d’une caméra couramment utilisées ainsi que les équations mathématiques
mises en jeu sont présentées dans la section 1 de la partie 1. La seconde sec-
tion présente les équations mathématiques utilisées dans le cas de
l’utilisation de deux caméras, cas qui nous intéresse tout particulièrement
dans cette thèse, avec notamment l’introduction de la géométrie épipolaire et
de la matrice essentielle.
La partie 2 de cette thèse aborde le problème de l’appariement entre deux
images. Dans notre cas, l’appariement est réalisé par corrélation en niveaux
de gris à partir du logiciel ICASOFT. La section 2 de cette partie reprend les
équations mathématiques dans le cas de l’utilisation de deux caméras, mais
ces équations sont exprimées dans les plans images. La géométrie épipolaire,
exprimée dans les plans images par l’intermédiaire de la matrice fondamen-
tale est étudiée en détails.
La partie 3 est consacrée à l’étape de calibrage du système stéréoscopique.
Les méthodes de calibrage classiques utilisent des mires constituées de
points de références de coordonnées 3D connues permettant, lors
d’optimisations mathématiques, de déterminer les paramètres de la fonction
reliant ces coordonnées 3D aux coordonnées images. L’originalité des ap-
proches proposées dans les sections 2 et 3 de la partie 3 réside dans
l’utilisation de la méthode de corrélation en niveaux de gris à cette étape.
Une mire de calibrage possédant des points de références ne peut pas être
utilisée puisque la méthode de corrélation suppose l’utilisation d’un motif
aléatoire, ce qui rend problématique cette étape d’un point de vue mathéma-
tique. Des approches utilisées en robotique mobile appelées
« autocalibration » permettent d’initialiser la procédure, mais elles doivent
être complétées par des méthodes utilisées en photogrammétrie afin
d’obtenir un calibrage dans un espace métrique et pouvoir réaliser des mesu-
res.
Une fois calibré, le système stéréoscopique peut être utilisé pour effectuer
des reconstructions 3D de structures photographiées. A partir de ces recons-
tructions, les champs de déplacements et de déformations peuvent être calcu-
lés. Les différentes approches sont présentées dans la partie 4.
Dans la partie 5, le matériel de mesure et les outils informatiques disponibles
et utilisés au laboratoire sont présentés à la section 1. La section 2 fait état
des résultats obtenus et des difficultés rencontrées lors du calibrage à partir
d’une paire d’images d’une mire recouverte d’un motif aléatoire. Parallèle-
ment aux développement de cette approche au sein du laboratoire, le module
de corrélation en niveaux de gris a été implanté dans le logiciel de mesure de
champs de déplacements et de déformations 3D ASAME, initialement prévu
49
pour analyser des images de structures recouvertes de grilles. Cette nouvelle

version du logiciel a été testée au laboratoire. Les résultats obtenus lors
d’une étude sur la précision des mesures obtenues à partir d’ASAME est pré-
sentée dans la section 3.
Les parties 6 et 7 présentent les résultats de mesures de champs de déplace-
ments et de déformations 3D réalisées avec le logiciel ASAME :
La mesure des champs de déplacements sur un fer à repasser en cours de
cycle de chauffage.
La mesure des champs de déplacements sur un crâne soumis à une pres-
sion ponctuelle.
La mesure de champs de déformations sur une coque cylindrique écrasée.
La mesure de champs de déformations lors de l’emboutissage de plaques
sur un poinçon hémisphérique dans le but de déterminer des Courbes Li-
mites de Formage.
Ces travaux ont fait l’objet de plusieurs publications dans le cadre de con-
grès en mécanique [TOU98] [BRU99] [CLE99a], en optique appliquée au
milieu industriel [CLE99b] ou sur l’utilisation des méthodes optiques en
mécanique [CLE01].
50
Partie 1
Modèles de caméras et
équations mathématiques
mises en jeu
51
52
Section 1 – Une vue
1 Une vue
1.1 Introduction
1.2 Principe de fonctionnement d’une caméra numérique CCD
1.3 Modèle sténopé

Projection perspective
Transformation Caméra / Image
Paramètres intrinsèques
Transformation Objet / Caméra : les paramètres extrinsèques
Transformation Objet / Image
1.4 Modèle linéaire affine
1.5 Modèle non linéaire : prise en compte des distorsions

Distorsion radiale
Distorsion de décentrage
Distorsion prismatique
Distorsion totale
1.6 Conclusion
1.1 Introduction
Le processus de la vision comporte en particulier deux étapes : l’acquisition

des images et leur traitement.
Pour l’acquisition d’images dans l’objectif d’effectuer des mesures, les ca-
méras numériques CCD sont très bien adaptées ; d’une part parce qu’elles
sont d’une grande sensibilité ; d’autre part parce qu’elles permettent
d’acquérir directement des images numériques facilement exploitables d’un
point de vue informatique.
Pour traiter correctement les images acquises, il convient de définir un mo-
dèle de caméra permettant de connaître son fonctionnement. La modélisation
la plus judicieuse d’un système physique est celle qui réalise le meilleur
compromis entre sa simplicité et son adéquation. Elle doit être suffisamment
simple dans sa formulation pour permettre d’effectuer des raisonnements à
partir du modèle. Mais ces raisonnements doivent conduire à des prédictions
suffisamment précises en fonction des objectifs à atteindre. Le modèle de
caméra dit « sténopé » répond de manière satisfaisante aux critères
d’adéquation et de simplicité. Le modèle dit « linéaire affine » peut égale-
ment, dans certaines conditions, être un bon compromis. Par contre, pour ob-
tenir une meilleure précision ou lorsque la qualité des optiques fait qu’elles
ne respectent plus le modèle sténopé, il est nécessaire de prendre en compte
53
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
l’écart par rapport au modèle projectif linéaire, et donc les distorsions non
linéaires.
Dans cette section, le mode de fonctionnement des caméras CCD est briève-
ment décrit [MAR 94]. Puis les différentes équations et les paramètres mis
en jeu dans le cas d’un modèle de caméra sténopé, linéaire affine ou non li-
néaire sont présentés [HOR95].
1.2 Principe de fonctionnement d’une caméra numérique CCD
Les premiers détecteurs CCD (Charge Couple Device, ou dispositif à trans-

fert de charge) furent créés en 1970 par deux américains, Boyle et Smith.
D’un point de vue technique, les détecteurs CCD sont constitués de photoé-
léments : éléments qui accumulent la lumière et la convertissent en charges
électriques en proportion de la lumière qu’ils reçoivent. Ils sont disposés en
une seule ligne (capteurs linéaires) ou en tableaux (matrices).
Les différentes étapes de fonctionnement sont les suivantes [ERA99] :
Le capteur est exposé à la lumière (le temps d’exposition est également

appelé temps d’intégration). Pendant cette phase, lorsqu’un photon
frappe un photoélément, il crée une charge électrique dans celui-ci. A la
fin du temps d’intégration, chaque élément de la matrice contient donc un
certain nombre de charges électriques correspondant au nombre de pho-
tons captés par cet élément.
Le temps d’intégration écoulé, la phase de lecture consiste à vider de ses
charges le capteur CCD et à les convertir en signal électrique.
Simultanément, ce signal électrique est converti en signal numérique
sous forme de bits pour être envoyé vers l’ordinateur qui pilote la camé-
ra.
Pour comprendre l’intérêt porté aux capteurs CCD, il faut connaître ce qui
les caractérise et ce qui les différencie des films photographiques. Sans en-
trer dans les détails, l’avantage majeur du CCD sur la pellicule est la sensibi-
lité, qui s’exprime couramment en électron produit par photon incident. Elle
atteint des valeurs de 50% pour les CCD contre 5% typiquement pour une
pellicule photographique traditionnelle. D’autre part, les CCD offrent la pos-
sibilité de réaliser une image numérisée qui se prête donc bien à un traite-
ment informatique.
Cette numérisation suppose que le plan image a été discrétisé en cellules
élémentaires, appelées pixels. Les tailles des CCD sont d’ailleurs exprimées
en nombres de pixels, qui définissent la résolution des images pour une opti-
que donnée. Les matrices les plus courantes ont des tailles typiques de
54
340 x 280 pixels ; les plus grandes matrices actuelles vont jusqu’à
4000 x 4000 pixels. Les pixels ont eux-mêmes des tailles variables selon les
modèles, de 6 à 40 µm (distances entre les centres des pixels) et les pixels ne
sont pas toujours carrés ni jointifs. A chacun de ces pixels sont associées une
abscisse et une ordonnée pour le positionner dans le plan image, ainsi qu’un
nombre, représentant la valeur moyenne de l’éclairement ou de l’intensité,
sur la surface associée au pixel. Ces valeurs d’intensités sont discrétisées en
1
niveaux de gris au nombre de 256 , dans le cas d’un signal de 8 bits.
Une image se présente donc comme une fonction discrète de niveaux de gris
répartis sur les pixels d’une grille régulière.
1.3 Modèle sténopé
Le modèle de caméra le plus utilisé en vision par ordinateur est le modèle

2
sténopé . Ce modèle est loin d’être novateur puisque le phénomène était déjà
décrit par Aristote puis Léonard de Vinci et enfin Cardan. Il permet de mo-
déliser finement la plupart des capteurs projectifs et de simplifier les équa-
tions mathématiques mises en jeu [HOR95].
La transformation Objet / Image entre un point de l’espace et sa projection
dans le plan image peut se décomposer en trois étapes (Figure 1.1) :
Un déplacement tridimensionnel correspondant à la transformation Ob-

jet / Caméra.
Une projection 3D / 2D : le point 3D est projeté sur le plan image.
Une transformation affine correspondant à la transformation Caméra /
Image.
1.3.1 Projection perspective
Le modèle sténopé décrit la caméra comme une projection perspective de la

scène sur le plan image de la caméra. Une projection perspective est entiè-
rement définie par la donnée d’un point C et d’un plan II. L’image m d’un
point M de la scène est l’intersection de la droite (CM) avec le plan II.
1
Les niveaux de gris d'une image varient du noir au blanc et sont compris entre 0 et 255.
2
Signifie « trou étroit ». Le terme anglais « pinhole camera » est plus explicite à cet égard puisqu’il signifie :
appareil photo avec un trou d’épingle. Ainsi, le modèle sténopé est un système optique qui n’est pas composé
d’un ensemble de lentilles mais d’un simple trou.
55
Z
Transformation Y
Objet / Image X O
Repère
M
objet
Repère image
o
Transformation u
Caméra / Image
v z
m
c
II
C Transformation
Objet / Caméra
x
y
Repère caméra
Figure 1.1 : Le modèle sténopé d’une caméra
Soit (C,x,y,z) le repère caméra, noté ℜC, tel que le plan (C,x,y) est parallèle
au plan image II. Le point C est appelé centre de projection. Soit c, appelé
point principal, l’intersection entre l’axe (C,z), appelé axe optique, et le plan
II. La distance entre C et c, appelée distance focale, est notée f. Soit
{M}ℜC = {X C , YC , Z C }T les coordonnées cartésiennes d’un point M exprimées
dans le repère caméra. Soit {m}ℜC = {x, y, z} les coordonnées cartésiennes,
T
exprimées dans le repère caméra, du point m, projection de M sur le plan

image. {M}ℜC et {m}ℜC sont alors liées par les relations suivantes :
XC YC
x= f y= f z= f (1.1)
ZC ZC
(1.1) peut s’écrire sous une forme matricielle, plus facile à manipuler et à
utiliser lors de raisonnements mathématiques, en faisant intervenir les coor-
~
{ }
données homogènes M ℜC = {X C , YC , Z C ,1} du point M et {m
T ~ } = {x, y, z ,1}T
ℜC
du point m :
56
⎡1 0 0 0⎤
⎢0 1 0 0⎥⎥
s ⋅ {m ℜC C
{ }
~ } = [P ] ⋅ M
~
ℜC
⎢
où [PC ] = ⎢0 0 1 0⎥ (1.2)
⎢ 1 ⎥
⎢0 0
f
0⎥
⎣ ⎦
1.3.2 Transformation Caméra / Image
Les coordonnées des points images sont exprimées en pixels dans un repère
bidimensionnel (o,u,v), appelé repère image et noté ℜo. Soit {m
~ } = {u , v,1}T
ℜo
les coordonnées homogènes du point m exprimées dans ce repère.
Soient :
ku et kv les facteurs d’échelle respectivement horizontal et vertical, ex-
primés en pixels/mm.
uc, vc, les coordonnées exprimées en pixels de c dans ℜo.
La transformation permettant de passer du repère caméra ℜC au repère image

ℜo est une transformation affine de l’espace représentant un changement
d’échelle et une translation. Elle s’écrit :
⎡ku 0 0 uc ⎤
~ } = [K ] ⋅ {m
s ⋅ {m ℜo
~}
ℜC où [K ] = ⎢⎢ 0 kv 0 vc ⎥⎥ (1.3)
⎢⎣ 0 0 0 1 ⎥⎦
1.3.3 Paramètres intrinsèques
A partir des relations (1.2) et (1.3), en multipliant les matrices [K] et [PC], la
{ }
relation entre M ℜC et {m
~ ~ } s’écrit :
ℜo
⎡ uc ⎤
⎢ k u 0 f 0⎥ ⎧ X C ⎫
⎧u ⎫ ⎢ ⎥ ⎪ ⎪
⎪ ⎪ ⎢ vc ⎪Y ⎪
s ⋅ ⎨v ⎬ = 0 k v 0⎥ ⋅ ⎨ C ⎬ (1.4)
⎪1 ⎪ ⎢⎢ f ⎥ ⎪ ZC ⎪
⎩ ⎭ ⎥
0 ⎥ ⎪⎩ 1 ⎪⎭
1
⎢0 0
⎢⎣ f ⎥⎦
57
Les coordonnées homogènes étant définies à un facteur multiplicatif près, en

multipliant cette égalité par f, on obtient :
⎡α u 0 uc 0⎤
s ⋅ {m
~}
ℜo { }
= [II C ] ⋅ M
~
ℜC où [II C ] = ⎢⎢ 0 αv vc 0⎥⎥ (1.5)
⎢⎣ 0 0 1 0⎥⎦
αu = ku ⋅ f , αv = k v ⋅ f , uc et vc sont appelés les paramètres intrinsèques de la

caméra ; ils ne dépendent que du capteur optique proprement dit.
Notons qu’en exprimant les coordonnées du point m dans le repère (C , f.x ,

f.y , f.z) les relations (1.1) s’écrivent :
XC YC
x= y= z =1 (1.6)
ZC ZC
{x,y,z} sont alors appelées coordonnées normalisées, et la relation (1.5) peut

s’écrire sous la forme :
⎧u ⎫ ⎧x⎫ ⎡α u 0 uc ⎤
⎪ ⎪ ⎪ ⎪
⎨v ⎬ = [II N ] ⋅ ⎨ y ⎬ où [II N ] = ⎢⎢ 0 αv vc ⎥⎥ (1.7)
⎪1 ⎪ ⎪1 ⎪ ⎢⎣ 0 1 ⎥⎦
⎩ ⎭ ⎩ ⎭ 0
Contrairement à l’équation (1.5), la relation (1.7) a l’avantage d’être inversi-

ble.
1.3.4 Transformation Objet / Caméra : les paramètres extrinsèques
Les paramètres extrinsèques de la caméra expriment la position et

l’orientation de la caméra dans l’espace lors de la prise de vue, par rapport à
un repère fixe de l’espace (O,X,Y,Z), appelé repère objet et noté ℜO. Soit
{ }
M ℜO = {X , Y , Z ,1} les coordonnées homogènes du point M exprimées dans
~ T
le repère objet. La transformation Objet / Caméra se compose d’une rotation

[R] et d’une translation { t} :
58
⎡ r11 r12 r13 tx ⎤

⎢r t y ⎥⎥
{M~ } ℜC { }
= [D] ⋅ M
~
ℜO où [D] = ⎢ 21
⎢r31
r22
r32
r23
r33 tz ⎥
(1.8)
⎢ ⎥
⎣0 0 0 1⎦
La transformation rigide (rotation et translation), notée [D], peut s’écrire

sous différentes formes :
⎡{r1 }T tx ⎤
⎥
[R ] {t}⎤ ⎢⎢{r2 }T
[D] = ⎡⎢
ty ⎥
=
⎣{0} 1 ⎥⎦ ⎢{r3 }T
(1.9)
tz ⎥
T
⎢ T ⎥
⎢⎣ {0} 0 ⎥⎦
La matrice inverse s’écrit :
⎡[R ]T − [R ] ⋅ {t}⎤
−T
[D] −1
=⎢ T ⎥ (1.10)
⎣ {0} 1 ⎦
1.3.5 Transformation Objet / Image
La transformation globale Objet / Image résultant des transformations Ob-

jet / Caméra et Caméra / Image peut s’écrire sous forme d’une matrice 3x4,
appelée matrice de projection, notée [P], et définie à partir des équations
(1.5) et (1.8) en multipliant les matrices [IIC] et [D].
~ } = [P ] ⋅ M
s ⋅ {m ℜo
~
{ } ℜO où [P] = [II ]⋅ [D]
C (1.11)
La matrice de projection est définie à un facteur d’échelle près. Ainsi défi-

nie, la transformation Objet / Image est caractérisée par les 12 composantes
de la matrice de projection dont 11 sont indépendants, la matrice de projec-
tion étant définie à un facteur multiplicatif près.
Sous forme développée, la relation (1.11) s’écrit :
59
⎧ P11 ⋅ X + P12 ⋅ Y + P13 ⋅ Z + P14

⎪⎪u = P31 ⋅ X + P32 ⋅ Y + P33 ⋅ Z + P34
⎨ P21 ⋅ X + P22 ⋅ Y + P23 ⋅ Z + P24
(1.12)
⎪v =
⎪⎩ P31 ⋅ X + P32 ⋅ Y + P33 ⋅ Z + P34
Ces deux équations décrivent la droite, appelée droite de vue, passant par le
centre de projection C et le point image m de coordonnées {u,v} (cf. Figure
1.1).
En tenant compte explicitement des paramètres intrinsèques et extrinsèques,
le système d’équations (1.12) s’écrit :
⎧ r11 ⋅ X + r12 ⋅ Y + r13 ⋅ Z + t x

⎪⎪u = α u ⋅ r ⋅ X + r ⋅ Y + r ⋅ Z + t + uc
z
⎨
31 32 33
r21 ⋅ X + r22 ⋅ Y + r23 ⋅ Z + t y (1.13)
⎪v = α v ⋅ + vc
⎪⎩ r31 ⋅ X + r32 ⋅ Y + r33 ⋅ Z + t z
La transformation Objet / Image ainsi définie est caractérisée par 10 paramè-

tres :
6 paramètres extrinsèques (les 3 angles de rotation, autour de chacun des

axes, et les composantes du vecteur translation).
4 paramètres intrinsèques ( α u , α v , uc , vc ).
1.4 Modèle linéaire affine
Le modèle sténopé décrit jusqu’à présent est un modèle projectif de caméra.

Il peut être utile dans certains cas de considérer un modèle simplifié en rem-
plaçant la transformation projective 3D/2D par une transformation affine
[HOR95] . Le modèle de caméra affine ne peut-être utilisé que lorsque la
taille des objets étudiés est faible par rapport à la distance entre ces objets et
le centre de projection C de la caméra.
Soit {M}ℜO = {X , Y , Z } les coordonnées cartésiennes du point M exprimées

T
dans le repère objet. D’après les équations (1.6) et (1.8), en utilisant les no-
tations définies à l’équation (1.9), les relations entre les coordonnées du
point image m exprimées dans le repère caméra et les coordonnées {M}ℜO
s’écrivent :
60
⎧ {r1 }T ⋅ {M}ℜO + tx
⎪x =
⎪ {r3 }T ⋅ {M}ℜO + tz
⎨
⎪ y = {r2 } ⋅ {M}ℜO
(1.14)
+ ty
T
⎪
⎩ {r3 }T ⋅ {M}ℜO + tz
En divisant par tz ces deux expressions, la projection s’écrit sous la forme :
⎧ η ⋅ {r1 } ⋅ {M}ℜO + xO
T
⎪⎪ x =
ε +1
⎨
⎪y = η ⋅ {r2
}T
⋅ {M}ℜO + yO (1.15)
⎪⎩ ε +1
où:
tx t
xO = et yO = y sont les coordonnées de la projection de l’origine O du
tz tz
repère objet exprimées dans le repère ℜC.
1
η= est un facteur d’échelle.
tz
{r } ⋅ {M}
T
ℜO
ε= 3
est un rapport, petit devant 1 si l’objet est loin de la ca-
tz
méra ou si la taille de l’objet observé est petite par rapport à la distance à
la caméra.
En tenant compte de l’hypothèse que ε est petit devant 1, le système

d’équations (1.15) s’écrit :
⎧⎪ x − xO = η ⋅ {r1 }T ⋅ {M}ℜO
⎨
⎪⎩ y − yO = η ⋅ {r2 } ⋅ {M}ℜO
T (1.16)
En introduisant à nouveau les coordonnées des points images dans le repère

image, on obtient :
⎧u − uO ⎫ ⎡α u 0 ⎤ ⎧ x − xO ⎫
⎨ ⎬=⎢ ⋅⎨ ⎬
α v ⎥⎦ ⎩ y − yO ⎭
(1.17)
⎩ v − vO ⎭ ⎣ 0
Soit {m}ℜo = {u , v} les coordonnées cartésiennes du point image m exprimées

T
dans le repère image. Dans le cas du modèle affine de caméra, la transforma-
61
tion Objet / Image donnée par la relation (1.11) dans le cas du modèle sténo-
pé, prend la forme :
⎡ P11 P12 P13 uO ⎤

{m
~}
ℜ o
{ }
= [P ] ⋅ M
~
ℜO où [P ] = ⎢⎢ P21 P22 P23 vO ⎥⎥ (1.18)
⎢⎣ 0 0 0 1 ⎥⎦
Le modèle affine décrit donc la caméra comme une projection parallèle de la

scène sur le plan image de la caméra (Figure 1.2). Il correspond au cas parti-
culier du modèle sténopé où le centre de projection C est rejeté à l’infini.
o
u
v z
m
c
II
x
C
y
Figure 1.2 : Le modèle affine d'une caméra
1.5 Modèle non linéaire : prise en compte des distorsions
Les optiques réelles ne se comportent pas exactement comme le modèle af-

fine ou sténopé, mais présentent des aberrations. Le modèle de caméra décrit
jusqu’à présent peut être amélioré en tenant compte des distorsions non li-
néaires. Des distorsions de trois natures différentes peuvent être considérées
[DEV97] :
62
La distorsion radiale dûe le plus souvent à des défauts dans la courbure

radiale des lentilles constituant la caméra.
La distorsion de décentrage dûe à un mauvais alignement des centres
optiques des lentilles.
La distorsion prismatique dûe à une inclinaison des lentilles les unes par
rapport aux autres.
D’un point de vue mathématique, la prise en compte des distorsions se tra-

duit par l’addition d’un terme correctif aux coordonnées caméras des points
images issus du modèle projectif {x,y} pour obtenir des coordonnées
caméras corrigées {xd,yd}.
⎧ x d = x + δ x ( x, y )
⎨
⎩ y d = y + δ y ( x, y )
(1.19)
Les termes δ x ( x, y ) et δ y ( x, y ) sont eux même la somme de plusieurs termes

correctifs correspondants aux différents types de distorsions considérés et au
degrés d’approximation du modèle choisi.
1.5.1 Distorsion radiale
La distorsion radiale est la distorsion la plus significative qui affecte les

images produites par un objectif constitué de lentilles. Tous les points de
l’image sont translatés suivant des directions définies par des droites passant
par ces points et par le point principal c. Cette translation est d’autant plus
importante que le point considéré est éloigné de c : ce type d’abération se
constate donc principalement sur les bords des images. Le phénomène est
illustré sur la Figure 1.3 : les carrés correspondent aux pixels tels qu’ils
apparaissent dans l’image, tandis que les ronds illustrent les positions
corrigées. Les doubles flèches représentent la correction à apporter.
La forme mathématique communément utilisée en photogrammétrie pour

caractériser ce type de distorsion s’écrit:
⎧ δ x = x ⋅ (k1 ⋅ r 2 + k 2 ⋅ r 4 + k3 ⋅ r 6 + K)
⎨ r = x2 + y2
⎩δ y = y ⋅ (k1 ⋅ r + k 2 ⋅ r + k3 ⋅ r + K)
2 4 6
où (1.20)
63
Le modèle de distorsion radiale, en négligeant les termes de degré supérieur

à 3, s’écrit alors :
⎧ δ x ( x, y ) = k1 ⋅ x ⋅ (x 2 + y 2 )
⎨
⎩δ y ( x, y ) = k1 ⋅ y ⋅ (x + y )
2 2 (1.21)
k1 est donc le paramètre qui caractérise la distorsion radiale à l’ordre 1.
Figure 1.3 : Illustration du phénomène de distorsion radiale du type ba-

3
rillet - Les carrés correspondent aux pixels tels qu’ils apparaissent dans
l’image ; les ronds corresponcent aux positions corrigées
1.5.2 Distorsion de décentrage
La distorsion de décentrage prend communément la forme :
⎧ δ x = [ p1 ⋅ (r 2 + 2 ⋅ x 2 ) + 2 ⋅ p2 ⋅ x ⋅ y ]⋅ (1 + p3 ⋅ r 2 + K)
⎨ r = x2 + y2
⎩δ y = [2 ⋅ p1 ⋅ x ⋅ y + p2 ⋅ (r + 2 ⋅ y )]⋅ (1 + p3 ⋅ r + K)
2 2 2
où (1.22)
3
Lorsque l’image du quadrillage est concave (la courbure est orientée vers l’extérieure, k 1 est négatif) la distor-
sion radiale est de type barillet, lorsqu’elle est convexe (la courbure est orientée vers l’intérieure, k 1 est positif)
elle est de type coussinet
64
Deux coefficients p1 et p2 permettent de caractériser la distorsion de décen-

trage en négligeant les termes de degré supérieur à 3 :
( )
⎧⎪δ x ( x, y ) = p1 ⋅ 3 x 2 + y 2 + 2 p2 ⋅ x ⋅ y
⎨
(
⎪⎩δ y ( x, y ) = 2 p1 ⋅ x ⋅ y + p2 ⋅ x + 3 y
2 2
) (1.23)
1.5.3 Distorsion prismatique
L’inclinaison des lentilles les unes par rapport aux autres revient à considé-
rer un prisme mince. La correction à apporter pour tenir compte de ce type
de distorsion s'écrit :
⎧ δ x = s1 ⋅ r 2 + s '1 ⋅r 4 + s"1 ⋅r 6 + K
⎨ où r = x2 + y2 (1.24)
⎩δ y = s2 ⋅ r + s '2 ⋅r + s"2 ⋅r + K
2 4 6
En négligeant les termes de degré supérieur 3, la distorsion prismatique est

caractérisée par deux paramètres s1 et s2, et le terme correctif s’écrit dans ce
cas :
(
⎧⎪ δ x ( x, y ) = s1 ⋅ x 2 + y 2 )
⎨
(
⎪⎩δ y ( x, y ) = s2 ⋅ x + y
2 2
) (1.25)
1.5.4 Distorsion totale
En combinant ces transformations, le modèle mathématique général obtenu

représente assez fidèlement la réalité au moyen de 5 paramètres : k1, p1, p2,
s1 et s2. Le terme correctif s’écrit alors :
⎧ δ x ( x, y ) = k1 ⋅ x ⋅ (x 2 + y 2 ) + p1 ⋅ (3x 2 + y 2 ) + 2 p 2 ⋅ x ⋅ y + s1 ⋅ (x 2 + y 2 )
⎨
⎩δ y ( x, y ) = k1 ⋅ y ⋅ (x + y ) + 2 p1 ⋅ x ⋅ y + p 2 ⋅ (x + 3 y ) + s 2 ⋅ (x + y )
2 2 2 2 2 2 (1.26)
Mais un tel modèle présente cependant le désavantage d’être fortement non

linéaire. D’après la littérature, la distorsion radiale est prédominante par
rapport aux deux autres types de distorsion. Tsai [TSA87] propose de modé-
liser une caméra en ne tenant compte que du paramètre k1 pour la distorsion
65
radiale et en négligeant les autres paramètres de distorsions qui, d’une part,

n’apportent pas d’amélioration significative au modèle et qui, d’autre part,
peuvent conduire à des instabilités numériques. Ces résultats ont été confir-
més par Wei et Ma [WEY94] . Dans l’approche proposée par Zhang pour dé-
terminer les distorsions directement à partir de points appariés [ZHA96a] ,
seul le paramètre k1 est considéré.
1.6 Conclusion
Les modèles photogrammétriques décrits dans cette section sont utilisés pour
obtenir des informations sur la scène photographiée à partir d’une seule ca-
méra. Les modèles géométriques non linéaires prenant en compte le phéno-
mène de distorsions optiques sont en meilleure adéquation avec la réalité,
mais ces non-linéarités rendent leur exploitation mathématique difficile.
Le modèle affine linéaire n’est une approximation valable que dans certaines
conditions particulières de la configuration de la scène et de la caméra.
Le modèle sténopé reste un bon compromis entre l’adéquation avec la réalité
et la facilité d’exploitation mathématique.
En conclusion, le matériel d’acquisition, comme le choix du modèle, dépen-
dent de l’utilisation qui en est faite et de la précision des mesures à atteindre.
Le modèle sténopé avec distorsion radiale s’est avéré suffisant pour la plu-
part des applications. Pour des mesures de grande précision, la prise en
compte de l’ensemble des distorsions est par contre nécessaire.
Nous nous intéressons dans cette thèse au cas de systèmes constitués de deux
caméras. Les modèles décrits dans cette section ne concernent qu’une seule
caméra. Le modèle géométrique des systèmes de stéréovision est décrit dans
la section suivante.
66
Section 2 – Deux vues et plus
2 Deux vues et plus

2.1 Introduction
2.2 Relations entre les deux vues du système stéréoscopique

Transformation rigide
Géométrie épipolaire : la matrice essentielle
2.3 Relations dans le cas de plusieurs couples d’images d’un même objet
Transformations rigides
Relations entre les différentes transformations rigides
2.4 Conclusion
2.1 Introduction
Notre objectif est, à partir d’images numériques, donc d’informations bidi-

mensionnelles, d’effectuer des mesures sur des structures tridimensionnel-
les : soit tout simplement parce que l’objet à étudier n’a pas initialement une
forme pouvant être assimilée à un plan, soit parce que même si la plaque
étudiée est initialement plane, les déformations qu’elle subit peuvent la
transformer en une structure 3D complexe. Le matériel d’acquisition des
images numériques qui nous intéresse donc tout particulièrement est celui
constitué de deux caméras rigidement liées entre elles, appelé système ou un
banc stéréoscopique. Il est possible d’utiliser dans certains cas une seule ca-
méra que l’opérateur déplace pour obtenir un couple d’images de l’objet à
étudier, comme avec un banc stéréoscopique. Cette manière de procéder est
plus économique, puisqu’elle ne nécessite qu’une seule caméra, mais elle
peut entraîner des erreurs importantes dans les mesures effectuées.
L’usage de deux caméras est a priori incontournable. La transformation Ob-
jet / Image décrite dans la section précédente pour une caméra et définie par
les relations (1.12) n’est pas inversible : à un point de l’espace correspond
un unique point de l’image, alors qu’à un point de l’image correspond une
droite de l’espace, la droite (Cm) (cf. Figure 1.1). Par contre, si une scène est
observée par deux caméras, sous deux angles de vues différents, le point de
l’espace est défini par l’intersection de deux droites. La Figure 1.4 repré-
sente schématiquement deux caméras. Un point M de l’espace se projette en
m1 sur l’image gauche et en m2 sur l’image droite. Des équations du type
(1.12) permettent d’écrire les équations de droites (C1m1) et (C2m2) issues
des caméras gauche et droite. Le point M de l’espace se trouve à
l’intersection de ces droites. Pour pouvoir déterminer cette intersection, il
67
faut pouvoir exprimer les deux équations dans le même repère. Ce sera l’un
des objectifs de l’étape de calibrage (cf. Partie 3).
Toutes les hypothèses et équations présentées dans la section précédente
pour une seule caméra sont a fortiori valables pour la caméra gauche et pour
la caméra droite. Dans cette section, les relations mathématiques entre les
deux caméras du système stéréoscopique vont être présentées, ainsi que cel-
les qui peuvent être utilisées dans le cas de l’acquisition de plusieurs couples
d’images d’un même objet dans différentes positions. Afin de réduire le
nombre de paramètres mis en jeu et pour faciliter la mise en œuvre numéri-
que de ces équations, plusieurs formulations sont présentées.
Z
Repère objet
Y
X O
M
Repère image
gauche z2
o1 u
1
v1 z1 o2
m1 u2 c2
Repère image
c1 droit
v2
m2
x2
C1
x1 Repère C2
Repère caméra droit
y1 caméra gauche y2
Figure 1.4 : Modèle géométrique du système stéréoscopique
2.2 Relations entre les deux vues du système stéréoscopique
Nous nous intéressons ici aux relations entre les coordonnées de points ex-
primées dans les repères caméras qui peuvent être établies dans le cas d’un
couple d’images acquis par un système stéréoscopique : la transformation ri-
gide entre les deux caméras et la géométrie épipolaire faisant intervenir la
matrice essentielle [HOR95] .
68
2.2.1 Transformation rigide
Soient (C1,x1,y1,z1) le repère caméra gauche et (C2,x2,y2,z2) le repère caméra

droit, notés aussi respectivement ℜ C1 et ℜ C2 . La transformation entre ces
deux repères se décompose en une rotation et une translation. Soit M un
point de la scène de coordonnées homogènes :
{ }
M ℜC1 = {X C1 , YC1 , Z C1 ,1} exprimées dans le repère caméra gauche,
~ T
{ }
M ℜC2 = {X C2 , YC2 , Z C2 ,1} exprimées dans le repère caméra droit.
~ T
4
La relation entre ces coordonnées s’écrit :
⎡{r12 }T t x2 ⎤
⎢ 2 T ⎥
{M~ } = [D 2 ] ⋅ M
~
{ } {r }
où [D 2 ] = ⎢ 22 T
t y2 ⎥
ℜC 2 ℜC1
⎢{r } t z2 ⎥
(1.27)
⎢ 3 T ⎥
⎢⎣ {0} 1 ⎥⎦
A partir des équations (1.6) mettant en relation les coordonnées d’un point
de la scène et les coordonnées de son projeté dans le plan image exprimées
dans le repère caméra, on peut écrire, dans le repère caméra droit :
X C2 YC2
x2 = y2 = (1.28)
Z C2 Z C2
et dans le repère caméra gauche :
X C1 = x1 ⋅ Z C1 YC1 = y1 ⋅ Z C1 (1.29)
où pour i=1,2, {xi,yi} notent les coordonnées du point image mi exprimées

dans le repère ℜ Ci .
En reportant (1.28) et (1.29) dans (1.27) et en adoptant les notations de la re-

lation (1.6), {m1 }ℜC = {x1 , y1 ,1} , on obtient le système d’équations :
T
1
4
Ne pas lire t x2 comme étant la valeur de tx au carrée, mais comme la valeur de tx associée au repère de la
caméra 2.
69
⎧ Z . r2
⎪ x2 = C1 1
{ } ⋅ {m }
T
1 ℜC
1
+ t x2
⎪
⎪ Z C1 . r32 { } ⋅ {m }
T
1 ℜC + t z2
⎨
{ } ⋅ {m }
1
T (1.30)
⎪ Z C1 . r22 1 ℜC + t y2
⎪ y2 =
1
⎪⎩ Z C1 . r32 { } ⋅ {m }
T
1 ℜC
1
+ t z2
Ces relations expriment la position d’un point image droit m2 dans le repère
caméra droit ℜ C2 en fonction de son correspondant dans l’image gauche m1,
de la transformation caméra gauche / caméra droite, [D2], et de la profondeur
du point M par rapport au repère caméra 1, Z C1 .
2.2.2 Géométrie épipolaire : la matrice essentielle
Les détails du raisonnement présenté ici sont donnés dans [FAU93] et repris
dans [HOR95].
A partir des deux relations du système (1.30), en éliminant Z C1 , on obtient
une équation linéaire entre x2 et y2 :
(t 2
z { } ⋅ {m }
⋅ r22
T
1 ℜC { } ⋅ {m }
− t y2 ⋅ r32
T
1 ℜC )⋅ x +
2
(t )⋅ y =
1 1
2
x ⋅ {r } ⋅ {m }
2 T
3 1 ℜC − t ⋅ {r } ⋅ {m }
2
z 1
2 T
1 ℜC 2 (1.31)
1 1
t x2 ⋅ {r } ⋅ {m }
2 T
2 1 ℜC − t ⋅ {r } ⋅ {m }
2
y 1
2 T
1 ℜC
1 1
qui est l’équation d’une droite de la forme :
a2 ⋅ x2 + b2 ⋅ y2 + c2 = 0 (1.32)
où a2, b2 et c2 peuvent s’écrire sous forme matricielle :
⎧a 2 ⎫ ⎧ x1 ⎫ ⎡0 − t z2 t y2 ⎤ ⎡ r112 r122 r132 ⎤

⎪ ⎪ ⎪ ⎪
⎨b2 ⎬ = [E 2 ] ⋅ ⎨ y1 ⎬ où [E 2 ] = ⎢⎢t z2 0 − t x2 ⎥⎥ ⋅ ⎢⎢r212 r222 r232 ⎥
⎥
⎪c ⎪ ⎪1⎪ ⎢− t y2 t x2 0⎥ ⎢ r312 r322 r332 ⎥⎦
(1.33)
⎩ 2⎭ ⎩ ⎭ ⎣ ⎦ ⎣
= [t 2 ]X ⋅ [R 2 ]
où [t 2 ]X note la matrice antisymétrique associée au vecteur {t2}.
70
La matrice [E2] définie à l’équation (1.33) s’appelle la matrice essentielle.

