Académique Documents
Professionnel Documents
Culture Documents
Année 2001
Thèse
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
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
Autres formations
Doctorales
Analyse et modélisation des systèmes biologique
Chimie inorganique
Décembre 2001
Institut national
des sciences appliquées
de Lyon
Directeur : A. STORCK
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
Professeurs
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
NOTATIONS ................................................................................................................... 39
INTRODUCTION GENERALE...................................................................................... 45
PARTIE 1
MODELES DE CAMERAS ET EQUATIONS MATHEMATIQUES MISES EN JEU . 51
PARTIE 2
RELATION ENTRE LES IMAGES : APPARIEMENT ET GEOMETRIE
EPIPOLAIRE .................................................................................................................. 81
23
Table des matières
PARTIE 3
CALIBRAGE DU SYSTEME STEREOSCOPIQUE .................................................... 107
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
25
Table des matières
PARTIE 5
MATERIEL DE MESURE ET RESULTATS ............................................................... 165
26
Table des matières
PARTIE 6
RESULTATS DE MESURES DE CHAMPS DE DEPLACEMENTS 3D ..................... 211
PARTIE 7
RESULTATS DE MESURES DE CHAMPS DE DEFORMATIONS 3D ..................... 249
27
Table des matières
28
Table des matières
BIBLIOGRAPHIE......................................................................................................... 301
29
Liste des figures
31
Liste des figures
33
Liste des figures
34
Liste des figures
35
Liste des figures
Figure 6.33 : Déplacements suivant l’axe Z mesurés sur la résine entre le précyclage
et la charge maximale sur le coté gauche ......................................... 238
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
et le précyclage sur le coté gauche ................................................... 240
Figure 6.37 : Déplacements suivant l’axe Z mesurés sur la malaire entre l’état initial
et le précyclage sur le coté gauche ................................................... 240
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
précyclage et la charge maximale sur le coté gauche........................ 242
Figure 6.41 : Déplacements suivant l’axe Z mesurés sur la malaire entre le
précyclage et la charge maximale sur le coté gauche........................ 243
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
précyclage et la chargé maximale sur le coté gauche........................ 244
Figure 6.45 : Déplacements suivant l’axe Z mesurés sur l’orbite entre la fin du
précyclage et la chargé maximale sur le coté gauche........................ 245
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
la fin du précyclage et la chargé maximale sur le coté gauche.......... 246
Figure 6.49 : Déplacements suivant l’axe Z mesurés sur la partie basse du crâne entre
la fin du précyclage et la chargé maximale sur le coté gauche.......... 247
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
37
Notations
39
40
Notations
Symbole Définition
{v}, {M}, {m},… Les vecteurs
II Plan image
M Point de l’espace
{M~ } ℜO = {X , Y , Z ,1}
T Coordonnées homogènes du point M exprimées
dans le repère ℜO
{M~ }
ℜC = {X C , YC , Z C ,1}
T Coordonnées homogènes du point M exprimées
dans le repère ℜC
41
Notations
42
Notations
e Epipole
43
Introduction générale
45
46
Introduction générale
47
Introduction générale
48
Introduction générale
49
Introduction générale
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
1.6 Conclusion
1.1 Introduction
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].
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
Section 1 – Une vue
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
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
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
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
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
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
Section 1 – Une vue
⎡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⎥
⎣ ⎦
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
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.