L’équation de la droite (1.32) peut alors s’écrire :
{m } ⋅ [E 2 ] ⋅ {m1 }ℜC = 0
T
2 ℜC
2 1
(1.34)
Cette équation de droite, exprimée dans le repère caméra droit, décrit le lieu
des points de l’image de droite correspondant à un point m1 de l’image de
gauche : c’est une ligne épipolaire. Pour chaque point de l’image de gauche,
il existe une telle ligne épipolaire droite, et réciproquement, pour chaque
point de l’image de droite, il existe une ligne épipolaire gauche.
Plan de vue
M
m2
m1 lignes
épipolaires
e2 e1
C1 C2
épipoles
Figure 1.5 : La géométrie épipolaire
D’un point de vue géométrique (Figure 1.5), une ligne épipolaire droite
(resp. gauche) est la projection dans l’image droite (resp. gauche) de la
droite de vue gauche (C1m1) (resp. droite (C2m2)). Comme l’ensemble des
droites de vue gauche (resp. droite) ont pour point d’intersection le centre de
projection C1 (resp. C2), l’ensemble des lignes épipolaires droites (resp. gau-
ches) forment un faisceau (Figure 1.6) dont le point commun s’appelle
l’épipole droit e2 (resp. gauche e1) qui n’est autre que la projection de C1
(resp. C2) dans le plan image droit (resp. gauche).
71
z2
z1
C1 e2 e1 C2
Figure 1.6 : Les faisceaux de lignes épipolaires et les épipoles
Cette contrainte épipolaire est couramment utilisée en stéréovision. Elle peut

être déterminée à partir d’au moins huit points images mis en corres-
pondance (section 2 de la partie 2). Une fois déterminée, elle permet, par
exemple, d’accélérer et de rendre plus robuste les algorithmes de mise en
correspondance d’images stéréoscopiques [ZHA94].
2.3 Relations entre plusieurs couples d’images d’un même objet
Nous considérons le cas où plusieurs couples d’images d’un même objet ont
été acquis. Entre chaque acquisition, l’objet occupe une place différente dans
l’espace. La zone d’intérêt est supposée être vue dans chacune des images
acquises. Considérer un déplacement du système stéréoscopique autour d’un
objet fixe est équivalent à considérer un déplacement de l’objet photographié
par rapport au système stéréoscopique supposé fixe. D’un point de vue prati-
que, il est plus facile de déplacer l’objet photographié, alors que dans la
formulation mathématique, le système stéréoscopique est supposé se dépla-
cer.
La géométrie épipolaire exposée précédemment peut être déterminée entre
deux images quelconques, qu’elles soient issues des caméras du système sté-
72
réoscopique ou suite au déplacement de l’objet, à condition que ce déplace-

ment soit composé d’au moins une translation non nulle. Les transformations
rigides, leurs formulations et leurs relations sont présentées dans le cas de
l’acquisition de plusieurs couples d’images. Ces relations, exprimées dans
les repères caméras, sont utilisées à la section 3 de la partie 3 pour le cali-
brage à partir de plusieurs couples d’images d’une mire (§ 3.3).
2.3.1 Transformations rigides
Soient :
NbPoint, le nombre de points de la scène.
NbImage, le nombre d’images de la scène.
Pour tout point objet Mi, i=1,…,NbPoint et pour chaque image

j=1,…,NbImage, la transformation Objet / Image mettant en relation les
~
{ }
coordonnées homogènes M i ℜO du point de l’espace Mi exprimées dans le
repère objet ℜO et les coordonnées normalisées {m ij }ℜ du ième point image
Cj
mij exprimées dans le repère de la jème caméra s’écrit, sous forme matri-
cielle :
Cj
[ ]{ }
sij ⋅ {m ij }ℜ = [I ] ⋅ D j ⋅ M
~
ℜO (1.35)
⎡r j r12j r13j t xj ⎤ ⎧ X i ⎫
⎧ xij ⎫ ⎡1 0 0 0⎤ ⎢ 11j ⎥ ⎪ ⎪
⎪ ⎪ r r22j r23j t yj ⎥ ⎪ Yi ⎪
sij ⋅ ⎨ yij ⎬ = ⎢⎢0 1 0 0⎥⎥ ⋅ ⎢ 21j ⋅⎨ ⎬ (1.36)
⎪ 1 ⎪ ⎢0 0 1 0⎥ ⎢⎢ r31 r32j r33j t zj ⎥ ⎪ Z i ⎪
⎥
⎩ ⎭ ⎣ ⎦
⎣⎢ 0 0 0 1 ⎦⎥ ⎪⎩ 1 ⎪⎭
et sous forme développée :
⎧ r11j ⋅ X i + r12j ⋅ Yi + r13j ⋅ Z i + t xj

x
⎪ ij =
⎪ r31j ⋅ X i + r32j ⋅ Yi + r33j ⋅Z i+t zj
⎨ (1.37)
⎪ y = r21 ⋅ X i + r22 ⋅ Yi + r23 ⋅ Z i + t y
j j j j
⎪ ij r31j ⋅ X i + r32j ⋅ Yi + r33j ⋅Z i+t zj

⎩
D’après l’équation (1.37), un point de l’espace Mi est caractérisé par ses

trois coordonnées Xi, Yi, et Zi, alors qu’il peut être défini par un seul paramè-
73
tre lié à la profondeur du point Mi exprimée dans le repère caméra ℜ C1

[BOU99].
Jusqu’à présent, aucune hypothèse n’a été faite sur la position du repère ob-
jet ℜO dans l’espace. D’après les équations établies jusqu’à présent, il est
possible d’assimiler ℜO au repère attaché à la première caméra ℜ C1 . Consi-
dérons donc le repère de la première caméra ℜ C1 comme étant le repère de
référence. Les coordonnées cartésiennes du point Mi dans ce repère sont
1
{ }
{M i }ℜC = X i C1 , Yi C1 , Z i C1 T . Les coordonnées {m i1 }ℜC et {M i }ℜC des points mi1
1 1
et Mi sont donc exprimées dans le même repère ℜ C1 . Pour chaque point

i=1,…,NbPoint, les vecteurs C1mi1 et C1 M i étant colinéaires, il existe un
scalaire γ i tel que :
⎧X iC ⎫ ⎧ xi1 ⎫
⎪ 1⎪ ⎪ ⎪
⎨ YiC1 ⎬ = γ i ⋅ ⎨ yi1 ⎬ (1.38)
⎪Z ⎪ ⎪1⎪
⎩ iC1 ⎭ ⎩ ⎭
γ i représente la profondeur Z iC1 du point Mi.
Le système d’équation (1.37) s’écrit alors pour i=1,…,NbPoint et pour

j=2,…,NbImage :
⎧ r11j ⋅ γ i ⋅ xi1 + r12j ⋅ γ i ⋅ yi1 + r13j ⋅ γ i + t xj

x
⎪ ij =
⎪ r31j .γ i ⋅ xi1 + r32j ⋅ γ i ⋅ yi1i + r33j ⋅ γ i + t zj
⎨ rj ⋅γ ⋅x + rj ⋅γ ⋅ y + rj ⋅γ +tj (1.39)
⎪ y = 21 i i1 22 i i1 23 i y
⎪ ij r j ⋅ γ i ⋅ xi1 + r j ⋅ γ i ⋅ yi1 + r j ⋅ γ i + t j
⎩ 31 32 33 z
1
Posons βi = . Le système d’équations (1.39) s’écrit alors :
γi
⎧ r11j ⋅ xi1 + r12j ⋅ yi1 + r13j + βi ⋅ t xj
⎪ xij = j
⎪ r31 .xi1 + r32j ⋅ yi1i + r33j + βi ⋅ t zj
⎨ r j ⋅ x + r j ⋅ y + r j + βi ⋅ t yj (1.40)
⎪ y = 21 i1 22 i1 23
⎪ ij r j ⋅ xi1 + r j ⋅ yi1 + r j + βi ⋅ t j
⎩ 31 32 33 z
soit, sous forme matricielle :
74
⎡r j r12j t xj ⎤ ⎧ xi1 ⎫
r13j
⎧ xij ⎫ ⎡1 0 0 0⎤ ⎢ 11j ⎥ ⎪ ⎪
⎪ ⎪ r r22j r23j t yj ⎥ ⎪ yi1 ⎪
sij ⋅ ⎨ yij ⎬ = ⎢⎢0 1 0 0⎥⎥ ⋅ ⎢ 21j ⋅⎨ ⎬ (1.41)
⎪ 1 ⎪ ⎢0 0 1 0⎥ ⎢⎢ r31 r32j r33j t zj ⎥ ⎪ 1 ⎪
⎥
⎩ ⎭ ⎣ ⎦
⎣⎢ 0 0 0 1 ⎦⎥ ⎪⎩ βi ⎪⎭
Le dénominateur des équations (1.40) ne peut pas être égal à zéro, sauf pour
les points de la scène pour lesquels la profondeur est nulle (Z iC1 = 0 ) . Mais
ces points ne peuvent pas être observés puisqu’ils ne se situent pas devant le
plan image. Par conséquent, le système d’équations (1.40) peut s’écrire sous
une forme un peu plus simple :
⎧⎪ xij ⋅ (r31j .xi1 + r32j ⋅ yi1i + r33j + βi ⋅ t zj ) = r11j ⋅ xi1 + r12j ⋅ yi1 + r13j + βi ⋅ t xj
⎪⎩ yij ⋅ (r31 ⋅ xi1 + r32 ⋅ yi1 + r33 + βi ⋅ t z ) = r21 ⋅ xi1 + r22 ⋅ yi1 + r23 + βi ⋅ t y
⎨ j j j j j j j j (1.42)
Les équations (1.42), contrairement aux relations (1.40), ne sont pas sous la
forme de fractions. En programmation et lors d’optimisation mathématique,
une formulation linéaire du type (1.42) est plus facile à manipuler. De plus,
connaissant les coordonnées xij et yij des points images exprimées dans les
repères caméras, le point de l’espace Mi est caractérisé par un seul paramè-
tres β i , contrairement à l’équation (1.37) où le point Mi est défini par ses
trois coordonnées.
2.3.2 Relations entre les différentes transformations rigides
Les transformations [Rj] et {tj} entre les repères caméras ne sont pas toutes
indépendantes. Considérons le cas de l’acquisition de 4 images (Figure 1.7).
Les deux caméras étant solidement liées sur un banc stéréoscopique, il est
possible d’exprimer la matrice [R4] et le vecteur {t4} en fonction de [R2],
[R3], {t2} et {t3} (Figure 1.8).
La transformation rigide directe entre ℜ C1 et ℜ C4 appliquée à un point Mi
s’écrit :
⎡[R ] {t }⎤ ⎧{M }
[D ] ⋅ {M
~
} = ⎢ 4T 4
⋅⎨ i ℜC ⎫
⎬
⎣{0} 1 ⎥⎦ ⎩
4 i ℜC
1
(1.43)
1
1 ⎭
La transformation rigide indirecte entre ℜ C1 et ℜ C4 appliquée à un point Mi

s’écrit :
75
[D ]⋅ {M
~
4
} i ℜC
1
~
{ }
= [D 2 ] ⋅ [D3 ] ⋅ M i ℜC1
⎡[R ] {t }⎤ ⎡[R ] {t }⎤ ⎧{M } ⎫ (1.44)

= ⎢ 2T 2
⋅ 3 3
⋅⎨ i ℜC
⎬
⎣{0} 1 ⎥⎦ ⎢⎣{0} 1 ⎥⎦ ⎩ 1
1
T
⎭
Les termes de droite des égalités (1.43) et (1.44) étant égaux, la relation :
⎧[R 4 ] ⋅ {M i }ℜC1 + {t 4 }⎫ ⎧[R 2 ] ⋅ [R 3 ] ⋅ {M i }ℜC1 + [R 2 ] ⋅ {t 3 } + {t 2 }⎫

⎨ ⎬=⎨ ⎬ (1.45)
⎩ 1 ⎭ ⎩ 1 ⎭
permet d’en déduire les expressions :
[R 4 ] = [R 2 ]⋅ [R 3 ]
{t 4 } = [R 2 ] ⋅ {t 3 } + {t 2 } (1.46)
Dans le cas de l’acquisition de plusieurs couples d’images d’un même objet,

lors de la détermination des transformations rigides, il convient de tenir
compte des contraintes imposées par les relations du type (1.46). Dans le cas
général de l’acquisition de NbImage images ( NbI mage ≥ 4 ), en notant [D2] le
déplacement rigide entre les deux caméras constituant le banc stéréoscopi-
que, la relation (1.46) s’écrit pour j = 4, 6, NbImage :
[R ] = [R ]⋅ [R ]
j 2 j −1
{t } = [R ]⋅ {t }+ {t }
j 2 j −1 2
(1.47)
Le choix d’une représentation pour la rotation dépend de l’équation mathé-

matique associée au critère à minimiser, comme par exemple lors de la dé-
termination de la matrice de rotation entre les différentes positions d’un re-
père (cf. section 3 de la partie 3). Les différentes représentations d’une
rotation sont rappelées en Annexe A.
76
Z
O X
Mi
u1
v1
u2
mi1 mi2
v2
x2
C1 z1 z2
R2 , t2 C2
x1
y1 y2
R
R3 4 ,t
4
u3
t3 u4
v3
mi3 mi4
v4
x4
z4
C3 z3 C4
x3 R2 , t2 y4
y3
Figure 1.7 : Représentation des différentes relations entre les repères

caméras dans le cas de 4 images
77
Z
O X
Mi
u1
v1
u2
mi1 mi2
v2
x2
C1 z1 z2
R2 , t2 C2
x1
y1 y2
R·
3 R
R3 2 ,R
2· t2 +
u3
t3 t3
u4
v3
mi3 mi4
v4
x4
z4
C3 z3 C4
x3 R2 , t2 y4
y3
Figure 1.8 : Représentation des relations minimales entre les repères

caméras dans le cas de 4 images
78
2.4 Conclusion
Les relations entre les coordonnées exprimées dans les repères caméras des
points images présentées dans cette section découlent de la transformation
rigide entre deux repères de l’espace. Différentes formulations peuvent être
utilisées suivant les paramètres à déterminer et les méthodes d’optimisations
mises en œuvre.
La géométrie épipolaire, décrite ici par l’intermédiaire de la matrice essen-
tielle, exprimée dans les repères caméras, prend toute sont importance lors-
qu’elle est exprimée dans les repères images. La matrice caractérisant la
géométrie épipolaire peut alors être déterminée à partir d’au moins huit
points images mis en correspondances.
Le traitement des images, en particulier les problèmes d’appariement d’un
couple d’images et la détermination de la géométrie épipolaire dans les plans
images par l’intermédiaire de la matrice fondamentale, est présenté dans la
partie 2.
79
Partie 2
Relation entre les images :

appariement et géométrie
épipolaire
81
82
Section 1 – Appariement entre images
1 Appariement entre images

1.1 Introduction
1.2 Corrélation en niveaux de gris
1.3 Procédure générale
1.4 Méthode de corrélation sur un pattern
1.5 Appariement sur la zone d’étude
1.6 Évaluation de la précision de l’appariement
1.7 Conclusion
1.1 Introduction
En vision par ordinateur, le problème d’appariement ou de mise en corres-

pondance d’images numériques consiste à déterminer un ensemble de cou-
ples de points, chaque couple étant formé d’un point d’une image et d’un
point de l’autre image. Les points images sont les projections de points phy-
siques de la scène. L’enjeu de l’appariement est d’identifier correctement
dans chacune des deux images la projection du même point physique. Cette
mise en correspondance est d’une grande importance pour les étapes suivan-
tes de calibrage, de reconstructions 3D et de mesure de champs de déplace-
ments et de déformations. Une mise en correspondance imprécise peut en-
gendrer des erreurs importantes dans les reconstructions 3D, et donc dans les
mesures.
Plusieurs méthodes d’appariement sont présentées dans la littérature. Elles
se différencient par le choix des points caractéristiques présents dans la
scène observée et qui seront appariés dans les images. Le choix de la mé-
thode repose principalement sur la nature de la scène photographiée et sur la
détection de points caractéristiques dans les images. Dans le cas d’images de
scènes polyédriques ou des scènes d’extérieurs telles que des rues ou des bâ-
timents, l’appariement est généralement basé sur la détection de coins, de
jonction ou de contours caractéristiques. Ce problème a suscité un grand
nombre de travaux [MOR77] [DER90] [ORA93].Dans le cas de la mesure de
champs de déplacements et de déformations, les structures étudiées sont gé-
néralement recouvertes de grilles régulières, les points d’intersections de
cette grille formant des points de références. L’étape d’appariement des
images est alors basée sur l’extraction de ces points de références.
83
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
Dans toutes les méthodes utilisées, un bon appariement ne peut être effectué
que dans des régions de l’image fortement texturées, i.e. présentant une di-
versité de niveaux de gris la plus grande possible.
Dans le cadre de cette thèse, les structures étudiées sont recouvertes d’un
motif aléatoire. Le logiciel ICASOFT, basé sur une méthode de corrélation
en niveaux de gris [SUT83] a été utilisé pour apparier les différentes images.
La technique de corrélation brièvement exposée ici est détaillée dans
[TOU97a].
1.2 Corrélation en niveaux de gris
La méthode de corrélation en niveaux de gris implantée dans le logiciel

ICASOFT a été développé au Laboratoire de Mécanique des Solides de
l’INSA de Lyon par Siham TOUCHAL-MGUIL, dans le but d’effectuer des
mesures précises et rapides de champs de déplacements et de déformations
sur des structures planes [TOU97a]. Cette méthode a fait l’objet de nom-
breuses applications [TOU96] [TOU97b] [TOU98] [BRU99]. La principale
caractéristique de cette technique est l’abandon de marquages classiques tels
que les réseaux de cercles entrelacés ou les grilles (Figure 2.1), au profit
d’un motif aléatoire (Figure 2.2), généralement obtenu par pulvérisation
d’une couche de peinture blanche puis d’un mouchetis noir.
Figure 2.1 : Exemples de motifs réguliers
Cette méthode présente plusieurs avantages pour l’étape d’appariement

d’images numériques :
L’utilisation d’un motif aléatoire permet une mise en œuvre plus rapide
et plus facile que le dépôt d’un motif régulier.
La procédure doit être initialisée par l’utilisateur mais les calculs sur
l’ensemble de la zone d’étude sont entièrement automatiques.
84
La méthode de corrélation entre deux images s’effectue en général avec

une précision de 1/60ème de pixels [TOU97a].
Plus de 15 000 points de mesures sont accessibles.
Figure 2.2 : Exemples de motifs aléatoires
1.3 Procédure générale
La structure à étudier est supposée être recouverte d’un motif aléatoire. Etant
donné un couple d’images de la structure, une image gauche et une image
droite. Une image se présente comme une fonction discrète de niveaux de
gris répartis sur les pixels formant une grille régulière (cf. § 1.2 de la partie
1). L'utilisateur détermine dans un premier temps sur l’image gauche une
zone d'étude. Cette zone est discrétisée en un ensemble de carrés de pixels,
appelés patterns. L'utilisateur peut choisir la taille des patterns (entre 6 et 32
pixels) et la distance entre les centres de deux patterns adjacents (entre 6 et
20 pixels). Le choix de la taille des patterns et du pas de la grille sont fonc-
tions du motif déposé (Figure 2.3) et de la densité de points de mesures sou-
haitée.
Bonne taille de pattern
Mauvaise taille de pattern
Figure 2.3 : Taille du pattern adaptée au motif déposé
85
La méthode de corrélation utilise les niveaux de gris associés à chacun des

pixels de l’image. Pour atteindre une précision sub-pixel, les niveaux de gris
des images sont interpolés, soit par une fonction bilinéaire, soit par spline
cubique, pour ne plus avoir une répartition discrète des niveaux de gris mais
une fonction continue sur toute l’image.
L’opérateur indique dans l’image gauche un motif caractéristique dont il
saura retrouver le correspondant dans l’image droite. Le calcul de corrélation
s’effectue ensuite automatiquement sur toute la zone d’étude par propaga-
tion.
1.4 Méthode de corrélation sur un pattern
La méthode de corrélation utilisée est basée sur la recherche d'un champ de

déplacements sur chacun des patterns de la zone d'étude. Ce champ de dé-
placements est considéré comme étant homogène et bilinéaire :
⎧ DU (u1 , v1 ) = au ⋅ u1 + bu ⋅ v1 + cu ⋅ u1 ⋅ v1 + d u
⎨ (2.1)
⎩ DV (u1 , v1 ) = av ⋅ u1 + bv ⋅ v1 + cv ⋅ u1 ⋅ v1 + d v
Pour une meilleure compréhension, les images gauche et droite sont repré-
sentées sur la Figure 2.4 dans le même repère et les patterns considérés ont
des tailles de 2x2 pixels.
La fonction discrète représentant le niveau de gris du pattern considéré de

l'image gauche est notée f1(u1,v1), celle du pattern de l'image droite est notée
f2(u2,v2). Après déplacement, la relation entre les niveaux de gris f1 et f2
s'écrit :
f 2 (u 2 , v2 ) = f 2 (u1 + DU (u1 , v1 ) , v1 + DV (u1 , v1 )) (2.2)
Par corrélation mathématique de f1(u1,v1) et f2(u2,v2), DU(u1,v1) et DV(u1,v1)

sont déterminés. Un des coefficients de corrélation proposé est celui au sens
des moindres carrés :
C = ∫ ( f1 (u1 , v1 ) − f 2 (u 2 , v2 )) ⋅ du1 ⋅ dv1

2
S (2.3)
où S représente la surface du pattern considéré.
86
pattern gauche u1,u2
m1 DU
DV
m2
v1,v2 pattern droit
Figure 2.4 : Évolution d'un pattern entre les images gauche et droite
Par contre, deux images ne sont pas nécessairement prises dans les mêmes
conditions d’éclairage, ni avec des caméras identiques. Il faut donc réaliser
plus qu’une simple corrélation des niveaux de gris sur chaque pattern. Le
coefficient de corrélation croisé (2.4) permet de calculer un facteur de cor-
rélation normalisé, ce qui revient à comparer non plus les niveaux de gris
des patterns, mais la façon dont ces niveaux de gris varient au sein de chaque
pattern :
C = 1−
∫ f (u , v ) ⋅ f (u , v ) ⋅ du ⋅ dv
S
1 1 1 2 2 2 1 1
(2.4)
∫ f (u , v ) ⋅ du ⋅ dv ⋅ ∫ f (u , v ) ⋅ du ⋅ dv
2 2
1 1 1 1 1 2 2 2 1 1
S S
Suivant le choix de l'utilisateur, l'un de ces coefficients (2.3) ou (2.4) est mi-
nimisé pour la recherche du champ de déplacements entre un pattern de
l'image gauche et son homologue dans l'image droite.
1.5 Appariement sur la zone d’étude
Lors de l’initialisation de l’algorithme de corrélation, le repérage par

l’utilisateur d’un motif caractéristique dont il sait retrouver le correspondant
dans l’image droite donne une solution approximative des deux composantes
87
du et dv du champ de déplacements (2.1) pour le pattern considéré. Les coef-

ficients du champ de déplacements sont déterminés sur ce premier pattern
centré en m1 par un processus itératif (Figure 2.5). Les calculs de corrélation
sont effectués sur les 4 carrés centrés en a1, b1, c1 et d1, sommets du pattern
centré en m1 (Figure 2.5(a)). Les carrés sont balayés sur l’image droite.
Leurs positions sont obtenues pour la meilleure corrélation et un premier
champ de déformations est évalué pour le pattern central (Figure 2.5(b)). Les
carrés sont adaptés selon le champ de déformations trouvé à l’itération pré-
cédente. Le balayage est réitéré et un nouveau champ de déformations pour
le pattern central est évalué (Figure 2.5(c)). Le calcul est arrêté lorsque, en-
tre deux itérations, la précision demandée par l’utilisateur est atteinte (Figure
2.5(d)).
a2 b2
a1 b1
m1
d1 c1
d2 c2
(a) Les 4 patterns adjacents (b) Première itération
b2
a2 b2
a2
m2
c2 c2
d2
d2
(c) Deuxième itération (d) Arrêt du calcul
Figure 2.5 : Calcul du champ de déplacements sur un pattern
88
La solution trouvée pour le premier pattern est utilisée comme solution ini-
tiale pour les patterns adjacents. L’appariement est ainsi réalisé sur toute la
zone d’étude par propagation.
1.6 Évaluation de la précision de l’appariement
Pour calculer le champ de déplacements d’un pattern centré en m1, 4 calculs

de corrélation sont effectués sur les carrés centrés en les sommets du pattern
considéré. En théorie, à la fin du calcul, le point m2 est le sommet commun
de ces carrés. En pratique, les 4 carrés n’ont pas forcément un sommet en
commun (Figure 2.6). Le point m2 est défini comme étant le point se situant
à une distance moyenne de ces 4 sommets. Il est alors possible de définir une
erreur de corrélation, exprimée en pixels, à partir de l’écart-type de la dis-
tance entre m2 et les quatre sommets.
b2
a2
m2
d2 c2
Figure 2.6 : Évaluation de la précision de l'appariement
1.7 Conclusion
Les structures étudiées sont, dans notre cas, toujours recouvertes d’un motif
aléatoire. L’appariement s’effectuera donc toujours par corrélation en ni-
veaux de gris. Le principal avantage de cette méthode est la précision avec
laquelle cette mise en correspondance est réalisée. Lors de l’appariement en-
tre deux images du système stéréoscopique, il est possible de tenir compte de
la contrainte épipolaire (§ 2.2.2 de la partie 1) et de ne rechercher un corres-
pondant que le long de la ligne épipolaire ce qui permet, a priori, de rendre
les algorithmes de mise en correspondance plus robustes et plus rapides
89
[ZHA94]. Cette contrainte n’a pas été utilisée dans le cadre de cette thèse car
son développement n’a pas été jugé prioritaire par rapport à l’ensemble des
développements à effectuer, d’autant plus qu’elle ne peut pas être prise en
compte lors des appariements effectués à l’étape de calibrage.
Les autres techniques d’appariement n’ont pas fait l’objet d’études dans le
cadre de cette thèse.
90
Section 2 – La géométrie épipolaire associée à deux images
2 La géométrie épipolaire associée à deux

images
2.1 Introduction
2.2 Géométrie épipolaire : la matrice fondamentale
2.3 Calcul de la matrice fondamentale

Calcul linéaire
Principe général
Imposer la contrainte de rang 2
Normalisation des données
Calcul non linéaire
Détermination des épipoles
2.4 Autre méthode de détermination de la géométrie épipolaire

Position du problème
Mise en équations du problème
Équations pour les couples de points appariés
Résolution mathématique du problème
Calcul de la matrice fondamentale
2.5 Qualité de la matrice fondamentale
2.6 Conclusion
2.1 Introduction
La géométrie épipolaire, caractérisée par une matrice 3x3 singulière, décrit

la relation entre deux images d’une même scène. Elle contient toutes les in-
formations géométriques des deux images. La notion de géométrie épipolaire
a été introduite au § 2.2.2 de la partie 1 par l’intermédiaire de la matrice es-
sentielle. Estimer la matrice essentielle suppose d’une part que les images
ont été appariées, et d’autre part que les paramètres intrinsèques de chacune
des caméras sont connus. A partir uniquement des points appariés, la géomé-
trie épipolaire peut être déterminée grâce à la matrice fondamentale. Cette
matrice joue un rôle important en vision par ordinateur puisqu’elle permet
entre autres, sans connaissance sur la scène observée, de calculer le mouve-
ment entre deux caméras, si leurs paramètres intrinsèques sont connus, ou
d’apparier plus rapidement deux images puisque la zone de recherche d’un
correspondant peut être réduite à une droite, la ligne épipolaire. La matrice
fondamentale peut être estimée à partir uniquement de l’ensemble des points
appariés par une méthode de corrélation en niveaux de gris, par exemple,
exposée dans la section précédente.
91
Cette section présente les équations permettant de définir la matrice fonda-

mentale ainsi que des méthodes de calculs linéaires et non linéaires permet-
tant de la déterminer.
2.2 Géométrie épipolaire : la matrice fondamentale
La géométrie épipolaire décrite dans le repère caméra droit est donnée par
l’équation (1.34) :
{m } ⋅ [E 2 ] ⋅ {m1 }ℜC = 0
T
2 ℜC
2 1
(2.5)
où [E2] est la matrice essentielle définie à la relation (1.33).
La relation (1.7) entre les coordonnées caméra {m i }ℜC et les coordonnées

i
image {m~ } d’un point image s’écrit :

i ℜo
i
{m1}ℜ = [II N 1 ] ⋅ {m
~ } {m 2 }ℜ = [II N 2 ] ⋅ {m
~ }
−1 −1
C1 1 ℜo et C2 2 ℜo (2.6)
1 2
L’équation (2.5) peut alors s’écrire sous la forme :
~ }T ⋅ [F ] ⋅ {m
{m ~ } = 0 où [F2 ] = [II N 2 ]−T ⋅ [t 2 ]X ⋅ [R 2 ]⋅ [II N 1 ]−1
2 ℜ 2 o2 1 ℜ o1
(2.7)
La matrice [F2] est appelée matrice fondamentale. Elle décrit la géométrie

épipolaire du système stéréoscopique. L’équation (2.7) est l’équation de la
ligne épipolaire droite exprimée dans le repère image droit, alors que
l’équation (2.5) est l’équation de la même ligne épipolaire mais exprimée
dans le repère caméra droit.
De même, la ligne épipolaire gauche exprimée dans le repère image gauche

s’écrit :
{m
~ } ⋅ [F1 ] ⋅ {m
~ } = 0 où [F ] = [F ]
T T
1 ℜo
1
2 ℜo
2
1 2 (2.8)
Les épipoles droit et gauche sont définis par :
[F ]⋅ {e }
2 1 ℜo
1
= {0} et [F ] ⋅ {e }
2
T
2 ℜo
2
= {0} (2.9)
92
Les équations permettant de définir la géométrie épipolaire associée à deux

images sont posées. Les méthodes les plus couramment utilisées permettant
de calculer la matrice fondamentale sont présentées dans la suite de
l’exposé.
2.3 Calcul de la matrice fondamentale
L’estimation de la matrice fondamentale est très importante pour de nom-

breuses applications de la vision par ordinateur. Seules les méthodes ayant
retenues notre attention sont présentées ici : celles qui permettent, d’un point
de vue mathématique, d’exprimer au mieux la contrainte épipolaire décrite
au § 2.2.2 de la partie 1 et qui permettent d’atteindre une précision satisfai-
sante dans la détermination des paramètres de la matrice fondamentale. Un
état de l’art complet sur les différentes techniques existantes de détermina-
tion de la matrice fondamentale et de son incertitude a été effectué par
Zhang dans un rapport de recherche de l’INRIA [ZHA96b] . L’estimation de
l’incertitude de la géométrie épipolaire est développée dans la thèse de
Csurka [CSU96] .
2.3.1 Calcul linéaire
La formulation du problème de détermination de la matrice fondamentale

sous forme d’un système d’équations linéaires permet d’utiliser une méthode
d’optimisation linéaire au sens des moindres carrés, facile à mettre en œuvre
et rapide en terme de temps de calculs. Même si ces calculs ne peuvent ap-
porter qu’une estimation grossière de la matrice fondamentale, cette étape
est incontournable puisqu’elle permet d’initialiser un calcul non linéaire.
2.3.1.1 Principe général
Etant donné deux ensembles de NbPoint couples de points images de coor-

données homogènes {m~ } = {u , v ,1}T et {m
i1 ℜ o i1 i1
~ } = {u , v ,1}T , ces coordon-
i 2 ℜo 2 i2 i2
1
nées doivent satisfaire la contrainte épipolaire (2.7). Pour chaque couple de

points appariés, cette équation peut s’écrire sous la forme d’un produit sca-
laire de deux vecteurs :
93
{g } ⋅ {f } = 0
i
T
2
pour i = 1, K , NbPoint
où {g } = {u ⋅ ui 2 , vi1 ⋅ ui 2 , ui 2 , ui1 ⋅ vi 2 , vi1 ⋅ vi 2 , vi 2 , ui1 , vi1 , 1}
T
i i1 (2.10)
{f } = {F 2
2
11
, F122 , F132 , F212 , F222 , F232 , F312 , F322 , F332 }
Le système de NbPoint équations linéaires (2.10) peut s’écrire sous forme
matricielle :
[G ]⋅ {f } = {0} 2
où [G ] = [{g } {g }
1 2
... {g NbPoint
}]
T
(2.11)
Dans cette équation, [G] est une matrice de dimension NbPoint x 9 et {f2}
est un vecteur dont les composantes sont les 9 éléments de la matrice fonda-
mentale [F2]. Afin d’éviter la solution triviale {f2}={0}, une contrainte sur la
norme de {f2} est imposée, par exemple {f 2 } = 1 .
Il est donc possible de résoudre l’équation (2.11) à partir de 8 couples de
points appariés. Avec plus de 8 points appariés (NbPoint>8), la solution est
obtenue en minimisant le critère suivant :
min [G ] ⋅ {f } 2
2
sous la contrainte {f } = 1
2 (2.12)
{f 2 }
Ce critère peut être transformé en un problème de minimisation sans

contrainte en introduisant un multiplicateur de Lagrange λ :
min
{f } 2
( [G ]⋅ {f } 2
2
(
+ λ ⋅ {f 2 } − 1
2
)) (2.13)
La dérivée par rapport à {f2} de la fonction à minimiser doit être nulle, ce

qui conduit à l’équation :
[G ] ⋅ [G ]⋅ {f } = λ ⋅ {f }
T
2 2 (2.14)
Formulé ainsi, {f2} est donc l’un des vecteurs propres de la matrice 9x9
[G]T.[G] associé à l’une de ses 9 valeurs propres, toutes réelles positives ou
nulles. La solution du problème de minimisation (2.13) est donc donnée par
le vecteur propre correspondant à la plus petite valeur propre de la matrice
[G]T.[G] ou par le vecteur propre associé à la plus petite valeur singulière de
[G].
En pratique, le calcul linéaire de la matrice fondamentale [F2] s’effectue à
partir de la méthode de décomposition en valeurs singulières de la matrice
[G]. Le principe de cette méthode est détaillé dans [PRE92] .
94
L’avantage de cette méthode de calcul linéaire de la matrice fondamentale

est qu’elle conduit à une méthode de calcul non itérative et facile à mettre en
œuvre.
Par contre, elle ne tient pas compte de la singularité de la matrice [F2], i.e.
de la contrainte det [F2]=0 [TSA84] , les données ne sont pas normalisées ce
qui peut engendrer des instabilités numériques [HAR95] , et la quantité mi-
nimisée n’a pas de signification physique.
2.3.1.2 Imposer la contrainte de rang 2
Le calcul linéaire de la matrice fondamentale (2.11) est sensible au bruit,

même si elle est déterminée à partir d’un nombre important de points mis en
correspondance (2.14). Une des raisons est que la contrainte de rang 2
(det [F2]=0) n’est pas imposée au cours du calcul et qu’il n’y a a priori au-
cune raison pour que la matrice déterminée à partir de la méthode présentée
précédemment vérifie cette contrainte. Par contre, elle peut être imposée a
posteriori. Pour cela, la matrice [F2], solution de (2.11) ou de (2.14) est rem-
placée par la matrice [F'2 ] qui minimise la norme de Frobenius [F2 ] − [F'2 ]
sous la condition : det [F'2 ] = 0 .
Soit :
[F ] = [U ]⋅ [W]⋅ [V ]
2
T
(2.15)
la décomposition en valeurs singulières de la matrice [F2], où [U] et [V] sont

des matrices orthogonales et [W] est une matrice diagonale composée des 3
valeurs singulières de [F2] :
[W ] = diag (w 1
, w2 , w3 ) telle que w1 ≥ w2 ≥ w3 (2.16)
La matrice [F'2 ] minimisant la norme de Frobenius est définie par :
[F' ] = [U]⋅ [W']⋅ [V ]

2
T
où [W'] = diag (w 1 , w2 , 0) (2.17)
Cette méthode a été utilisée par Tsai et Huang [TSA84] pour estimer la ma-
trice essentielle (2.5) et a été introduite par Hartley [HAR95] pour détermi-
ner la matrice fondamentale.
2.3.1.3 Normalisation des données
95
Le raisonnement de Hartley [Har95] part du constat que la matrice [G]T.[G]

de l’équation (2.14), obtenue à partir des coordonnées images des points ap-
pariés (2.10), est généralement mal conditionnée, ce qui peut entraîner des
instabilités numériques lors de la résolution du système linéaire et ceci pour
deux raisons :
Dans le cas d’images de dimension 200x200, les coordonnées images

peuvent être comprises entre 0 et 200. Appliquer une homothétie aux
coordonnées homogènes images de sorte à ce qu’elles soient égales en
moyenne à l’unité permet d’améliorer le conditionnement de la matrice.
En pratique, l’origine du repère associé aux plans images est fixée dans
le coin en haut à gauche des images et toutes les coordonnées images
sont ainsi positives. Le conditionnement de la matrice peut être amélioré
si la position moyenne des points images se trouve à l’origine du repère.
D’après ces constatations, Hartley propose d’appliquer la transformation

suivante aux coordonnées images :
Les points images sont dans un premier temps translatés, de sorte que
leur position moyenne se trouve à l’origine du repère image.
Une homothétie est appliquée, de sorte que, en moyenne, les coordonnées
homogènes des points images soient de la forme : {m ~ } = {1,1,1}T . Un tel
ℜo
point se trouvera à une distance de 2 de l’origine. Plutôt que de choisir

des facteurs d’homothétie différents pour les coordonnées u et v, une iso-
tropie peut être appliquée de sorte que la distance moyenne entre
l’origine et ces points soit égale à 2 .
Une telle transformation est appliquée à chaque image de manière indépen-

dante. Les coordonnées {m~ } sont remplacées par {m ~ ' } = [T ] ⋅ {m
~ } et
1 ℜo 1 ℜo 1 1 ℜo
1 1 1
les coordonnées {m } sont remplacées par {m' } = [T ] ⋅ {m } . La rela-

~
2 ℜo
~ ~
2 ℜo 2 2 ℜo
2 2 2
tion (2.7) s’écrit alors :
{m
~ } ⋅ [F2 ] ⋅ {m ~ ' }T ⋅ [F' ] ⋅ {m
~ } = {m ~' } = 0
T
2 ℜo
2 1
1 ℜo 2 ℜo
2
2 1 ℜo
1
(2.18)
où :
[F ] = [T ] ⋅ [F' ]⋅ [T ]
2 2
T
2 1 (2.19)
96
La matrice [F'2 ] est alors déterminée comme décrit au § 2.3.1.1 puis la ma-
trice fondamentale [F2] correspondante aux coordonnées images est calculée
à partir de la relation (2.19).
2.3.2 Calcul non linéaire
Afin de minimiser une quantité physique tout en tenant compte du fait que
les deux images jouent un rôle symétrique, une idée naturelle pour calculer
la matrice fondamentale consiste à minimiser la distance entre les points et
leur ligne épipolaire (Figure 2.7) :
(d ({m~ , [F2 ] ⋅ {m ) (
~ } , [F ]T ⋅ {m ))
NbPoin t
min
[F2 ] ∑ 2
}
i 2 ℜo
2
~ } + d 2 {m
i1 ℜ o
1
i1 ℜo 2
1
~ }
i 2 ℜo
2
(2.20)
i =1
où la distance entre une ligne épipolaire {l k } = [F2 ] ⋅ {m

~ } = {l l l3 } et
T
i1 ℜo 1 2
1
un point mi2 est définie par :
{m ~ }T ⋅ [F ] ⋅ {m
~ }T ⋅ {l } {m ~ }
(
d {m
~ } , {l } =
i 2 ℜo k ) i2 ℜ k
o2 i2 ℜ
=
2 o2 i1 ℜ o1
(2.21)
2
l +l
1
2 2
2 l +l
1
2 2
2
La minimisation de ce type de critère peut-être réalisée à partir d’une procé-

dure de minimisation non linéaire, telle que la méthode de Levenberg-
Marquardt [PRE92]. Le processus itératif est alors initialisé à partir de la so-
lution obtenue lors du calcul linéaire.
[F ] ⋅ {m~ }
2
T
i2
mi2
[F ]⋅ {m~ }
2 i1
mi1
Image gauche Image droite
Figure 2.7 : Détermination de la matrice fondamentale en termes de dis-

tances dans les images
97
D’après les commentaires faits sur le calcul linéaire, il est clair qu’il est pré-
férable d’effectuer la recherche la matrice fondamentale dans l’espace des
matrices 3x3 de rang 2 qui vérifie (2.20). Il existe plusieurs possibilités pour
paramétriser la matrice fondamentale [LUO92] en exprimant une ligne ou
une colonne de la matrice comme une combinaison linéaire des deux autres.
Zeller [ZEL96] propose un paramétrage basé sur les paramètres de la trans-
formation épipolaire proprement dite.
2.3.3 Détermination des épipoles
Les relations entre la matrice fondamentale et les épipoles sont données par
la relation (2.9) :
[F ] ⋅ {e }
i
T
i ℜo
i
= {0} pour i = 1,2 avec [F ] = [F ]
1 2
T
(2.22)
Pour trouver la meilleure estimation des épipoles, la norme [Fi ] ⋅ {e i }ℜo est
T
minimisée sous la contrainte {e }

i ℜo
i
= 1. Comme présenté au paragraphe
2.3.1.1, la solution est le vecteur propre correspondant à la plus petite valeur
singulière de la matrice [Fi ] .
T
2.4 Autre méthode de détermination de la géométrie épipolaire
L’approche présentée précédemment pour déterminer la géométrie épipolaire

associée à deux images permet de calculer dans un premier temps la matrice
fondamentale puis dans un second temps les épipoles. La précision des épi-
poles dépend donc de la précision avec laquelle la matrice fondamentale a
été calculée. Dans le cas où seule la connaissance de la position des épipoles
est nécessaire, il est préférable d’utiliser une méthode de détermination di-
recte, sans passer par le calcul explicite de la matrice fondamentale. Une
telle approche sera utilisée dans la section 3 de la partie 3 (§3.4) pour le ca-
librage du système stéréoscopique à partir de plusieurs paires d’images
d’une mire.
Boufama [BOU94] propose une méthode de détermination de la géométrie
épipolaire basée sur le calcul des épipoles permettant, dans un second temps,
98
d’en déduire la matrice fondamentale. L’approche et les principales étapes

de calculs sont présentées ici.
2.4.1 Position du problème
Les notations sont illustrées sur la Figure 2.8. Soient trois points de l’espace
M1, M2 et M3 définissant un plan (P). Soient M4 et M5 deux points de
l’espace n’appartenant pas à (P). Ces points se projettent en m41 et m51 sur
l’image gauche. La droite (C1M4) coupe le plan (P) en Q4 et la droite (C1M5)
coupe le plan (P) en Q5. Les points de l’espace Q4 et Q5 se projettent donc
également en m41 et m51 sur l’image gauche. Par contre, les points M4, M5,
Q4 et Q5 se projettent en quatre points distincts sur l’image droite, respecti-
vement en m42, m52, q42 et q52, à condition que le mouvement liant les deux
caméras soit composer d’une translation non nulle. La droite ( m42q42) cor-
respond donc à la ligne épipolaire associée au point m41 et, de même, la
droite (m52q52) correspond à la ligne épipolaire associée au point m51. Ces
deux droites se coupent en l’épipole e2. Si les équations des droites (m42q42)
et (m52q52) sont connues, les coordonnées de l’épipole e2 peuvent être déter-
minées. Cependant q42 et q52 sont les projections de points virtuels qui ne
sont pas localisés dans l’image de droite.
M4
M5
M1
M2
(P)
Q4
Q5
M3
m52
m41 m42
m51 q52
q42
x2
C1 e2
x1 C2
y1 y2
99
Figure 2.8 : Illustration du problème de détermination de la géométrie

épipolaire
2.4.2 Mise en équations du problème
Les mêmes notations que précédemment sont utilisées. Soient trois points de
l’espace M1, M2 et M3 définissant un plan (P), se projetant en m11, m21 et m31
dans l’image gauche et en m12, m22 et m32 dans l’image droite. Soient M un
point quelconque de l’espace n’appartenant pas à (P), Q le point
d’intersection de la droite (C1M) et du plan (P), m1 la projection de M et Q
sur l’image gauche, m2 et q2 les projections respectivement de M et Q sur
l’image droite. Supposons enfin que les coordonnées de l’épipole e2 soient
connues.
Les projections des points de (P) sur l’image gauche et sur l’image droite
sont reliées par une transformation appelée homographie de plan, notée H.
Pour tout point image m1, le problème est alors de déterminer l’homographie
H telle que :
H (mi1 ) = qi 2 (2.23)
soit sous forme matricielle :
[C2 ]⋅ {m~ i1}ℜ o1

= {q
~ }
i 2 ℜo
2
(2.24)
où [C2] est une matrice 3x3 décrivant l’homographie H.
Chaque couple de points appariés (mi1,qi2) fournit deux équations indépen-

dantes et linéaires en les composantes de [C2]. Quatre points coplanaires de
l’espace dont les projections dans les images ont été appariées permettent de
déterminer la matrice [C2].
Par contre, à partir des points appariés, s’il n’est pas toujours possible de dé-
terminer quatre points coplanaires de l’espace. Cependant, trois points de
l’espace (non colinéaires) définissant toujours un plan, il est possible de
considérer trois points images comme étant les projections de trois points
appartenant à ce plan. La relation (2.24) s’écrit alors :
[C2 ] ⋅ {m~ i1}ℜ o1

= {m
~ }
i 2 ℜo
2
pour i = 1,2,3 (2.25)
100
Les relations (2.25) peuvent être simplifiées en effectuant un changement de

repère dans les deux images. Les coordonnées {1,0,0} , {0,1,0} , {0,0,1} et
T T T
{1,1,1}T sont affectées respectivement aux points image gauche m11, m21, m31 et
mk1 et aux points image droite m12, m22, m32 et mk2. Les points mk1 et mk2 sont
deux points image quelconque, pas nécessairement mis en correspondance.
Dans ce nouveau repère, la matrice [C2] prend la forme réduite :
⎡α 0 0 ⎤
[C2 ] = ⎢⎢0 β 0⎥⎥ (2.26)
⎢⎣ 0 0 γ ⎥⎦
Cette matrice possède trois paramètres dont deux seulement sont indépen-
dants. Il est donc possible de fixer l’un des paramètres, par exemple γ = 1 .
La matrice [C2] s’écrit donc :
⎡α 0 0 ⎤
[C2 ] = ⎢⎢0 β 0⎥⎥ (2.27)
⎢⎣ 0 0 1 ⎥⎦
2.4.3 Équations pour les couples de points appariés
Soient mi1 et mi2 deux points mis en correspondance de coordonnées homo-

gènes {m~ } = {u , v , w }T et {m
i1 ℜo i1 i1 i1
~ } = {u , v , w }T , et q la projection
i 2 ℜo i2 i2 i2 i2
1 2
dans l’image gauche du point virtuel appartenant au plan (P). La relation

(2.24) s’écrit, en tenant compte de (2.27) :
⎧α ⋅ ui1 ⎫
{qi 2 }ℜo2 = [C2 ]⋅ {m i1}ℜo1 = ⎪⎨β ⋅ vi1 ⎪⎬
~ ~
(2.28)
⎪ w ⎪
⎩ i1 ⎭
2
{
Soient {~e2 }ℜo = eu22 , ev22 , ew22 }
T
les coordonnées homogènes de l’épipole droit e2
exprimées dans le repère image droit. Par construction, le point qi2 appartient
à la droite épipolaire (e2mi2), ce qui s’écrit sous la forme :
({~e }
2 ℜo
2
∧ {m
~ } ⋅ {q
i 2 ℜo
2
)
~ } =0
i 2 ℜo
2
(2.29)
101
D’après la relation (2.28), l’équation (2.29) s’écrit sous forme développée :
(e 2
w2 ⋅ vi 2 − ev22 ⋅ wi 2 ) ⋅ α ⋅ ui1 + (eu22 ⋅ wi 2 − ew22 ⋅ ui 2 ) ⋅ β ⋅ vi1 +
(e2
v2 ⋅ ui 2 − eu22 ⋅ vi 2 ) ⋅ wi1 = 0
(2.30)
L’équation (2.30) est vérifiée par chaque couple de points appariés (mi1,mi2).
Les cinq inconnues sont : α, β, eu22 , ev22 , ew22 . Par contre, les coordonnées ho-
mogènes de l’épipole e2 étant définies à un facteur près, quatre inconnues
indépendantes sont à déterminer pour trouver l’homographie de plan (les
coefficients α et β de la matrice [C2]) et les coordonnées de l’épipole. Le
problème de calcul de la géométrie épipolaire est donc réduit à la détermina-
tion de quatre paramètres au lieu de huit pour la méthode présentée au § 2.3.
Quatre points images appariés, n’appartenant pas au plan (P) sont donc né-
cessaire pour trouver une solution. En pratique, l’ensemble des points appa-
riés est utilisé pour déterminer les inconnues par une méthode
d’optimisation.
2.4.4 Résolution mathématique du problème
Sous forme développée, la relation (2.30) s’écrit :
ui1 ⋅ vi 2 ⋅ α ⋅ ew22 − ui1 ⋅ wi 2 ⋅ α ⋅ ev22 + vi1 ⋅ wi 2 ⋅ β ⋅ eu22 − vi1 ⋅ ui 2 ⋅ β ⋅ ew22 +

(2.31)
wi1 ⋅ ui 2 ⋅ ev22 − wi1 ⋅ vi 2 ⋅ eu22 = 0
Les coordonnées de l’épipole étant définis à facteur près, posons eu22 = 1 .

Pour pouvoir exprimer l’équation (2.31), valable pour chaque point apparié
i=1,…,NbPoint, sous la forme d’un système linéaire, posons :
V1 = α ⋅ ew22 V2 = α ⋅ ev22 V3 = β V4 = β ⋅ ew22 V5 = ev22 (2.32)
Avec ces notations, le système d’équations de la forme (2.31) peut s’écrire

sous forme matricielle :
[ A] ⋅ {V} = {b} (2.33)
102
où [A] matrice de dimension NbPoint x 5, {V} vecteur de dimension 5 dont

les composantes sont données par (2.32) et {b} vecteur second membre de
dimension NbPoint, sont définis par :
{A } = {u
i i1 ⋅ vi 2 − ui1 ⋅ wi 2 vi1 ⋅ wi 2 − vi1 ⋅ ui 2 wi1 ⋅ ui 2 }
{V} = {V 1
V2 V3 V4 V5 }
T
(2.34)
bi = wi1 ⋅ vi 2
La résolution du système (2.33) peut-être effectuée, par exemple, avec une

méthode de résolution basée sur la décomposition en valeurs singulières de
la matrice [A] présentée dans [PRE92]. Les paramètres α, β, ev22 , ew22 sont
alors déduits des valeurs Vi,i=1,…,5 à partir des relations (2.32).
Une amélioration des résultats peut-être obtenue en utilisant une méthode
d’optimisation non linéaire permettant de déterminer les paramètres
α, β, eu22 , ev22 , ew22 de l’équation (2.31). Dans ce cas, la solution trouvée après
résolution du système linéaire permet d’initialiser le calcul non linéaire.
Les coordonnées de l’épipole droit e2 et les coefficients de la matrice [C2]

caractérisant l’homographie de plan (2.23) étant déterminés, il est possible
d’en déduire la matrice fondamentale [F2].
2.4.5 Calcul de la matrice fondamentale
Les coordonnées homogènes {~e2 }ℜo = eu22 , ev22 , ew22

2
{ } T
de l’épipole droit e2 ex-
primées dans le repère image droit et les composantes α et β définissant la
matrice [C2] (2.27) sont supposées connues.
La matrice fondamentale [F2] décrit la géométrie épipolaire d’un système
stéréoscopique : à chaque point de l’image gauche mi1 est associé une droite
dans le plan de l’image droite, appelée ligne épipolaire. Les coefficients de
cette droite ai2, bi2 et ci2, donnés par l’équation (1.33) faisant intervenir la
matrice essentielle lorsque la géométrie épipolaire est exprimée dans le re-
père caméra, s’écrit de manière similaire dans le repère image en faisant in-
tervenir la matrice fondamentale :
⎡ F112 F122 F132 ⎤ ⎧ ui1 ⎫ ⎧ai 2 ⎫

⎢ ⎥ ⎪ ⎪ ⎪ ⎪
[F2 ]⋅ {m~ i1}ℜ = ⎢ F212 F222 F232 ⎥ ⋅ ⎨ vi1 ⎬ = ⎨bi 2 ⎬ (2.35)
F332 ⎥⎦ ⎪⎩wi1 ⎪⎭ ⎪⎩ci 2 ⎪⎭
o1
⎢ F312 F322
⎣
103
La droite épipolaire associée au point mi1 est la droite (e2qi2) dont l’équation
est donnée par le produit vectoriel : {~e2 }ℜo ∧ {q
~ } . En utilisant la relation
i 2 ℜo
2 2
(2.28), ce produit vectoriel s’écrit :
⎧ − β ⋅ ew22 ⋅ vi1 + ev22 ⋅ wi1 ⎫

⎪ ⎪
{~e2 }ℜ ∧ [C 2 ] ⋅ {m
~ }
i1 ℜo = ⎨ α ⋅ ew22 ⋅ ui1 − eu22 ⋅ wi1 ⎬
⎪− α ⋅ e 2 ⋅ u + β ⋅ e 2 ⋅ v ⎪
o2 1
⎩ v2 i1 u2 i1 ⎭
(2.36)
⎡ 0 − β ⋅ ew22 ev22 ⎤ ⎧ ui1 ⎫ ⎧ai 2 ⎫
⎢ ⎥ ⎪ ⎪ ⎪ ⎪
= ⎢ α ⋅ ew22 0 − eu22 ⎥ ⋅ ⎨ vi1 ⎬ = ⎨bi 2 ⎬
⎢− α ⋅ ev2 β ⋅ eu2 0⎥ ⎪⎩wi1 ⎪⎭ ⎪⎩ci 2 ⎪⎭
⎣ 2 2 ⎦
Par identification à partir des équations (2.35) et (2.36), la matrice fonda-

mentale s’écrit :
⎡ 0 − β ⋅ ew22 ev22 ⎤ ⎡ 0 − ew22 ev22 ⎤ ⎡α 0 0⎤

[F2 ] = ⎢⎢ α ⋅ ew22 0 − eu22 ⎥⎥ = ⎢⎢ ew22 0
⎥
− eu22 ⎥ ⋅ ⎢⎢ 0 β 0⎥⎥ (2.37)
⎢− α ⋅ ev2 β ⋅ eu2 0⎥ ⎢− ev2 e2
0 ⎥⎦ ⎢⎣ 0 0 1⎥⎦
⎣ 2 2 ⎦ ⎣ 2 u2
[F2] est donc définie par le produit entre la matrice antisymétrique associée à
{~e2 }ℜo et la matrice [C2]. De plus, par construction, la matrice fondamentale
2
est bien de rang 2 (det [F2]=0).
2.5 Qualité de la matrice fondamentale
La qualité de la matrice fondamentale peut être déterminée en calculant la

distance euclidienne moyenne entre un point et sa ligne épipolaire (2.38).
Cette quantité est alors exprimée en pixels.
(d ({m~ ) ( ))
NbPoin t
∑ }
i 2 ℜo , [F2 ] ⋅ {m i1 ℜo
~ } , [F ]T ⋅ {m
~ } + d {m
i1 ℜo 2
~ }
i 2 ℜo
2 1 1 2
(2.38)
QF2 = i =1
2 ⋅ NbPoint
104
2.6 Conclusion
Les principales techniques d’estimation de la géométrie épipolaire entre

deux images ont été présentées. La seule donnée nécessaire pour le calcul de
la matrice fondamentale est un ensemble de points appariés. Au moins huit
points mis en correspondance sont nécessaires pour calculer exactement
[F2]. En pratique, plus de huit points appariés étant généralement disponi-
bles, la matrice fondamentale est déterminée par optimisation au sens des
moindres carrés. Des techniques d’optimisation linéaire, telle que la méthode
de décomposition en valeurs singulières, facile à mettre œuvre et rapide en
temps de calcul, sont utilisées. Par contre, ces méthodes sont sensibles au
bruit des points images appariés et le critère minimisé n’a pas de significa-
tion physique. Normaliser les coordonnées images et imposer la contrainte
de rang 2 à posteriori permettent d’améliorer la précision de la matrice fon-
damentale déterminée par un calcul linéaire. Mais les méthodes linéaires
permettent surtout d’initialiser une optimisation non linéaire, telle que
l’algorithme de Levenberg-Marquardt, afin d’améliorer la précision du cal-
cul. Les coordonnées des épipoles peuvent ensuite facilement être calculées
directement à partir de la matrice fondamentale. Cette approche est utilisée
dans la section 2 de la partie 3 pour calculer la matrice fondamentale et les
épipoles et en déduire une estimation des matrices de projection.
L’autre formulation du problème de la détermination de la géométrie épipo-
laire proposée par Boufama [BOU94] permet de réduire le nombre de para-
mètres à estimer de huit à quatre. Les équations utilisées sont plus simples et
conduisent à une meilleure stabilité dans les calculs. Cette méthode déter-
mine dans un premier temps les coordonnées des épipoles pour en déduire
ensuite la matrice fondamentale. Dans le cas où seule la connaissance des
épipoles est nécessaire, cette approche sera privilégiée, puisqu’elle permet
de réduire le nombre de calculs à mettre en œuvre et les incertitudes sur leur
détermination. Cette méthode est utilisée dans la section 3 de la partie 3
comme l’une des étapes de calibrage du système stéréoscopique à partir de
plusieurs couples d’images.
105
Partie 3
Calibrage du système
stéréoscopique
107
108
Section 1 – Différentes méthodes de calibrage
1 Différentes méthodes de calibrage

1.1 Introduction
1.2 Formulation mathématique du problème de calibrage

Détermination des paramètres intrinsèques et extrinsèques
Détermination de la matrice de projection
Détermination des paramètres de distorsion
1.3 Calibrage à partir de points de la scène
1.4 Calibrage à partir des limbes d’une sphère
1.5 Calibrage à partir de points de fuite
1.6 Autocalibration
1.7 Calibrage basé sur la corrélation d’images numériques
1.8 Calibrage de type photogrammétrique
1.9 Conclusion
1.1 Introduction
Calibrer un système stéréoscopique consiste à déterminer les paramètres de

la fonction reliant les coordonnées 3D de points de l’espace et les coordon-
nées 2D de ces points projetés sur les deux plans images. Cette étape néces-
site la localisation des points images ou l’appariement entre les images (cf.
section 1 de la partie 2) utilisées pour le calibrage. De nombreuses méthodes
basées sur la minimisation d'un critère linéaire ou non linéaire, suivant le
modèle de caméra utilisé, ont été proposées pour déterminer ces paramètres.
Le calibrage est d’une grande importance dans les différentes étapes d’une
mesure basée sur la vision par ordinateur. La précision avec laquelle sont dé-
terminés ces paramètres va influer sur la précision des étapes suivantes de
reconstructions 3D et, dans le cas qui nous intéresse, de détermination des
champs de déplacements et de déformations.
Un système stéréoscopique peut a fortiori être considéré comme un ensemble
de deux caméras indépendantes. Pour effectuer le calibrage du système, une
méthode classique de calibrage monoculaire peut donc être utilisée pour
chacune des caméras. Typiquement, le problème du calibrage peut s’énoncer
ainsi : étant donné un ensemble de NbPoint points de contrôle de coordon-
nées 3D connues {Xi,Yi,Zi}i=1,…NbPoint appartenant à une mire, déterminer les
paramètres de la fonction de projection associée au capteur pour que leur
109
Partie 3 – Calibrage du système stéréoscopique
projection corresponde au mieux aux mêmes points extraits des images

{ui,vi}i=1,…,NbPoint. Les points de contrôle peuvent être des points, des coins,
des intersections de droites, des cercles ou toutes autres primitives pouvant
être facilement extraites à partir des images (Figure 3.1).
(a) Mire de calibrage utilisée à (b) Mire de calibrage utilisée par le

l’INRIA logiciel ASAME de CamSys
Figure 3.1 : Mires de calibrage constituées de points de références
Cette section présente quelques méthodes de calibrage de capteurs optiques.

Loin d’être exhaustive, elle passe en revue différentes catégories
d’approches proposées dans la littérature suivant les connaissances à priori
sur la scène observée lors de l’étape de calibrage. Une étude détaillée de cer-
taines de ces méthodes est faite dans le rapport de recherche [CAR97]. Zeller
[ZEL96] fait état de diverses méthodes de calibrage qui ne sont pas men-
tionnées ici. Les différentes méthodes de calibrage se différencient par la na-
ture de l’objet étalon utilisé et par les algorithmes mathématiques mis en
œuvre pour déterminer les paramètres.
1.2 Formulation mathématique du problème de calibrage
Dans la partie 1, plusieurs expressions mathématiques du modèle sténopé de

caméras ont été présentées. Le problème de calibrage peut s’énoncer diffé-
remment suivant le type de formulation choisie.
110
1.2.1 Détermination des paramètres intrinsèques et extrinsèques
Dans le cas d’un modèle sténopé défini dans la partie 1, calibrer une caméra
consiste à déterminer les différents paramètres de la transformation Objet /
Image définie par l’équation (1.13) :
Les 4 paramètres intrinsèques définis à l’équation (1.5).

Les 6 paramètres extrinsèques définis à l’équation (1.8) : les 3 angles de
rotation autour de chacun des axes et les 3 composantes du vecteur tran-
slation.
Etant donné NbPoint points de références vus dans NbImage images, le but
est de déterminer les paramètres (α uj , α vj , u cj , v cj , [R j ] , {t j }) vérifiant le sys-
tème d’équations (3.1) :

u
⎪⎪ ij = α j
⋅ + ucj
u
r31 ⋅ X i + r32 ⋅ Yi + r33 ⋅ Z i + t z
j j j j
i = 1,..., NbPoint
⎨ pour (3.1)
r j ⋅ X + r j ⋅Y + r j ⋅ Z + t j j = 1,..., NbI mage
⎪vij = α vj ⋅ 21 i 22 i 23 i y + vcj
⎪⎩ r31j ⋅ X i + r32j ⋅ Yi + r33j ⋅ Z i + t zj
Au total, 10 paramètres ayant une signification physique sont donc à déter-

miner pour chaque caméra.
1.2.2 Détermination de la matrice de projection
Une autre approche consiste à considérer l’équation (1.11) ou les relations

(1.12) et à calculer les coefficients de la matrice de projection [P] de la ca-
méra.
Etant donné NbPoint points de références vus dans NbImage images, le but
est de déterminer les composantes de la matrice [Pj] vérifiant :
⎧ P11j ⋅ X i + P12j ⋅ Yi + P13j ⋅ Z i + P14j

u =
⎪⎪ ij P j ⋅ X + P j ⋅ Y + P j ⋅ Z + P j i = 1,..., NbPoint
⎨
31 i 32 i 33 i 34
pour (3.2)
P j
⎪vij = 21j i⋅ X + P j
22 ⋅ Yi + P23
j
⋅ Z i + P24
j
j = 1,..., NbI mage
⎪⎩ P31 ⋅ X i + P32j ⋅ Yi + P33j ⋅ Z i + P34j
111
Bien que la matrice de projection soit une matrice 3x4, 11 coefficients sont à
déterminer par caméra puisque [P] est définie à un facteur d’échelle près.
Contrairement à l’équation (3.1), les composantes de la matrice [P] n’ont pas

de signification physique. Suivant l’approche choisie et suivant la nature des
paramètres à déterminer, une formulation des équations de colinéarité du
type (3.1) ou (3.2) peut être choisie (cf. sections 2 et 3 de la partie 3). Les re-
lations permettant de déterminer les paramètres extrinsèques et intrinsèques
à partir des composantes de la matrice de projection sont données en Annexe
B.
1.2.3 Détermination des paramètres de distorsion
Enfin, si le modèle de caméra choisi prend en compte les distorsions opti-

ques, les paramètres de distorsions (k1, p1, p2, s1, s2) définis à l’équation
(1.26) doivent également être déterminés lors de l’étape de calibrage. Le
terme correctif (3.3) doit alors être pris en compte dans la formulation du
problème (3.1) ou (3.2).
⎧ δ x ( x, y ) = k1 ⋅ x ⋅ (x 2 + y 2 ) + p1 ⋅ (3x 2 + y 2 ) + 2 p 2 ⋅ x ⋅ y + s1 ⋅ (x 2 + y 2 )
⎨ (3.3)
⎩δ y ( x, y ) = k1 ⋅ y ⋅ (x + y ) + 2 p1 ⋅ x ⋅ y + p 2 ⋅ (x + 3 y ) + s 2 ⋅ (x + y )
2 2 2 2 2 2
Les équations à résoudre deviennent alors non linéaires en les paramètres à

déterminer.
1.3 Connaissance de points de la scène
Faugeras et Toscani [FAU87] [TOS87] proposent une méthode de calibrage

appliquée à la reconstruction 3D de points. Le modèle de caméra choisi est
le modèle sténopé. Le calibrage est effectué grâce à quatre images d’une
mire plane dont les positions relatives par rapport à la caméra et les points
caractéristiques sont supposés connus. Un algorithme d’extraction des lignes
verticales et horizontales dessinées sur la mire est appliqué pour déterminer
avec une précision subpixel les coordonnées des points d’intersection dans le
plan image. Les coefficients de la matrice de projection [P] (3.2) sont calcu-
lés par une méthode d’optimisation au sens des moindres carrés. Une optimi-
sation linéaire permet d’initialiser une méthode de résolution non linéaire du
problème.
112
Les paramètres intrinsèques α u et α v sont déterminés. En théorie, 5 points

sont nécessaires pour calibrer la caméra, mais en pratique, à cause du bruit
dans les mesures, plus de 200 points sont utilisés.
Les résultats expérimentaux obtenus par les auteurs montrent que la méthode
de minimisation non linéaire est plus robuste que la méthode linéaire.
Tsaï [TSA87] propose une méthode de calibrage d’une caméra selon le mo-
dèle sténopé tenant compte du paramètre de distorsion radiale k1 (3.3) dans
le but d’effectuer des reconstructions 3D de points. Les images acquises sont
celles d’une mire plane ou volumique. La mire possède des points caractéris-
tiques qui sont, dans un premier temps, extraits des images. Connaissant les
coordonnées de points de références appartenant à la mire et les coordonnées
de ces points dans le plan image, une série d’optimisations linéaires et non
linéaires permettent de déterminer successivement les paramètres de cali-
brage.
Les paramètres intrinsèques kv, uc et vc sont calculés à partir des données du
constructeur. Les autres paramètres intrinsèques, les composantes tx et ty du
vecteur translation et les composantes de la matrice de rotation [R] sont dé-
terminés lors d’une série d’opérations mathématiques simples s’effectuant
sur 7 variables intermédiaires calculées lors de la résolution d’un système li-
néaire surdéterminé. Une estimation de f et de tz faite à partir d’un système
linéaire est utilisée comme vecteur initial pour une optimisation non linéaire
permettant de déterminer précisément f, tz et k1.
En pratique, plus de 120 points sont utilisés pour remédier au mauvais
conditionnement des matrices manipulées.
1.4 Calibrage à partir des limbes d’une sphère
Daucher et al. [DAU94] proposent une méthode de calibrage, avec prise en

compte de la distorsion radiale dans le modèle, à partir de deux objets sim-
ples : une sphère éclairée uniformément et une grille. Au moins 3 vues d’une
sphère réparties autour de l’axe optique sont acquises. Une méthode de dé-
1
tection des contours permet d’extraire les projetés correspondant aux limbes
de la sphère (Figure 3.2). Une approximation mathématique des contours par
des ellipses est réalisée. A partir des équations des ellipses, les paramètres
intrinsèques uc, vc et α u α v sont déterminés. La distorsion radiale est déter-
minée à partir d’images de la grille. Les images de la sphère sont corrigées,
1
Les limbes d’une surface gauche sont les points de cette surface où le plan tangent passe par le centre optique
de la caméra.
113
en fonction des paramètres de distorsion obtenus, pour calculer la distance

focale f.
Dans cette méthode, la détermination des distorsions est facultative selon la
qualité des lentilles utilisées.
u
v
x
y
Figure 3.2 : Vue perspective d'une sphère
1.5 Calibrage à partir de points de fuite
Wei et al. [WEY89] proposent une méthode de calibrage par points de fuite.
Figure 3.3 : Points de fuite d'un cube
114
Un cube de dimension connue où les médiatrices des côtés sont tracées est
considéré. Des images du cube sont acquises sous deux angles de vues diffé-
rents qui permettent de voir 3 de ses faces. Dans chacune des images, les
projetés des droites et les projetés des côtés sont extraits. Une estimation aux
moindres carrés permet de déterminer la position des 3 points de fuites, i.e.
les intersections des droites parallèles, dans les images (Figure 3.3).
Les paramètres intrinsèques uc, vc, α u α v et f sont calculés par optimisation
linéaire à partir des coordonnées images des 6 points de fuites. Les paramè-
tres intrinsèques peuvent être affinés en tenant compte des distorsions radia-
les par une résolution itérative de systèmes d’équations non linéaires en pre-
nant comme solution initiale la solution obtenue après le calcul linéaire. Les
paramètres extrinsèques sont calculés en considérant les 3 cotés et leurs
points d’intersection. Le calcul du vecteur translation nécessite la connais-
sance de la taille du cube.
1.6 Autocalibration
Pentland [PEN89] propose une méthode d’autocalibration dans le cadre de la

robotique mobile, dans le but de réaliser un calibrage en ligne de la caméra,
de représenter et de modéliser en 3D la scène observée et de calculer le
mouvement de la caméra.
Une image de la scène observée est acquise dont l’utilisateur extrait un cer-
tain nombre de points d’intérêts. La caméra est déplacée. De nouvelles ima-
ges de la scène sont acquises et un algorithme d’appariement permet de dé-
terminer les nouvelles coordonnées des points d’intérêts. A partir de cet
ensemble de points d’intérêts, les paramètres intrinsèques et extrinsèques de
la caméra, la distance entre les points d’intérêts et la position initiale sont
déterminés par une optimisation au sens des moindres carrés en utilisant un
filtre de Kalman étendu. La matrice de rotation est calculée par rapport à la
position précédente. Comme paramètres intrinsèques, seule la distance fo-
cale f est considérée, les autres paramètres sont déterminés à partir des don-
nées du constructeur. Les valeurs calculées sont définies à un facteur
d’échelle près qui peut être déterminé si une mesure sur la scène observée ou
la position initiale de la caméra est connue.
En théorie, 2 vues différentes et 6 points d’intérêts sont suffisants. En prati-
que, à cause du bruit des mesures, plus de 30 vues et plus de 15 points
d’intérêts sont nécessaires.
115
Les méthodes d’autocalibration sont très utilisées en robotique mobile et ont

fait l’objet de nombreux travaux de recherche dont ceux de Zeller [ZEL96],
Devernay [DEV97] ou Andreff [AND99].
1.7 Calibrage basé sur la corrélation d’images numériques
Dans la littérature, très peu de méthodes de calibrage basées sur la corrél-

ation d’images numériques sont proposées. En 1990, Kahn-Jetter et Chu
[KAH90] proposent une méthode dans le cas de caméras rectifiées : les axes
optiques des deux caméras sont parallèles ; la transformation rigide entre les
deux repères caméras n’est donc constituée que d’une translation. Le prin-
cipe a été repris par Luo et al. [LUO93] dans le cas d’un positionnement des
caméras plus général. Le principe de cette méthode de calibrage est présenté
ici.
La mire utilisée est un objet plan recouvert d’un motif aléatoire et montée
sur une table micrométrique pouvant mesurer le déplacement du plan consi-
déré dans trois directions de l’espace. La mire est placée dans le champ de
vue des deux caméras et un premier couple d’images est acquis. Un pattern
de 20 x 20 pixels proche du centre de l’image de la caméra 1 est considéré.
Le point central de ce pattern est choisi comme étant le point d’intérêt ou de
référence pour le calibrage. L’origine O du repère objet ℜ O est choisie
comme étant le point du plan correspondant au point central du pattern. La
taille du pattern a été choisie de sorte à ce que la zone d’étude dans l’image
ne soit pas trop affectée par les distorsions optiques, que les temps de calcul
lors de la corrélation ne soit pas trop importants et que le pattern considéré
contienne suffisamment de niveaux de gris pour être statistiquement diffé-
rent de ses voisins. Selon les auteurs et les expériences réalisées, la taille
minimale du pattern à considérer est de 18 x 18 pixels pour ne pas avoir de
mauvais appariement.
L’objet est ensuite déplacé en translation dans l’espace et le déplacement est
mesuré. Pour déterminer précisément la position du point d’intérêt dans les
nouvelles images, une méthode de corrélation en niveaux de gris est utilisée.
Le déplacement est répété pour obtenir, grâce à la mesure de ce déplace-
ment, NbPoint points de références. Par corrélation, les coordonnées de
points d’intérêts images {ui1,vi1}T et {ui2,vi2}T sont connues, ainsi que les
coordonnées dans l’espace {Xi,Yi,Zi}T données par les composantes du vec-
teur translation. Cette méthode revient en fait à créer une mire constituée de
points de références obtenus par déplacements d’un objet recouvert d’un mo-
tif aléatoire. A partir de ces données, les paramètres de calibrage peuvent
être calculés comme pour les méthodes classiques utilisant la connaissance
116
de points de la scène, présentées dans la section précédente. Au moins 20

points sont nécessaires pour assurer la convergence de l’algorithme. La mé-
thode proposée permet de calculer, en plus des paramètres intrinsèques et ex-
trinsèques, le paramètre de distorsion radiale k1.
1.8 Calibrage de type photogrammétrique
Lavest et al. [LAV99] partent du constat que les mires d’étalonnage de bonne
qualité sont difficiles à réaliser et qu’une mesure précise des points 3D de
références est onéreuse. L’approche mise en œuvre consiste à réestimer la
géométrie de la mire au cours de la procédure de détermination des paramè-
tres intrinsèques des caméras. Cette méthode s’apparente aux méthodes
d’auto-calibrage mais elle est décrite selon un formalisme photogrammétri-
que permettant d’intégrer implicitement les aberrations géométriques des op-
tiques.
Plusieurs images d’une mire constituée de pastilles photoréfléchissantes sont
acquises sous des orientations bien distinctes. Les différentes positions de la
mire ne sont pas connues et sont déterminées au cours de la phase de cali-
brage.
Dans un premier temps, une détection sub-pixelle des points de références
formés dans les images est mise en œuvre.
L’optimisation non linéaire des équations de colinéarité nécessite une esti-
mation des paramètres à déterminer. Les coordonnées 3D des points de réfé-
rence sont connues de manière grossière, à quelques millimètres près. Les
coefficients de distorsions radiale et tangentielle sont initialement nuls et les
paramètres intrinsèques sont estimés à partir des données du constructeur.
Les paramètres extrinsèques sont estimés grâce à la méthode de localisation
de Dementhon valable pour des mires planes, ou grâce au calibrage simple
proposé par Faugeras et al. [FAU87] si une mire volumique est utilisée. En-
fin, l’optimisation non linéaire est faite par l’algorithme de Levenberg-
Marquardt [PRE92].
Pour le calibrage d’un banc stéréoscopique, une métrique issue de la distance
précise entre deux des points de la mire est injectée dans les équations.
Garcia et al. ont également testé et comparé plusieurs méthodes pour obtenir
les paramètres de calibrage [GAR00] pour finalement retenir une approche
photogrammétrique estimant en même temps les paramètres des caméras et
les coordonnées 3D des points de la mire [GAR01].
117
1.9 Conclusion
Les différentes techniques de calibrage proposent l’utilisation de mires cons-

tituées de points de référence ou de toutes autres primitives tels que des rec-
tangles ou des cercles, faciles à extraire des images. Ces méthodes supposent
que la position des points de références et leur nature géométrique soient
parfaitement connue. Ces méthodes se différencient par la nature des points
de référence considérés et par les algorithmes mathématiques mis en œuvre
pour déterminer les paramètres de calibrage.
Les méthodes d’autocalibration sont bien adaptées à la robotique mobile
puisqu’elles utilisent directement des points d’intérêts de la scène observée,
sans passer par l’utilisation d’une mire.
Les techniques de calibrage en photogrammétrie présentent l’avantage de dé-
terminer les paramètres des caméras et de réestimer en même temps les
coordonnées 3D des points de la mire utilisée.
D’un point de vue mathématique, la formulation du problème de calibrage
sous forme d’un système d’équations linéaires est facile à mettre en œuvre -
la décomposition en valeurs singulières [PRE92] est utilisée dans la plupart
des cas - et demande peu de temps de calcul. Par contre, pour atteindre une
précision suffisante dans la détermination des paramètres de calibrage, cette
solution linéaire doit être utilisée comme solution initiale d’une méthode
d’optimisation non linéaire. La méthode de Levenberg-Marquardt [PRE92]
est bien adaptée pour la résolution des équations issues de la vision par ordi-
nateur.
Dans le but de mette au point une méthode de mesure par stéréovision utili-
sant la corrélation en niveaux de gris (cf. section 1 de la partie 2) lors de
chacune des étapes nécessaires à la mesure par stéréovision, nous souhaitons
en particulier utiliser la corrélation pour le calibrage du système stéréoscopi-
que, tout en garantissant une détermination précise des paramètres de cali-
brage. Dans le cadre de cette thèse, deux méthodes de calibrage à partir
d’une mire recouverte d’un motif aléatoire sont proposées et présentées dans
les deux sections suivantes.
118
Section 2 – Calibrage à partir d’une paire d’images d’une mire recouverte d’un motif aléatoire
2 Calibrage à partir d’une paire d’images

d’une mire recouverte d’un motif
aléatoire
2.1 Introduction
2.2 Appariement et calcul de la matrice fondamentale
2.3 Calcul des matrices de projection à partir de la géométrie épipolaire
2.4 D’une reconstruction projective à une reconstruction euclidienne

Connaissance des coordonnées 3D d’un point de la scène
Deux points forment un segment parallèle avec un axe du repère
Distance entre deux points
Connaissance de l’équation de la surface de la mire de calibrage
Résolution numérique
2.5 Calcul des matrices de projection

Calcul linéaire
Calcul non linéaire
2.6 Amélioration des résultats
2.7 Résumé de l’algorithme
2.8 Conclusion
2.1 Introduction
Les méthodes classiques de calibrage présentées dans la section précédente

utilisent des mires constituées de points de références, de droites parallèles
et perpendiculaires entre elles. Une fois les images de la mire acquises, une
méthode d’extraction de ces points d’intérêts est mise en œuvre pour déter-
miner leurs positions dans le plan image. Les paramètres de la fonction re-
liant les coordonnées images et les coordonnées 3D sont déterminés par op-
timisation.
Notre objectif est d’utiliser la méthode de corrélation en niveaux de gris,
présentée à la section 1 de la partie 2, à toutes les étapes de la chaîne de me-
sure : calibrage et reconstructions 3D. La méthode de corrélation étant plus
précise que les méthodes d’extraction de points, de droites ou de contours, le
calibrage pourra ainsi, a priori, être réalisé avec une meilleure précision. Par
contre, une mire de calibrage constituée de points de références ne peut pas
être utilisée. Une méthode basée sur le déplacement de la mire de calibrage
119
d’une quantité connue, comme la méthode proposée par Luo et al. [LOU93]
(cf. § 1.7 de la partie 3), n’a pas été retenue car elle nécessite l’utilisation
d’une table micrométrique et trop d’interventions de la part de l’opérateur.
Au mieux, une mire dont l’équation de la surface est connue et recouverte
d’un motif aléatoire peut être utilisée, comme par exemple un cône ou une
sphère (Figure 3.4).
(a) Cône (b) Sphère
Figure 3.4 : Exemples de mires de calibrage de géométries connues et re-

couvertes d'un motif aléatoire
Il devient alors impossible de calibrer chacune des caméras indépendamment

l’une de l’autre à partir d’images de la mire. Il faut donc utiliser des métho-
des tenant compte du fait que, non pas deux caméras indépendantes, mais
deux caméras rigidement liées et observant la même scène doivent être cali-
brées. Il est alors possible, à partir des points appariés et de l’équation de la
mire photographiée, de calibrer le système stéréoscopique.
Notre objectif est de proposer une méthode de calibrage utilisant une mire
d’équation connue et recouverte d’un motif aléatoire. Les interventions de
l’utilisateur doivent être réduites au strict minimum : idéalement
l’acquisition de seulement une paire d’images de la mire.
Les seules données sont donc :

Une mire de géométrie connue.
Un couple d’images de la mire.
2.2 Appariement et calcul de la matrice fondamentale
L’appariement entre les images gauche et droite de la mire est effectué à par-
tir du logiciel ICASOFT basé sur la corrélation en niveaux de gris (cf. sec-
120
tion 1 de la partie 2). La localisation des points images est donc connue avec
une précision de 1/60ème de pixels.
Sans plus de données a priori que l’ensemble des points appariés, il est pos-
sible de déterminer la géométrie épipolaire du système stéréoscopique en
calculant la matrice fondamentale associée au couple d’images. Les métho-
des de calculs de cette matrice sont présentées à la section 2 de la partie 2.
Une optimisation linéaire (§ 2.3.1 de la partie 2) permet d’initialiser un cal-
cul d’optimisation non linéaire (§ 2.3.2 de la partie 2). Les coordonnées de
l’épipoles e2 sont également calculées (§ 2.3.3 de la partie 2).
L’appariement par la méthode de corrélation permet de réduire le bruit dans
la localisation des points images et une méthode d’optimisation non linéaire
permet de déterminer la matrice fondamentale avec une bonne précision.
2.3 Calcul des matrices de projection à partir de la géométrie épipolaire
Etant donné la géométrie épipolaire sans plus d’information sur les images,
2
il est possible d’obtenir une représentation projective de l’espace et de dé-
terminer les matrices de projection [P1] et [P2] associées à chacune des ima-
ges [FAU93] et définies par :
si1 ⋅ {m i1 ℜ o
1
1
~
~ } = [P ] ⋅ M{ }
i ℜO
et i 2 ℜo
2
2
~
~ } = [P ] ⋅ M
si 2 ⋅ {m i
{ } ℜO (3.4)
Une première méthode proposée par Hartley et al. [HAR92] consiste à dé-
terminer directement les matrices de projection à partir de la matrice fonda-
mentale, sans préciser les repères de travail. Une deuxième méthode est celle
proposée par Faugeras [FAU92] qui utilise cinq points mis en corres-
pondance dans les deux images comme base de référence. Ces points ne doi-
vent pas être coplanaires, vérifier au mieux la géométrie épipolaire et être
correctement répartis dans les images. Une démonstration mathématique de
l’algorithme proposé par Faugeras est également faite dans [CSU96].
Etant donné [F2] la matrice fondamentale associée aux deux images et e2

l’épipole droit, les matrices de projection peuvent alors s’écrire sous la
forme :
2
Une représentation projective de l’espace est définie à une homographie (matrice 4x4) près. La géométrie eu-
clidienne n’est qu’un cas particulier de la géométrie projective.
121
⎡1 0 0 0⎤
[P1 ] = ⎢⎢0 1 0 0⎥⎥ (3.5)
⎢⎣0 0 1 0⎥⎦
2 [
[P ] = [M ] {~e } 2 ℜo ] où [M ] = − 1
2
⋅ [e 2 ]X ⋅ [F2 ]
(3.6)
2
{~e2 }ℜ o2
où [e 2 ]X représente la matrice antisymétrique associée au vecteur {~e2 }ℜo .