⎡ku 0 0 uc ⎤
~ } = [K ] ⋅ {m
s ⋅ {m ℜo
~}
ℜC où [K ] = ⎢⎢ 0 kv 0 vc ⎥⎥ (1.3)
⎢⎣ 0 0 0 1 ⎥⎦
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
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
⎡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⎥⎦
XC YC
x= y= z =1 (1.6)
ZC ZC
⎧u ⎫ ⎧x⎫ ⎡α u 0 uc ⎤
⎪ ⎪ ⎪ ⎪
⎨v ⎬ = [II N ] ⋅ ⎨ y ⎬ où [II N ] = ⎢⎢ 0 αv vc ⎥⎥ (1.7)
⎪1 ⎪ ⎪1 ⎪ ⎢⎣ 0 1 ⎥⎦
⎩ ⎭ ⎩ ⎭ 0
58
Section 1 – Une vue
⎡{r1 }T tx ⎤
⎥
[R ] {t}⎤ ⎢⎢{r2 }T
[D] = ⎡⎢
ty ⎥
=
⎣{0} 1 ⎥⎦ ⎢{r3 }T
(1.9)
tz ⎥
T
⎢ T ⎥
⎢⎣ {0} 0 ⎥⎦
⎡[R ]T − [R ] ⋅ {t}⎤
−T
[D] −1
=⎢ T ⎥ (1.10)
⎣ {0} 1 ⎦
~ } = [P ] ⋅ M
s ⋅ {m ℜo
~
{ } ℜO où [P] = [II ]⋅ [D]
C (1.11)
59
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
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 :
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
Section 1 – Une vue
⎧ {r1 }T ⋅ {M}ℜO + tx
⎪x =
⎪ {r3 }T ⋅ {M}ℜO + tz
⎨
⎪ y = {r2 } ⋅ {M}ℜO
(1.14)
+ ty
T
⎪
⎩ {r3 }T ⋅ {M}ℜO + tz
⎧ 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.
⎧⎪ x − xO = η ⋅ {r1 }T ⋅ {M}ℜO
⎨
⎪⎩ y − yO = η ⋅ {r2 } ⋅ {M}ℜO
T (1.16)
⎧u − uO ⎫ ⎡α u 0 ⎤ ⎧ x − xO ⎫
⎨ ⎬=⎢ ⋅⎨ ⎬
α v ⎥⎦ ⎩ y − yO ⎭
(1.17)
⎩ v − vO ⎭ ⎣ 0
61
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
tion Objet / Image donnée par la relation (1.11) dans le cas du modèle sténo-
pé, prend la forme :
o
u
v z
m
c
II
x
C
y
62
Section 1 – Une vue
⎧ x d = x + δ x ( x, y )
⎨
⎩ y d = y + δ y ( x, y )
(1.19)
⎧ 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
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
⎧ δ x ( x, y ) = k1 ⋅ x ⋅ (x 2 + y 2 )
⎨
⎩δ y ( x, y ) = k1 ⋅ y ⋅ (x + y )
2 2 (1.21)
⎧ 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
Section 1 – Une vue
( )
⎧⎪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)
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
(
⎧⎪ δ x ( x, y ) = s1 ⋅ x 2 + y 2 )
⎨
(
⎪⎩δ y ( x, y ) = s2 ⋅ x + y
2 2
) (1.25)
⎧ 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)
65
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
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
2.3 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
67
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
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
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
Section 2 – Deux vues et plus
{ }
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
X C1 = x1 ⋅ Z C1 YC1 = y1 ⋅ Z C1 (1.29)
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
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
⎧ 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 .
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
a2 ⋅ x2 + b2 ⋅ y2 + c2 = 0 (1.32)
70
Section 2 – Deux vues et plus
{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
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
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
z2
z1
C1 e2 e1 C2
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
Section 2 – Deux vues et plus
Soient :
NbPoint, le nombre de points de la scène.
NbImage, le nombre d’images de la scène.
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 ⎪⎭
73
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
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
⎧X iC ⎫ ⎧ xi1 ⎫
⎪ 1⎪ ⎪ ⎪
⎨ YiC1 ⎬ = γ i ⋅ ⎨ yi1 ⎬ (1.38)
⎪Z ⎪ ⎪1⎪
⎩ iC1 ⎭ ⎩ ⎭
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
74
Section 2 – Deux vues et plus
⎡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.
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 ⎭
75
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
[D ]⋅ {M
~
4
} i ℜC
1
~
{ }
= [D 2 ] ⋅ [D3 ] ⋅ M i ℜC1
Les termes de droite des égalités (1.43) et (1.44) étant égaux, la relation :
[R 4 ] = [R 2 ]⋅ [R 3 ]
{t 4 } = [R 2 ] ⋅ {t 3 } + {t 2 } (1.46)
[R ] = [R ]⋅ [R ]
j 2 j −1
{t } = [R ]⋅ {t }+ {t }
j 2 j −1 2
(1.47)
76
Section 2 – Deux vues et plus
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
77
Partie 1 – Modèles de caméras et équations mathématiques mises en jeu
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
78
Section 2 – Deux vues et plus
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
81
82
Section 1 – Appariement entre images
1.7 Conclusion
1.1 Introduction
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].