2
D’un point de vue numérique, de meilleurs résultats sont obtenus si les coor-
données des épipoles sont normalisées, i.e. si {~e2 }ℜo = 1 .
2
Une fois les matrices de projection déterminées, une reconstruction projec-

tive explicite de la scène peut être obtenue. Pour un point M de l’espace, de
coordonnées euclidiennes {M} = {X , Y , Z } , ses coordonnées projectives sont
T
notées {M '} = {X ' , Y ' , Z ' , T '} . Les coordonnées homogènes du point M, notées
T
{ }
~
M = {X , Y , Z ,1} , s’expriment en fonction des coordonnées projectives par la
T
relation :
{M'} = λ ⋅ {M
~
} (3.7)
~
où λ est un scalaire non nul. {M '} et λ ⋅ M ( { }) représentent le même point pro-
jectif.
La relation (3.7) implique que les coordonnées cartésiennes du point M sont

définies par :
X' Y' Z'

X= Y= Z= (3.8)
T' T' T'
Les coordonnées projectives incluent la possibilité que T’ soit nul. Si T ' = 0 ,

on dit que le point M est à l’infini. Si T ' ≠ 0 , la relation (3.7) s’écrit alors :
{M '} = T '⋅{M
~
} (3.9)
Les méthodes de reconstructions permettant de calculer les coordonnées de

points de l’espace à partir des coordonnées des points images et des matrices
de projection sont présentées à la section 1 de la partie 4.
122
2.4 D’une reconstruction projective à une reconstruction euclidienne
Etant donnée une construction projective de la scène, obtenue à partir des

points appariés dans les deux images, sans autres informations sur la nature
de la scène observée, il est possible d’obtenir une reconstruction euclidienne
grâce à certaines connaissances géométriques de la mire photographiée
[BOU94]. Une reconstruction projective est reliée à une reconstruction eu-
clidienne par une collinéation de l’espace : matrice 4x4, notée [W], possé-
dant 15 paramètres indépendants.
En particulier, si les coordonnées euclidiennes de 5 points de la scène sont
connues, la collinéation permettant de passer d’une reconstruction projective
à une reconstruction euclidienne peut être calculée.
Cependant, il n’est pas possible, dans le cas qui nous intéresse, de connaître
précisément les coordonnées euclidiennes de 5 points appartenant à la mire
photographiée.
Par contre, il est possible d’utiliser des connaissances géométriques de la
mire de calibrage pour imposer des contraintes lors du calcul de la collinéa-
tion. La géométrie euclidienne possède les notions d’angle et de distance. Il
est alors indispensable d’introduire ces notions pour passer d’une géométrie
projective à une géométrie euclidienne. L’idée étant de traiter le passage
d’une reconstruction projective à une reconstruction euclidienne en une
seule étape en contraignant globalement la collinéation [W].
Le problème peut s’énoncer ainsi : étant donné les coordonnées projectives

{M '} = {X ' , Y ' , Z ' , T '}T de points M de la scène, connaissant différentes pro-
priétés géométriques de la mire de calibrage, i.e. des relations entre les coor-
données euclidiennes {M}ℜO = {X , Y , Z } du même point physique, détermi-
T
ner la collinéation [W] telle que :
⎡ w11 w12 w13 w14 ⎤

⎢w w w23 w24 ⎥⎥
{M} = [W ] ⋅ {M '} où [W ] = ⎢ 21 22
(3.10)
⎢ w31 w32 w33 w34 ⎥
ℜO
⎢ ⎥
⎣ w41 w42 w43 w44 ⎦
123
2.4.1 Connaissance des coordonnées 3D d’un point de la scène
Lorsque les coordonnées euclidiennes d’un point M sont connues, par exem-
ple en choisissant un point comme origine du repère euclidien ℜ O , trois
contraintes sur [W] peuvent être imposées :
⎧ w11 ⋅ X '+ w12 ⋅ Y '+ w13 ⋅ Z '+ w14 ⋅ T ' {W1 } ⋅ {M '}
T
⎪X = =
w41 ⋅ X '+ w42 ⋅ Y '+ w43 ⋅ Z '+ w44 ⋅ T ' {W4 } ⋅ {M '}
T
⎪
⎪ w21 ⋅ X '+ w22 ⋅ Y '+ w23 ⋅ Z '+ w24 ⋅ T ' {W2 } ⋅ {M '}
T
⎨ Y = = (3.11)
w41 ⋅ X '+ w42 ⋅ Y '+ w43 ⋅ Z '+ w44 ⋅ T ' {W4 } ⋅ {M '}
T
⎪
⎪ w31 ⋅ X '+ w32 ⋅ Y '+ w33 ⋅ Z '+ w34 ⋅ T ' {W3 } ⋅ {M '}
T
⎪ Z = =
w41 ⋅ X '+ w42 ⋅ Y '+ w43 ⋅ Z '+ w44 ⋅ T ' {W4 } ⋅ {M '}
T
⎩
Dans le cas qui nous intéresse, lors de l’utilisation d’une sphère comme mire
de calibrage (cf. § 2.4 de la partie 5), les coordonnées euclidiennes d’un
point de l’espace peuvent être imposées pour définir l’origine du repère de
l’espace (5.3).
2.4.2 Deux points forment un segment parallèle avec un axe du repère
Lorsqu’un segment de droite M1M2 est parallèle à un des trois axes du repère
euclidien, les deux points ont deux de leurs coordonnées euclidiennes égales.
Par exemple, si M1M2 est parallèle à l’axe Z du repère euclidien ℜ O , les abs-
cisses et les ordonnées des points M1 et M2 sont égales :
X1 = X 2 et Y1 = Y2 (3.12)
ce qui permet d’écrire deux contraintes sur [W] :
⎧ w11 . X '1 + w12 .Y '1 + w13 .Z '1 + w14 .T '1 w11 . X '2 + w12 .Y '2 + w13 .Z '2 + w14 .T '2
⎪⎪ w . X ' + w .Y ' + w .Z ' + w .T ' = w . X ' + w .Y ' + w .Z ' + w .T '
⎨ w . X ' + w .Y ' + w .Z ' + w .T '
41 1 42 1 43 1 44 1 41 2 42 2 43 2 44 2
w . X ' + w .Y ' + w .Z ' + w .T ' (3.13)
⎪ 21 1 22 1 23 1 24 1 = 21 2 22 2 23 2 24 2
⎪⎩ w41 . X '1 + w42 .Y '1 + w43 .Z '1 + w44 .T '1 w41 . X '2 + w42 .Y '2 + w43 .Z '2 + w44 .T '2
124
2.4.3 Distance entre deux points
Soient deux points M1 et M2 tels que la distance d entre ces deux points soit
connue. Dans l’espace euclidien, ceci se traduit par l’équation :
(X 1 − X 2 ) + (Y1 − Y2 ) + (Z1 − Z 2 ) = d 2
2 2 2
(3.14)
En remplaçant dans l’équation (3.14) les coordonnées euclidiennes par leurs

expressions en fonction des coordonnées projectives et des composantes de
la collinéation (3.11), on obtient une contrainte non linéaire sur les compo-
santes de [W].
2.4.4 Connaissance de l’équation de la surface de la mire de calibrage
Le calibrage s’effectuant à partir d’une mire de géométrie connue, l’équation

de la surface doit être vérifiée par chaque point.
Dans le cas du cône, les valeurs de a et b étant supposées connues, la
contrainte s’écrit dans l’espace euclidien :
Z + a⋅ X 2 +Y2 = b (3.15)
Dans le cas de la sphère, le rayon R est supposé connu et la contrainte s’écrit

dans l’espace euclidien :
X 2 + Y 2 + Z 2 = R2 (3.16)
En remplaçant les coordonnées euclidiennes par leurs expressions en fonc-

tion des coordonnées projectives et des composantes de la collinéation
(3.11), un nombre de contraintes sur [W] égal au nombre de points images
appariés est obtenu. A priori, au moins 15 points doivent donc être appariés
pour permettre de déterminer la collinéation [W] à partir de la seule connais-
sance de l’équation de la mire de calibrage photographiée (cf. section 2 de la
parie 5 pour l’exploitation de ce type contraintes).
125
2.4.5 Résolution numérique
Les connaissances sur la scène se traduisent en contraintes sous forme

d’équations liant les composantes de la matrice [W]. Plus de 100 points ima-
ges sont généralement disponibles et utilisables pour établir des contraintes
du type (3.15) ou (3.16). Les équations sont soit linéaires, soit non linéaires.
La résolution d’un tel système d’équations du type (3.11) à (3.16) peut être
effectuée en utilisant une minimisation au sens des moindres carrés.
L’algorithme de Levenberg-Marquardt [PRE92] est bien adapté à ce type de
problème. Comme toute méthode de résolution d’équations non linéaires,
l’algorithme de Levenberg-Marquardt nécessite des valeurs initiales pour les
15 paramètres à déterminer. Cette estimation est le seul garant de la conver-
gence de l’algorithme.
En cas de non-convergence, la résolution du système d’équations peut être
effectuée en utilisant une méthode du type Simplex [PRE92] qui ne néces-
site pas, a priori, d’estimation préalable des paramètres pour converger vers
le minimum global.
2.5 Calcul des matrices de projection
Les composantes de la collinéation [W] ont été déterminées à l’étape précé-

dente. Les coordonnées euclidiennes de points de l’espace sont supposées
connues et avoir été déterminées à partir de l’équation (3.10). Si ces coor-
données sont exprimées dans un repère projectif, affine ou euclidien, les ma-
trices de projection permettront d’obtenir une reconstruction projective, af-
fine ou euclidienne des structures photographiées (cf. Annexe C).
Ce paragraphe présente la méthode de calcul d’une matrice de projection [P]
associée à une caméra. Soit NbPoint le nombre de points appariés. Pour
i=1,…,NbPoint, les coordonnées de points images {m ~ } = {u , v ,1}T et les
i ℜo i i
{ }
i
~
coordonnées 3D des points physiques correspondants M i ℜO = {X i , Yi , Z i ,1}
T
sont supposées connues. Ces coordonnées vérifient l’équation (1.11) rappe-

lée ici :
i ℜo
{ }
~
~ } = [P ] ⋅ M
si ⋅ {m i ℜO (3.17)
126
Dans un premier temps, les coefficients de la matrice de projection sont es-

timés en linéarisant les équations issues de (3.17). Cette estimation permet
d’initialiser une méthode de minimisation non linéaire.
2.5.1 Calcul linéaire
L’équation matricielle (3.17) s’écrit sous forme développée :
⎧ P11 ⋅ X i + P12 ⋅ Yi + P13 ⋅ Z i + P14

⎪⎪ui = P ⋅ X + P ⋅ Y + P ⋅ Z + P
⎨
31 i 32 i 33 i 34
∀ i = 1,..., NbPoint (3.18)
P21 ⋅ X i + P22 ⋅ Yi + P23 ⋅ Z i + P24
⎪vi =
⎩⎪ P31 ⋅ X i + P32 ⋅ Yi + P33 ⋅ Z i + P34
En multipliant des deux cotés de l’égalité par le dénominateur des fractions,

ces équations peuvent s’écrire :
∀ i = 1, K , NbPoint
⎧ P11 . X i + P12 .Yi + P13 .Z i + P14 = ui .(P31 . X i + P32 .Yi + P33 .Z i + P34 ) (3.19)
⎨
⎩ P21 . X i + P22 .Yi + P23 .Z i + P24 = vi .(P31 . X i + P32 .Yi + P33 .Z i + P34 )
Le passage de (3.18) à (3.19) n’est possible que si les dénominateurs de

(3.18) sont non nuls, ce qui est forcément le cas puisque si un point de
l’image est à l’infini, alors il n’est pas visible.
Le système d’équations (3.19) peut s’écrire sous forme matricielle :
[A]⋅ {V} = {0} (3.20)
où [A] est une matrice de dimension NbPoint x 12 obtenue à partir des don-
nées : les coordonnées images et les coordonnées 3D de points. Les compo-
santes de sa ième ligne s’écrivent :
Ai1 = Ai 5 = X i Ai 2 = Ai 6 = Yi
Ai 3 = Ai 7 = Z i Ai 4 = Ai 8 = 1
(3.21)
Ai 9 = −(ui + vi ) ⋅ X i Ai10 = −(ui + vi ) ⋅ Yi
Ai11 = −(ui + vi ) ⋅ Z i Ai10 = −(ui + vi )
127
Le vecteur {V} est constitué des inconnues : les composantes de la matrice

de projection.
{V} = {P 11
P12 P13 P14 P21 P22 P23 P24 P31 P32 P33 P34 }
T
(3.22)
Afin d’éviter la solution triviale {V}={0} et puisque la matrice de projection

est définie à un facteur près, on impose P34=1. La méthode numérique per-
mettant de résoudre le système surdéterminé est présentée au § 2.3.1.1 de la
partie 2. Elle est basée sur une méthode des moindres carrés utilisant la Dé-
composition en Valeurs Singulières de la matrice [A].
2.5.2 Calcul non linéaire
La solution obtenue à partir de l’équation linéaire (3.20) permet d’initialiser

une méthode de minimisation non linéaire. Les paramètres à déterminer sont
les coefficients de la matrice [P]. La fonction a minimiser est la distance me-
surée dans le plan image entre les points observés et la projection de leurs
reconstructions :
{P1 } ⋅ {M i }ℜO {P2 } ⋅ {M i }ℜO

2 2
n ⎛ T
⎞ ⎛ T
⎞
∑ ⎜ ui −
⎜ {P3 }T ⋅ {M i }ℜO
⎟ + ⎜ vi −
⎟ ⎜ {P3 }T ⋅ {M i }ℜO
⎟
⎟
(3.23)
i =1
⎝ ⎠ ⎝ ⎠
Comme pour le calcul linéaire, la matrice de projection étant définie à un

facteur près, on impose P34=1. L’algorithme de Levenberg-Marquardt est
utilisé pour déterminer [P].
2.6 Amélioration des résultats
~
A ce stade, les coordonnées 3D M i { } ℜO
des points de la mire ont été détermi-
nées à partir de la relation (3.10) valable pour chaque point, et les matrices
de projection [P1] et [P2] permettant de calibrer le système stéréoscopique
ont été calculées (§ 2.5). Ces résultats peuvent être améliorés par une procé-
dure itérative visant à optimiser alternativement :
~
Les coordonnées 3D M i { } ℜO
des points de l’espace : les composantes des
matrices de projection [P1] et [P2] étant fixées, la procédure présentée au
128
§ 1.4 de la partie 4 est utilisée, en imposant la contrainte supplémentaire

que les coordonnées 3D doivent vérifier l’équation de la surface de la
mire photographiée.
~
Les matrices de projection [P1] et [P2] : les coordonnées 3D M i ℜO des { }
points de l’espace étant fixées, la méthode non linéaire présentée au
§ 2.5.2 est utilisée.
Un calcul en boucles est ainsi effectué en calculant les coordonnées 3D puis

les matrices de projection jusqu'à ce qu’une certaine précision soit atteinte
entre deux itérations.
Les différentes étapes de calibrage des caméras du système stéréoscopique à

partir d’un couple d’images sont résumées ici :
Acquisition par un système stéréoscopique d’un couple d’images d’une

mire de géométrie connue recouverte d’un motif aléatoire.
Appariement avec ICASOFT des deux images (section 1 de la partie 2).
Détermination de la géométrie épipolaire à partir de l’ensemble des
points appariés.
· Calcul linéaire de la matrice fondamentale (§ 2.3.1 de la partie 2).
· Calcul non linéaire de la matrice fondamentale (§ 2.3.2 de la partie 2).
· Détermination des coordonnées des épipoles (§ 2.3.3 de la partie 2).
Estimation des matrices de projection à partir de la géométrie épipolaire
(§ 2.3).
Calcul des coordonnées projectives des points de la scène (section 1 de la
partie 4).
Détermination de la collinéation permettant de déterminer les coordon-
nées euclidiennes des points de la scène connaissant la géométrie de la
mire de calibrage (§ 2.4).
Calcul des matrices de projection associées aux coordonnées 3D eucli-
diennes.
· Calcul linéaire (§ 2.5.1).
· Calcul non linéaire (§ 2.5.2).
Procédure itérative :
· Calcul des coordonnées 3D euclidiennes de la mire (§ 1.4 de la partie 4) en
imposant que les coordonnées 3D vérifient l’équation de la surface de la
mire.
· Calcul des matrices de projection (§ 2.5.2).
jusqu’à atteindre la précision demandée sur les coordonnées 3D et les ma-
trices de projection.
129
2.8 Conclusion
Les résultats obtenus sur des mesures de champs de déplacements et de dé-

formations (cf. partie 4) à partir de cette méthode de calibrage sont présen-
tées à la section 2 de la partie 5. Aux vues de ces résultats, un seul couple
d'images d'une mire de géométrie connue n'est pas suffisant pour calibrer le
système stéréoscopique dans un espace euclidien. Les connaissances a priori
sur la scène décrites au § 2.4 disponibles dans notre cas ne permettent de
travailler que dans un espace affine et pas euclidien (cf. Annexe C).
Une nouvelle approche a alors été envisagée utilisant plusieurs couples
d'images de la mire recouverte d'un motif aléatoire. Cette méthode est dé-
crite dans la section 3.
130
Section 3 – Calibrage à partir de plusieurs paires d’images d’une mire recouverte d’un motif aléatoire
3 Calibrage à partir de plusieurs paires

d’images d’une mire recouverte d’un
motif aléatoire
3.1 Introduction
3.2 Choix de la position du repère objet
3.3 Hypothèses sur les paramètres intrinsèques
3.4 Calcul linéaire de la transformation rigide et de la profondeur

Calcul de la translation {t j }
Calcul de la rotation [R j ] et de la profondeur
3.5 Calcul non linéaire de la transformation rigide et de la profondeur
3.6 Détermination de la transformation rigide entre la caméra 1 et le

repère objet
3.7 Détermination globale de l’ensemble des paramètres
3.9 Conclusion
3.1 Introduction
Le calibrage à partir d’une paire d’images n’ayant pas apporté les résultats
attendus pour le calcul des champs de déplacements et de déformations (sec-
tion 2 de la partie 5), une autre approche a été envisagée utilisant plusieurs
paires d’images de la mire. Dans ce paragraphe, les données pour le cali-
brage sont donc :
Une mire recouverte d’un motif aléatoire de géométrie connue.

Plusieurs couples d’images de la mire. L’appariement entre les images
est réalisé par corrélation par rapport à l’image 1, celle acquise par la
caméra gauche, la mire étant dans sa position initiale.
Les déplacements de la mire entre les différentes prises de vues ne sont pas
supposés connus. La transformation rigide entre chacune des images doit
donc également être calculée lors de la phase de calibrage. Afin de garder
une certaine homogénéité dans l’ensemble des paramètres à déterminer, la
formulation mathématique du modèle de caméra sténopé (1.13) où intervien-
131
nent des paramètres ayant une signification physique a été préférée à celle
faisant intervenir les matrices de projection (1.12).
3.2 Choix de la position du repère objet
Pour i=1,…,NbPoint et pour j=1,…,NbImage, la relation entre les coordon-

~
{ }
nées homogènes M i ℜO d’un point de l’espace et les coordonnées homogè-
nes {m
~ } de son projeté dans le plan de la jème image s’écrit :
ij ℜ
oj
~ } = [P ]⋅ M
sij ⋅ {m ij ℜ j
oj
~
i
{ } ℜO
où [P ] = [II ]⋅ [I]⋅ [D ]
j
j
N j (3.24)
soit, sous forme matricielle :
⎡ r11j r12j r13j t xj ⎤ ⎧ X i ⎫

⎧uij ⎫ ⎡α u 0 ⎤ ⎡1 0 0 0⎤ ⎢ j
j j
u c ⎥ ⎪ ⎪
⎪ ⎪ ⎢ ⎥ ⎢ r22j r23j t yj ⎥ ⎪ Yi ⎪
v ⎥ ⋅ ⎢0 1 0 0⎥⎥ ⋅ ⎢ 21j
r
sij ⋅ ⎨vij ⎬ = ⎢ 0 α vj j
⋅⎨ ⎬ (3.25)
⎢r t zj ⎥ ⎪ Z i ⎪
c
⎪1⎪ ⎢ 0 r32j r33j
⎩ ⎭ ⎣ 0 1 ⎥⎦ ⎢⎣0 0 1 0⎥⎦ ⎢ 31 ⎥
⎢⎣ 0 0 0 1 ⎥⎦ ⎪⎩ 1 ⎪⎭
et sous forme développée :
⎧ j r11 ⋅ X i + r12 ⋅ Yi + r13 ⋅ Z i + t x

j j j j
⎪ ij
u = α ⋅ + ucj
⎪
u
r31 ⋅ X i + r32 ⋅ Yi + r33 ⋅ Z i + t z
j j j j
i = 1,..., NbPoint
⎨ pour (3.26)
⎪v = α j ⋅ 21 ⋅ X i + r22 ⋅ Yi + r23 ⋅ Z i + t y + v j j = 1,..., NbI mage
j j j j
r
⎪⎩ ij v
r31j ⋅ X i + r32j ⋅ Yi + r33j ⋅ Z i + t zj
c
Boufama [BOU99] propose une méthode de calcul des paramètres extrinsè-

ques, des transformations rigides et de la profondeur des points de l’espace
par rapport à la caméra 1, en supposant connus les paramètres intrinsèques.
Cette méthode exposée ici permet d’initialiser l’approche proposée par La-
vest et al. [LAV99] pour la détermination globale de l’ensemble des paramè-
tres.
Puisque aucune hypothèse n’a été faite sur la position du repère objet ℜ O , le
repère de la première caméra ℜ C1 peut-être choisi comme repère de réfé-
rence. Ainsi, les coordonnées d’un point de l’espace exprimées dans le re-
~
{ }
père de la première caméra M i ℜC sont également celles exprimées dans le
1
132
~
repère objet M i { } ℜO
. Un tel choix permet de simplifier l’expression de la ma-
trice de projection [P1] associée à la caméra 1 puisque [D1] est égale à la ma-
trice identité. La relation (3.24) s’écrit alors, pour la caméra 1 :
~ } = [P ] ⋅ M
si1 ⋅ {m
~
{ } ⎡α1u 0 uc1 0⎤
i1 ℜo 1 i ℜO
[P1 ] = [II1C ] ⎢ ⎥
= ⎢ 0 α1v vc1 0 ⎥
~
{ } où (3.27)
1
= [P1 ] ⋅ M i ℜC1 ⎢ 0 0 1 0 ⎥
⎣ ⎦
3.3 Hypothèses sur les paramètres intrinsèques
Les paramètres intrinsèques peuvent être déterminés à partir des données du

constructeur. Ces paramètres sont donc, dans un premier temps, supposés
être connus, même de manière imprécise, et supposés être identiques pour
les deux caméras. Ils seront calculés précisément par optimisation dans un
second temps.
Les coordonnées des points images exprimées dans le repère caméra ℜ C j
sont reliés à celles exprimées dans le repère image ℜ o j par la matrice des pa-
ramètres intrinsèques :
⎧uij ⎫ ⎡α u 0 u cj ⎤ ⎧ xij ⎫
j
⎪ ⎪ ⎢ ⎥ ⎪ ⎪
⎨vij ⎬ = ⎢ 0 α vj v cj ⎥ ⋅ ⎨ yij ⎬ (3.28)
⎪1⎪ ⎢ 0 0 1 ⎥⎦ ⎪⎩ 1 ⎪⎭
⎩ ⎭ ⎣
soit :
uij − u cj vij − v cj
xij = et yij = (3.29)
α uj α vj
(3.26) s’écrit alors :

⎪ ij
x =
⎪ r31j ⋅ X i + r32j ⋅ Yi + r33j ⋅ Z i + t zj i = 1,..., NbPoint
⎨ pour (3.30)
r j ⋅ X + r j ⋅Y + r j ⋅ Z + t j j = 1,..., NbI mage
⎪ y = 21 i 22 i 23 i y
⎪ ij r j ⋅ X i + r j ⋅ Yi + r j ⋅ Z i + t j
⎩ 31 32 33 z
133
Ces équations ont été établies et étudiées dans la section 2 de la partie 1

(§ 2.3). Elles peuvent s’écrire plus simplement sous la forme :
( )
⎧⎪ xij ⋅ r31j .xi1 + r32j ⋅ yi1 + r33j + βi ⋅ t zj = r11j ⋅ xi1 + r12j ⋅ yi1 + r13j + βi ⋅ t xj
⎨
( j j j
)
⎪⎩ yij ⋅ r31 ⋅ xi1 + r32 ⋅ yi1 + r33 + βi ⋅ t z = r21 ⋅ xi1 + r22 ⋅ yi1 + r23 + βi ⋅ t y
j j j j j (3.31)
1
où βi = est l’inverse de la profondeur du ième point par rapport à la ca-
Z iC1
méra 1.
Mi
Image1
Image de référence
zj Image j
o1 u
1
v1 z1 oj
mi1 uj cij
ci1 vj
Caméra 1 mij
Caméra de Caméra j
référence
{tj} xj
C1
x1 Cj
y1 yj
[Rj]
Figure 3.5 : Relation géométrique entre les repères caméras 1 et j
Les inconnus de ce système d’équations (3.31) sont les neuf composantes de

la matrice de rotation [Rj], les trois composantes du vecteur translation {tj}
et les coefficients βi . Notons que la transformation rigide est effectuée entre
le repère caméra 1 et le repère de jème caméra comme illustré sur la Figure
3.5 : {tj} est le vecteur translation entre la caméra 1, de référence, et la ca-
méra j, i.e. le vecteur C j C1 défini dans le repère ℜ C j ; [Rj] est la matrice de
rotation entre la caméra de référence et la caméra j.
134
Les équations (3.31) présentent l’inconvénient d’être non linéaire en les trois
termes β i ⋅ t xj , β i ⋅ t yj et β i ⋅ t zj . Mais il est possible d’estimer l’ensemble des
paramètres malgré cette non-linéarité.
3.4 Calcul linéaire de la transformation rigide et de la profondeur
La projection du point C1 sur le plan de la jème image correspond à l’épipole

ej. La méthode de calcul des épipoles directement à partir des points appariés
a été exposée à la section 2 de la partie 2 (§ 2.4). L’estimation par optimisa-
tion linéaire de la transformation rigide et de la profondeur [BOU99] est
présentée ici dans le cas où l’image 1 est utilisée comme image de référence.
3.4.1 Calcul de la translation {t j}
{
Les coordonnées homogènes {~e j } = euj j , evjj , ewj j }T
de l’épipole ej dans la jème
image sont supposées avoir été calculées. Puisque le point C1 est l’origine du
repère de référence, ses coordonnées homogènes exprimées dans le repère
~
{ } T ~
{ }
ℜ C1 sont C1 = {0,0,0,1} . Les coordonnées C1 et {~e j } sont liées par la rela-
tion de projection (3.24) qui s’écrit dans ce cas :
{ }
s ⋅ {e j } = [P j ]⋅ C1
~
(3.32)
Sous forme développée, cette relation se réduit à :
⎧ euj ⎫ ⎧α uj ⋅ t xj + ucj ⋅ t zj ⎫
⎪ j⎪ ⎪ ⎪
s ⋅ ⎨ evjj ⎬ = ⎨α vj ⋅ t yj + vcj ⋅ t zj ⎬ (3.33)
⎪e j ⎪ ⎪ t zj ⎪
⎩ wj ⎭ ⎩ ⎭
Deux cas peuvent alors se présenter : les cas où ewj j = 0 , ce qui implique que
t zj = 0 et le cas où ewj j ≠ 0 qui implique que t zj ≠ 0 .
Cas 1 : t zj = 0 . La relation (3.33) étant définie à un facteur scalaire près, en

éliminant le facteur scalaire s, il vient la relation :
135
α uj j
⋅ evjj ⋅ t xj − euj j ⋅ t yj = 0 (3.34)
α j
vj
Bien que les paramètres intrinsèques α uj j et α vj j soient connus de manière

approximative à partir des données du constructeur, le rapport α uj j α vj j est
indépendant de la distance focale et l’approximation est généralement connu
assez précisément.
La relation (3.34) n’est pas suffisante pour en déduire explicitement les va-
leurs de t xj et t yj . Mais comme il est impossible déterminer la norme de la
translation {tj} à cause de l’ambiguïté taille / distance, seulement deux pa-
ramètres de {tj} peuvent être déterminés. Ainsi, on peut supposer que t xj = 1
(si exj j est non nul) ou bien que t yj = 1 (si e yj j est non nul).
Cas 2 : t zj ≠ 0 . Dans ce cas, on peut poser t zj = 1 . La relation (3.33) permet

alors d’écrire un système de deux équations linéaires en t xj et t yj .
Les translations ainsi déterminées sont définies à un facteur d’échelle près

qui peut être déterminé si une métrique, telle que la distance entre les deux
caméras du système stéréoscopique, est injectée.
3.4.2 Calcul de la rotation [R j] et de la profondeur
Les composantes du vecteur translation {tj} étant déterminées grâce à la

connaissance de l’épipole ej, le système d’équation (3.31) est linéaire en les
composantes de la matrice de rotation [Rj] et de l’inverse de la profondeur
βi. Ces paramètres peuvent facilement être calculés par une méthode
d’optimisation linéaire.
3.5 Calcul non linéaire de la transformation rigide et de la profondeur
Les résultats obtenus par optimisation linéaire peuvent être améliorés par
une méthode d’optimisation non linéaire des équations (3.31), comme par
exemple l’algorithme de Levenberg-Marquardt [PRE92] . Cette optimisation
permet d’améliorer la précision des résultats et de tenir compte des contrain-
tes sur les matrices de rotation et les vecteurs translation :
136
Les matrices de rotations et les vecteurs translation ne sont pas tous in-
dépendants lorsque les images sont acquises, comme dans notre cas, par
deux caméras rigidement liées. Les relations entre les différentes trans-
formations rigides sont présentées au § 2.3.2 de la partie 1.
La matrice de rotation est orthogonale et possède seulement trois paramè-
tres indépendants § 2.3.3 de la partie 1.
3.6 Détermination de la transformation rigide entre la caméra 1 et le

repère objet
L’équation de la surface de la mire de calibrage est supposée connue. Dans

le cas de l’utilisation d’une sphère, le rayon R de la relation (3.35) est connu.
X i2 + Yi 2 + Z i2 = R 2 (3.35)
Cette équation doit être vérifiée par tous les points Mi de l’espace dont les
coordonnées sont exprimées dans un repère lié à la mire photographiée. Les
calculs effectués jusqu’à présent ont permis de connaître les coordonnées de
ces points dans le repère caméra 1. Un changement de repère doit donc être
effectué de sorte que les coordonnées des points Mi exprimées dans ℜ O
soient données par le système d’équations :
⎧ X i = r111 ⋅ X iC1 + r121 ⋅ YiC1 + r131 ⋅ Z iC1 + t 1x

⎪
⎨Yi = r21 ⋅ X iC1 + r22 ⋅ YiC1 + r23 ⋅ Z iC1 + t y
1 1 1 1
(3.36)
⎪Z = r1 ⋅ X + r1 ⋅ Y + r1 ⋅ Z + t1
⎩ i 31 iC1 32 iC1 33 iC1 z
en tenant compte de l’équation de la surface (3.35). Les inconnues à déter-

miner sont donc au nombre de (6 + 3 x NbPoint) :
Xi, Yi, Zi, soit (3 x NbPoint) inconnus,

les trois paramètres de la rotation [R1],
les trois composantes de la translation {t1},
pour (4 x NbPoint) relations données par (3.35)et (3.36). Une optimisation

linéaire peut dans un premier temps être utilisée permettant d’initialiser une
optimisation non linéaire tenant compte des contraintes d’orthogonalités de
la matrice de rotation.
137
3.7 Détermination globale de l’ensemble des paramètres
Les étapes précédentes ont permis d’obtenir :
Pour j=1,…,NbImage une estimation :

· des composantes des matrices de rotation [Rj],
· des composantes du vecteur translation {tj}.
Pour i=1,…,NbPoint une estimation :
· de l’inverse de la profondeur βi des points Mi par rapport à la caméra 1 (et
donc les coordonnées {X iC1 , YiC1 , Z iC1 } grâce aux relations (1.38)),
· des coordonnées 3D des points Mi exprimées dans ℜ O .
Lavest et al. [LAV99] proposent une méthode de calibrage à partir de plu-

sieurs images d’une mire qui permet de réestimer la géométrie de la mire en
même temps que les paramètres intrinsèques de la caméra (cf. § 1.8).
En exprimant les coordonnées 3D des points Mi dans le repère ℜ C1 , le sys-

tème d’équations (3.26) s’écrit :
⎧ r11j ⋅ X iC1 + r12j ⋅ YiC1 + r13j ⋅ Z iC1 + t xj

⎪ ij
u = α j
⋅ + ucj
⎪
u
r31j ⋅ X iC1 + r32j ⋅ YiC1 + r ⋅ Z iC1 + t
j
33
j
i = 1,..., NbPoint
⎨
z
pour
⎪v = α j ⋅ r21 ⋅ X iC1 + r22 ⋅ YiC1 + r ⋅ Z iC1 + t j = 2,..., NbI mage (3.37)
j j j j
+ vcj
23 y
⎪⎩ ij v
r31j ⋅ X iC1 + r32j ⋅ YiC1 + r ⋅ Z iC1 + t
j
33 z
j
Les images étant acquises par deux caméras montées sur un banc stéréosco-
pique, 8 paramètres intrinsèques sont à déterminer en remarquant que :
α uj = α1u α vj = α1v ucj = u c1 vcj = vc1 si j est impaire.

(3.38)
α uj = α u2 α vj = α v2 u cj = u c2 vcj = vc2 si j est paire.
Lors de cette optimisation, les coordonnées {X iC1 , YiC1 , Z iC1 } des points Mi sont
également estimées, en tenant compte de l’équation de la surface de la mire :
138
X i2 + Yi 2 + Z i2 = R 2 où :
⎧ X i = r111 ⋅ X iC1 + r121 ⋅ YiC1 + r131 ⋅ Z iC1 + t 1x
⎪ (3.39)
⎨Yi = r21 ⋅ X iC1 + r22 ⋅ YiC1 + r23 ⋅ Z iC1 + t y
1 1 1 1
⎪Z = r1 ⋅ X + r1 ⋅ Y + r1 ⋅ Z + t1
⎩ i 31 iC1 32 iC1 33 iC1 z
Dans un second temps, les transformations rigides [Dj] pour j=1,…,NbImage

sont calculées en considérant les composantes de [Rj] et {tj} comme incon-
nues des équations (3.37) et (3.39).
Ces deux optimisations peuvent être effectuées lors d’un processus itératif,
jusqu’à ce qu’entre deux itérations la précision demandée par l’utilisateur
soit atteinte. La méthode de résolution non linéaire, telle que l’algorithme de
Lenvenberg-Marquardt [PRE92] , est initialisée par les estimations des pa-
ramètres calculées aux étapes précédentes.
Enfin, si les images de la mire de calibrage ont été acquises correctement,

i.e. si la mire a été photographiée dans les quatre coins des images, il est
possible de calculer les paramètres de distorsions (3.3) en plus des 8 paramè-
tres intrinsèques. Des valeurs nulles de ces paramètres sont prises comme
valeurs initiales de l’optimisation.
Les différentes étapes de calibrage des caméras du système stéréoscopique à

partir de plusieurs couples d’images sont résumées ici.
Une mire de calibrage de géométrie connue est considérée. Des paires

d’images de la mire dans différentes positions sont acquises. Pour pou-
voir déterminer les paramètres de distorsion, il convient de photographier
la mire dans les coins de certaines images.
L’appariement des images est réalisé avec ICASOFT (section 1 de la par-
tie 2) par corrélation par rapport à l’image 1. Les coordonnées des points
images exprimées dans les repères images ℜ o j sont ainsi déterminées.
Les paramètres intrinsèques des caméras sont supposés connus à partir
des données du constructeur. Les coordonnées des points images expri-
mées dans les repères caméras ℜ C j sont calculées (3.29).
Les coordonnées des épipoles ej exprimées dans ℜ o j sont calculées (§ 2.4
de la partie 2).
Les composantes des vecteurs translations sont calculées à un facteur
d’échelle près (§ 3.4.1). A cause se l’ambiguïté taille / distance, une mé-
139
trique, comme par exemple la distance entre les deux caméras, doit être
donnée pour déterminer ce facteur d’échelle.
Les composantes des matrices de rotation [Rj] et l’inverse de la profon-
deur des points de l’espace par rapport au repère caméra sont estimés
(§ 3.4.2).
Le calcul des transformations rigides et de l’inverse de la profondeur est
affiné par une méthode d’optimisation non linéaire (§ 3.5).
La transformation rigide entre la caméra 1 et le repère objet est détermi-
née en utilisant l’équation de la surface de la mire de calibrage (§ 3.6).
L’ensemble des paramètres, y compris les paramètres de distorsions, est
calculé lors d’un processus itératif de deux optimisations non linéaires
(§ 3.7).
3.9 Conclusion
L’originalité de la méthode de calibrage présentée dans cette section, réside

dans l’utilisation d’une mire de calibrage recouverte d’un motif aléatoire
dont les coordonnées 3D de points de références ne sont pas connues. Seule
l’équation de la surface de la mire est connue. La procédure de calibrage est
initialisée par des méthodes dites d’autocalibration, à partir uniquement d’un
ensemble de points appariés. Ces méthodes, développées en vision par ordi-
nateur, sont principalement utilisées dans le cadre de la robotique mobile.
Cette première étape permet d’initialiser des méthodes plus robustes utilisées
en photogrammétrie dans le cas où les coordonnées de points images sont
connues. L’utilisation de la méthode de corrélation en niveaux de gris à
l’étape de calibrage permet de déterminer avec une précision de 1/60ème de
pixels la position des points dans les plans images. La connaissance de la
position des points images étant le point de départ de la méthode de cali-
brage, la corrélation en niveaux de gris permet, a priori, de déterminer préci-
sément les paramètres des caméras.
Une fois calibré, le système stéréoscopique peut être utilisé pour reconstruire
en 3D les structures photographiées et recouvertes d’un motif aléatoire. A
partir d’une reconstruction de la structure dans son état initial et d’une re-
construction de la structure après déformations, les champs de déplacements
et de déformations peuvent être calculés. Cette étape est présentée dans la
partie 4.
Notons que cette méthode de calibrage à partir de plusieurs couples d'images
d'une mire recouverte d'un motif aléatoire n’est qu’une approche proposée et
qu’elle n'a pas fait l'objet de validations dans le cadre de cette thèse, par
manque de temps nécessaire à sa mise en œuvre. Par contre, parallèlement
aux recherches menées au laboratoire, le module de corrélation a été implan-
140
té dans le logiciel ASAME développé par la société CamSys, ce qui a permis

au laboratoire d’acquérir un logiciel de mesure de champs de déplacements
et de déformations 3D. Plusieurs études ont alors été menées au laboratoire
pour valider cette version du logiciel (cf. section 3 de la partie 5) et la tester
sur différents essais (cf. partie 6 et partie 7).
141
Partie 4
Reconstructions 3D et
détermination des champs
de déplacements et de
déformations
143
144
Section 1 – Reconstructions 3D
1 Reconstructions 3D
1.1 Introduction
1.2 Reconstruction par l’intersection des rayons optiques
1.3 Reconstruction par la distance minimale entre deux rayons optiques
1.4 Reconstruction par reprojection sur les images

Méthode de reconstruction linéaire
Méthode de reconstruction non linéaire
1.5 Mesure de la qualité d’une reconstruction
1.6 Conclusion
1.1 Introduction
L’étape de reconstruction tridimensionnelle consiste à calculer la géométrie

de la scène observée par le système stéréoscopique. A partir des paramètres
ou des matrices de projection déterminées lors de la phase de calibrage (cf.
partie 3) et des points images mis en correspondance (cf. section 1 de la par-
tie 2), l’objectif est de déterminer les coordonnées 3D des points appariés
correspondants à des points physiques de l’espace. Dans cette section, les
méthodes de reconstructions de points sont présentées. Il existe cependant
d’autres approches mieux adaptées à la reconstruction d’autres primitives
telles que les droites [CSU69]. Les relations utilisées sont celles déduites, de
l’équation (1.11) pour la caméra gauche et la caméra droite :
si1 ⋅ {m i1 ℜ o
1
1
{ }
~
~ } = [P ] ⋅ M
i ℜO
et i 2 ℜo
2
2
{ }
~
~ } = [P ] ⋅ M
si 2 ⋅ {m i ℜO (4.1)
Le problème de la reconstruction peut s’énoncer ainsi : étant donné un cou-

ple de points images mis en correspondance mi1 et mi2, le système stéréosco-
pique étant calibré, déterminer les coordonnées 3D du point physique Mi.
Plusieurs approches sont possibles pour calculer les coordonnées des points
Mi : en déterminant l’intersection des rayons optiques, en calculant la dis-
tance minimale entre deux rayons optiques ou en déterminant la reprojection
des points 3D sur le plan image.
145
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
1.2 Reconstruction par l’intersection des rayons optiques
Cette méthode de reconstruction est basée sur le fait qu’à partir des matrices
de projection, les rayons optiques correspondant au couple de points appa-
riés peuvent être estimés. Théoriquement, ces rayons se croisent au point 3D
cherché. En pratique, à cause du bruit dans les images et des incertitudes sur
les matrices de projection calculées, ces rayons optiques ne se croisent pas,
sauf si la contrainte épipolaire est imposée lors de l’appariement ce qui n’est
pas notre cas. Cependant, un point de l’espace qui minimise les conditions
algébriques d’appartenance aux deux rayons optiques peut être déterminé
grâce à la méthode des moindres carrés. Cette approche, minimisant des
conditions algébriques, peut être utilisée pour des reconstructions projecti-
ves, affines ou euclidiennes.
∏∞
m i1∞
∞
m i2
Mi
mi1
mi2
x2
C1
x1 C2
y1 y2
Figure 4.1 : Mi est l’intersection des droites (C1mi1) et (C2mi2)
La méthode est illustrée sur la Figure 4.1. Elle consiste, pour chaque paire de
points mis en correspondance mi1 et mi2, à déterminer les intersections des
droites (C1mi1) et (C2mi2).
Dans un premier temps, les points d’intersection mi∞1 et mi∞2 de ces deux droi-
tes avec le plan à l’infini ∏ ∞ sont déterminés. Les coordonnées projectives
146
de ces points {m i∞1 } = {X i∞1 , Yi1∞ , Z i∞1 ,0} et {m i∞2 } = {X i∞2 , Yi 2∞ , Z i∞2 ,0} sont définies
T T
par :
{m } i1 ℜo
= [P1 ] ⋅ {m i∞1 } et {m }
i 2 ℜo
= [P2 ] ⋅ {m i∞2 } (4.2)
1 2
Les matrices de projection [Pj]j=1,2, de dimension 3x4, peuvent s’écrire sous

la forme :
[Pj]=[[Qj] {qj}] (4.3)

où [Qj] est une matrice 3x3 de rang 3 et {qj} est un vecteur de dimension 3.
En utilisant cette décomposition, les coordonnées de {m i∞1 } et {m i∞2 } peuvent