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
Section 1 – Appariement entre images
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.
85
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
⎧ 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.
86
Section 1 – Appariement entre images
m1 DU
DV
m2
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.
87
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
a2 b2
a1 b1
m1
d1 c1
d2 c2
b2
a2 b2
a2
m2
c2 c2
d2
d2
88
Section 1 – Appariement entre images
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.
b2
a2
m2
d2 c2
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
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
[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
2.6 Conclusion
2.1 Introduction
91
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
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)
{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
~ }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)
{m
~ } ⋅ [F1 ] ⋅ {m
~ } = 0 où [F ] = [F ]
T T
1 ℜo
1
2 ℜo
2
1 2 (2.8)
[F ]⋅ {e }
2 1 ℜo
1
= {0} et [F ] ⋅ {e }
2
T
2 ℜo
2
= {0} (2.9)
92
Section 2 – La géométrie épipolaire associée à deux images
93
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
{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 }
min
{f } 2
( [G ]⋅ {f } 2
2
(
+ λ ⋅ {f 2 } − 1
2
)) (2.13)
[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
Section 2 – La géométrie épipolaire associée à deux images
Soit :
[F ] = [U ]⋅ [W]⋅ [V ]
2
T
(2.15)
[W ] = diag (w 1
, w2 , w3 ) telle que w1 ≥ w2 ≥ w3 (2.16)
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.
95
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
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
{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
Section 2 – La géométrie épipolaire associée à deux images
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).
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
{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
[F ] ⋅ {m~ }
2
T
i2
mi2
[F ]⋅ {m~ }
2 i1
mi1
97
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
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.
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
98
Section 2 – La géométrie épipolaire associée à deux images
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
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
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)
100
Section 2 – La géométrie épipolaire associée à deux images
{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 ⎥⎦
⎧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
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
(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.
102
Section 2 – La géométrie épipolaire associée à deux images
{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
⎢ F312 F322
⎣
103
Partie 2 – Relation entre les images : appariement et géométrie épipolaire
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
⎩ 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 ⎦
[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
(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
Section 2 – La géométrie épipolaire associée à deux images
2.6 Conclusion
105
Partie 3
Calibrage du système
stéréoscopique
107
108
Section 1 – Différentes méthodes de calibrage
1.6 Autocalibration
1.9 Conclusion
1.1 Introduction
109
Partie 3 – Calibrage du système stéréoscopique
110
Section 1 – Différentes méthodes de calibrage
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) :
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) :
Etant donné NbPoint points de références vus dans NbImage images, le but
est de déterminer les composantes de la matrice [Pj] vérifiant :
111
Partie 3 – Calibrage du système stéréoscopique
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.
⎧ 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
112
Section 1 – Différentes méthodes de calibrage
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
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
Partie 3 – Calibrage du système stéréoscopique
u
v
x
y
Wei et al. [WEY89] proposent une méthode de calibrage par points de fuite.
114
Section 1 – Différentes méthodes de calibrage
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
115
Partie 3 – Calibrage du système stéréoscopique
116
Section 1 – Différentes méthodes de calibrage
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
Partie 3 – Calibrage du système stéréoscopique
1.9 Conclusion
118
Section 2 – Calibrage à partir d’une paire d’images d’une mire recouverte d’un motif aléatoire
2.8 Conclusion
2.1 Introduction
119
Partie 3 – Calibrage du système stéréoscopique
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).
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
Section 2 – Calibrage à partir d’une paire d’images d’une mire recouverte d’un motif aléatoire
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.
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].
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
Partie 3 – Calibrage du système stéréoscopique
⎡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
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
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.
{M '} = T '⋅{M
~
} (3.9)
122
Section 2 – Calibrage à partir d’une paire d’images d’une mire recouverte d’un motif aléatoire
⎢ ⎥
⎣ w41 w42 w43 w44 ⎦
123
Partie 3 – Calibrage du système stéréoscopique
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).