être déterminées grâce aux relations :
{m } = [Q ] ⋅ {m }
∞
ij j
−1
ij ℜ
oj
(4.4)
Et les coordonnées {C j } des centres de projection Cj sont définies par :
{C } = −[Q ] ⋅ {q }
j j
−1
j (4.5)
Le point Mi de coordonnées homogènes {M i } = {X i , Yi , Z i , Ti } appartenant aux

T
droites (C1mi1) et (C2mi2), il existe quatre coefficients α1, α2, β1 et β2 tels

que :
⎧{C j }⎫ ⎧{m ij∞ }⎫

{M } = α ⋅
j ⎨ + β
⎬ i ⎨ ⋅ ⎬ (4.6)
⎩ 1 ⎭
i
⎩ 0 ⎭
En éliminant les coordonnées du point Mi de l’équation (4.6) et en divisant

par β2 (différent de zéro, sauf si Mi appartient au plan infini), on obtient le
système :
α1 ⎧{C }⎫ β ⎧{m ∞ }⎫ α ⎧{C }⎫ ⎧{m ∞ }⎫

⋅⎨ 1 ⎬+ 1 ⋅ ⎨ i1 ⎬ − 2 ⋅ ⎨ 2 ⎬ = ⎨ i2 ⎬ (4.7)
β2 ⎩ 1 ⎭ β2 ⎩ 0 ⎭ β2 ⎩ 1 ⎭ ⎩ 0 ⎭
α1 β1 α
à quatre équations et trois inconnues , et 2 qui se résout par une
β2 β2 β2
méthode d’optimisation linéaire aux moindres carrés.
147
1.3 Reconstruction par la distance minimale entre deux rayons optiques
Cette méthode, similaire à la précédente, consiste à trouver le point le plus

proche des deux rayons optiques. Par contre, contrairement à la méthode
précédente, elle suppose que les caméras sont représentées dans un espace
euclidien puisqu’elle utilise les notions de distance et d’orthogonalité (cette
méthode ne peut pas s’appliquer au cas de la reconstruction projective pré-
sentée au § 2.3.2, section 2 de la partie 3). Comme précédemment, le fait que
ces rayons ne se croisent pas, implique de rechercher le point de l’espace qui
s’approche au mieux des deux droites. En présence d’un espace métrique, il
est possible de trouver géométriquement le point situé à la plus petite dis-
tance des rayons optiques.
Mi
mi2
mi1
x2
C1
x1 C2
y1 y2
Figure 4.2 : Mi est situé à la distance minimale entre les droites (C1mi1)
et (C2mi2)
1.4 Reconstruction par reprojection sur les images
Cette méthode consiste à déterminer les coordonnées du point Mi qui mini-

misent la distance mesurée dans les images entre les points images observés
et la projection de leur reconstruction.
Cette méthode a été préférée aux deux autres méthodes brièvement décrites
précédemment. Dans le cas de mise en correspondance des points images à
partir d’une méthode de corrélation en niveaux de gris, les seules données
148
connues précisément sont les coordonnées des points images appariés avec
ICASOFT (section 1 de la partie 2). Il est donc logique de travailler dans les
plans images.
Les équations de reconstruction (4.1) s’écrivent sous la forme :
⎧
⎪u i1 =
{P11 }T {~
⋅ Mi }
ℜO
⎧
⎪u i 2 =
{
{P12 }T ⋅ M~ i }
ℜO
⎪ {P 31 }T {~
⋅ Mi }
ℜO
⎪ {
{P 32 }T ⋅ M~ i }
ℜO
⎨
⎪ {P21 }T {~
⋅ Mi }
ℜO
et ⎨
⎪ {
{P22 }T ⋅ M~ i }
ℜO
(4.8)
⎪ v i1 = 1 T ⎪ v i1 = 2 T ~
⎩ {P 3 } {~
⋅ Mi }
ℜO ⎩ {
{P 3 } ⋅ M i }
ℜO
1.4.1 Méthode de reconstruction linéaire
Les équations du système (4.8) peuvent s’écrire sous la forme d’un système
linéaire :
[A]⋅ {M
~
} i ℜO
= {0} (4.9)
où [A] est une matrice NbPoint x 4 dont les composantes sont définies par :
Ai1 = {P11 } − ui1 ⋅ {P31 } Ai 3 = {P12 } − ui 2 .{P32 }

T T T T
(4.10)
Ai 2 = {P21 } − vi1 ⋅ {P31 } Ai 4 = {P22 } − vi 2 .{P32 }
T T T T
Le système linéaire (4.9) est résolu par la méthode de Décomposition en Va-

leurs Singulières de la matrice [A].
1.4.2 Méthode de reconstruction non linéaire
La méthode de reconstruction linéaire a l’avantage de conduire à une mé-

thode de calcul non itérative, facile à mettre en œuvre. Par contre, la quantité
minimisée n’a pas de signification physique. Il est préférable de minimiser la
distance mesurée dans les images entre les points images observés et la pro-
jection de leur reconstruction :
149
⎛
⎜u − {P }
1 T
⋅
~
M{i
}
ℜ
2
⎞ ⎛
⎟ + ⎜v − {P }
1 T
2
⋅
~
M{i
}
ℜ
⎞
2
⎟ +
{ } { }
1
⎜ i1 {P1 }T ⋅ M { }
O O
~ ⎟ ⎜ i1 ~ ⎟
⎝ 3 i ℜO ⎠ ⎝ P 1 T
3
⋅ M i ℜO ⎠
(4.11)
{ } ~
{ } { } ~
{ }
2 2
⎛ P 2 T
⋅ M ⎞ ⎛ P 2 T
⋅ M ⎞
⎜u − 1 i ℜO ⎟
+ ⎜ vi1 − 2 T ~ O ⎟
2 i ℜ
⎜ i 2 {P 2 }T ⋅ M
⎝ 3
~
{ }
i ℜO ⎠
⎟ ⎜
⎝ {
{P3 } ⋅ M i ℜO ⎟⎠ }
Ce critère est minimisé avec l’algorithme de Levenberg-Marquardt [PRE92],
initialisé par la solution trouvée après le calcul linéaire.
1.5 Mesure de la qualité d’une reconstruction
La qualité de la reconstruction peut être mesurée dans le plan par la distance

entre les points images observés et les reprojections de leurs reconstruc-
tions :
1 NbPoint ⎛ {P }
1 T
⋅ ∑ ⎜ u i1 − 1 T ~
⋅ M
~
i
{ }ℜO
2
⎞ ⎛
⎟ + ⎜v − {P2
}
1 T
⋅{~
M i
} ℜO
⎞
⎟
2
{ } { }
1
2 ⋅ NbPoint i =1 ⎜
⎝ {P3 } ⋅ M i ℜO
⎟ ⎜ i1 {P1 }T ⋅ M
⎠ ⎝ 3
~
i ℜO
⎟
⎠
(4.12)
{P12 }T ⋅ M~ i { } {~
⎟ + ⎜ v − {P2 } ⋅ M i }
2 2
⎛ ⎞ ⎛ 2 T
⎞
⎜
+ ui 2 − 2 T ~
ℜO ℜO ⎟
⎜
⎝ {P3 } ⋅ M i { }ℜO
⎟ ⎜ i1 {P 2 }T ⋅ M
⎠ ⎝ 3
{~
}
i ℜO
⎟
⎠
Ce critère fournit une précision exprimée en pixels. Une précision exprimée

en unité métrique dans l’espace objet ne peut pas être obtenue directement
dans notre cas : utiliser la corrélation en niveaux de gris et donc un motif
aléatoire rend difficile l’évaluation de la « vérité terrain » à laquelle il fau-
drait confronter les résultats obtenus.
1.6 Conclusion
Les différentes méthodes de reconstructions 3D dépendent de la nature de la

scène à reconstruire. Dans le cas de points, une méthode basée sur la dis-
tance minimale entre deux rayons optiques peut être utilisée si les points
images ne sont pas appariés avec une bonne précision. Dans le cas d’un ap-
pariement par corrélation en niveaux de gris, la méthode de reprojection sur
les images avec un calcul non linéaire des coordonnées 3D est la mieux
adaptée parce que l’optimisation s’effectue directement dans les plans ima-
ges. L’information la plus précise disponible, entre les coordonnées des
150
points images et les paramètres de calibrage, sont les coordonnées des points
appariés grâce à la méthode de corrélation en niveaux de gris.
Les structures étudiées étant reconstruites dans l’espace, les champs de dé-
placements et de déformations peuvent être calculés.
151
Section 2 - Détermination des champs de déplacements et de déformations
2 Détermination des champs de

déplacements et de déformations
2.1 Introduction
2.2 Notations utilisées et position du problème
2.3 Techniques d’interpolation

Première méthode : Interpolation sur éléments triangulaires dans l’espace
Deuxième méthode : Interpolation sur des éléments carrés dans l’image
2.4 Calcul des champs de déplacements et de déformations sur un

élément
2.5 Calcul des champs de déformations en un point
2.6 Conclusion
2.1 Introduction
La mesure des champs de déplacements et le calcul des champs de déforma-

tions s'effectue à partir de deux reconstructions d'un même objet : l'une avant
et l'autre après déformations. Cette mesure ne peut pas se faire directement à
partir de ces deux reconstructions. Une corrélation supplémentaire est néces-
saire entre l’une des deux images de la structure initiale et l’une des deux
images de la structure déformée pour retrouver, par interpolation, le même
point physique sur la structure dans les deux configurations. Cette interpola-
tion effectuée, le calcul proprement dit des champs de déplacements et de
déformations peut être réalisé.
2.2 Notations utilisées et position du problème
Les notations utilisées sont illustrées sur la Figure 4.3. Etant donné une
image gauche et une image droite de la structure avant déformations,
l’appariement entre les points de ces deux images est réalisé avec le logiciel
ICASOFT par corrélation en niveaux de gris (section 2 de la partie 2). Soit
miini1 de coordonnées {m ini
i1
} = {uiini1 , viini1 }T un point de l’image gauche. Ce point
se trouve sur une grille régulière virtuelle définie par l’utilisateur.
153
M inii
m inii1
m inii2
Appariement
par corrélation
Corrélation
gauche / gauche
M idef
Pidef
mi1def
m idef2
pidef2
p i1def
Appariement
par corrélation
Figure 4.3 : Position du problème de mesure des champs de déplace-

ments et de déformations
Les ● et les ▲ sont les points de coordonnées connues. Les ○ sont les
points de coordonnées à calculer.
154
Son correspondant dans l’image droite miini2 a pour coordonnées

{m } = {u , v } . A partir de ces
ini
i2
ini
i2
ini T
i2 deux points images, les coordonnées
{M } = {X , Y , Z } du point 3D
ini
i i
ini
i
ini
i
ini T
M iini sont déterminées par une méthode
de reconstruction (section 1 de la partie 4).
Après déformations, les deux images gauche et droite de la structure défor-
mée sont également corrélées. Les points images pidef
1
et pidef2 de coordonnées
{p } = {u
def
i1
def
i1 , videf
1
} et {p idef2 } = {uidef2 , videf2 } étant appariés, les coordonnées 3D
T T
{P } = {X
i
def
i
def
, Yi def , Z idef } du point Pi def sont calculées.
T
Le problème qui se pose alors est le suivant : étant donné un point M iini de la
structure initiale de coordonnées 3D connues, a priori aucun des points Pi def
de la structure déformée ne correspond au même point physique que le point
M iini . Les coordonnées 3D du point de la structure déformée M idef corres-
pondant au point M iini ne sont pas connues. Au moins une corrélation entre
deux images, une de la structure initiale, l’autre de la structure déformée, est
indispensable ; par exemple une corrélation entre les deux images gauches.
La même mise en donnée que pour l’appariement des images de la structure
initiale est utilisée. L’image droite avant déformation est remplacée par
l’image gauche après déformation. Les coordonnées {m idef1 } = {u idef1 , v idef1 } du
T
point image midef

1
correspondant au point miini1 sont ainsi déterminées.
2.3 Techniques d’interpolation
A partir des données décrites au § 2.2, il est possible de calculer les coor-
données 3D du point M idef de la structure après déformations correspondant
au même point physique M iini de la structure avant déformations. Deux ap-
proches sont possibles :
Détermination des points de l’image gauche déformée les plus proches du

point midef
1
, puis interpolation dans l’espace pour calculer les coordonnées
3D du point M idef .
Détermination des points de l’image gauche déformée les plus proches du
point midef
1
, puis interpolation dans l’image droite déformée pour calculer
les coordonnées du point midef2 . Les coordonnées du point M idef sont alors
obtenues à partir des matrices de projection de la même manière que pour
l’étape de reconstruction 3D (section 1 de la partie 4).
155
2.3.1 Première méthode : Interpolation sur éléments triangulaires dans l’espace
Etant donné :
Les coordonnées images et les coordonnées 3D de points de la structure
avant déformations : {m ini } ini
i1 , {m i 2 } et {M i }.
ini
Les coordonnées images et les coordonnées 3D de points de la structure

après déformations : {p i1def } , {p idef2 } et {Pidef }.
Les coordonnées images gauches des points de la structure avant et après
déformations mis en correspondance : {m ini i1
} et {m i1def }.
Une interpolation sur des éléments triangulaires est effectuée. Dans l’image
gauche déformée, une grille régulière virtuelle a été tracée, constituée de
points pidef
1
, mais dont certains points peuvent manquer. Lors d’un calcul par
corrélation, il arrive en effet que le logiciel ICASOFT ne parvienne pas à
corréler certains patterns de la zone d’étude.
Une grille constituée de triangles peut être obtenue par la méthode de trian-
gulation de Delaunay [GEO97]. Ces triangles sont formés par les points les
plus proches les uns des autres. Ce type de maillage a l’avantage de recou-
vrir toute la zone d’étude, même si certains points manquent (Figure 4.4).
Figure 4.4 : Exemple de maillage utilisant la triangulation de Delaunay

Les ● représentent les points corrélés - Les ○ représentent les points
manquants
Le calcul de la position du point midef

1
se fait par interpolation linéaire simple
à partir des positions des points p11 , p21def , p31def comme illustré sur la Figure
def
4.5. Le but est de déterminer la position du point M idef à l’intérieur du trian-
156
gle (P1def , P2def , P3def ) dont les coordonnées 3D sont connues. Cette détermina-
tion se décompose en plusieurs étapes.
Après avoir déterminé à quel triangle appartient le point midef
1
, sa position à
l’intérieur de l’élément est calculée pour pouvoir effectuer l’interpolation.
Soit (∆) la droite passant par l’un des sommets du triangle (le point p11def , par
exemple) et le point midef . L’intersection entre cette droite et le coté opposé
( )
1
au sommet considéré permet de définir le point h. Soit p21def , p21def p31def , hp11def un
repère lié au triangle considéré. Dans ce repère, les coordonnées du point
sont notées {α ,β} et sont définies par :
T
midef
1
p21def h midef
1 h
α= et β = (4.13)
p21def p31def def
p11 h
P1def
M idef
P3def
H
P2def
p11def
m i1def
(∆)
p 31def
h p def
21
Figure 4.5 : Principe de la méthode d'interpolation sur des triangles
157
(
Soit P2def , P2def P3def , HP1def ) le repère lié au triangle 3D. Les coordonnées du
point M idef sont déterminées dans ce repère en supposant qu'elles sont égales
, {α ,β} .
T
aux coordonnées du point midef
1
L'hypothèse faite dans cette méthode est que la surface passant par les points
P1def , P2def , P3def et M idef est un plan. Le calcul n'introduit pas de courbure de
surface. La précision dépend donc de la finesse du maillage : plus la distance
entre les points de mesure est faible, plus la portion de la surface considérée
peut être approchée par un plan.
2.3.2 Deuxième méthode : Interpolation sur des éléments carrés dans l’image
Une deuxième méthode d’interpolation a été proposée. Dans le principe de

calcul sur les triangles, la correspondance entre les coordonnées 2D et 3D
des points de mesure apparaît comme une projection d’un plan sur un plan,
sans tenir compte de la courbure des surfaces reconstruites. D’autre part, les
calculs de corrélation étant effectués sur des éléments initialement carrés, le
logiciel ICASOFT fournit la matrice de connexion entre ces éléments sur la
zone de calcul. Cette matrice définie donc le maillage de la zone d’étude, ce
qui permet de s’affranchir de l’étape de triangulation par la méthode de
Delaunay.
Etant donné :
Les coordonnées images et les coordonnées 3D des points avant déforma-

tions : {m ini
i1
}, {m inii2 } et {M inii }.
Les coordonnées images des points après déformations : {p i1def } et {p idef2 } .
Les coordonnées images gauches des points avant et après déformations
mis en correspondance : {m ini
i1
} et {m i1def }.
Le but de l’interpolation effectuée dans cette méthode est de déterminer les
coordonnées des points de l’image droite déformée midef2 . Les coordonnées
des points de l’espace M idef pourront alors être déterminées grâce à la mé-
thode de reconstruction 3D proprement dite (§ 1.4).
Dans un premier temps, l’élément carré ( p11def , p21def , p31def , p41def ) auquel appar-
tient le point midef
1
est déterminé. Connaissant les coordonnées des points
(p def
12
, p22def , p32def , p42def ) , et donc le champ de déplacement entre l’image gauche
déformée et l’image droite déformée pour chacun de ces points, le champ de
déplacement sur le carré ( p11def , p21def , p31def , p41def ) est déterminé par interpolation
158
bilinéaire. Connaissant la position du point midef

1
dans l’élément
(pdef
11
,p ,p ,p
def
21
def
31
def
41
) , les coordonnées du point m def
i2
sont déterminées en ap-
pliquant le champ de déplacement obtenu (Figure 4.6).
p11def p def
21
m i1def
p def
22
p def
41
p 31def p12def
m idef2
p 32def
p def
42
Figure 4.6 : Principe de la détermination des coordonnées du point

image gauche déformée à partir du champ de déplacements sur un élé-
ment carré
Connaissant les coordonnées des points dans les images gauche et droite
après déformation, la méthode de reconstruction 3D est utilisée pour calculer
les coordonnées du point M idef correspondant au même point physique M iini .
2.4 Calcul des champs de déplacements et de déformations sur un

élément
Etant donné les coordonnées 3D de points mesurés sur la structure dans sa

configuration initiale et les coordonnées 3D de ces même points physiques
sur la structure déformée, le champ de déplacements et le champ de
déformations peuvent être calculés. Les déplacements sont obtenus par
soustraction des coordonnées des points déformés et initiaux. La méthode de
159
tion des coordonnées des points déformés et initiaux. La méthode de calcul

des déformations est la suivante [ASA98].
Les calculs des déformations se font sur des éléments triangulaires. Chaque
triangle est considéré comme un plan soumis à une déformation homogène.
Un changement de repère doit donc être effectué afin d’exprimer les coor-
données 3D des points du triangle dans un plan. A partir des trois points
M 1ini , M 2ini , M 3ini définissant le triangle, les longueurs des segments
[M ini
1
M 2ini ], [M 1ini M 3ini ], et [M 2ini M 3ini ] sont calculées. Le changement de repère
est effectué de sorte que M 1ini soit l’origine du repère, que M 2ini se trouve sur
l’axe des abscisses et que M 3ini ait une ordonnée positive (Figure 4.7).
⎧ X ini ⎫
⎪⎪ 3 ⎪⎪
M
M ini
3 ⎨ M ini ⎬
Y
⎪Z ⎪
3 ⎧⎪α M ini ⎫⎪
⎪⎩ M ini3 ⎪⎭ M 3ini ⎨ 3 ⎬
⎪⎩β M ini3 ⎪⎭
⎧ X ini ⎫
⎪⎪ M1 ⎪⎪
M1ini ⎨ YM ini ⎬
⎪Z ⎪
1
⎩⎪ M1ini ⎭⎪ ⎧ X ini ⎫
⎪⎪ 2 ⎪⎪
M
M ini
2 ⎨ YM ini ⎬
⎪Z ⎪
2
⎪⎩ M ini2 ⎪⎭ ⎧0⎫ ⎧α M ini ⎫

M1ini ⎨ ⎬ M ini
2 ⎨
2
⎬
⎩0⎭ ⎩ 0 ⎭
Figure 4.7 : Changement de repère
Pour passer des coordonnées spatiales aux coordonnées planes, les propriétés
sur le triangle permettent d’écrire :
α M ini = M 1ini M 2ini =

2
(X M 2ini
− X M ini
1
) + (Y
2
M 2ini
− YM ini
1
) + (Z
2
M 2ini
− Z M ini
1
) 2
α M ini =−
(M ini
2 M 3ini ) − (M 1ini M 3ini ) − (M 1ini M 2ini )
2 2 2
(4.14)
3
2 ⋅ M 1ini M 2ini
β M ini = +
3
(M 1
ini
M 3ini ) − X M2 ini
2
160
Le même type de changement de repère est effectué sur le triangle déformé

(M 1def , M 2def , M 3def ) de sorte que les points M 1ini et M 1def soient confondus et
que les segments [M 1ini M 2ini ] et [M 1def M 2def ] soient superposés (Figure 4.8).
⎧⎪α M ini ⎫⎪
M 3ini ⎨ 3 ⎬
⎪⎩β M ini3 ⎪⎭
⎧⎪α M def ⎫⎪
M 3def ⎨ 3 ⎬
⎪⎩β M 3def ⎪⎭
M1ini ⎧0⎫ ⎧α M ini ⎫ ⎧α M def ⎫

⎨ ⎬ M ini
2 ⎨
2
⎬ M def
2 ⎨
2
⎬
M1def ⎩0⎭ ⎩ 0 ⎭ ⎩ 0 ⎭
Figure 4.8 : Représentation des deux triangles utilisés pour mesurer les
déformations
Dans un plan, un point de coordonnées initiales {αini,βini} soumis à une dé-

formation homogène aura pour coordonnées après déformation {αdef,βdef},
définies par :
⎧α def = F11 ⋅ α ini + F12 ⋅ βini

⎨ (4.15)
⎩β def = F21 ⋅ α ini + F22 ⋅ β ini
où [F] est un tenseur du second ordre appelé tenseur gradient de la déforma-

tion :
[F ] = ⎡⎢
F11 F21 ⎤
(4.16)
⎣ F21 F22 ⎥⎦
161
Les relations entre les coordonnées des points M 2ini , M 2def , M 3ini et M 3def
s’écrivent alors :
⎧⎪α M def = F11 ⋅ α M 2ini ⎧⎪α M def = F11 ⋅ α M 3ini + F12 ⋅ β M 3ini
et
2 3
⎨ ⎨ (4.17)
⎪⎩β M 2def = 0 ⎪⎩β M 3def = F21 ⋅ α M 3ini + F22 ⋅ β M 3ini
Les composantes du tenseur [F] peuvent alors être calculées à partir des
formules :
α M def α M ini ⋅ α M def α M def β M def

F11 = 2
F12 = − 3 2
+ 3
F21 = 0 F22 = 3
(4.18)
α M ini α M ini ⋅ β M ini β M ini β M ini
2 2 3 3 3
Le tenseur de Cauchy-Green [C] est défini par :
[C] = [F] ⋅ [F]

T
(4.19)
D’après les relations (4.18), les composantes de la matrice [C] sont définies
par :
C11 = F112 C12 = F11 ⋅ F12 C21 = 0 C22 = F122 + F222 (4.20)
Le tenseur de Green-Lagrange [E] peut être calculé à partir du tenseur [C] :
[E] = 1 ⋅ ([C] − [I]) (4.21)

2
où [I] est la matrice identité. Les composantes de [E] sont alors données
par :
F112 − 1 F122 + F222 − 1 F11 ⋅ F12

E11 = E22 = E12 = (4.22)
2 2 2
Les déformations principales logarithmiques (de Hencky) sont données par

les relations :
(
⎧⎪ε = ln E + E + (E − E22 ) + (2 ⋅ E12 ) + 1
2
) 2
( ) + (2 ⋅ E ) + 1)
1 11 22 11
⎨ (4.23)
⎪⎩ε 2 = ln E11 + E22 − (E 11
− E22
2
12
2
162
L’angle entre le premier axe principal de déformation et l’axe des abscisses

du repère est :
⎡ ln(E11 + E 22 + (E11 − E 22 ) 2 + (2 ⋅ E12 ) 2 + 1) ⎤

⎢ 2 ⋅ E12 ⋅ ⎥
⎢ ln(E11 + E 22 − (E11 − E 22 ) 2 + (2 ⋅ E12 ) 2 + 1) ⎥
Φ = Atn ⎢ ⎥ (4.24)
⎢ E11 − E 22 + (E11 − E 22 ) 2 + (2 ⋅ E12 ) 2 + 1) ⎥
⎢ ⎥
⎣⎢ ⎦⎥
2.5 Calcul des champs de déformations en un point
Les équations données au paragraphe précédent ont permis de déterminer les

déformations associées à un élément de forme triangulaire appartenant à la
reconstruction 3D. Pour en déduire les déformations en un point, trois ap-
proches sont possibles [ASA98] illustrées sur la Figure 4.9. Les coefficients
attribués aux éléments de la figure correspondent au poids attribué à la va-
leur de la déformation de l’élément pour calculer la valeur moyenne au point
considéré.
1 1 0 0 0
1
2 2 1 1 1 1
2 2 1 1 1 1
1
1 1 0 0 0
(a) Pondérée (b) Localisée (c) Diagonale
Figure 4.9 : Calcul des déformations en un point
La méthode « pondérée » (Figure 4.9(a)) tient compte des huit éléments

les plus proches du point considéré. Cette représentation peut présenter
l’inconvénient de lisser de manière abusive la répartition des déforma-
tions.
La méthode « localisée » (Figure 4.9(b)) ne tient compte que des quatre
éléments triangulaires auxquels appartient le point considéré. Cette re-
présentation est celle qui moyenne le moins les valeurs des déformations
mais qui est la moins précise.
163
La méthode « diagonale » (Figure 4.9(c)) tient compte des six éléments

triangulaires auxquels appartient le point considéré. Cette représentation
fournit des valeurs entre celle « pondérée » et « localisée ». Cette repré-
sentation est utilisée par défaut par le logiciel ASAME et c’est celle que
nous avons également utilisé.
2.6 Conclusion
Les champs de déplacements et de déformations ne peuvent pas être calculés

directement à partir des reconstructions initiales et déformées de la structure.
Au moins une corrélation entre deux images est nécessaire et une technique
d’interpolation doit être mise en œuvre. L’interpolation sur des éléments car-
rés est plus judicieuse que celle sur des éléments triangulaires qui ne tient
pas compte de la courbure de la surface.
Le calcul des déformations à proprement parler fait appel à des formules
classiques de la mécanique des solides.
164
Partie 5
Matériel de mesure et
résultats
165
166
Section 1 – Matériel et outils informatiques utilisés
1 Matériel et outils informatiques utilisés

1.1 Introduction
1.2 Matériel d’acquisition des images numériques

Caméras
Objectifs des caméras
1.3 Mise en œuvre de l’acquisition des images numériques
1.4 Logiciels utilisés

ICASOFT
ASAME
1.5 Conclusion
1.1 Introduction
Les parties précédentes ont permis de décrire les équations mathématiques

mises en jeu en stéréovision pour la détermination de champs de déplace-
ments et de déformations ainsi que les méthodes d’optimisations permettant
de résoudre chacune des étapes de la chaîne de mesure.
Cette section présente le matériel utilisé pour l’acquisition des images numé-
riques, les conditions expérimentales ainsi que les outils informatiques utili-
sés pour obtenir les résultats présentés dans les sections suivantes.
1.2 Matériel d’acquisition des images numériques
1.2.1 Caméras
Trois caméras CCD sont disponibles et utilisées suivant les mesures à effec-
tuer.
Une caméra numérique Kodak Mega Plus avec une taille de CCD de
1024 x 1024 pixels. Cette caméra numérique haute définition à pixels carrés
et jointifs est reliée à une carte d’acquisition Matrox PIP 1280 hébergée par
un PC 486 DX50. Cette caméra est généralement utilisée pour les mesures de
champs de déplacements et de déformations 2D.
Le système stéréoscopique (Figure 5.1) est constitué de deux caméras numé-
riques Hamamatsu C4742-95, couplés à deux cartes d’acquisition ICPCI. La
167
Partie 5 – Matériel de mesure et résultats
résolution des CCD est de 1024 x 1024 pixels, mais des images de 512 x 512
pixels formées au centre du CCD peuvent être acquises. Utiliser des images
de résolution inférieure présente l’inconvénient de couvrir un champ de vi-
sion moins important, mais ces images au centre du CCD présentent
l’avantage de ne pas être soumises au phénomène de distorsion qui se cons-
tate sur le bord des images (cf. § 1.5 de la partie 1).
Figure 5.1 : Système stéréoscopique
1.2.2 Objectifs des caméras
La caméra Kodak Mega Plus, est équipée d’objectif de marque Nikon,

Micro-Nikkor. Les prises de vue peuvent se faire de 0.25 m à l’infini.
Les caméras Hamamatsu sont équipées d’objectifs identiques Nikon, Micro-
Nikkor de 55 mm. Les prises de vue peuvent se faire de 0.25 m à l’infini.
Un objectif télécentrique peut également être monté sur ces caméras (Figure
5.2). Cet objectif possède une distance focale fixe et une grande profondeur
de champ ce qui permet de s’affranchir des faibles courbures de la structure
photographiée, d’obtenir des images nettes et d’effectuer des calculs de
champs de déplacements et de déformations 2D.
168
Figure 5.2 : Objectif télécentrique monté sur une caméra Hamamatsu
1.3 Mise en œuvre de l’acquisition des images numériques
Le problème majeur lors de l’acquisition des images numériques est

l’éclairage de la structure étudiée.
Les différentes étapes de la chaîne de mesure reposent sur la corrélation en
niveaux de gris, niveaux compris entre 0 et 255 dans le cas d’un signal codé
sur 8 bits. Les images acquises doivent posséder des niveaux de gris cou-
vrant au mieux cet intervalle sur toute l’image, mais également localement :
les niveaux de gris associés à deux pixels voisins doivent être distincts. Le
motif déposé joue un rôle important. Il doit être aléatoire à l’échelle à la-
quelle il est observé. L’éclairage de la structure étudiée, et donc du motif
déposé, ne doit ni être trop intense ni laisser des zones sombres qui induisent
une saturation du capteur CCD. L’idéal est donc l’éclairage indirect. Le la-
boratoire dispose d’un local sans fenêtre (pour éviter l’influence des varia-
tions de l’intensité lumineuse extérieure) avec des projecteurs de 500 W
permettant d’obtenir une lumière puissante et diffuse dans la pièce. Dans la
mesure du possible, les études sont réalisées dans ce local. Si les caméras
doivent être installées à proximité d’une machine ou sur un site industriel,
un parapluie de photographe éclairé par une lumière intense permet d’obtenir
une lumière diffuse. Enfin, une source de lumière froide peut être utilisée.
169
1.4 Logiciels utilisés
Deux logiciels ont principalement été utilisés pour obtenir les résultats pré-
sentés dans les sections suivantes : ICASOFT, un logiciel de mesure de
champs de champs de déplacements et de déformations 2D utilisé dans le cas
de mesures 3D pour l’appariement des images numériques, et ASAME un
logiciel de mesure de champs de déplacements et de déformations 3D déve-
loppé par la société CamSys.
1.4.1 ICASOFT
ICASOFT est un logiciel de mesure de champs de déplacements et de dé-

formations 2D basée sur une méthode de corrélation en niveaux de gris, dé-
veloppé au laboratoire dans le but initialement de déterminer rapidement et
précisément des C.L.F. (Courbes Limites de Formage) [TOU97a] et utilisé
ensuite dans de nombreuses applications. Ce logiciel, dont le fonctionnement
a été décrit dans la section 1 de la partie 2, a été utilisé dans le cadre de me-
sures 3D pour effectuer l’appariement entre les différentes images acquises.
1.4.2 ASAME
ASAME est un logiciel de mesure de champs de déformations 3D basé sur

une méthode de stéréovision développé aux Etats-Unis par la société Cam-
Sys et commercialisé en France par la société Techlab. Le calibrage de cha-
cune des caméras (cf. section 1 de la partie 3) est réalisé à partir d’une mire
cubique possédant sur ses faces des points de références et des droites paral-
lèles et perpendiculaires entre elles (Figure 5.3).
ASAME a été initialement développé pour travailler sur des structures re-
couvertes d’une grille régulière. Parallèlement à mon travail de recherche, le
module de corrélation en niveaux de gris a été incorporé dans ASAME par la
société CamSys. Cette nouvelle version du logiciel permet à présent de me-
surer des champs de déformations sur des structures recouvertes d’un motif
aléatoire. L’étape de calibrage n’utilise pas la corrélation puisqu’elle est ré-
alisée à partir du cube, par contre les reconstructions 3D et les mesures de
déformations (cf. partie 4) peuvent être réalisées sur des structures recouver-
tes d’un motif aléatoire.
170
Figure 5.3 : Cubes de calibrage utilisés par le logiciel ASAME
Cette version d’ASAME a été testée au laboratoire ou cours de différentes

études dont les résultats sont présentés dans les sections suivantes.
1.5 Conclusion
Le laboratoire possède trois caméras numériques dont deux identiques, de

marque Hamamatsu, montées sur un banc stéréoscopique pour effectuer
l’acquisition des images pour les mesures 3D.
Le problème d’éclairage au cours de l’acquisition des images numériques par
voies optiques est la principale difficulté rencontrée lors de la mise en place
ou en cours d’expérience. Il faut donc prendre soin de se placer dans des
conditions d’éclairage idéales pour obtenir des images pleinement exploita-
bles lors des mesures par corrélation en niveaux de gris.
Les images qui ont été acquises et qui ont permis d’obtenir les résultats pré-
sentés dans les sections suivantes sont traitées :
Soit à l’aide du logiciel ICASOFT pour l’appariement, les résultats de
l’appariement étant alors utilisés par différents modules développés au
cours de cette thèse permettant d’effectuer des mesures de champs de dé-
placements et de déformations 3D.
Soit à l’aide du logiciel ASAME dans le lequel a été incorporé le module
de corrélation en niveaux de gris développé au laboratoire.
171
Section 2 – Calibrage par corrélation
2 Calibrage par corrélation

2.1 Introduction
2.2 Mise en correspondance
2.3 Calibrage à partir d’un cône
2.4 Calibrage à partir d’une sphère
2.5 Les matrices de projection
2.6 Reconstructions 3D
Reconstruction d’un cône
Reconstruction d’une plaque emboutie
2.7 Résultats de mesures de déformations

Essai de traction
Essai de pliage
Eprouvette en translation
2.8 Conclusion
2.1 Introduction
Cette section fait état des essais réalisés dans le but de valider, en terme de
mesure de champs de déformations :
La méthode de calibrage à partir d’une paire d’images d’une mire recou-
verte d’un motif aléatoire présentée à la section 2 de la partie 3.
La méthode de reconstructions 3D présentée au § 1.4 de la partie 4.
La méthode de mesure de champs de déformations à proprement parler
(section 2 de la partie 4).
Les images ont été acquises à l’aide du système stéréoscopique (Figure 5.1)
avec une résolution de 512 x 512 pixels, permettant ainsi de s’affranchir du
calcul des distorsions (cf. § 1.5 de la partie 1). Dans un premier temps, un
cône a été considéré comme mire de calibrage. Manquant d’informations tri-
dimensionnelles pour calibrer correctement le système stéréoscopique, le
cône a été remplacé par une sphère de rayon connu.
2.2 Mise en correspondance
L’appariement entre les images gauche et droite est réalisé par corrélation en
niveaux de gris avec le logiciel ICASOFT (section 1 de la partie 2). La taille
173
des patterns et le pas de grille sont fixés à 18 pixels. Cependant, suivant le

type de motif déposé sur la structure à étudier, ces paramètres peuvent être
modifiés pour obtenir une bonne corrélation.
2.3 Calibrage à partir d'un cône
Deux images d'un cône (Figure 5.4 (a) et (b)) ont été prises puis appariées
avec ICASOFT. A partir de ces couples de points, la matrice fondamentale a
été calculée (§ 2.2 de la partie 3). Les matrices de projection ont alors été
calculées à partir de la géométrie épipolaire (§ 2.3 de la partie 3).
(a) Image gauche (b) Image droite

Figure 5.4 : Images du cône
A partir des coordonnées des points images et des matrices de projection,

une reconstruction projective de la scène peut être obtenue, sans connais-
sance sur la scène photographiée. La reconstruction 3D obtenue est présentée
sur la Figure 5.5.
Figure 5.5 : Visualisation, sous différents angles, du cône reconstruit à

partir des coordonnées projectives
174
La reconstruction du cône obtenue n'est qu'une reconstruction projective,

sans notion d'angles ou de distances. Pour obtenir une reconstruction eucli-
dienne, la collinéation [W] permettant de passer d'une représentation projec-
tive à une représentation euclidienne doit être calculée en imposant des con-
traintes euclidiennes sur les coordonnées 3D des points reconstruits (§ 2.4 de
la partie 3). La seule contrainte disponible est l'équation du cône utilisé:
Z + 5 ⋅ X 2 + Y 2 − 200 = 0 (5.1)
Sans plus d'indications, la collinéation déterminée ne permet pas d’obtenir

une reconstruction euclidienne de la scène, notamment parce que l'origine du
repère de l'espace euclidien ne peut pas être fixée. C'est la raison pour la-
quelle une sphère à été utilisée pour l'étape de calibrage.
2.4 Calibrage à partir d'une sphère
A partir de deux images de la sphère (Figure 5.6), l'appariement a été effec-

tué dans la zone encadrée en rouge sur l'image gauche. La grille virtuelle dé-
formée apparaît en jaune sur l'image droite. 224 points ont été appariés.

Figure 5.6 : Images de la sphère de calibrage
La reconstruction projective obtenue est représentée sur la Figure 5.7.
175
(a) Repère orthogonal (b) Repère orthonormé
Figure 5.7 : Reconstruction projective de la sphère
En théorie, une reconstruction projective est reliée à une reconstruction eu-

clidienne par un collinéation de l'espace. Dans le cas de la sphère, cette col-
linéation peut être déterminée à partir de plusieurs contraintes de différentes
nature géométriques imposées au coordonnées projectives (cf. § 2.4 de la
partie 3) :
Les caractéristiques de la sphère de calibrage ont été déterminées par un

laboratoire de métrologie. Le rayon moyen de la sphère est de 24,964 mm
et le défaut de sphéricité est de 0,0905 mm. L'équation de la sphère
s'écrit donc:
X 2 + Y 2 + Z 2 = 26,964 2 (5.2)
224 points ont été appariés, donc l’équation (5.2), valable pour chaque
point, permet d’obtenir 224 contraintes (§ 2.4.4 de la partie 3).
Trois contraintes supplémentaires peuvent être introduites en imposant

les coordonnées d'un point de la sphère (§2.4.1 de la partie 3). Le point
de côte maximale dans sa représentation projective est contraint à avoir
pour coordonnées euclidiennes :
X =0 Y =0 Z = 24,964 (5.3)
A partir de ces 227 contraintes, la collinéation est calculée (§ 2.4.5 de la par-

tie 3). La reconstruction de la sphère obtenue est présentée sur la Figure 5.8.
176
(a) Surface de la sphère recons- (b) Iso-altitudes

truite
Figure 5.8 : Reconstruction de la sphère
Une fois les coordonnées des points 3D de la mire de calibrage déterminées,

les matrices de projection sont calculées (§ 2.5 de la partie 3).
2.5 Les matrices de projection
Les matrices de projection obtenue à partir des coordonnées 3D des points

reconstruits appartenant à la mire de calibrage (Figure 5.8) sont de la forme:
⎡ P11 P12 P13 P14 ⎤

[P] = ⎢⎢ P21 P22 P23 P24 ⎥⎥ (5.4)
⎢⎣ 0 0 0 1 ⎥⎦
Ces matrices de projection ne permettent pas d’obtenir une reconstruction

euclidienne de la scène observée. Les reconstructions obtenues contiennent
des informations affines telles que le rapport de longueur ou le parallélisme,
mais la notion de distance n'est pas accessible.
En effet, lors du calcul de la collinéation [W], aucune notion de distance en-
tre des points de la scène et aucune de notion d’angle, caractérisant l’espace
euclidien (cf. Annexe C) n’ont été explicitement introduite. Le calibrage, tel
qu'il est effectué ici, ne permet donc pas de définir un espace euclidien de
l'espace à partir de seulement un couple d'images de la sphère.
Les résultats obtenus dans cette configuration affine sont présentés dans la
suite de cette section.
177
2.6 Reconstructions 3D
Supposons le système stéréoscopique calibré, il est possible de reconstruire

une surface photographiée (section 1 de la partie 4). Lors de la prise de vue
de ces nouvelles images, aucun paramètre des caméras ne doit être modifié.
Toute variation d'ouverture du diaphragme ou de mise au point modifie la
configuration géométrique du capteur stéréo.
2.6.1 Reconstruction d'un cône
Après calibrage de chacune des caméras à partir d'une paire d'images de la

sphère, deux images d'un cône ont été acquises (Figure 5.9 (a) et (b)). 168
points ont été appariés dans la zone d'étude avec une erreur moyenne de
corrélation de 0,020 pixels (§ 1.6 de la partie 2). La reconstruction 3D, pré-
sentée sur la Figure 5.10, a été effectuée avec une erreur moyenne de repro-
jection de 0,0273 pixels (§ 1.5 de la partie 4).
Figure 5.9 :Images du cône
178
Figure 5.10 : Reconstruction 3D du cône
2.6.2 Reconstruction d'une plaque emboutie
Afin de tester la méthode de reconstruction 3D sur une structure plus com-

plexe, une paire d’images d’une plaque mise en forme a été prise dans la
zone encadrée en noir (Figure 5.11 (a)). Cet exemple est particulièrement in-
téressant car la plaque est constituée d’un trou et d’une bosse. 603 points ont
été appariés avec une erreur moyenne de corrélation de 0.040 pixels.
L’erreur moyenne de reprojection est de 0.080 pixels. La reconstruction ob-
tenue est présentée sur la Figure 5.11 (b).
(a) Photographie de la structure (b) Reconstruction de la plaque
Figure 5.11 : Exemple de reconstruction d'une tôle emboutie
179
Ces reconstructions ont permis de tester l'algorithme de reconstruction 3D.