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)
⎧ 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
Section 2 – Calibrage à partir d’une paire d’images d’une mire recouverte d’un motif aléatoire
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)
Z + a⋅ X 2 +Y2 = b (3.15)
X 2 + Y 2 + Z 2 = R2 (3.16)
125
Partie 3 – Calibrage du système stéréoscopique
{ }
i
~
coordonnées 3D des points physiques correspondants M i ℜO = {X i , Yi , Z i ,1}
T
i ℜo
{ }
~
~ } = [P ] ⋅ M
si ⋅ {m i ℜO (3.17)
126
Section 2 – Calibrage à partir d’une paire d’images d’une mire recouverte d’un motif aléatoire
∀ 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 )
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
Partie 3 – Calibrage du système stéréoscopique
{V} = {P 11
P12 P13 P14 P21 P22 P23 P24 P31 P32 P33 P34 }
T
(3.22)
~
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
Section 2 – Calibrage à partir d’une paire d’images d’une mire recouverte d’un motif aléatoire
129
Partie 3 – Calibrage du système stéréoscopique
2.8 Conclusion
130
Section 3 – Calibrage à partir de plusieurs paires d’images d’une mire recouverte d’un motif aléatoire
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 :
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
Partie 3 – Calibrage du système stéréoscopique
nent des paramètres ayant une signification physique a été préférée à celle
faisant intervenir les matrices de projection (1.12).
~ } = [P ]⋅ M
sij ⋅ {m ij ℜ j
oj
~
i
{ } ℜO
où [P ] = [II ]⋅ [I]⋅ [D ]
j
j
N j (3.24)
⎪ 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
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
Section 3 – Calibrage à partir de plusieurs paires d’images d’une mire recouverte d’un motif aléatoire
~
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 ⎥
⎣ ⎦
⎧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
133
Partie 3 – Calibrage du système stéréoscopique
( )
⎧⎪ 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]
134
Section 3 – Calibrage à partir de plusieurs paires d’images d’une mire recouverte d’un motif aléatoire
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.
{
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)
⎧ 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 .
135
Partie 3 – Calibrage du système stéréoscopique
α uj j
⋅ evjj ⋅ t xj − euj j ⋅ t yj = 0 (3.34)
α j
vj
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
Section 3 – Calibrage à partir de plusieurs paires d’images d’une mire recouverte d’un motif aléatoire
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.
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 :
137
Partie 3 – Calibrage du système stéréoscopique
+ 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 :
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
Section 3 – Calibrage à partir de plusieurs paires d’images d’une mire recouverte d’un motif aléatoire
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
139
Partie 3 – Calibrage du système stéréoscopique
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
140
Section 3 – Calibrage à partir de plusieurs paires d’images d’une mire recouverte d’un motif aléatoire
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
1.6 Conclusion
1.1 Introduction
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)
145
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
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
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
Section 1 – Reconstructions 3D
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
{m } = [Q ] ⋅ {m }
∞
ij j
−1
ij ℜ
oj
(4.4)
{C } = −[Q ] ⋅ {q }
j j
−1
j (4.5)
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
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
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)
148
Section 1 – Reconstructions 3D
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
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 :
(4.10)
Ai 2 = {P21 } − vi1 ⋅ {P31 } Ai 4 = {P22 } − vi 2 .{P32 }
T T T T
149
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
⎛
⎜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 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
⎟
⎠
1.6 Conclusion
150
Section 1 – Reconstructions 3D
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
2.6 Conclusion
2.1 Introduction
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
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
M inii
m inii1
m inii2
Appariement
par corrélation
Corrélation
gauche / gauche
M idef
Pidef
mi1def
m idef2
pidef2
p i1def
Appariement
par corrélation
Les ● et les ▲ sont les points de coordonnées connues. Les ○ sont les
points de coordonnées à calculer.
154
Section 2 - Détermination des champs de déplacements et de déformations
{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
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 :
155
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
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
156
Section 2 - Détermination des champs de déplacements et de déformations
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
157
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
(
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
158
Section 2 - Détermination des champs de déplacements et de déformations
p11def p def
21
m i1def
p def
22
p def
41
p 31def p12def
m idef2
p 32def
p def
42
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 .