Le calibrage ne permettant de définir qu'un espace affine au lieu de l'espace
euclidien cherché, aucune autre vérification ne peut être faite sur ces recons-
tructions.
2.7 Résultats de mesures de déformations
La méthode de calcul de champs de déformations a été détaillée à la section

2 de la partie 4. Une interpolation doit être effectuée avant le calcul des dé-
formations proprement dit pour retrouver la correspondance entre un point
physique de la structure initiale et de la structure déformée. Ces deux mé-
thodes d'interpolation ont données les mêmes résultats de déformations.
L'une des deux méthodes décrites peut donc être utilisée.
2.7.1 Essai de traction
Pour tester la méthode de mesure de déformations 3D, un essai de traction a

été réalisé sur une éprouvette en aluminium. Les mesures 3D peuvent ainsi
être comparées avec la méthode de mesure de déformations 2D du logiciel
ICASOFT qui est considéré comme étant la « vérité terrain ».
A partir de deux images prises avant et après déformations, les champs de
déformations 2D ont pu être mesurés.
Pour la mesure 3D, le calibrage a été réalisé à partir d’une paire d’images de
la sphère. Les reconstructions initiale et déformée ont également été obte-
nues à partir d’une paire d’images des structure initiale et déformée de
l'éprouvette.
Les déformations mesurées sont présentées dans le tableau 1.
Déformations majeures en % Déformations mineures en %

2D 3D 2D 3D
Moyenne 4.732 4.740 -2.277 -2.196
Ecart-type 0.158 0.092 0.126 0.106
Tableau 1 : Résultats de mesure de déformations sur un essai de traction
Ces résultats de mesure de déformations ont permis de tester l'algorithme de

mesure de déformations proprement dit. Puisque les mesures ont été effec-
180
tuées sur une éprouvette plane, travailler dans un espace affine ne pose pas
de problème, à condition de placer l'éprouvette dans l'état initial et dans
l'état déformé dans le même plan de l'espace.
Par contre, la mesure de déformations sur des structures qui ne se déforment
pas dans un plan donnent des résultats aberrants d'un point de vue mécani-
que.
2.7.2 Essai de pliage
Un essai de pliage sur une tôle plane a été réalisé. Les reconstructions 3D de
la plaque avant et après déformations sont présentées sur la Figure 5.12.
Le rayon de courbure théorique de la

plaque déformée étant connu, il a pu
être comparé au rayon de courbure
mesuré sur la reconstruction 3D de la
plaque déformée. Les deux rayons de
courbures sont égaux, ce qui permet
de conclure que la topologie de la
structure déformée correspond bien à
la réalité.
Par contre, le calcul des déformations
(Figure 5.13 et Figure 5.14)n’a pas
donné des résultats satisfaisants. Les
déformations sont maximales sur le
Figure 5.12 : Essai de pliage -
bord de la plaque, alors que d’un
Structures initiales et déformées
point de vue théorique, elles sont
maximales au centre
Figure 5.13 : Déformations majeures sur la structure déformée
181
Figure 5.14 : Déformations mineures sur la structure déformée
Ces résultats sont logiques, puisque le calibrage n'est pas effectué dans un
espace euclidien, mais dans un espace affine.
2.7.3 Eprouvette en translation
Une mesure de déformations a été réalisée sur une éprouvette déplacée en

translation dans l’espace.
Le système stéréoscopique a été calibré à partir d’une paire d’images de la
sphère. Après acquisition d’une paire d’images d’une éprouvette plane, ce
plan a été reconstruit dans l’espace. Cette première reconstruction définie
l’état initial de la structure. Cette même éprouvette a ensuite été reconstruite
après translation de 5mm, puis après translation de 10 mm par rapport à sa
position initiale. Les trois reconstructions obtenues sont présentées sur la
Figure 5.15.
Figure 5.15 : Eprouvette en translation
182
Deux calculs de déformations ont été effectués. L’état initial est celui de
l’éprouvette avant déplacement. L’état final est respectivement l’éprouvette
après translation de 5 mm et après translation de 10 mm. Les déformations
mesurées sont présentées sur la Figure 5.16 et la Figure 5.17.
(a) Eprouvette translatée de 5 mm (a) Eprouvette translatée de 5 mm
(b) Eprouvette translatée de 10 (b) Eprouvette translatée de 10

mm mm
Figure 5.16 : Déformations mineu- Figure 5.17 : Déformations

res majeures
Pour les déformations majeures, comme pour les déformations mineures, au

plus l’objet photographié est éloigné du banc stéréoscopique, au plus les dé-
formations mesurées sont importantes et varient environ du simple au dou-
ble. Les dimensions réelles de l’éprouvette ne sont pas respectées. Au mieux,
les reconstructions obtenues et l’éprouvette utilisée vérifient le rapport des
longueurs.
2.8 Conclusion
Le calibrage du système stéréoscopique à partir d’un paire d’images d’une

mire de géométrie connue et recouverte d’un motif aléatoire ne permet pas
de déterminer les matrices de projection dans un espace euclidien. Les struc-
tures sont reconstruites dans un espace affine. Par contre, cette approche a
183
permis de tester l’étape de reconstruction 3D et la procédure de calcul des

champs de déformations.
Afin d’obtenir des informations euclidiennes à partir de la mire photogra-
phiée, une méthode de calibrage utilisant plusieurs couples d’images de la
mire dans différentes positions a été proposée (section 3 de la partie 3). Cette
approche devrait permettre, en plus, de prendre en compte les paramètres de
distorsion lors du calcul des paramètres de calibrage. La méthode proposée
n’a pas l’objet de validation.
Parallèlement au développement au laboratoire d’une méthode de mesure de
champs de déplacements et de déformations 3D, le module de corrélation a
été implanté dans le logiciel ASAME, initialement prévu pour travailler avec
des grilles, pas avec un motif aléatoire. Le calibrage du système stéréoscopi-
que s’effectue sous ASAME à l’aide d’un cube de calibrage (§ 1.4.2). Cette
version du logiciel a été testée au laboratoire. La précision des mesures des
déformations a été évaluée. Les résultats sont présentés dans la section sui-
vante.
184
Section 3 – Etude de la précision d’ASAME
3 Etude de la précision d'ASAME

3.1 Introduction
3.2 Dispositif expérimental
3.3 Essais réalisés

Déplacement vertical de 9 mm
Déplacement horizontal de 5 mm
Grands déplacements horizontaux
3.4 Résultats
Calcul de l’incertitude sur la norme
Déplacement vertical de 9 mm
Déformations
Déplacements
Déplacement horizontal de 5 mm
Déformations
Déplacements
Grands déplacements horizontaux
Déformations majeures
Déformations mineures
Déplacements
Récapitulatif
3.5 Conclusion
Déformations
Déplacements
Bilan
3.1 Introduction
Le module de corrélation développé au laboratoire ayant été implanté dans le

logiciel ASAME (§1.4.2), une étude a été menée au laboratoire dans l'objec-
tif de quantifier la précision de la mesure des déplacements et des déforma-
tions avec le logiciel ASAME. Pour cela, une plaque emboutie avec un relief
prononcé est déplacée dans l'espace d’une quantité connue, donc aucune dé-
formation n’est appliquée. Les éventuelles déformations mesurées permet-
tront de quantifier la précision des mesures. Les déplacements ne sont pas
calculés directement avec ASAME : les fichiers comportant les coordonnées
3D des points reconstruits sont utilisés pour calculer, indépendamment du
logiciel ASAME, les champs de déplacements. Un calcul d'incertitude sera
effectué afin de valider les résultats en terme de déplacement.
185
Plusieurs situations ont été testées : le cas d’un déplacement vertical, dans le
plan des images, le cas d’un déplacement horizontal, hors plan, et le cas de
déplacements importants.
3.2 Dispositif expérimental
Le dispositif expérimental est présenté sur la Figure 5.18.
Figure 5.18 : Banc d’essai des mesures de précision
Un cube d'arête 50 mm est utilisé pour permettre le calibrage du logiciel

ASAME. Lors de la phase de calibrage, le calcul des distorsions optiques
n’est pas pris en compte par le logiciel ASAME.
Figure 5.19 : Positionnement de l’embouti et du comparateur
186
La plaque est un embouti en acier recouvert d'un motif aléatoire et fixé sur
une potence à une distance de 1,3 m du socle de la caméra.
L'éclairage est assuré par les trois faisceaux d'une source de lumière froide.
Celui-ci permet de fermer au maximum le diaphragme des caméras afin de se
rapprocher du modèle sténopé.
Les déplacements sont mesurés à l'aide d'un comparateur mis en position ho-
rizontale ou verticale suivant la direction du déplacement (Figure 5.19). La
précision de ces mesures est de 0,01 mm.
Pour chaque essai, trois étapes sont réalisées :
Acquisition d’un couple d’images du cube de calibrage permettant de ca-

librer le système stéréoscopique pour une mesure donnée.
Acquisition d’un couple d’images de l’embouti en position initiale.
Acquisition d’un couple d’images de l’embouti en position finale.
La résolution des images est de 1024 x 1024 pixels.

Le dispositif ayant été déplacé entre chaque essai, des photos différentes du
cube ont été utilisées pour le calibrage.
3.3.1 Déplacement vertical de 9 mm
Pour cette mesure, la plaque a été déplacée de 9 mm vers le bas (Figure

5.20).
Figure 5.20 : Schéma du banc d'essai
187
La zone d'étude choisie (Figure 5.21) présente des parties planes, bombées et
incurvées, ce qui rend les essais représentatifs.
Figure 5.21 : Image après déplacement exploitée avec la zone étudiée
Pour le maillage, un pas de grille de 2 mm a été retenu. Des essais ont été
faits avec un pas de 1 mm sans que la précision ne change significativement.
Par contre, la réduction du pas de grille augmente fortement le temps des
calculs de corrélation.
3.3.2 Déplacement horizontal de 5 mm
La plaque a été déplacée de 5 mm dans le sens horizontal. Contrairement à

l'essai précédent, la plaque ne se situe plus dans la profondeur de champ des
caméras (Figure 5.22). Le pas de grille choisi est à nouveau de 2 mm.
188
Figure 5.22 : Schéma du banc d'essai
La zone d’étude comporte une nouvelle fois un relief significatif (Figure

5.23).
Figure 5.23 : Image après déplacement exploitée avec la zone étudiée
3.3.3 Grands déplacements horizontaux
Afin d’approfondir la mesure de précision suivant la distance entre l'objet et

les caméras, des tests ont été effectués dans le cadre de grands déplacements.
Au total, cinq couples d’images sont considérés, chaque image étant prise
189
après un déplacement de 100 mm. Les différentes positions étudiées sont

schématisées sur la Figure 5.24.
Figure 5.24 : Schéma du banc d’essai
Les deux photos aux limites du banc d’essai (100 et 500) sont floues puis-
qu’elles ont été prises pour tester la capacité du logiciel à corréler des dépla-
cements extrêmes. La photo dite de « référence » est la photo 300, située au
milieu. C’est par rapport à celle-ci que vont être calculés les déplacements et
les déformations pour les quatre autres photos (Figure 5.25).
100 200 300
400 500
Figure 5.25 : Photos de l'embouti référencée sur la Figure 5.24
190
Les déplacements et les déformations mesurés entre la position 300 et elle-

même seront aussi calculés pour évaluer l'erreur due à la corrélation.
La zone d'étude représentée sur la Figure 5.26 est plus restreinte que pour les
essais précédents. Les images en position 100 ne permettent pas d'étudier
une zone plus grande. Pour permettre la comparaison entre les différentes
positions, cette zone, vue dans toutes les images, a été choisie. Elle com-
prend une partie délicate à corréler sur la croix proprement dite. Ces points
aberrants dus à une mauvaise corrélation ont été supprimés pour une meil-
leure exploitation des résultats. Aucun critère n’a été mis au point pour juger
de la validité d’une point de mesure, les points aberrants sont généralement
très localisés et facilement identifiables par l’utilisateur au vue de la réparti-
tion globale des déformations.
Figure 5.26 : Image initiale (300) avec la zone étudiée
3.4 Résultats
3.4.1 Calcul de l'incertitude sur la norme
Un des résultats exploité dans cette étude est la norme du déplacement.

Avant tout calcul, il convient de déterminer avec quelle incertitude ces dé-
191
placements peuvent être déterminés. Les coordonnées initiales et finales sui-

vants les trois axes du cube sont récupérées dans les fichiers contenant les
géométries initiale et finale de la zone étudiée. Dans ces fichiers ,
l’incertitude de chaque coordonnée est de 0.01 mm puisque les coordonnées
3D récupérées sous ASAME sont données avec 2 chiffres significatifs.
Soient D la norme du déplacement, {X iini , Yi ini , Z iini } les coordonnées d’un point
M iini de la structure initiale et {X idef , Yi def , Z idef } les coordonnées de son corres-
pondant M idef de la structure déformée. Le calcul de la norme s'effectue
grâce à la formule suivante :
D= (X i
def
− X iini ) + (Yi def − Yi ini ) + (Z idef − Z iini )
2 2 2
(5.5)
Pour calculer l’incertitude induite par l’utilisation de cette formule, le loga-

rithmique de D est calculé :
ln D =
1
2
(
ln ( X idef − X iini ) + (Yi def − Yi ini ) + (Z idef − Z iini )
2 2 2
) (5.6)
∆D 1
= ⋅ (2 ⋅ ∆X idef ⋅ ( X idef − X iini ) − 2 ⋅ ∆X iini ⋅ ( X idef − X iini ) +
D 2⋅ D 2
2 ⋅ ∆Yi def ⋅ (Yi def − Yi ini ) − 2 ⋅ ∆Yi ini ⋅ (Yi def − Yi ini ) + (5.7)
2 ⋅ ∆Z idef ⋅ ( Z idef − Z iini ) − 2 ⋅ ∆Z iini ⋅ ( Z idef − Z iini ))
Comme les incertitudes s'ajoutent entre elles, la valeur absolue de chaque

coefficient des ∆ i est considérée. L’incertitude dans les fichiers de points est
de 0.01 mm, d’où :
∆ = ∆X iini = ∆X idef = ∆Yi ini = ∆Yi def = ∆Z iini = ∆Z idef = 0.01 mm (5.8)
(5.7) s’écrit alors :
∆D =
(
2 ⋅ ∆ ⋅ X idef − X iini + Yi def − Yi ini + Z idef − Z iini ) (5.9)
D
L'incertitude sur la norme est fonction de la norme des déplacements suivant

les trois axes.
192
3.4.2 Déplacement vertical de 9 mm
3.4.2.1 Déformations
Les déformations calculées par ASAME 4.1 ne sont pas négligeables.

La Figure 5.27 présente la répartition des déformations majeures sur la zone
étudiée. Les déformations varient entre -0.15 % et 23.32 %. Les taux de dé-
formations élevés correspondent à des points aberrants. Ces points sont sup-
primés car ils sont dus à une mauvaise corrélation dans des zones trop claires
ou trop sombres.
Figure 5.27 : Déformations majeures pour un déplacement vertical de

9 mm
Une fois les points aberrants supprimés, la zone d'étude contient alors 432
nœuds. La valeur moyenne des déformations majeures est de 0.342 % avec
un écart type de 0.561 %.
Les déformations mineures sont représentées sur la Figure 5.28. Leurs va-
leurs varient entre -19.25 % et 2.21 %. Comme pour les déformations majeu-
res, les points de la zone aberrante sont retirés. La valeur moyenne des dé-
formations mineures est de -0.26 % avec un écart type de 0.764 %.
193
Figure 5.28 : Déformations mineures pour un déplacement vertical de

9 mm
3.4.2.2 Déplacements
La répartition des déplacements mesurés par ASAME 4.1 est présentée sur la
Figure 5.29. L'incertitude (5.9) induite par le calcul de la norme du déplace-
ment est de 0.027 mm.
Figure 5.29 : Norme du déplacement pour un déplacement vertical de

9 mm
194
La zone est constituée de 452 nœuds. La moyenne des déplacements calculés

sur ces nœuds est de 9.025 mm avec un écart type de 0.009 mm. Le dépla-
cement appliqué était de 9.00 mm.
3.4.3 Déplacement horizontal de 5 mm
3.4.3.1 Déformations
Comme pour l'essai sur un déplacement vertical, les déformations ne sont

pas nulles. La Figure 5.30 présente la répartition des déformations majeures
mesurées par ASAME 4.1 sur la zone étudiée. Ces déformations varient en-
tre -0.05 % et 1.44 %. La zone étudiée comporte 453 nœuds. La moyenne
des déformations majeures sur ces nœuds est de 0.274 % avec un écart type
de 0.227 %.
Figure 5.30 : Déformations majeures pour un déplacement horizontal de

5 mm
La Figure 5.31 représente la répartition des déformations mineures sur la

zone étudiée. Elles varient de -1.90 % à 0.29 %. La moyenne des déforma-
tions mineures est de - 0.196 % avec un écart type de 0.273 %.
195
Figure 5.31 : Déformations mineures pour un déplacement horizontal de

5 mm
La Figure 5.32 montre la répartition des déplacements calculés par ASAME

4.1 pour un déplacement de la plaque mesuré de 5 mm. Sur toute la zone
d'étude, les déplacements varient de 4.92 à 5.25 mm. L'incertitude (5.9) in-
duite par le calcul de la norme est de 0.035 mm.
Figure 5.32 : Norme du déplacement pour un déplacement horizontal de

5 mm
196
La zone d'étude comprend 453 points de mesure. La moyenne des déplace-

ments sur l'ensemble de ces points est de 5.045 mm avec un écart type de
0.048 mm.
3.4.4 Grands déplacements horizontaux
3.4.4.1 Déformations majeures
Les déformations majeures obtenues en corrélant deux couples identiques, le

couple 300, ne sont pas nulles comme le montre la Figure 5.33. Elles varient
entre -0.07 % et 0.56 %.
La zone constituée par le bout de la flèche (Figure 5.26) présente des valeurs
aberrantes et a donc été enlevé.
Figure 5.33 : Déformation majeure pour le couple 300/300
Sur les 174 points de mesure, la déformation majeure moyenne est de

0.112 % avec un écart type de 0.129 %. Cette valeur correspond donc à
l’erreur due à la corrélation proprement dite.
La Figure 5.34 présente la répartition des déformations mesurées par AS-

AME 4.1 sur les 4 couples d'images analysés en prenant comme référence le
couple 300.
197
Figure 5.34 : Déformations majeures
Les déformations sont relativement faibles pour les distances proches de 300
(400 et 200). Elles varient entre 0.04 % et 5.12 % pour le couple 200/300 et
entre -0.22 % et 4.68 % pour le couple 400/300.
La moyenne des déformations majeures établie à partir des 187 points de

mesure est de 1.001% avec un écart type de 0.724 % pour le couple 200/300
et de 0.498 % avec un écart type de 0.647 % pour le couple 400/300 sur 175
points de mesure.
Pour des distances plus grandes (500/300, 100/300), ASAME 4.1 trouve des
déformations beaucoup plus importantes, comprises entre –1.46 % et
71.91 % pour le couple 500/300 et entre -4.63 % et 62.43 % pour le couple
100/300.
La moyenne des déformations majeures sur 187 points est de 9.158 % avec
un écart type de 12.271 % pour le couple 500/300 et de 13.21 % avec un
écart type de 10.557 % sur 142 points pour le couple 100/300.
198
Le graphique de la Figure 5.35 représente la moyenne des déformations ma-

jeures sur la zone corrélée, entourée d'un écart type de part et d'autre, ce qui
signifie que dans la zone grisée sont regroupés 66% des points de mesure.
Le graphique confirme que la précision est du même ordre de grandeur pour
un déplacement de 100 mm autour de la photo initiale.
Analyse de la précision des déformations majeures - Asame 4.1
25
20
moyenne des déformations majeures (%)
15
10
0
100 200 300 400 500
-5
position
Figure 5.35 : Répartition de l'erreur et de son écart type en fonction de

la position
Pour compléter ces mesures, un calcul a été réalisé sur le déplacement de

200 mm entre les deux photos 200 et 400. La Figure 5.36 présente la réparti-
tion des déformations majeures pour le couple 400/200.
Pour cette corrélation, la moyenne des déformations majeures est de 0.146 %
avec un écart type de 0.744 %. Cette précision est équivalente à celle trouvée
pour les deux déplacements de 100 mm. L’ordre de grandeur de la précision
d'ASAME 4.1 sur les déformations majeures est donc valide sur un déplace-
ment de 200 mm.
199
Figure 5.36 : Déformations majeures, photo 400/200
3.4.4.2 Déformations mineures
Comme pour les déformations majeures, la corrélation du couple 300/300 ne

donne pas des déformations mineures nulles. La Figure 5.37 présente leur
répartition, elles sont comprises entre -2.28 % et 0.02 %. Sur les 174 points
de mesure donne la moyenne des déformations mineures est de –0.111 %
avec un écart type de 0.263 %.
Figure 5.37 : Déformations mineures pour le couple 300/300
200
La Figure 5.38 présente la répartition des déformations mineures mesurées

par ASAME 4.1 sur les 4 couples d'images analysés en prenant comme réfé-
rence le couple 300.
Figure 5.38 : Déformations mineures
Les déformations sont relativement faibles pour les distances proches de 300
(400 et 200). Elles varient entre -1.99 % et 1.62 % pour le couple 200/300 et
entre -1.89 % et 2.18 % pour le couple 400/300.
La moyenne des déformations mineures établie à partir des 187 points de

mesure est de 0.153 % avec un écart type de 0.35 % pour le couple 200/300
et de -0.399 % avec un écart type de 0.466 % pour le couple 400/300 sur 175
points de mesure.
Pour des distances plus grandes (500/300, 100/300), ASAME 4.1 trouve des
déformations beaucoup plus importantes, comprises entre -28.15 % et
45.32 % pour le couple 500/300 et entre -39.95 % et 20.61 % pour le couple
100/300. La moyenne des déformations mineures est de -0.443 % sur 187
points avec un écart type de 8.19 % pour le couple 500/300 et de -0.563 %
avec un écart type de 8.404 % sur 142 points pour le couple 100/300.
201
Le graphique de la Figure 5.39 représente la moyenne des déformations mi-

neures sur la zone corrélée, entourée d'un écart type de part et d'autre, ce qui
signifie que dans la zone grisée sont regroupés 66% des points de mesure. Le
graphique confirme que la précision est du même ordre de grandeur pour un
déplacement de 100 mm autour de la photo la plus nette.
Analyse de la précision des déformations mineures - Asame 4.1
15
10
moyenne des déformations mineures (%)
0
100 200 300 400 500
-5
-10
-15
position

la position
Pour compléter ces mesures, un calcul a été réalisé sur le déplacement de

200 mm entre les deux photos 200 et 400.
La Figure 5.40 présente la répartition des déformations mineures pour le
couple 400/200. Pour cette corrélation, la moyenne des déformations mineu-
res est de -1.273 % avec un écart type de 0.743 %. Cette précision est supé-
rieure à celle trouvée pour les deux déplacements de 100 mm, mais reste du
même ordre de grandeur.
202
Figure 5.40 : Déformations mineures, photo 400/200
L'incertitude induite par le calcul de la norme (5.9) est de 0.034 mm pour

tous les couples étudiés. L’étude du couple 300/300 permet comme pour les
déformations de déterminer les déplacements parasites entraînés par la cor-
rélation. La répartition des déplacements mesurés est visible sur la Figure
5.41. Ils varient entre 0 mm et 0.09 mm.
Figure 5.41 : Déplacement pour le couple 300/300
203
Le déplacement moyen, obtenu à partir des 174 points de mesure, est de

0.012 mm avec un écart type de 0.016.
La répartition des déplacements mesurés par ASAME 4.1 pour les différen-
tes positions étudiées est présentée dans la Figure 5.42. Comme pour les dé-
formations majeures et mineures, l'étude a été faite en utilisant le repère 300
comme référence. Comme précédemment, le déplacement mesuré est plus
proche du déplacement réel pour les couples 200/300 et 400/300 que pour les
couples 500/300 et 100/300. Pour les premiers, le déplacement varie respec-
tivement de 101.32 à 101.85 mm et de 100.89 à 102.41 mm. Pour les deux
autres couples, il varie respectivement de 201.54 à 204.62 mm et de 203.55 à
206.74 mm.
Contrairement aux petits déplacements, les valeurs extrêmes mesurées
n'entourent pas la valeur réelle ; le déplacement est surestimé.
Figure 5.42 : Norme du déplacement
Pour le couple 200/300, le déplacement moyen sur les 187 points de mesure
est de 101.589 mm avec un écart type de 0.126 mm.
204
Comme pour les déformations, la dispersion est plus importante lorsque la
distance augmente.
Le graphique de la Figure 5.43 représente la moyenne des déplacements sur

la zone corrélée, entourée d'un écart type de part et d'autre, ce qui signifie
que dans la zone grisée sont regroupés 66% des points de mesure.
Analyse de la précision des déplacements - Asame 4.1
6
moyenne de l'erreur sur le déplacement (mm)
0
100 200 300 400 500
-1
position

la position
Le graphique confirme que la précision est correcte pour un déplacement de

100 mm autour de la photo la plus nette. Il est intéressant de regarder si le
déplacement de 200 mm entre les deux photos 200 et 400 va donner un
résultat satisfaisant.
La répartition des déplacements pour le couple 200/400 est représentée sur la

Figure 5.44.
205
Figure 5.44 : Norme du déplacement 400/200
Pour cette corrélation, la moyenne des déplacements est de 203.496 mm avec

un écart type de 0.15 mm. L'erreur est équivalente à celle trouvée pour les
déplacements du couple 500/300 mais avec une dispersion quasiment deux
fois plus faible.
3.4.5 Récapitulatif
Les résultats de mesure de déformations et de déplacements sur des dépla-

cements de corps solides avec ASAME 4.1 ont été présenté en détails. Ils
sont récapitulés dans ce paragraphe. Les résultats obtenus en utilisant la ver-
sion 4.0 du logiciel ne sont pas présentés en détails car ils sont tous du même
ordre de grandeur qu’avec la version 4.1. Les valeurs obtenus sont juste in-
diquées dans les tableaux récapitulatifs.
Le tableau de la Figure 5.45 rassemble les moyennes et les écarts types pour
les essais sur les petits déplacements obtenus avec ASAME 4.0 et 4.1.
206
ASAME 4.0 ASAME 4.1
Moyenne (%) 0.288 0.342
Déplacement vertical
Déformation
Majeure
Ecart type (%) 0.54 0.561
Moyenne (%) -0.307 -0.26
Mineure
Ecart type (%) 0.79 0.764
Moyenne (mm) 9.003 9.025
Déplacement
Ecart type (mm) 0.015 0.009
Déplacement horizontal
Moyenne (%) 0.253 0.274

Déformation
Majeure
Ecart type (%) 0.244 0.227
Moyenne (%) -0.208 -0.196
Mineure
Ecart type (%) 0.275 0.273
Moyenne (mm) 5.03 5.045
Déplacement
Figure 5.45 : Résultats obtenus avec ASAME 4.0 et 4.1 pour les petits
déplacements
Les résultats obtenus avec les deux versions d'ASAME sont très proches.
Le tableau de la Figure 5.46 récapitule les résultats obtenus avec ASAME

4.0 et 4.1 pour les grands déplacements. Comme dans le cas des petits dépla-
cements, les valeurs moyennes sont très proches pour les deux versions.
L’erreur due au déplacement a été calculée en enlevant l’erreur due à la cor-

rélation de la moyenne des erreurs locales, c’est à dire l’erreur du couple
300/300. Les images initiale et finale étant identiques, l’erreur mesurée est
donc engendrée uniquement par la corrélation.
L'erreur due à la corrélation (couple 300/300) est inférieure avec ASAME

4.0 pour les déformations majeures (0.096 % pour 4.0 et 0.112 % pour 4.1).
C'est également le cas pour les déplacements : 0.008 mm pour 4.0 et 0.012
mm pour 4.1. Cependant l'incertitude étant de 0.034 mm, cette différence
n'est pas significative. Pour les déformations mineures, la version 4.1 est
plus précise, -0.111 % contre -0.199% pour la 4.0, mais ces valeurs restent
du même ordre de grandeur.
207
Erreur due au déplacement
ASAME 4.0 ASAME 4.1 ASAME 4.0 ASAME 4.1
Moyenne (%) 11.705 13.21 11.609 13.098

100/300
Ecart type (%) 11.085 10.557
Moyenne (%) 0.889 1.001 0.793 0.889
Déformation majeure 200/300
Ecart type (%) 0.472 0.724
Moyenne (%) 0.096 0.112 0 0
300/300
Ecart type (%) 0.12 0.129
Moyenne (%) 0.809 0.498 0.713 0.386
400/300
Ecart type (%) 0.316 0.647
Moyenne (%) 8.4 9.158 8.304 9.046
500/300
Ecart type (%) 11.05 12.261
Moyenne (%) 1.571 0.146 1.475 0.034
400/200
Ecart type (%) 0.603 0.744
Moyenne (%) 1.206 -0.563 1.325 -0.452
100/300
Ecart type (%) 7.075 8.404
Moyenne (%) 0.231 0.153 0.35 0.264
200/300
Grands déplacements
Déformation mineure
Ecart type (%) 0.484 0.35

Moyenne (%) -0.119 -0.111 0 0
300/300
Ecart type (%) 0.246 0.263
Moyenne (%) 0.207 -0.399 0.326 -0.288
400/300
Ecart type (%) 0.314 0.466
Moyenne (%) -3.018 -0.443 -2.899 -0.332
500/300
Ecart type (%) 8.455 8.19
Moyenne (%) 0.558 -1.273 0.677 -1.162
400/200
Ecart type (%) 0.534 0.743
Moyenne (mm) 205.605 205.623 5.597 5.611
100/300
Moyenne (mm) 101.687 101.589 1.679 1.577
200/300
Déplacement
Moyenne (mm) 0.008 0.012 0 0

300/300
Moyenne (mm) 101 101.892 0.992 1.88
400/300
Moyenne (mm) 201.695 203.148 1.687 3.136
500/300
Moyenne (mm) 202.686 203.493 2.678 3.481
400/200
Figure 5.46 : Résultats obtenus avec ASAME 4.0 et 4.1 pour les grands
déplacements
208
3.5 Conclusions
La version 4.1 d'ASAME n'apporte pas d'amélioration au niveau de la préci-

sion du calcul. Les erreurs propres à la corrélation sont du même ordre de
grandeur.
3.5.1 Déformations
La précision d'ASAME pour les déformations est de l'ordre de 1% sur des

grands déplacements (100 mm), avec une dispersion de 0,5%. Plus les dépla-
cements sont petits et meilleure est la précision, jusqu'à arriver à 0,3% avec
une dispersion équivalente pour des déplacements de l'ordre de la dizaine de
millimètres.
3.5.2 Déplacements
La précision d'ASAME pour les déplacements est de l'ordre de 1 à 2 mm

pour un déplacement de 100 à 200 mm. La dispersion pour ces déplacements
atteint une valeur de 0.08 mm à 0.15 mm, avec une incertitude de calcul de
0.034 mm.
Pour des déplacements plus réduits, de l'ordre de la dizaine de millimètres,
l'erreur d'ASAME est de 0.03 mm avec une dispersion de 0.04 mm et une in-
certitude de calcul de 0.035 mm.
3.5.3 Bilan
Les résultats donnés ici ne prennent en compte que les moyennes sur un cer-
tains nombres de points. Pour obtenir une valeur avec la précision décrite au
cours de cette étude, il est préférable d'étudier une petite zone afin d’obtenir
des résultats comparables.
Il est possible d'étudier des pièces subissant un déplacement de 200 mm avec
une précision acceptable.
209
Afin de vérifier la répétabilité des résultats obtenus, il serait intéressant

d’effectuer des mesures supplémentaires sur un autre objet texturé en modi-
fiant la distance entre les caméras et l’objet étudié.
Il serait également intéressant de réaliser ces mesures de précision en utili-
sant plusieurs images du cube lors de l’étape de calibrage pour quantifier la
répercussion de la précision du calibrage sur la précision des déformations et
des déplacements mesurés.
Les résultats des mesures des champs de déplacements et de déformations
3D présentés dans les parties suivantes ont été obtenus à partir du logiciel
ASAME. Ces résultats sont donc à relativiser en fonction des précisions du
logiciel ASAME présentées ici.
210
Partie 6
Résultats de mesures de
champs de déplacements 3D
211
212
Section 1 – Mesure des champs de déplacements sur un fer à repasser
1 Mesure des champs de déplacements sur

un fer à repasser
1.1 Introduction
1.2 Protocole expérimental

Matériel utilisé
Préparation
1.4 Mises en données
1.5 Résultats
Mesures 2D
Précision du calcul
Champ de déplacements dans la direction 1
Champ de déplacements dans la direction 2
Magnitude
Déformée
Mesures 3D
Déformée
Magnitude
1.6 Conclusion
1.1 Introduction
Afin de tester la mesure des champs de déplacements 3D avec le logiciel

ASAME et le module de corrélation, une étude a été réalisée sur un fer à
repasser sous sollicitations thermiques.
L'objectif de cette étude est de déterminer les champs de déplacements sur le
profil d’un fer à repasser entre un état froid et un état chaud, i.e. en cours de
cycle de chauffage. Une étude préalable des champs de déplacements 2D sur
le profil global du fer réalisée à partir de ICASOFT a permis de mettre en
évidence les zones les plus sollicitées.
Une étude des champs de déplacements 3D sur cette zone a ensuite été
réalisée. Les résultats des mesures des champs de déplacements obtenus avec
ASAME pourront donc être comparés avec ceux obtenus à partir d’une
mesure 2D.
213
Partie 6 – Résultats de mesures de champs de déplacements 3D
1.2.1 Matériel utilisé
L'acquisition des images numériques pour les mesures 2D et 3D a été

réalisée avec les caméras CCD Hamamatsu. La résolution des images est de
1024x1024 pixels. L'exploitation de ces images numériques est réalisée avec
le logiciel ICASOFT pour les mesures 2D et avec ASAME 4.0 pour les
mesures 3D.
1.2.2 Préparation
Le fer a été, dans un premier temps, recouvert de peinture blanche résistante

a très haute température. Un mouchetis noir a ensuite été déposé avec une
bombe de peinture pour obtenir le motif aléatoire.
Pour les mesures 2D, la caméra numérique est placée à une distance
d'environ 2.5 mètres du fer à repasser, posé à l'horizontal sur le socle, afin de
visualiser entièrement la zone d’étude.
Pour les mesures 3D, le banc stéréoscopique est placé à une distance
d’environ 1 mètre du fer à repasser.
Le but de ces essais est de quantifier les déplacements des différentes parties
constituant ces fers à repasser, sous sollicitation thermique.
L'état initial correspond à l'état froid, le fer est débranché et à température
ambiante. L'état final correspond à l'état chaud, après environ 20 minutes de
fonctionnement du fer à repasser.
L’image initiale utilisée pour les mesures 2D est présentées sur la Figure 6.1.
214
Figure 6.1 : Image initiale du fer à repasser utilisée pour les mesures 2D
Après analyse des résultats des mesures 2D, un essai a été réalisé sur le bec
du fer à repasser, à l’extrémité droite de la Figure 6.1, zone qui présente les
déplacements les plus importants. Une des images initiales pour la mesure
3D est présentée sur la Figure 6.2.
Figure 6.2 : Image initiale du fer à repasser utilisée pour les mesures 3D
215
1.4 Mises en données
La mise en données a été faite sur différentes zones correspondantes aux

différentes parties constituant le fer à repasser, afin de mieux visualiser les
déplacements des ces zones les unes par rapport aux autres. Les résultats des
mesures 2D et 3D sont donnés sur les différentes parties numérotées sur la
Figure 6.3.
Figure 6.3 : Numérotation des différentes parties mises en données sur le

fer à repasser
1.5 Résultats
1.5.1 Mesures 2D
Pour les mesures 2D, les résultats sont donnés sur l'image initiale de la
structure. Les résultats suivants sont présentés:
Précision du calcul : Il s'agit d'une erreur, exprimée en pixels, permettant

d'évaluer la précision du calcul de corrélation (cf. § 1.6 de la partie 2). Si
la précision est inférieure à 0.01 pixels, le calcul est considéré comme
étant suffisamment précis.
216
Champ de déplacements dans la direction 1 : La direction 1 correspond à

la direction horizontale de l'image. Le champ de déplacements est
exprimé en pixels, puisque les mesures sont réalisées directement sur les
images. Pour cet essai, 1 pixel correspond à 0.27 mm.
Champ de déplacements dans la direction 2: La direction 2 correspond à
la direction verticale de l'image. Le champ de déplacements est exprimé
en pixels. Pour cet essai, 1 pixel correspond à 0.27 mm.
Magnitude: Il s'agit de la norme du vecteur déplacement.
Déformée: Le calcul du champ de déplacements s'effectuant sur chaque
pattern d'un maillage virtuel, il est possible de visualiser ce maillage
déformé. Le maillage virtuel initial de la zone d'étude est représenté en
gris. Le maillage virtuel déformé est représenté en jaune.
1.5.1.1 Précision du calcul
La moyenne de l'erreur de corrélation est de 6.86E-3 pixels (Figure 6.4), soit

1.85E-3 mm. Globalement, les calculs ont donc été réalisés avec une bonne
précision. Plus localement, l'erreur de corrélation est supérieure à 0.01 pixels
(zones en bleu ciel et vert). Les résultats sur ces zones sont donc à relativiser
par rapport à la précision du calcul.
Figure 6.4 : Précision du calcul (en pixels)
217
1.5.1.2 Champ de déplacements dans la direction 1
Le champ de déplacement dans la direction 1 (horizontalement) est présenté

sur la Figure 6.5, et en couleurs cycliques sur la Figure 6.6. Dans cette
direction, le déplacement varie de -0.78 pixels, soit -0.21 mm, à 5.8 pixels,
soit 1.57 mm.
L'extrémité gauche de la partie 1 ne s'est pas déplacée dans la direction 1. Le

déplacement dans la direction 1 augmente en se rapprochant de l'extrémité
droite qui atteint un déplacement maximum de 4.4 pixels, soit 1.19 mm.
Le déplacement dans la direction 1 de la partie 2 suit la même évolution que

la partie 1: le déplacement est nul à l'extrémité gauche et atteint 4 pixels, soit
1.08 mm, à l'extrémité droite.
Dans la partie 3 le déplacement dans la direction 1 est négatif dans la zone

située en bas à gauche (en violet sur la Figure 6.6) et atteint un minimum de
-0.78 pixels, soit -0.21 mm. Le déplacement est nul dans zone située entre le
violet et le vert. Le déplacement augment ensuite pour atteindre 5.8 pixels,
soit 1.57 mm en bas à droite de la partie 3.
Figure 6.5 : Champ de déplacement (en pixels) dans la direction 1
218
Figure 6.6 : Champ de déplacement (en pixels) dans la direction 1 en

couleurs cycliques
1.5.1.3 Champ de déplacement dans la direction 2
Le champ de déplacement dans la direction 2 (verticalement) est présenté sur

la Figure 6.7, et en couleurs cycliques sur la Figure 6.8. Dans cette direction,
le déplacement varie de -2.5 pixels, soit -0.67 mm, à 0.68 pixels, soit 0.18
mm.
La partie 1 s'est très peu déplacée dans cette direction. Le déplacement varie
entre -0.3 pixels, soit -0.08mm, et 0.2 pixels, soit 0.05 mm. Le déplacement
est positif aux extrémités de cette partie, et négatif au centre.
La partie 2 forme un ventre. Le déplacement dans la direction 2 est plus

important, en valeur absolue, au centre (zone en vert - kaki de la Figure 6.8)
avec une valeur de -1.2 pixels, soit -0.32 mm. A l'extrémité gauche, le
déplacement est de l'ordre de -0.4 pixels, soit -0.11 mm. A l'extrémité droite
(zone en rouge de la Figure 6.8) le déplacement est quasiment nul.
Sur la gauche de la partie 3, le déplacement est négatif et vaut -0.3 pixels,

soit -0.08 mm. En se rapprochant du centre de la partie 3, le déplacement
augmente jusqu'à atteindre 0.68 pixels, soit 0.18 mm. Puis le déplacement
219
dans la direction 2 diminue pour atteindre -2.5 pixels, soit -0.67 mm, en bas
à droite de la partie 3.
Figure 6.7 : Champ de déplacement (en pixels) dans la direction 2
Figure 6.8 : Champ de déplacement (en pixels) dans la direction 2 en

couleurs cycliques
220
1.5.1.4 Magnitude
La magnitude est représentée sur la Figure 6.9, et en couleurs cycliques sur

la Figure 6.10. Elle atteint une valeur maximum de 6.4 pixels, soit 1.73 mm.
Figure 6.9 : Magnitude (en pixels)
Figure 6.10 : Magnitude (en pixels) en couleurs cycliques
221
La magnitude est nulle à l'extrémité gauche de la partie 1 puis augmente

régulièrement pour atteindre 4.4 pixels, soit 1.19 mm à l'extrémité droite.
Sur la partie 2, la magnitude suit la même évolution. Elle vaut 0.3 pixels,
soit 0.08 mm, à l'extrémité gauche puis augmente progressivement pour
atteindre 4.1 pixels, soit 1.11 mm, à l'extrémité droite.
Sur la gauche de la partie 3, la magnitude est quasiment nulle. Elle atteint
son maximum, 6.4 pixels, soit 1.73 mm, en bas à droite de la partie 3.
1.5.1.5 Déformée
Le déplacement du fer à repasser peut être visualisé par la déformée. Cette

déformée est amplifiée 20 fois sur la Figure 6.11 et amplifiée 40 fois sur la
Figure 6.12.
Figure 6.11 : Déformée amplifiée 20 fois
Ces figures mettent en évidence les déplacements décrits précédemment.

Globalement, le fer s'est déplacé horizontalement. La partie 2 forme un
ventre. Le déplacement est le plus important en bas à droite de la partie 3.
222
Figure 6.12 : Déformée amplifiée 40 fois
1.5.2 Mesures 3D
1.5.2.1 Déformée
La Figure 6.13 représente les reconstructions 3D initiale et déformée de la

zone étudiée, dans un plan parallèle au système stéréoscopique. La structure
initiale est représentée en arrière plan et la structure finale au premier plan.
Le déplacement est amplifié 20 fois sur la structure déformée pour permettre
une meilleure visualisation du comportement du fer à repasser. Globalement,
le fer s'est déplacé horizontalement, vers la droite. Les parties 3 et 2 se sont
écartées : l'extrémité de la partie 3 est montée, alors que le bout de la partie
2 est descendu. La partie 1 semble être restée plane. Cependant, le fer à
repasser étant poser sur une table lors des essais 3D, il est impossible de
mettre en évidence sur la partie 1 un déplacement similaire aux parties
supérieures.
La Figure 6.14 représente les reconstructions initiale (à droite) et déformée
(à gauche) vues de l'avant. Cette visualisation permet de mettre en évidence
le déplacement hors plan, amplifié 20 fois, du fer à repasser. Dans cette
direction, la partie 3 s'est plus déplacée que les autres.
223
Figure 6.13 : Reconstructions initiale et déformée vues de face (le

déplacement de la déformée est amplifiée 20 fois)
Figure 6.14 : Reconstructions initiales et déformée vues de l’avant (le

déplacement de la déformée est amplifiée 20 fois)
224
1.5.2.2 Magnitude
La magnitude correspond à la norme du vecteur déplacement. Elle varie

entre 0.70 mm et 1.55 mm sur l'ensemble de la zone étudiée (Figure 6.15).
L'extrémité droite de la partie supérieure s'est le plus déplacée. Ces résultats
sont cohérents avec ceux obtenus à partir des mesures 2D (Figure 6.9 et
Figure 6.10).
Figure 6.15 : Magnitude en mm sur la zone d’étude
1.6 Conclusion
Ces essais ont permis de quantifier les déplacements 2D et 3D du profil d’un

fer à repasser sous sollicitation thermique, en cours de cycle de chauffage.
Ils ont également permis de confronter les résultats obtenus à partir de
ICASOFT et d’une mesure 2D avec ceux obtenus à partir d’ASAME et d’une
mesure 3D pour mettre en évidence la cohérence des résultats obtenus à
partir des deux méthodes.
225
Section 2 – Mesure des champs de déplacements sur un crâne
2 Mesures des champs de déplacements

sur un crâne
2.1 Introduction
2.4 Mise en données
2.5 Résultats
Coté droit
Déplacements de la malaire entre le précyclage et la charge maximale
Déplacements de la résine entre le précyclage et la charge maximale
Déplacements de l’ensemble de la zone d’étude
Coté gauche
Déplacements de la résine entre le précyclage et la charge maximale
Déplacements de la malaire entre l’état initial et le précyclage
Déplacements de la malaire entre le précyclage et la charge maximale
Mesures sur l’orbite entre la fin du précyclage et la charge maximale
Déplacements de la partie basse du crâne entre la fin du précyclage et
la charge maximale
2.6 Conclusion
2.1 Introduction
Le logiciel ASAME et le module de corrélation ayant été testés par l’étude

sur le fer à repasser présentée à la section précédente, la méthode a été
appliquée en milieu industriel sur le site de l’INRETS (Institut National de
Recherche sur les Transports et leur Sécurité) de Bron.
Dans le but de modéliser numériquement un corps humain complet (os,
tissus et peau), différentes études sont menées à l’INRETS. L’une d’elle à
trait au crâne humain, et le modèle numérique de celui-ci doit être validé par
une série d’essais de chargements jusqu’à rupture. Pour mesurer les
déplacements sur ce crâne, le logiciel ASAME a été préféré à des jauges
classiques, du fait de la multitude des points de mesures possibles et de sa
facilité d’utilisation.
227
2.2 Protocole Expérimental
Le protocole expérimental est illustré sur la Figure 6.16.

Le système stéréoscopique est composé des deux caméras numériques CCD
Hamamatsu montées rigidement sur un socle lourd. La résolution des images
est de 1024 x 1024 pixels.
Le cube de 50 mm d'arête est utilisé pour permettre le calibrage du logiciel
ASAME.
La crâne étudié est encastré dans de la résine solidaire d’un socle en acier
lui-même fixé sous la machine qui va appliquer le chargement. Le crâne est
recouvert d'un motif aléatoire permettant la corrélation : les zones d’intérêts
sont dans un premier temps enduites d’un mélange de colle à bois et d’eau
puis saupoudrées de poudre de carbone.
L'éclairage est assuré par les trois faisceaux d'une source de lumière froide.
Celui-ci permet de fermer au maximum le diaphragme des caméras.
Figure 6.16: Protocole expérimental
La pression ponctuelle a été appliquée sur la malaire, le crâne étant posé à

plat (Figure 6.17). Afin de disposer de plusieurs données expérimentales, le
même essai a été réalisé sur les deux côtés du crâne
228
Figure 6.17: Positionnement du crâne avec appui sur la malaire
Le chargement appliqué est le suivant (Figure 6.18) :

Un précyclage permettant la mise en place du poinçon sphérique
Une première charge à 200 N, suivie d’une décharge à 30 N
Une deuxième charge jusqu’à rupture, atteignant au maximum 1009 N
sur le côté droit et 526 N sur le côté gauche.
efforts/déplacements
600
500
400
efforts (N)
300
200
100
0
0 2 4 6 8 10 12
déplacements (mm)
Figure 6.18 : Courbe de chargement côté gauche
Dans les deux cas, des photos ont été prises lors des différentes étapes du
chargement pour disposer de résultats d’une même zone à différents états de
229
chargements. Cependant, seuls les résultats pour la sollicitation maximale

sont présentés en détail, car ce sont les plus représentatifs. La fin du
précyclage est pris comme état initial.
2.4 Mise en données
Les images utilisées et les zones d'études sont présentées sur les Figure 6.19
et Figure 6.20.
Figure 6.19 : Zones d’études du coté droit
230
Figure 6.20 : Zones d’études du coté gauche
La zone d'étude Malaire est la plus intéressante, ainsi que celle située au
niveau de l'arcade. Les zones dites « bas » et « résine » n'ont été corrélées
que pour vérifier certaines hypothèses faites en constatation des résultats.
Il est à noter que pour le côté droit, lors des essais, la zone d'appui a été
perforée par le poinçon relativement tôt, ce qui peut expliquer certains
résultats obtenus.
Avant les essais, le cube est positionné à l’endroit où le crâne sera posé et
une image est prise par chaque caméra. Les prises de vue obtenues (Figure
6.21) sont utilisées pour le calibrage des images à corréler. Les photos du
crâne au cours de l’essai sont prises sans modification des réglages des
caméras.
231
Figure 6.21 : Images gauche et droite du cube de calibrage
2.5 Résultats
2.5.1 Coté droit
2.5.1.1 Déplacements de la malaire entre le précyclage et la charge maximale sur le

coté droit
Les champs de déplacements mesurés sont présentés dans les directions X

(Figure 6.22), Y (Figure 6.23) et Z (Figure 6.24). La norme du déplacement
est également présentée sur la Figure 6.25.
Figure 6.22 : Déplacements suivant l’axe X mesurés sur la malaire entre

le précyclage et la charge maximale sur le coté droit
232
Figure 6.23 : Déplacements suivant l’axe Y mesurés sur la malaire entre

Figure 6.24 : Déplacements suivant l’axe Z mesurés sur la malaire entre

233
Figure 6.25 : Norme du déplacement mesuré sur la malaire entre le

précyclage et la charge maximale sur le coté droit
Ces résultats entre la fin de la phase de précyclage et la charge maximale ne

donnent pas les résultats escomptés : l'endroit où le crâne se déplace le
moins (0.1 mm en norme) est le point le plus proche du point d'appui du
poinçon sur le crâne.
Le fait que le poinçon ait perforé l'appui peut expliquer ce problème. Une
autre hypothèse a été avancée, corroborée par les déplacements relativement
grands constaté à la base du crâne ; la résine dans laquelle le crâne a été fixé
n'a eu qu'une heure pour se solidifier, et il est donc possible qu'elle se soit
déformée sous le chargement.
2.5.1.2 Déplacements de la résine entre le précyclage et la charge maximale sur le

coté droit
Des mesures de déplacements ont été effectuées sur la résine. Les résultats
sont présentés sur les Figure 6.26 à Figure 6.29.
234
Figure 6.26 : Déplacements suivant l’axe X mesurés sur la résine entre le

Figure 6.27 : Déplacements suivant l’axe Y mesurés sur la résine entre le

Figure 6.28 : Déplacements suivant l’axe Z mesurés sur la résine entre le

235
Figure 6.29 : Norme du déplacement mesuré sur la résine entre le

Ces résultats prouvent que la résine s'est déplacée d'une valeur avoisinant le
maximum des déplacements sur la malaire (0.6 mm). Ces résultats ne
peuvent pas être validés par un modèle numérique supposant le crâne
encastré, mais par un modèle tenant compte du fait que le crâne est solidaire
d’un support déformable à condition de connaître les caractéristiques
mécaniques de la résine après une polymérisation d'une heure.
2.5.1.3 Déplacements de l’ensemble de la zone d’étude sur le coté droit
Les résultats de la norme du déplacement mesuré sur les différentes zones

d’intérêts (Figure 6.19) sont présentés sur la Figure 6.30.
2.5.2 Coté gauche
2.5.2.1 Déplacements de la résine entre le précyclage et la charge maximale sur le

coté gauche
Suite aux résultats des essais sur le coté droit du crâne, les premières
mesures sur le coté gauche ont été réalisées sur la résine. Les Figure 6.31 à
Figure 6.33 mettent en évidence les déplacements obtenus suivant les trois
axes ainsi que la norme du déplacement (Figure 6.34).
236
Figure 6.30 : Norme du déplacement mesuré sur l’ensemble des zones

d’intérêts entre le précyclage et la charge maximale
Figure 6.31 : Déplacements suivant l’axe X mesurés sur la résine entre le

précyclage et la charge maximale sur le coté gauche
237
Figure 6.32 : Déplacements suivant l’axe Y mesurés sur la résine entre le

Figure 6.33 : Déplacements suivant l’axe Z mesurés sur la résine entre le

Figure 6.34 : Norme du déplacement mesuré sur la résine entre le

238
La norme mesurée est en moyenne de 0.14 mm. Le déplacement suivant l'axe

X est quasiment nul, celui de l'axe Y est au alentour de 0.07 mm, le
déplacement le plus important étant dans la direction Z (environ 0.12 mm).
Les valeurs obtenues sont beaucoup plus faibles que celle de l'essai sur le
coté droit. L'explication la plus plausible est un temps de durcissement plus
important, l'essai sur le coté gauche ayant été effectué 15 heures après celui
sur le côté droit.
2.5.2.2 Déplacements de la malaire entre l’état initial et le précyclage sur le coté

gauche
De la Figure 6.35 à la Figure 6.38 sont présentés les déplacements obtenus

sur la malaire entre l'état initial et le précyclage.

l’état initial et le précyclage sur le coté gauche
239


240
Figure 6.38 : Norme du déplacement mesuré sur la malaire entre l’état

initial et le précyclage sur le coté gauche
Ces résultats montrent qu’entre l'état initial et la fin du précyclage, le

poinçon a enfoncé le haut de la malaire de 0.35 mm et que la partie droite
(liée au front) a beaucoup moins bougé que le reste de la malaire (0.2 mm).
2.5.2.3 Déplacements de la malaire entre le précyclage et la charge maximale sur le

coté gauche
La répartition des déplacements entre le précyclage et la charge maximale

est présentée sur les Figure 6.39 à Figure 6.42.
241

le précyclage et la charge maximale sur le coté gauche

242

Figure 6.42 : Norme du déplacement mesuré sur la malaire entre le

Les résultats sur la partie gauche sont plus logiques que ceux obtenus sur la
partie droite du crâne. La partie s'étant le plus déplacée est située sous le
poinçon et celle reliée au front n'a quasiment pas bougé. La partie basse de
243
la malaire a une légère tendance à s'enfoncer (-0.3 mm suivant X (sortant du

plan de la feuille) et 0.3 mm suivant Y (rentrant dans le plan de la feuille)).
2.5.2.4 Mesures sur l’orbite entre la fin du précyclage et la charge maximale sur le
coté gauche
Les Figures 6.43 à 6.46 indiquent les déplacements de l'orbite entre la fin du
précyclage et la charge maximale.
Figure 6.43 : Déplacements suivant l’axe X mesurés sur l’orbite entre la

fin du précyclage et la chargé maximale sur le coté gauche
Figure 6.44 : Déplacements suivant l’axe Y mesurés sur l’orbite entre la

244
Figure 6.45 : Déplacements suivant l’axe Z mesurés sur l’orbite entre la

Figure 6.46 : Norme du déplacement mesurée sur l’orbite entre la fin du

précyclage et la chargé maximale sur le coté gauche
L'orbite s'est déplacée de 0.6 mm environ dans la zone proche du point

d'appui, et seulement de 0.12 mm dans la zone proche du front.
2.5.2.5 Déplacements de la partie basse du crâne entre la fin du précyclage et la

charge maximale sur le coté gauche
Les Figures 6.47 à 6.50 présentent les déplacements mesurés sur la partie
basse du crâne entre la fin du précyclage et la charge maximale.
245
Figure 6.47 : Déplacements suivant l’axe X mesurés sur la partie basse

du crâne entre la fin du précyclage et la chargé maximale sur le coté
gauche
Figure 6.48 : Déplacements suivant l’axe Y mesurés sur la partie basse

gauche
246
Figure 6.49 : Déplacements suivant l’axe Z mesurés sur la partie basse

gauche
Figure 6.50 : Norme du déplacement mesurée sur la partie basse du

crâne entre la fin du précyclage et la chargé maximale sur le coté gauche
Cette partie s'est assez peu déplacée (0.13 mm) en comparaison de la malaire
(1.00 mm) ou de l'orbite (0.6 mm). Ce déplacement diminue en s’éloignant
de la zone proche de la malaire.
247
2.6 Conclusion
Ces mesures ont permis à l’INRETS d’obtenir un jeu de données repérées et

exploitables qui permettront la validation du modèle éléments finis.
La zone la plus sollicitée est la malaire, sur laquelle un déplacement de 1
mm est mesuré prés du point d'appui ainsi qu'un léger flambement sur l'arche
zygomatique.
Il convient toutefois de s'interroger sur le choix de la résine pour fixer le
crâne au support puisque celle-ci se déplace (de l'ordre du dixième du
déplacement maximal de la malaire). Si la déformabilité de la résine est
prouvée, il faut l'inclure dans le modèle éléments finis. Il est toutefois
possible que le déplacement provienne également en partie d'un déplacement
global du montage lors du chargement.
Cette étude a permis de tester le logiciel ASAME en milieu industriel dans le
cadre de mesures de champs de déplacements.
248
Partie 7
Résultats de mesures de
champs de déformations 3D
249
250
Section 1 – Etude du champ de déformations d’une coque cylindrique emboutie
1 Etude du champ de déformations d’une

coque cylindrique emboutie
1.1 Introduction
1.2 Préparation
1.3 Essais réalisés et mises en données
1.4 Résultats
Zone 1
Zone 2
Zone 3
1.5 Conclusion
1.1 Introduction
Après avoir utilisé le logiciel ASAME et le module de corrélation pour des

mesures de champs de déplacements 3D, des études de calculs de champs de
déformations ont été réalisées.
L’objectif de cette étude réalisée pour le CEA de Saclay est de déterminer
les champs de déformations sur une coque cylindrique emboutie. Deux pai-
res d’images sont nécessaires : une image gauche et une image droite de la
structure à l’état initial, et une image gauche et une image droite de la struc-
ture déformée. Afin de calibrer le système, deux images d’un cube de 50 mm
de coté ont été utilisées. L’acquisition des images numériques a été réalisée
avec les caméras CCD Hamamatsu C 4742-95 montées sur un socle lourd
(Figure 7.1). La résolution des images acquises par chacune des images est
de 1024 x 1024 pixels. L’exploitation des images est réalisée sur PC grâce
au logiciel ASAME 4.0.
1.2 Préparation
Pour pouvoir déterminer les champs de déformations à partir du logiciel

ASAME, la structure étudiée doit être recouverte d'un motif aléatoire. La
coque a donc été, dans un premier temps, recouverte d’une peinture blan-
che ; un mouchetis noir a ensuite été déposé avec une bombe de peinture
pour obtenir un motif aléatoire.
251
Partie 7 – Résultats de mesures de champs de déformations 3D
Figure 7.1 : Banc de mesures - Caméras, coque et cube d’étalonnage.
Les caméras numériques sont placées à une distance d'environ 80 centimè-

tres de la coque, fixées sur leur socle, afin de visualiser entièrement les dif-
férentes zones d’études(Figure 7.2). Il aurait été plus judicieux de se placer
un peu plus loin pour pouvoir observer toutes les zones avec les deux camé-
ras, surtout lors de l’acquisition des images de la coque déformée.
Figure 7.2 : Banc de mesures - illustration de la distance caméra-coque.
252
1.3 Essais réalisés et mises en données
Trois zones d’études sont à distinguer, la première sur la partie centrale entre
les deux trous (Figure 7.3), les deux autres centrées sur les zones de grandes
déformations situées sur le pourtour de ces trous (Figure 7.5 et Figure 7.7).
Dans chacun des cas, le but est de quantifier les déformations des différentes
parties constituant cette coque, après emboutissage. Ces zones sont égale-
ment présentées sur la coque déformée (Figure 7.4, Figure 7.6et Figure 7.7).
Ces zones d’études sont grandes par rapport aux déformations importantes
subies par la coque. Pour pouvoir corréler sur chacune des zones en une
seule mise en données, une taille importante de pattern peut être utilisée, au
détriment de la précision du résultat puisque moins de points de mesures
sont disponibles. Pour chaque zone, plusieurs mises en données ont été ef-
fectuées sur différentes régions, avec des tailles de patterns différentes. Les
reconstructions globales sont ensuite obtenues en recollant ces différentes
régions, ce qui a entraîné quelques imperfections visuelles fastidieuses à en-
lever mais n’ayant aucune conséquence sur les déformations mesurées.
Figure 7.3 : Zone 1 – Zone centrale Figure 7.4 : Zone 1 – Zone centrale
de la coque initiale de la coque déformée
253
Figure 7.5 : Zone 2 – Zone latérale Figure 7.6 : Zone 2 – Zone latérale
gauche supérieure de la coque ini- gauche supérieure de la coque défor-
tiale mée
Figure 7.8 : Zone 3 – Zone latérale

Figure 7.7 : Zone 3 – Zone latérale
droite inférieure de la coque défor-
droite inférieure de la coque initiale
mée
254
Les images du cube de calibrage de 50 mm d’arête utilisées pour les caméras

gauche et droite sont présentées sur la Figure 7.9.
Figure 7.9 : Images gauche et droite du cube utilisées pour le calibrage
1.4 Résultats
Pour chaque zone de mesures, les résultats sont donnés sur une reconstruc-
tion 3D de l’image finale, reconstruction qui ne concerne que les parties cal-
culées par ASAME. Les zones non calculées ne présentaient pas de grosses
déformations et n’étaient donc pas nécessaires, ou n’ont pas réussi à être cal-
culées, pour plusieurs raisons :
Soit ASAME n’a pas réussi à faire la corrélation du fait des changements
brusques des directions de déformations
Soit la peinture s’est écaillée
Soit certaines zones de l’image initiale ne sont plus visibles sur l’image
finale.
1.4.1 Zone 1
La zone 1 correspond à la zone centrale de la coque. 34 corrélations différen-

tes ont été effectuées puis assemblées grâce au post-traitement d’ASAME
pour obtenir une reconstruction 3D exploitable et sans discontinuités. Cette
reconstruction est constituée de 4 779 nœuds. La reconstruction initiale pré-
255
sentée sur la Figure 7.10 montre qu’une zone n’a pas pu être corrélée car la
zone d’intérêt 3 (Figure 7.11) n’est pas visible sur les images déformées. Les
déformations subies par la coque ont fait qu’une zone a disparue. Il n’y aura
donc pas de résultats au niveau de la zone d’intérêt 3.
Figure 7.10 : Reconstruction 3D de la Figure 7.11 : Zones d’intérêts sur la

géométrie initiale de la zone 1 structure déformée
Les résultats sont présentés sur la Figure 7.12 pour le champ de déforma-
tions majeures et sur la Figure 7.13 pour le champ de déformations mineu-
res.
Le maximum des déformations majeures se situe au milieu de la zone
d’intérêt 1 et atteint 24,84%. La zone d’intérêt 2 ainsi que les bords des trous
ont également été très déformés.
Le minimum des déformations mineures (-44,43%) se situe sur la zone

d’intérêt 3, qui n’a pu être totalement interpolée. Le minimum réel peut donc
être plus important. Dans les autres zones, les déformations sont de l’ordre
de –25%. Ces zones sont les mêmes que pour les déformations majeures.
256
Figure 7.12 : Déformations majeures sur la zone 1
Figure 7.13 : Déformations mineures sur la zone 1
257
1.4.2 Zone 2
Pour la zone 2, 38 corrélations différentes ont été effectuées puis assemblées

reconstruction est constituée de 6 383 nœuds.
La reconstruction initiale 3D est visible sur la Figure 7.14. Dans les zones
fortement sollicitées, la peinture s’est écaillée, rendant impossible la corrél-
ation. La Figure 7.15 représente les zones d’intérêts de la structure défor-
mée, où les déformations mesurées sont les plus élevées.
Figure 7.14 : Reconstruction 3D de Figure 7.15 : Zones d’intérêts sur la

la géométrie initiale de la zone 2 structure déformée
Les résultats sont présentés sur la Figure 7.16 pour le champ de déforma-
tions majeures, et sur la Figure 7.17 pour le champ de déformations mineu-
res.
Le maximum de déformations majeures se situe dans la zone d’intérêt 1 et
vaut environ 30%. Le reste de la zone est relativement homogène avec des
déformations majeures de l’ordre de 2 à 3%.
Le minimum des déformations mineures se situe dans la zone d’intérêt 2.

Les zones où la peinture s’est écaillée se situe dans ce creux mais ne sont pas
gênantes pour l’analyse globale des déformations. La zone d’intérêt 3 pré-
sente des déformations mineures de l’ordre de –19%. Sur la zone d’intérêt 1,
les déformations mineures sont homogènes d’environ 5%.
258
259
1.4.3 Zone 3
Pour la zone 3, 23 corrélations différentes ont été effectuées puis assemblées

reconstruction est constituée de 3 067 nœuds.
La reconstruction initiale 3D est présentée sur la Figure 7.18. Dans les zones
fortement sollicitées, la peinture s’est écaillée, rendant impossible la corrél-
ation. La Figure 7.19 représente les zones d’intérêts de la structure défor-
mée, où les déformations sont les plus importantes.
Figure 7.18 : Reconstruction 3D de la Figure 7.19 : Zones d’intérêts sur la

géométrie initiale de la zone 3 structure déformée
Les résultats sont visibles sur la Figure 7.20 pour le champ de déformations
majeures, et sur la Figure 7.21 pour le champ de déformations mineures.
Le maximum des déformations majeures se situe dans la zone d’intérêt 1 et
est de l’ordre de 30%. Le minimum des déformations majeures se situe dans
la zone d’intérêt 2, avec des valeurs de l’ordre de –5%.
Le minimum des déformations mineures se situe dans la zone d’intérêt 2.

Les zones où la peinture s’est écaillée se situe dans ce creux mais ne sont pas
gênantes pour l’analyse globale des déformations. On obtient des valeurs de
l’ordre de –55%, un peu plus pour certains points particuliers qui paraissent
être des erreurs de calcul d’ASAME. La zone sous le pli présente des défor-
mations mineures de l’ordre de –17%. Sur la zone d’intérêt 1, les déforma-
tions mineures sont homogènes d’environ 5%.
260
261
1.5 Conclusion
Les résultats obtenus dans cette section en terme de champs de déformations

semblent être cohérents et logiques. La méthode de corrélation par stéréovi-
sion est très bien adaptée pour la mesure des champs de grandes déforma-
tions sur ce type de coque emboutie malgré la présence sur la structure étu-
diée de zones fortement déformées et délicates d’analyse.
Cette étude a permis de mettre en évidence les limites de la méthode : des
temps de calcul relativement long et la nécessité de faire plusieurs mises en
données pour obtenir la totalité du champ de déformations sur une zone
d’étude. Mais ces longs temps de calcul sont à relativiser : sur l’ensemble
des 3 zones d’intérêts, 14229 points de mesures ont été obtenus sur une
structure déformée très complexe.
262
Section 2 – Comparaison de méthodes d’obtention des CLF
2 Comparaison de méthodes d’obtention

des CLF
2.1 Introduction
2.2 Méthode d’obtention d’une Courbe Limite de Formage

Définition d’une C.L.F.
Description de l’emboutissage
Matériel utilisé
Préparation des éprouvettes
2.3 Méthodes de mesures

Méthode télécentrique
Méthode 3D avec ASAME
2.4 Résultats des essais

Essai Marciniak classique
Essai Nakazima - Méthode télécentrique
Essai Nakazima – Méthode 3D, ASAME
2.5 Comparaison des résultats

Comparaison essai Marciniak et essai Nakazima
Comparaison méthode télécentrique et ASAME
Exploitation des résultats sous ICASOFT
Exploitation des résultats sous ASAME
2.6 Conclusion
2.1 Introduction
Dans la phase de test du logiciel ASAME avec le module de corrélation, une

étude à été menée sur les différentes méthodes d’obtention de C.L.F. (Cour-
bes Limites de Formage).
L’objectif de cette section est de comparer les résultats obtenus avec l'essai
de type Nakazima à ceux obtenus avec un essai de type Marciniak et ce pour
un même matériau. Différentes méthodes de calcul des déformations seront
mises en œuvre. Elles seront également comparées entre elles et évaluées.
L'étude est menée en deux temps :
Une série d'essais Marciniak et calculs 2D avec ICASOFT

Une série d'essais Nakazima :
· Prises de vue avec objectif télécentrique pour calculs 2D avec ICASOFT.
· Prises de vue avec système stéréoscopique pour calculs 3D avec ASAME.
263
Le matériau utilisé est fourni par SOLLAC. Il est désigné par le code S2321.
2.2 Méthode d’obtention d’une Courbe Limite de Formage
2.2.1 Définition d’une C.L.F.
Actuellement, les C.L.F. sont utilisées pour caractériser l’aptitude des tôles
minces à l’emboutissage. Ces courbes sont tracées dans le repère (εI, εII) des
directions principales de déformations, εI étant par convention la plus grande
de ces deux déformations. Elles donnent les déformations maximales que la
tôle peut subir avant l’apparition d’une striction localisée ou la rupture bru-
tale, suivant le type de matériau. Une C.L.F. divise le plan des déformations
principales en deux, délimitant ainsi une zone de sécurité.
Les courbes limites de formage sont obtenues expérimentalement. Afin de
décrire tous les modes de déformations, les essais d’emboutissage sont réali-
sés avec des éprouvettes de largeurs différentes. Le repère (εI, εII) dans le-
quel sont reportés les points expérimentaux est défini comme suit : (Figure
7.22)
Traction uniaxialeTraction plane

(σ1=1/2σ2)
(σ1) ε2= 0
ε1=-1/2ε2
ε1 Expansion biaxiale équibiaxée
(σ1=σ2)
Cisaillement pur Extension Expansion ε1=ε2
(σ1=-σ2)
ε1=-ε2
Rétreint
ε2
Figure 7.22 : Différents modes de déformations d’une pièce emboutie

(ε 1=ε I, ε 2=ε II)
264
2.2.2 Description de l’emboutissage
L’outil d'emboutissage se compose généralement de trois éléments princi-

paux : le poinçon et la matrice qui délimitent respectivement les contours in-
térieur et extérieur de la pièce, et le serre-flan. Ce dernier presse le métal
contre la matrice, évite son plissement et contrôle son écoulement le long du
poinçon (Figure 7.23).
Figure 7.23 : Description de l’outil d’emboutissage classique
Lors de cette étude, deux types d’essai ont été utilisés :
L’essai Marciniak : l’emboutissage est réalisé avec un poinçon cylindri-

que à fond plat évidé et un contre-flan qui concentre les contraintes au
centre de la plaque. Le poinçon à un diamètre de 75 mm et il est recou-
vert de feuilles de Téflon afin d’améliorer le contact avec le métal et as-
surer ainsi la lubrification. La zone centrale où apparaît normalement la
striction est plane, ce qui permet une exploitation avec un logiciel de cal-
cul des déformations 2D.
L’essai Nakazima : l’emboutissage est réalisé avec un poinçon cylindri-
que hémisphérique de 75 mm de diamètre. Le poinçon est enduit de
graisse pour permettre une bonne répartition des efforts sur le flan. Les
éprouvettes déformées épousent les contours du poinçon, l’exploitation
des résultats doit donc s’effectuer en tenant compte de la géométrie en
3D.
265
2.2.3 Matériel utilisé
Le matériel utilisé pour réaliser ces tests est composé :
D'un module d’emboutissage (Figure 7.24). Les dimensions du montage

sont détaillées dans le rapport de nos prédécesseurs, ainsi que dans la
thèse de Siham TOUCHAL-MGUIL [TOU97a].
Ce module est adapté sur une machine de traction compression RSA250

Schenck avec un capteur de force PM 250K (force nominale de 250kN)
dont l'erreur relative de linéarité est de 0.02%, ainsi qu'un capteur de dé-
placement dont la résolution est de 0.2 mm sur une course totale de 800
mm (Figure 7.25).
Chapeau
Barre
Support colonne
Guide supérieur
Support miroir
Miroir à 45°
Colonne
Matrice
Tôle à emboutir Serre flan
Poinçon
Plaque
Figure 7.24 : Module d’emboutissage
266
Figure 7.25 : Dispositif complet d'emboutissage
2.2.4 Préparation des éprouvettes
Pour la détermination d'une CLF, des éprouvettes de différentes largeurs

sont embouties et ce, afin de décrire tous les modes de déformations. Elles
sont donc découpées dans la matière mise à disposition pour réaliser les es-
sais. Leurs largeurs varient de 20 mm à 170 ou 180 mm suivant la largeur
des plaques initiales. Il faut une dizaine de largeurs différentes pour couvrir
convenablement tout le plan des déformations (εI, εII). La forme des éprou-
vettes est généralement rectangulaire.
Pour les essais de type Marciniak, des contre flans de forme identiques mais
percés au centre sont fixés à l’arrière des éprouvettes d'emboutissage. Ils
permettent de les fragiliser et de localiser la striction ou la rupture au centre
de la plaque.
Les éprouvettes sont recouvertes d’un motif aléatoire obtenu par pulvérisa-
tions de couches de peinture blanche et d’un mouchetis noir effectué à l’aide
d’une bombe de peinture.
2.3 Méthodes de mesures
La première des méthodes consiste en un essai de type Marciniak (poinçon à

fond plat), de plaques de différentes largeurs, recouvertes d’un motif aléa-
267
toire. Les plaques sont photographiées avant et après essai directement sur la
machine d’emboutissage, puis les photos sont traitées par le logiciel ICA-
SOFT, afin de retrouver le champ de déformation ayant provoqué la stric-
tion.
Avec le même module d’emboutissage, il est possible d’utiliser un poinçon

hémisphérique en lieu et place du poinçon cylindrique. L’essai est cette fois
de type Nakazima. Les modes de déformations ne sont pas exactement les
mêmes. Le protocole d’expérience reste lui identique aux essais précédents
(plaques de différentes largeurs, motif aléatoire, emboutissage à striction).
Par contre la prise d’images et leur traitement diffèrent dans ce cas. En effet,
la zone où se produit la striction n’est pas parfaitement plane, ni normale à
l’axe optique de la caméra, contrairement au cas du poinçon à fond plat. La
prise directe d’une image n’est donc pas possible ici, la projection de la sur-
face courbe sur le plan image modifiant le champ de déformation.
Pour permettre la mesure du champ de déformation, deux méthodes de prise
de vue et de calcul sont utilisées :
Prise de vue avec une caméra et un objectif télécentrique, mesures 2D
avec ICASOFT
Prise de vue avec le système stéréoscopique, calculs 3D ASAME.
2.3.1 Méthode télécentrique
La caméra de prise de vue est équipée d’un objectif télécentrique. Cet objec-
tif a une focale fixe, et possède une grande profondeur de champ, ce qui
permet d’avoir des images nettes de surfaces courbes, à une distance faible
de la caméra. Ainsi, les photos des plaques après déformations seront nettes,
même si une seule partie de la photo est à distance constante de l’objectif.
Lors de la première photo, la caméra est mise en place, objectif vers le bas,
et ne doit plus être changée de position. La distance focale, où sont placées
les plaques à photographier, est matérialisée à l’aide d’un laser, dont le fais-
ceau horizontal vient tangenter la plaque. Ce laser a lui aussi une position
fixe (Figure 7.26). Afin de couvrir une zone plus importante de la plaque, il
est ici nécessaire de faire plusieurs photos (3 ou 5, suivant la largeur de la
plaque).
268
Figure 7.26 : Montage télécentrique ; laser (à droite), objectif (en haut).
La plaque est ensuite montée, sans contre-flan, sur le module

d’emboutissage. Elle est serrée dans les mors (valeurs de serrage analogues à
l’essai Marciniak), puis le module est équipé du poinçon hémisphérique. Le
poinçon est graissé avant chaque emboutissage. L’essai est mené, jusqu’à
apparition d’une striction sur la plaque. Celle-ci est démontée, et la photo-
graphie finale est effectuée.
Pour la photographie finale, il faut placer la striction au centre de l’image, et
faire tangenter le laser, au mieux perpendiculaire à la striction, ceci afin que
la zone autour de la striction soit plane, et parallèle au plan image de la ca-
méra.
La zone autour de la striction est donc supposée plane, à la même distance
que la photo initiale. Cette zone peut donc être exploitée normalement par
ICASOFT, comme pour une plaque déformée avec un poinçon à fond plat, et
le couple (εI, εII) correspondant à la striction peut être déterminé. Il faut tout
de même noter que la zone exploitable est peu étendue.
2.3.2 Méthode 3D avec ASAME
Les images acquises ont une résolution de 512 x 512 pixels. Les caméras
sont calibrées grâce au cube de calibrage. Le type de résultats obtenus sous
ASAME est illustré sur la Figure 7.27 et la Figure 7.28.
269
Figure 7.27 : Géométrie finale, plaque 140mm.Vue photographique de la

localisation de la striction
Figure 7.28 : Géométrie finale, plaque 140mm. Isovaleurs des déforma-

tions majeures
270
2.4 Résultats des essais
2.4.1 Essai Marciniak classique
Les mesures concernant les essais de type Marciniak réalisées avec ICA-
SOFT ont permis de tracer la C.L.F. présentée ci-dessous sur la Figure 7.29.
Courbe Limite de formage-Essai Marciniak-S2321
90
80
70
60 L_180
L 160
L_140
50
Epsilon I
L_120
L_100
40 L_80
L_60
L_40
30 L_20
20
10
0
-50 -40 -30 -20 -10 0 10 20 30 40
Epsilon II
Figure 7.29 : C.L.F. obtenue lors d’un essai de type Marciniak et ICA-
SOFT
2.4.2 Essai Nakazima - Méthode télécentrique
Les mesures concernant les essais de type Nakazima réalisées avec ICA-
SOFT ont permis de tracer la C.L.F. présentée ci-dessous sur la Figure 7.30.
271
S2321 - essai Nakazima

Télécentrique
70
Epsilon I
60
50
L_180
L 160
L_140
40
L_120
L_100
L_80
30 L_60
L_40
L_20
20
10
Epsilon II
0
-40 -30 -20 -10 0 10 20
Figure 7.30 : C.L.F. obtenue lors d’un essai de type Nakazima et ICA-
SOFT
2.4.3 Essai Nakazima – Méthode 3D, ASAME
Les mesures concernant les essais de type Nakazima réalisées avec ASAME
ont permis de tracer la C.L.F. présentée ci-dessous sur la Figure 7.31.
ASAME Speckle
120
Epsilon I
100
L_180
80
L 160
L_140
L_120
60 L_100
L_80
L_60
L_40
40 L_20
20
Epsilon II
0
-40 -35 -30 -25 -20 -15 -10 -5 0 5 10 15
Figure 7.31 : C.L.F. obtenue lors d’un essai de type Nakazima et AS-
AME
272
2.5 Comparaison des résultats
2.5.1 Comparaison essai Marciniak et essai Nakazima
Pour comparer les essais Nakazima et Marciniak, le choix est fait de prendre
la méthode télécentrique comme étalon de l’essai Nakazima. Les résultats
trouvés avec cette méthode, sont plus homogènes, pour toutes les plaques,
qu'avec la méthode ASAME.
Sur le graphique présenté sur la Figure 7.32, sont donc regroupés les
résultats obtenus avec les méthodes Marciniak classique et Nakazima.
S 2321 - Comparaison Nakazima télécentrique / Marciniak
90
Epsilon I
80 L_180
L 160
L_140
70 L_120
L_100
60 L_80
L_60
L_40
50 L_20
L_180
L 160
40
L_140
L_120
30 L_100
L_80
L_60
20
L_40
L_20
10
Epsilon II
0
-50 -40 -30 -20 -10 0 10 20 30 40
Figure 7.32 : Essais Marciniak (en gris) et Nakazima télécentrique (en

couleurs)
De cette comparaison, il ressort que les deux C.L.F. sont très proches, et que
les résultats se superposent très bien. L’erreur maximale entre les deux cour-
bes, est de 5% environ. Il faut noter que les mêmes largeurs de plaques don-
nent les mêmes valeurs de déformation, quel que soit l’essai, Marciniak ou
Nakazima, excepté la plaque de 20mm de largeur, qui n’a pas strictionné
dans l’essai Nakazima et les plaques 140 à 180, qui se comportent différem-
ment dans les 2 essais. L’essai Marciniak sur de larges plaques permet de
273
mieux atteindre les zones d’expansion biaxiale que l’essai avec un poinçon
hémisphérique.
En conclusion, il ressort que l’essai Nakazima donne une C.L.F. limitée dans
sa partie expansion, et que tous les modes de déformations ne sont pas cou-
verts.
2.5.2 Comparaison méthode télécentrique et ASAME
Sur le graphique présenté sur la Figure 7.33, les résultats obtenus avec la
méthode télécentrique sont présentés en grisé, et les résultats des mises en
données ASAME sont présentés en dégradés de couleur.