159
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
⎧ 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
Pour passer des coordonnées spatiales aux coordonnées planes, les propriétés
sur le triangle permettent d’écrire :
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
Section 2 - Détermination des champs de déplacements et de déformations
⎧⎪α M ini ⎫⎪
M 3ini ⎨ 3 ⎬
⎪⎩β M ini3 ⎪⎭
⎧⎪α M def ⎫⎪
M 3def ⎨ 3 ⎬
⎪⎩β M 3def ⎪⎭
Figure 4.8 : Représentation des deux triangles utilisés pour mesurer les
déformations
[F ] = ⎡⎢
F11 F21 ⎤
(4.16)
⎣ F21 F22 ⎥⎦
161
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
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 :
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)
où [I] est la matrice identité. Les composantes de [E] sont alors données
par :
(
⎧⎪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
Section 2 - Détermination des champs de déplacements et de déformations
1 1 0 0 0
1
2 2 1 1 1 1
2 2 1 1 1 1
1
1 1 0 0 0
163
Partie 4 – Reconstructions 3D et détermination des champs de déplacements et de déformations
2.6 Conclusion
164
Partie 5
Matériel de mesure et
résultats
165
166
Section 1 – Matériel et outils informatiques utilisés
1.5 Conclusion
1.1 Introduction
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).
168
Section 1 – Matériel et outils informatiques utilisés
169
Partie 5 – Matériel de mesure et résultats
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
1.4.2 ASAME
170
Section 1 – Matériel et outils informatiques utilisés
1.5 Conclusion
171
Section 2 – Calibrage par corrélation
2.6 Reconstructions 3D
Reconstruction d’un cône
Reconstruction d’une plaque emboutie
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.
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
Partie 5 – Matériel de mesure et résultats
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).
174
Section 2 – Calibrage par corrélation
Z + 5 ⋅ X 2 + Y 2 − 200 = 0 (5.1)
175
Partie 5 – Matériel de mesure et résultats
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).
X =0 Y =0 Z = 24,964 (5.3)
176
Section 2 – Calibrage par corrélation
177
Partie 5 – Matériel de mesure et résultats
2.6 Reconstructions 3D
178
Section 2 – Calibrage par corrélation
179
Partie 5 – Matériel de mesure et résultats
180
Section 2 – Calibrage par corrélation
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.
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.
181
Partie 5 – Matériel de mesure et résultats
Ces résultats sont logiques, puisque le calibrage n'est pas effectué dans un
espace euclidien, mais dans un espace affine.
182
Section 2 – Calibrage par corrélation
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.
2.8 Conclusion
183
Partie 5 – Matériel de mesure et résultats
184
Section 3 – Etude de la précision d’ASAME
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
185
Partie 5 – Matériel de mesure et résultats
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.
186
Section 3 – Etude de la précision d’ASAME
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.
187
Partie 5 – Matériel de mesure et résultats
La zone d'étude choisie (Figure 5.21) présente des parties planes, bombées et
incurvées, ce qui rend les essais représentatifs.
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.
188
Section 3 – Etude de la précision d’ASAME
189
Partie 5 – Matériel de mesure et résultats
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).
400 500
190
Section 3 – Etude de la précision d’ASAME
3.4 Résultats
191
Partie 5 – Matériel de mesure et résultats
D= (X i
def
− X iini ) + (Yi def − Yi ini ) + (Z idef − Z iini )
2 2 2
(5.5)
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)
∆ = ∆X iini = ∆X idef = ∆Yi ini = ∆Yi def = ∆Z iini = ∆Z idef = 0.01 mm (5.8)
∆D =
(
2 ⋅ ∆ ⋅ X idef − X iini + Yi def − Yi ini + Z idef − Z iini ) (5.9)
D
192
Section 3 – Etude de la précision d’ASAME
3.4.2.1 Déformations
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
Partie 5 – Matériel de mesure et résultats
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.
194
Section 3 – Etude de la précision d’ASAME
3.4.3.1 Déformations
195
Partie 5 – Matériel de mesure et résultats
3.4.3.2 Déplacements
196
Section 3 – Etude de la précision d’ASAME
197
Partie 5 – Matériel de mesure et résultats
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.
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
Section 3 – Etude de la précision d’ASAME
25
20
moyenne des déformations majeures (%)
15
10
0
100 200 300 400 500
-5
position
199
Partie 5 – Matériel de mesure et résultats
200
Section 3 – Etude de la précision d’ASAME
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.
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
Partie 5 – Matériel de mesure et résultats
15
10
moyenne des déformations mineures (%)
0
100 200 300 400 500
-5
-10
-15
position
202
Section 3 – Etude de la précision d’ASAME
3.4.4.3 Déplacements
203
Partie 5 – Matériel de mesure et résultats
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.
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.
Pour le couple 400/300, le déplacement moyen sur les 187 points de mesure
est de 101.892 mm avec un écart type de 0.137 mm.
204
Section 3 – Etude de la précision d’ASAME
Pour le couple 100/300, le déplacement moyen sur les 142 points de mesure
est de 205.623 mm avec un écart type de 0.488 mm.
Pour le couple 500/300, le déplacement moyen sur les 187 points de mesure
est de 203.148 mm avec un écart type de 0.324 mm.
Comme pour les déformations, la dispersion est plus importante lorsque la
distance augmente.
6
moyenne de l'erreur sur le déplacement (mm)
0
100 200 300 400 500
-1
position
205
Partie 5 – Matériel de mesure et résultats
3.4.5 Récapitulatif
206
Section 3 – Etude de la précision d’ASAME
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
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
Ecart type (mm) 0.038 0.048
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.
207
Partie 5 – Matériel de mesure et résultats
Déformation mineure
Figure 5.46 : Résultats obtenus avec ASAME 4.0 et 4.1 pour les grands
déplacements
208
Section 3 – Etude de la précision d’ASAME
3.5 Conclusions
3.5.1 Déformations
3.5.2 Déplacements
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
Partie 5 – Matériel de mesure et résultats
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
1.5 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
213
Partie 6 – Résultats de mesures de champs de déplacements 3D
1.2.2 Préparation
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
Section 1 – Mesure des champs de déplacements sur un fer à repasser
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
Partie 6 – Résultats de mesures de champs de déplacements 3D
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:
216
Section 1 – Mesure des champs de déplacements sur un fer à repasser
217
Partie 6 – Résultats de mesures de champs de déplacements 3D
218
Section 1 – Mesure des champs de déplacements sur un fer à repasser
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.
219
Partie 6 – Résultats de mesures de champs de déplacements 3D
dans la direction 2 diminue pour atteindre -2.5 pixels, soit -0.67 mm, en bas
à droite de la partie 3.
220
Section 1 – Mesure des champs de déplacements sur un fer à repasser
1.5.1.4 Magnitude
221
Partie 6 – Résultats de mesures de champs de déplacements 3D
1.5.1.5 Déformée
222
Section 1 – Mesure des champs de déplacements sur un fer à repasser
1.5.2 Mesures 3D
1.5.2.1 Déformée
223
Partie 6 – Résultats de mesures de champs de déplacements 3D
224
Section 1 – Mesure des champs de déplacements sur un fer à repasser
1.5.2.2 Magnitude
1.6 Conclusion
225
Section 2 – Mesure des champs de déplacements sur un crâne
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
227
Partie 6 – Résultats de mesures de champs de déplacements 3D
228
Section 2 – Mesure des champs de déplacements sur un crâne
efforts/déplacements
600
500
400
efforts (N)
300
200
100
0
0 2 4 6 8 10 12
déplacements (mm)
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
Partie 6 – Résultats de mesures de champs de déplacements 3D
Les images utilisées et les zones d'études sont présentées sur les Figure 6.19
et Figure 6.20.
230
Section 2 – Mesure des champs de déplacements sur un crâne
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
Partie 6 – Résultats de mesures de champs de déplacements 3D
2.5 Résultats
232
Section 2 – Mesure des champs de déplacements sur un crâne
233
Partie 6 – Résultats de mesures de champs de déplacements 3D
Des mesures de déplacements ont été effectuées sur la résine. Les résultats
sont présentés sur les Figure 6.26 à Figure 6.29.