L_180
comparaison ASAME / Télécentrique
L 160
120 L_140
Epsilon I
L_120
L_100
100
L_80
L_60
80 L_40
L_20
L_180
60 L 160
L_140
L_120
40
L_100
L_80
20 L_60
L_40
Epsilon II
L_20
0
-40 -30 -20 -10 0 10 20
Figure 7.33 : Méthodes télécentrique (en gris) et ASAME (en couleurs)
Entre ces deux méthodes de mesure, il apparaît un très net décalage. Les ré-
sultats fournis par ASAME sont décalés sur l’axe des εI d’environ 15%, sur
toute la plage de valeurs εII. Par contre, pour une même plaque, ASAME et
ICASOFT retrouvent la même valeur de déformation εII. La C.L.F. donnée
par ASAME est donc bien au-dessus de la C.L.F. fournie par ICASOFT, à
partir des même plaques. Il faut déjà noter que ce décalage n’apparaît pas
pour la plaque de largeur 20 mm, car cette plaque ne présentait pas de stric-
tion apparente, mais seulement une amorce sur un de ses coins. C’est pour-
quoi elle n’est pas retenue dans le tracé de la C.L.F. Dans le cas de cette pla-
que, les deux méthodes donnent des résultats similaires.
274
Pour justifier ces résultats, une première série de mesures d’étalonnage a été
effectuée afin de valider les méthodes de détermination des champs de dé-
formations avec ASAME d’une part et avec le télécentrique d’autre part. Les
résultats obtenus n’ont pas permis de justifier les 15% d’erreur entre les
deux méthodes de mesures.
L’explication réside en fait dans l’exploitation des résultats.
2.5.2.1 Exploitation des résultats sous ICASOFT
ICASOFT est équipé d’un module d’analyse spécifique à la détermination

des C.L.F. Pour chaque mesure sur une éprouvette de largeur donnée, il uti-
lise un algorithme d’interpolation sinusoïdale, sur les points de mesure situés
de part et d’autre de la striction. La qualité de cette interprétation est laissée
à l’appréciation de l’utilisateur.
Pour bien comprendre le problème soulevé par la qualité de l'interpolation,
voici un exemple sur un essai quelconque. Il s'agit de présenter les résultats
qui peuvent être obtenus pour une même série de points de mesures sur un
embouti donné. Trois interpolations sont proposées, seul le nombre de point
pris en compte par le calcul change :
Le premier (Figure 7.34) utilise tous les points de la zone étudiée. Dans
ce cas, εI= 54.6% et εII= -29.4%. Les coefficients d’interpolations sont de
72% et 71%.
Le deuxième (Figure 7.35) supprime les points aberrants. Dans ce cas,

εI= 65.2% et εII= -35.5%. Les coefficients d’interpolations sont de 98%
et 99%.
Le troisième (Figure 7.36) n'utilise que les points centraux. Dans ce cas,
εI= 75.1% et εII= -38.6%. Les coefficients d’interpolations sont de 100%
dans les deux cas.
275
Figure 7.34 : Interpolation sur toute la zone d’étude et sur tous les
points de mesure
Figure 7.35 : Interpolation sur toute la zone d’études sans les points
aberrants
276
Figure 7.36 : Interpolation sur une zone réduite sans les points aber-
rants
L'objet de cet exemple est de monter le travail qui est laissé à l'appréciation
de l'opérateur à savoir : la suppression des points incongrus et le choix de la
zone d'interpolation qui ne doit pas être trop réduite sous peine de surestimer
les déformations.
L’exploitation des résultats dans le but de l’obtention d’une C.L.F. a été con-
fiée à trois opérateurs différents. Malgré les différences notables entre les
valeurs de déformations obtenues dans les trois cas de figure présentés pré-
cédemment (Figure 7.34 à 7.36), les trois opérateurs ont obtenu des C.L.F.
identiques à 2% près.
2.5.2.2 Exploitation des résultats sous ASAME
Le logiciel ASAME n’utilise pas d’outils d’interpolation. Les valeurs à stric-

tion fournies pour la construction de la C.L.F. ont été obtenues à l’aide de
l’outil « section plot » du logiciel ; plusieurs lignes (« section ») sont tracées
en travers de la striction, et les déformations le long de ces lignes sont visua-
lisées. La valeur de déformation retenue se situe au maximum de la courbe,
qui a plus ou moins une forme de parabole pour εI, plus plate pour εII (Figure
7.37).
277
Figure 7.37 : Exploitation des résultats sous ASAME
Afin de déterminer l’influence de l’interpolation sur les valeurs extraites, les

données ASAME sont exportées dans un tableur. Sur le graphique présenté
sur la Figure 7.38 sont reportés les valeurs εI et εII, pour la plaque de largeur
100mm.
Lors de la mise en donnée, ICASOFT masque la zone de striction. Ici, AS-

AME a corrélé et calculé les déformations sur la striction. Le couple de
points au sommet du graphique aurait été supprimé sous ICASOFT.
Cette suppression effectuée, l’interpolation sinusoïdale donne de meilleurs
coefficients de corrélation. En εI, la valeur moyenne donnée pour la CLF
ASAME, sur la plaque 100, était de 58%. Avec l’interpolation, cette valeur
est d’environ 45%, donc très proche des valeurs données avec le télécentri-
que sous ICASOFT, soit 43%. En εII, il n’y a pas de grosses variations de la
déformation aux alentours de la striction. Donc, même en supprimant les
points centraux, la valeur retenue resterait identique à l’ancienne.
278
L_100-données ASAME
70
60
50
40
30
Epsilon I
Epsilon II
20
10
0
246 248 250 252 254 256 258 260 262 264
-10
-20
Figure 7.38 : Répartition des déformations calculées par ASAME
Ce dernier point explique pourquoi les résultats obtenus avec ASAME d’une
part et le télécentrique et ICASOFT d’autre part ne sont décalés qu’en εI, et
non en εII.
2.6 Conclusion
Les essais de types Nakazima et Marciniak dans le but de déterminer une

C.LF. donnent des résultats identiques. L’essai avec un poinçon a fond plat
(Marciniak) est préférable pour obtenir une extension de la C.L.F. dans le
domaine de l’expansion biaxiée.
Cette étude a également permis de tester la mesure de champs de déforma-
tions 3D avec le module de corrélation incorporé dans ASAME. Les deux
méthodes utilisées pour exploiter l’essai Nakazima donnent des résultats si-
milaires, en terme de déformations mesurées, sous ASAME et sous ICA-
SOFT. Les C.L.F. obtenues dans les deux cas ne diffèrent qu’à cause de
l’utilisation d’une technique de post-traitement et de l’exploitation des gran-
deurs mesurées.
279
Conclusion générale et
perspectives
281
282
Conclusion générale et perspectives
Cette thèse à permis au Laboratoire de Mécanique des Solides de l’INSA

Lyon d’acquérir les connaissances nécessaires en vision par ordinateur dans
le but d’effectuer des mesures de champs de déplacements et de déforma-
tions 3D. Les différentes étapes nécessaires à toute mesure par stéréovision
ont été étudiées : l’appariement par corrélation en niveaux de gris, le cali-
brage du système stéréoscopique et la reconstruction 3D. Ces différents
points sont dans la continuité des travaux de recherche initiés en 1994 pour
la détermination de champs de déplacements et de déformations par corrél-
ation d’images numériques.
Le module de corrélation a récemment été implanté dans le logiciel ASAME

initialement commercialisé dans le but de déterminer des champs de défor-
mations sur des structures recouvertes de grilles. Cette nouvelle version du
logiciel a été testée au cours de cette thèse.
La précision des mesures a été estimée à 1% de déformations.
Une confrontation des résultats obtenus par ASAME lors de calculs de
champs de déplacements 3D, avec ceux obtenus par ICASOFT lors de cal-
culs de champs de déplacements 2D ont permis de valider la cohérence des
résultats obtenus.
Testé dans un environnement industriel lors de mesures de champs de dépla-
cements sur un crâne soumis à une pression ponctuelle, ASAME a apporté
des résultats satisfaisants qui pourront être confrontés aux résultats obtenus
par simulation numérique.
L’étude d’une structure complexe telle que la coque écrasée à permis de va-
lider l’utilisation du logiciel ASAME sur des structures soumises à de gran-
des déformations, mais a permis aussi de mettre en évidence ses limites.
Afin d’obtenir une densité de points de mesure suffisante sur une zone
d’étude, plusieurs zones d’intérêts doivent être considérées, ce qui engendre
283
Conclusion générale et perspectives
des temps de calculs relativement longs et de nombreuses interventions de la

part de l’utilisateur.
Enfin, la comparaison des résultats de mesure des déformations avec ICA-
SOFT et ASAME dans le but d’obtenir des Courbes Limites de Formage a
permis de valider la mesure de champs de déformations sous ASAME et de
soulever le problème du post-traitement des résultats pour la détermination
des C.L.F.
En complément des résultats obtenus jusqu'à présents, il serait intéressant

dans un premier temps d’estimer l’influence de la corrélation sur les mesures
3D. Le logiciel ASAME permettant à présent d’analyser des structures re-
couvertes de grilles ou de motifs aléatoires, une étude peut facilement être
mise en œuvre pour évaluer les améliorations apportées par la corrélation.
Le caractère exploratoire de cette thèse n’a pas permis de valider la méthode
originale de calibrage proposée à partir de la méthode de corrélation. Il serait
intéressant de confronter les résultats obtenus lors d’un calibrage par corrél-
ation avec ceux obtenus lors d’un calibrage classique tel qu’il est actuelle-
ment réalisé sous ASAME. La méthode de corrélation étant plus précise que
les méthodes d’extractions de droites, de points d’intersections ou de toute
autre primitive dans les images, le calibrage devrait être a priori plus précis
ainsi que les résultats des mesures de champs de déplacements et de défor-
mations qui en découlent. Des développement complémentaires pourront en-
suite être envisagés tels que la recherche d’un champ de déplacement
d’ordres supérieurs pour la méthode de corrélation ou la prise en compte de
la contrainte épipolaire lors de l’appariement par corrélation d’images acqui-
ses par un banc stéréoscopique.
284
Annexe A
285
286
Annexe A – Représentation d’une rotation
Représentation d’une rotation
1 Introduction
2 Angles d’Euler
3 Axe et angle de rotation
4 Quaternion unitaire
5 La rotation optimale
1 Introduction
Une matrice de rotation est une matrice 3 x 3 orthonormée. Il y a six con-

traintes d’orthogonalité qui expriment que les vecteurs ligne (ou colonne) de
la matrice sont de norme égale à 1 et orthogonaux entre eux :
∑r i =1
ij ⋅ rik = δ kj pour k , j = 1,2,3 (A.1)
où δ kj note le symbole de Kronecker ( δ kj est égal à 1 si les deux indices sont

égaux, et à 0 si les deux indices sont différents).
Une matrice de rotation est donc représentée par neuf paramètres et six
contraintes non linéaires. Elle possède d’autres propriétés intéressantes :
L’inverse d’une matrice de rotation est égale à sa transposée.

Le déterminant d’une matrice de rotation est égal à 1.
2 Angles d’Euler
Une représentation des matrices de rotation consiste à utiliser une décompo-

sition de la matrice de rotation en trois matrices de rotations autour des trois
axes :
287
⎡cos θ − sin θ 0⎤
[R z ] = ⎢⎢ sin θ cos θ 0⎥⎥
⎢⎣ 0 0 1⎥⎦
⎡ cos φ 0 sin φ ⎤
[R y ] = ⎢⎢ 0 1 0 ⎥⎥ (A.2)
⎢⎣− sin φ
0 cos φ⎥⎦
⎡1 0 0 ⎤
[R x ] = ⎢0 cos ψ − sin ψ ⎥⎥
⎢
⎢⎣0 sin ψ cos ψ ⎥⎦
Les trois angles θ, Φ et ψ sont appelés les angles d'Euler. La matrice de rota-
tion [R] résultant de ces trois rotations est donnée par :
[R ] = [R ] ⋅ [R ]⋅ [R ]
z y x (A.3)
Cette formulation n’est cependant pas la mieux adaptée pour la détermina-

tion des matrices de rotation par optimisation.
3 Axe et angle de rotation
Une rotation peut être représentée par un seul angle de rotation θ autour d’un
axe unique {n}. L’axe d’une rotation est tel qu’il n’est pas modifié par la ro-
tation. Il est donc défini par la direction propre associée à la valeur propre
unitaire :
[R ]⋅ {n} = {n} (A.4)
L’angle de rotation est donné par les valeurs propres complexes conjugués
eiθ et e-iθ de la matrice [R].
En notation vectorielle, un vecteur {v} subissant une rotation d’axe unitaire
{n} et d’angle θ devient le vecteur {w} défini par la formule de Rodrigues :
{w} = {v} + sin θ ⋅ {n} ∧ {v} + (1 − cos θ) ⋅ {n} ∧ ({n} ∧ {v}) (A.5)
288
4 Quaternion unitaire
Un quaternion q est un nombre complexe à trois parties imaginaires :

q = q0 + i ⋅ q x + j ⋅ q y + k ⋅ q z (A.6)
avec les propriétés suivantes :
i 2 = j 2 = k 2 = i ⋅ j ⋅ k = −1
i ⋅ j = − j ⋅i = k
(A.7)
j ⋅ k = −k ⋅ j = i
k ⋅ i = −i ⋅ k = j
Un vecteur {v} de dimension 3 peut s’écrire comme un quaternion purement

imaginaire v :
v = v0 + i ⋅ v x + j ⋅ v y + k ⋅ v z (A.8)
Il est possible de représenter une rotation avec un quaternion unitaire (de

norme égale à 1). Soient :
q un quaternion unitaire représentant une rotation.

v un quaternion purement imaginaire associé au vecteur {v}.
w le quaternion purement imaginaire associé au vecteur {w}, résultat de
la rotation de {v}.
w est alors défini par :
w = q ∗r ∗ q (A.9)
où ∗ note le produit entre deux quaternions et q le quaternion conjugué as-

socié à q.
5 La rotation optimale
Le choix d’une représentation pour la rotation dépend de l’équation mathé-

matique associée au critère à minimiser, comme par exemple lors de la dé-
termination de la matrice de rotation entre les différentes positions d’un re-
père (cf. section 3 de la partie 3).
289
Dans le cas d’une représentation sous forme d’une matrice orthonormée, 9

paramètres liés à 6 contraintes d’orthogonalités sont à déterminer.
Dans le cas d’une représentation faisant intervenir les angles d’Euler,
l’optimisation conduit à une minimisation non linéaire.
Avec la formulation en un seul angle de rotation autour d’un axe, les 3 pa-
ramètres correspondants aux composantes du vecteur directeur de l’axe de
rotation doivent être estimés, la valeur de l’angle étant proportionnelle au
module de ce vecteur. Cette représentation est intéressante car minimale en
ce qui concerne les paramètres à estimer.
Enfin, la représentation par des quaternions unitaires est également intéres-
sante car il n’y a que 4 paramètres à estimer et le calcul se ramène à la dé-
termination de la plus petite valeur propre d’une matrice symétrique de taille
4.
290
Annexe B
291
292
Annexe B – Relations entre les expressions des équations de colinéarité
Relations entre les expressions des

équations de colinéarité
1 Introduction
2 Des paramètres aux composantes de la matrice de projection
3 Des composantes de la matrice de projection aux paramètres
1 Introduction
Les équations de colinéarité peuvent prendre deux formes : celle faisant in-
tervenir explicitement les paramètres ayant une signification physiques et
modélisant une caméra (α u , α v , uc , vc , [R ] , {t}) :
⎧ r11 ⋅ X + r12 ⋅ Y + r13 ⋅ Z + t x

⎪⎪u = α u ⋅ r ⋅ X + r ⋅ Y + r ⋅ Z + t + uc
⎨
31 32 33 z
r21 ⋅ X + r22 ⋅ Y + r23 ⋅ Z + t y (B.1)
⎪v = α v ⋅ + vc
⎪⎩ r31 ⋅ X + r32 ⋅ Y + r33 ⋅ Z + t z
et celle faisant intervenir les composantes de la matrice de projection [P] :
⎧ P11 ⋅ X + P12 ⋅ Y + P13 ⋅ Z + P14

⎪⎪u = P31 ⋅ X + P32 ⋅ Y + P33 ⋅ Z + P34
⎨ P21 ⋅ X + P22 ⋅ Y + P23 ⋅ Z + P24
(B.2)
⎪v =
⎪⎩ P31 ⋅ X + P32 ⋅ Y + P33 ⋅ Z + P34
Suivant l’approche choisie et suivant les paramètres à déterminer les équa-

tions de colinéarité sous la forme (B.1) ou (B.2) peuvent être utilisées. Il
existe des relations simples permettant de déterminer les composantes de la
matrice de projection à partir des paramètres intrinsèques et extrinsèques, et
inversement, des relations permettent de déduire ces paramètres à partir de la
matrice de projection [P] [HOR95] .
293
2 Des paramètres aux composantes de la matrice de projection
La matrice de projection [P] de dimension 3x4 est définie à l’équation (1.11)

par :
[P] = [C ] ⋅ [D]
C (B.3)
La matrice [C C ] contient l’ensemble des paramètres intrinsèques et est défi-

ni à l’équation (1.5) par :
⎡α u 0 uc 0⎤
[II C ] = ⎢⎢ 0 αv vc 0⎥⎥ (B.4)
⎢⎣ 0 0 1 0⎥⎦
La matrice [D] contient l’ensemble des paramètres extrinsèques et est défi-

nie à l’équation (1.8) par :
⎡ r11 r12 r13 tx ⎤

⎢r r22 r23 t y ⎥⎥
[D] = ⎢ 21 (B.5)
⎢ r31 r32 r33 tz ⎥
⎢ ⎥
⎣0 0 0 1⎦
En multipliant les matrices [C C ] et [D] , les composantes de la matrice de

projection [P] sont définies par :
⎡α u ⋅ r11 + uc ⋅ r31 α u ⋅ r12 + uc ⋅ r32 α u ⋅ r13 + uc ⋅ r33 α u ⋅ t x + uc ⋅ t z ⎤

[P] = ⎢⎢α v ⋅ r21 + vc ⋅ r31 α v ⋅ r22 + vc ⋅ r33 α v ⋅ r23 + vc ⋅ r33 α v ⋅ t y + vc ⋅ t z ⎥⎥ (B.6)
⎢⎣ r31 r32 r33 tz ⎥⎦
3 Des composantes de la matrice de projection aux paramètres
La matrice de projection [P] s’écrit :
294
⎡{P } T
P14 ⎤
⎡ P11 P12 P13 P14 ⎤ ⎢ 1 T ⎥
{P }
[P] = ⎢⎢ P21 P24 ⎥⎥ = ⎢ 2 T
P24 ⎥
P22 P23 (B.7)
⎢{P } P34 ⎥
⎢⎣ P31 P32 P33 P34 ⎥⎦ ⎢ 3 T ⎥
⎢⎣ {0} 0 ⎥⎦
En identifiant [P] avec [C ] ⋅ [D]

C
et en tenant compte des propriétés
d’orthogonalité de la matrice de rotation, les paramètres intrinsèques et ex-
trinsèques peuvent être déterminés en fonction des coefficients de [P] :
{r } = {P }
3 3
{r } = 1 α ⋅ ({P } − u ⋅ {P })
1 u 1 c 3
u = {P }⋅ {P }
c 1 3
{r } = 1 α ⋅ ({P } − v ⋅ {P })
2 v 2 c 3
u = {P }⋅ {P }
c 2 3 t = 1 α ⋅ (P − u ⋅ P )
x u 14 c 34 (B.8)
α = {P } ∧ {P }
u 1 3 t = 1 α ⋅ (P − v ⋅ P )
y v 24 c 34
α = {P } ∧ {P }
v 2 3 t z = P34
295
Annexe C
297
298
Annexe C – Reconstructions projectives, affines et euclidiennes
Reconstructions projectives, affines et

euclidiennes
1 Introduction
2 Reconstruction projective
3 Reconstruction affine
4 Reconstruction euclidienne
1 Introduction
La reconstruction 3D consiste à calculer la géométrie de la scène observée

par les caméras d’un système stéréoscopique. Cette étape suppose que les
caméras sont calibrées, i.e. que la transformation entre les coordonnées ima-
ges des points d’intérêts et leurs coordonnées 3D est connue.
La reconstruction 3D permet de donner une information sur la structure
géométrique d’un ensemble de points observés. Selon le contexte, et sans re-
lation avec le modèle de caméra utilisé, trois types de reconstructions peu-
vent être considérés [BOU94] :
La notion de « reconstruction projective » est utilisée lorsque les coor-

données des points sont définies dans un repère projectif. La reconstruc-
tion est alors définie à une transformation projective près. Une telle re-
construction ne contient pas d’informations critiques (absence de notion
d’angle, de longueur et de parallélisme).
La notion de « reconstruction affine » est utilisée lorsque les coordon-
nées des points sont définies dans un repère affine. La reconstruction est
alors définie à une transformation affine près. Une telle reconstruction
contient des informations affines (rapport de longueurs et parallélisme).
La notion de « reconstruction euclidienne » est utilisée lorsque les coor-
données des points sont définies dans un repère euclidien. Cette recons-
truction est la plus complète. Elle contient toutes les informations que
l’homme a l’habitude de manipuler (notions de distances et d’angles).
Pour pouvoir effectuer des mesures des champs de déplacements et de
déformations, les reconstructions 3D doivent être euclidiennes.
299
Annexe C – Reconstructions projectives, affines et euclidiennes
2 Reconstruction projective
Une reconstruction projective d’une scène peut être obtenue en utilisant seu-
lement les points appariés entre deux images. Une telle approche est présen-
tée à la section 2.3 de la partie 3.
3 Reconstruction affine
La géométrie affine est une restriction de la géométrie projective. Elle se dif-

férencie par le fait que l’hyperplan de l’infini (le plan de l’infini pour le cas
tridimensionnel) est fixé.
Plusieurs méthodes peuvent être utilisées pour déterminer des points à
l’infini. La plus commune consiste à trouver des points d’intersection de
droites parallèles puisque deux ou plusieurs droites parallèles de l’espace se
coupent en un point à l’infini. Ceci est possible dans le cas de scènes possé-
dant des droites parallèles telles que les scènes d’extérieurs.
Une autre alternative consiste à utiliser l’invariant affine, i.e. la connais-
sance de rapports de triplets de points colinéaires.
4 Reconstruction euclidienne
La géométrie euclidienne est une restriction de la géométrie affine. Cette

géométrie possède les notions d’angle et de métrique absentes en géométrie
affine. La mesure de champs de déplacements et de déformations nécessite
de travailler dans un espace possédant les notions d’angle et de distance,
donc dans un espace euclidien.
300
Bibliographie
301
302
Bibliographie
[AND99] ANDREFF Nicolas. Asservissement visuel à partir de droites et

auto-étalonnage pince-caméra . Thèse : Institut National Polytech-
nique de Grenoble, 1999. 198 p.
[ASA98] ASAME Version 4.0 Reference Manual. Autamated Strain Analyis

and Measurement Environnement. CamSys, May 1998, 346 p.
[BOU94] BOUFAMA Boubakeur. Reconstruction tridimensionnelle en vi-

sion par ordinateur : cas des caméras non étalonnées. Thèse : Insti-
tut National Polytechnique de Grenoble, 1994. 146 p.
[BOU99] BOUFAMA Boubakeur. On the recovery of motion and structure

when cameras are not calibrated. International Journal of Pattern
recognition and Artificial Intelligence, 1999, Vol. 13, N° 5, p. 735-
759.
[BRU99] BRUNET M., MORESTIN F., CLERC P. Forming Limit Diagrams

Predicted by Using an Intrinsic Criterion with Experimental Valida-
tion. 4th International Conference on Constituve Laws for Enginee-
ring Materials, Rensselaer Polytechnic Institute Troy, New York,
1999, p. 205-208.
[CAR97] CARNERO J.Y., FLEUET E. Synthèse sur la calibration de caméra

pour la vision robotique :bibliographie. Clamart (Fr.) : EDF-DER,
1997. 43 p. Rapport de recherche n° 97NJ00032.
[CLE99a] CLERC P., MORESTIN F., BRUNET M. Measurement of defor-

mation fields using numerical images correlation. Proceedings of the
AMPT’99 and IMC16, Vol.3, Dublin, August 1999, p. 1889-1897.
303
Bibliographie
[CLE99b] CLERC P., MORESTIN F., BRUNET M. Mesure de champs de

déformation 2D et 3D par corrélation d’images numériques. SFO,
Nouveaux moyens optiques pour l’industrie II, Mittelwihr, 17-19
Novembre 1999, p. 245-251.
[CLE01] CLERC P., MORESTIN F., BRUNET M. Mesure 3D de champs

de déplacements et de déformations par corrélations d'images numé-
riques. Colloque PhotoMécanique 2001, Poitiers, 24-26 Avril 2001,
p. 33-40.
[CSU96] CSURKA Gabriella. Modélisation projective des objets tridimen-

sionels en vision par ordinateur. Thèse : Université de Nice Sophia-
Antipolis, 1996. 254 p.
[DAU94] DAUCHER N., DHOME M., LAPRESTE J.T. Étalonnage de ca-

méra à partir d’images associées de sphères et de grilles. Traitement
du signal, 1994, vol. 11, n° 1, p. 15-29.
[DEV97] DEVERNAY Frédéric. Vision stéréoscopique et propriétés diffé-

rentielles des surfaces. Thèse : Ecole Polytechnique, 1997. 190 p.
[DER90] DERICHE R., GIRAUDON G. Accurate corner detection : an ana-

lytical study. Proceedings of the 3rd International Conference on
Computer Vision, Osaka, Japan, December 1990, p. 66-70.
[ERA99] ERAR. Images numériques : Principes de fonctionnement des CCD

[En ligne]. Orsay (Fr) :Institut d’Astrophysique Spatiale, Dernière
mise à jour le 23 Octobre 1999.
Disponible à l’adresse : http://www.ias.fr/cdp/docu/CCD1.html.
Consulté le : 6 juin 2001
[FAU87] FAUGERAS O., TOSCANI G. Camera Calibration for 3D Compu-

ter Vision. International Wokshop on Machine Intelligence, Tokyo,
Japon, 1987, p. 2-5.
[FAU92] FAUGERAS O. What can be seen in three dimensions with an unca-

librated stereo rig. Proceedings of the 2th European Conference on
Computer Vision, Santa Margherita Ligure, Italy, May 1992, p. 563-
578. (Lecture Notes in Computer Science, , vol 588)
[FAU93] FAUGERAS Olivier. Three-Dimensional Computer Vision, a Geo-

metric Viewpoint. MIT Press, 1993.
304
Bibliographie
[GAR00] GARCIA D., ORTEU J.J., DEVY M. Accurate Calibration of a

Stereovision Sensor : Comparison of Different Approaches. 5th
Worhshop on Vision, Modeling and Visualization 2000, Saabrücken
(Germany), 22-24 Novembre 2000.
[GAR01] GARCIA D., ORTEU J.J. Calibrage précis d’une caméra CCD ou
d’un capteur de vision stéréoscopique. Colloque PhotoMécanique
2001, Poitiers, 24-26 Avril 2001, p. 9-16.
[GEO97] GEORGE P.L., BOROUCHAKI H. Triangulation de Delaunay et

maillage. Paris : Hermes, 1997. 432 p.
[HAR92] HARTLEY R., GUPTA R. and CHANG T. Stereo from uncalibra-

ted cameras. Proceedings of the International Conference on Com-
puter Vision and Pattern Recognition, Urbana Champaign, IL, 1992,
p. 761-764.
[HAR95] HARTLEY R.I. In defence of the 8-point algorithm. Proceedings of

the 5th Proc. International Conference on Computer Vision, Boston,
MA, 1995, p. 1064-1070.
[HOR95] HORAUD Radu et MONGA Olivier. Vision par ordinateur : ou-

tils fondamentaux. Paris : Hermes, 1995. 425 p.
[KAH90] KAHN-JETTER Z.L. and CHU T.C. Three-dimensionnal Displa-

cement Measurements Using Digital Image Correlation and Photo-
grammic Analysis. Experimental Mechanics, March 1990, p. 10-16.
[LAV99] LAVEST J.M., VIALA M. et DHOME M. Quelle précision pour

une mire de calibrage. Traitement du signal, 1999, Vol. 16, N° 3, p.
241-254.
[LUO92] LUONG Q.-T. Matrice fondamentale et calibration visuelle sur

l’environnement – Vers une plus grande autonomie des systèmes ro-
botiques. Thèse : Université de Paris-Sud, Centre d’Orsay, 1992,
268 p.
[LUO93] LUO P.F. CHAO Y.J. SUTTON M.A. and PETERS W.H. Accu-
rate Measurement of Three-dimensionnal Deformations in Deforma-
ble and Rigid Bodies Using Computer Vision. Experimental Mecha-
nics, June 1993, p. 123-132.
[MAR 94] MARTINEZ Patrick, KLOTZ Alain. Le guide pratique de

l’astronomie CCD. Toulouse : Adagio, 1994. 304 p.
305
Bibliographie
[MOR77] MORAVEC H.P. Towards automatic visual obstacle avoidance.

Proceedings of the 5th International Joint Conference on Artificial
Intellingence, Cambridge, USA, August 1977, p. 584.
[ORA93] ORANGE C.M., GROEN F.C.A. Model based corner detection.

Proceedings of the Conference on Computer Vision and Pattern Re-
cognition, New York, USA, June 1993, p. 690-691.
[PEN89] PENTLAND A. DARRELL T. BOVE M. and TURK M. A Simple

Real-Time Range Camera. Proceedings of the International Confe-
rence on Computer Vision and Pattern Recognition, , San Diego,
1989, p. 256-261.
[PRE92] PRESS W.H., TEUKOLSKY S.A., VETTERLING W.T., FLAN-

NERY B.P. Numerical Recipes in C – The Art of Scientific Compu-
ting. 2nd Ed Cambridge : Cambridge University Press, 1992, 994 p.
[SUT83] SUTTON M.A., WOLTERS W.J., PETERS W.H., RANSON

W.F., MCNEILL S.R. Determination of displacements using an
improved digital correlation method. Image and Vision Computing,
1983, Vol. 1, N°3, p. 133-139.
[TOS87] TOSCANI G. Systèmes de Calibration et Perception du Mouvement

en Vision Artificielle. Thèse : Université de Paris Sud, 1987, 148p.
[TOU96] TOUCHAL-MGUIL S., MORESTIN F., BRUNET M. Mesure de

champs de déplacements et de déformations par corrélation
d’images numériques. Mécanisme et Mécanique des grandes défor-
mation, 1996, Acte du Colloque National Mecamat’96, p. 179-182.
[TOU97a] TOUCHAL-MGUIL Siham. Une technique de corrélation directe

d’images numériques : application à la détermination de Courbes
Limites de Formage et proposition d’un critère de striction. Thèse :
Institut National des Sciences Appliquées de Lyon, 1997. 210 p.
[TOU97b] TOUCHAL-MGUIL S., MORESTIN F., BRUNET M. Various ex-

perimental applications of digital image correlation method. CMEM
97, Rhodes, 1997, p. 45-58.
[TOU98] TOUCHAL-MGUIL S., CLERC P., MORESTIN F., BRUNET M.

Experimental determination of forming limit diagrams using a me-
thod of digital picture. IDDRG 98, Proceedings of the 20th Biennal
Congress, Genval Brussel, 1998, p. 291-299.
306
Bibliographie
[TSA84] TSAI R. Y. and HUANG T.S. Uniqueness and estimation of three

dimensional motion parameters of rigid objects with curved surface.
IEEE Trans. Patt. Anal. Machine Intel., 1984 vol.6, n° 1, p. 13-27.
[TSA87] TSAI R. Y. A Versatile Camera Calibration Technique for High-

Accuracy 3D Machine Vision Metrology Using Off-the-Shelf TV
Cameras and Lenses. IEEE Journal of Robotics and Automation,
August 1987, vol. RA-3, n° 4, p. 323-344.
[WEY89] WEY G.Q., HE Z. and MA S.A. Camera calibration by vanishing

point and cross ratio. IEEE Int. Conf. Acoust. Speech and Signal
Processing, 1989, p. 331-340.
[WEY94] WEY G. and MA S. Implicit and explicit camera calibration :

Theory and experiments. IEEE Transaction on Pattern Analysis and
Machine Intelligence, 1994, vol. 16, n° 5, p. 469-480.
[ZEL96] ZELLER Cyril. Calibration projective, affine et euclidienne en vi-

sion par ordinateur et application à la perception tridimensionnelle.
Thèse : Ecole Polytechnique, 1996. 300 p.
[ZHA94] ZHANG Z., DERICHE R., FAUGERAS O., LUONG Q.T. A Ro-
bust Technique For Matching Two Uncalibrated Images Through
The Recovery Of The Unknown Epipolar Geometrie. [En ligne]. So-
phia-Antipolis (Fr.) : INRIA, 1994. Rapport de recherche n° 2273.
Disponible à l’adresse : http://www.inria.fr/rrrt/rr-2273.html (Con-
sulté en juillet 2001)
[ZHA96a] ZHANG Zhengyou. On the Epipolar Geometry Beetween Two

Images With Lens Distorsion. Int Conf. Pattern Recognition, 13th,
(ICPR), Vienna, August 1996, vol. 1, p 407-411.
[ZHA96b] ZHANG Zhengyou. Determining the Epipolar Geometry and its

Uncertainty : A Review. [En ligne]. Sophia-Antipolis (Fr.) : INRIA,
1996. Rapport de recherche n° 2927. Disponible à l’adresse :
http://www.inria.fr/rrrt/rr-2927.html (Consulté en mai 1998)
307
Patrice CLERC
Mesure de champs de déplacements et de déformations par stéréovision et

corrélation d’images numériques
Résumé
Une méthode classique de mesure des champs de déplacements et de déformations, utilisant des
caméras CCD comme capteurs, consiste à déposer une grille régulière sur l'échantillon, puis à
étudier les déplacements des points de références que constitue cette grille. Dans le but de mettre
en œuvre cette mesure rapidement et à moindre coût, la grille à déposer est remplacée par un
motif aléatoire. Une méthode de corrélation en niveau de gris permet d'exploiter les images
numériques avec une précision de 1/60ième de pixels. Une méthode de mesure de champs de
déplacements et de déformations 3D par stéréovision et basée sur la corrélation en niveaux de gris
est proposée. Deux caméras numériques montées sur un banc stéréoscopique sont utilisées. Toutes
les étapes de la chaîne de mesure (appariement, calibrage et reconstructions 3D) sont basées sur la
corrélation. Une méthode de calibrage du système stéréoscopique s'effectuant à partir d'une mire
recouverte d'un motif aléatoire dont l'équation de la surface est connue est proposée. Les mesures
de champs de déplacements et de déformations présentées sont réalisées à parir d’une méthode de
calibrage utilisant un cube marqué d’une grille. Une fois le système stéréoscopique calibré, les
structures étudiées recouvertes d’un motif aléatoire sont photographiées et reconstruites dans
l'espace. A partir de deux reconstructions, une avant et l'autre après déformations, les champs de
déplacements et de déformations sont calculés.
Mots-Clés: stéréovision - corrélation – calibrage – appariement - reconstruction – caméra CCD –
déplacement – déformation.
Measurement of displacements and deformations fields by stereovision and

numerical images correlation
Abstract
To determine displacement or strain fields from digital images, a classical technique consists of
drawing a uniform grid on the surface of an object and measuring the displacement fields of these
reference points. In order to get a marking method quicker and less expensive, the grid is replaced is
by a random pattern. The numerical images are treated by a correlation method with an accuracy of
1/60th pixels. A method of 3D displacement and deformation fields by stereovision and using gray
levels correlation method is proposed. Two CCD cameras on a stereo ring are used. All the steps for
the measurement (paring, calibration, 3D reconstruction) use correlation. A proposed calibration
method of the stereo ring doesn’t use a calibrating objet with a randomized pattern of which only the
surface equation is known. The measurements of displacements and deformations fields shown are
obtained from grids on a cube target. Once the calibration performed, the object's topographies before
and after deformation are obtained from the calibration parameters and correlation between each pair
of images and are compared to determine the displacement and deformation fields.
KEYWORDS: stéréovision - corrélation – calibration – paring - reconstruction – CCD caméra –
displacement - deformation

Mesure de Champs de Déplacements Et de Déformations Par Stéréovision Et Corrélation D'images (PDFDrive)

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Mesure de Champs de Déplacements Et de Déformations Par Stéréovision Et Corrélation D'images (PDFDrive)

Transféré par

Droits d'auteur :

Formats disponibles

N° d’ordre

Mesure de champs de déplacements et de

Soutenue le 6 décembre 2001 devant la Commission d’examen

Responsable : Professeur A. HOAREAU, UCBL

Formations doctorales associées :

Mécanique, Energétique, Génie Civil, Acoustique (MEGA)°

Responsable : Pr. J. BATAILLE, ECL (Tél : 04.72.43.8079)

Formations doctorales associées :

Électronique, Électrotechnique, Automatique (EEA)

Responsable : Professeur G. GIMENEZ, INSAL

Formations doctorales associées :

Ecole doctorale interdisciplinaire Sciences-Santé (EDISS)

Responsable : Professeur A. COZZONE, CNRS-Lyon

Formations doctorales associées :

Responsable : Professeur S. GRENIER, INSAL Tél : 04.72.43.83.56

Responsable : Professeur P. GONNARD, INSAL

Conception en bâtiment et technique urbaines

Responsable : Professeur M. MIRAMOND, INSAL

DEA Informatique de Lyon

Responsable : Professeur J.M. JOLION, INSAL Tél : 04.72.43.87.59

Productique : Organisation economique et génie informatique

Responsable : Professeur J. FAVREL, INSAL Tél : 04.72.43.83.63

Sciences et techniques du déchet

Responsable : Professeur P. MOSZKOWICZ, INSAL

S. AUDISIO physico-chimie industrielle

J.M. JOLION reconnaissance des formes et vision

D. PLAY conception et analyse des systèmes mé-

Directeurs de recherche C.N.R.S.

Y. BERTHIER mécanique des contacts

Directeurs de recherche I.N.R.A.

G. BONNOT biologie appliquée

Directeurs de recherche I.N.S.E.R.M.

A.F. PRINGENT (Mme) biochimie et pharmacologie

GEMPMM* : Groupe d'etude metallurgie physique et physique des matériaux

Cette thèse a été réalisé à l’INSA de Lyon sous la direction de Messieurs

Je remercie Messieurs Yves BERTHAUD et Jean-José ORTEU qui m’ont

Tous mes remerciements à Messieurs Alain COMBESCURE, Thierry GRU-

Je tiens également à remercier l’ensemble du personnel du LMSo, les étu-

LISTE DES FIGURES..................................................................................................... 31

1 UNE VUE ................................................................................................................... 53

1 APPARIEMENT ENTRE IMAGES ................................................................................. 83

1.2 CORRELATION EN NIVEAUX DE GRIS ..................................................................... 84

1 DIFFERENTES METHODES DE CALIBRAGE .............................................................. 109

1 RECONSTRUCTIONS 3D .......................................................................................... 145

1 MATERIEL ET OUTILS INFORMATIQUES UTILISES .................................................. 167

3.5.2 Déplacements .............................................................................................. 209

1 MESURE DES CHAMPS DE DEPLACEMENTS SUR UN FER A REPASSER ...................... 213

1 ETUDE DU CHAMP DE DEFORMATIONS D’UNE COQUE CYLINDRIQUE EMBOUTIE ... 251

1.2 PREPARATION .................................................................................................... 251

CONCLUSION GENERALE ET PERSPERCTIVES .................................................. 281

ANNEXE A .................................................................................................................... 285

REPRESENTATION D’UNE ROTATION .............................................................................. 287

ANNEXE B .................................................................................................................... 291

RELATIONS ENTRE LES EXPRESSIONS DES EQUATIONS DE COLINEARITE ...................... 293

ANNEXE C ................................................................................................................... 297

RECONSTRUCTIONS PROJECTIVES, AFFINES ET EUCLIDIENNES ..................................... 299

Figure 1.1 : Le modèle sténopé d’une caméra.......................................................... 56

Figure 5.8 : Reconstruction de la sphère................................................................ 177

Figure 6.4 : Précision du calcul (en pixels)............................................................ 217

Figure 7.10 : Reconstruction 3D de la géométrie initiale de la zone 1 ................... 256

[A], [B], [M],… Les matrices

C Centre de projection de la caméra

Point image associé au point de l’espace M ou