234
Section 2 – Mesure des champs de déplacements sur un crâne
235
Partie 6 – Résultats de mesures de champs de déplacements 3D
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.
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
Section 2 – Mesure des champs de déplacements sur un crâne
237
Partie 6 – Résultats de mesures de champs de déplacements 3D
238
Section 2 – Mesure des champs de déplacements sur un crâne
239
Partie 6 – Résultats de mesures de champs de déplacements 3D
240
Section 2 – Mesure des champs de déplacements sur un crâne
241
Partie 6 – Résultats de mesures de champs de déplacements 3D
242
Section 2 – Mesure des champs de déplacements sur un crâne
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
Partie 6 – Résultats de mesures de champs de déplacements 3D
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.
244
Section 2 – Mesure des champs de déplacements sur un crâne
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
Partie 6 – Résultats de mesures de champs de déplacements 3D
246
Section 2 – Mesure des champs de déplacements sur un crâne
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
Partie 6 – Résultats de mesures de champs de déplacements 3D
2.6 Conclusion
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
1.2 Préparation
1.4 Résultats
Zone 1
Zone 2
Zone 3
1.5 Conclusion
1.1 Introduction
1.2 Préparation
251
Partie 7 – Résultats de mesures de champs de déformations 3D
252
Section 1 – Etude du champ de déformations d’une coque cylindrique emboutie
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
Partie 7 – Résultats de mesures de champs de déformations 3D
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
254
Section 1 – Etude du champ de déformations d’une coque cylindrique emboutie
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
255
Partie 7 – Résultats de mesures de champs de déformations 3D
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.
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.
256
Section 1 – Etude du champ de déformations d’une coque cylindrique emboutie
257
Partie 7 – Résultats de mesures de champs de déformations 3D
1.4.2 Zone 2
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%.
258
Section 1 – Etude du champ de déformations d’une coque cylindrique emboutie
259
Partie 7 – Résultats de mesures de champs de déformations 3D
1.4.3 Zone 3
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%.
260
Section 1 – Etude du champ de déformations d’une coque cylindrique emboutie
261
Partie 7 – Résultats de mesures de champs de déformations 3D
1.5 Conclusion
262
Section 2 – Comparaison de méthodes d’obtention des CLF
2.1 Introduction
2.6 Conclusion
2.1 Introduction
263
Partie 7 – Résultats de mesures de champs de déformations 3D
Le matériau utilisé est fourni par SOLLAC. Il est désigné par le code S2321.
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)
Rétreint
ε2
264
Section 2 – Comparaison de méthodes d’obtention des CLF
265
Partie 7 – Résultats de mesures de champs de déformations 3D
Chapeau
Barre
Support colonne
Guide supérieur
Support miroir
Miroir à 45°
Colonne
Matrice
Poinçon
Plaque
266
Section 2 – Comparaison de méthodes d’obtention des CLF
267
Partie 7 – Résultats de mesures de champs de déformations 3D
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.
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
Section 2 – Comparaison de méthodes d’obtention des CLF
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
Partie 7 – Résultats de mesures de champs de déformations 3D
270
Section 2 – Comparaison de méthodes d’obtention des CLF
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.
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
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
Partie 7 – Résultats de mesures de champs de déformations 3D
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
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.
S2321 - essai Nakazima
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
Section 2 – Comparaison de méthodes d’obtention des CLF
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.
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
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
Partie 7 – Résultats de mesures de champs de déformations 3D
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.
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.
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
Section 2 – Comparaison de méthodes d’obtention des CLF
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.
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 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
Partie 7 – Résultats de mesures de champs de déformations 3D
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
Section 2 – Comparaison de méthodes d’obtention des CLF
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.
277
Partie 7 – Résultats de mesures de champs de déformations 3D
278
Section 2 – Comparaison de méthodes d’obtention des CLF
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
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
279
Conclusion générale et
perspectives
281
282
Conclusion générale et perspectives
283
Conclusion générale et perspectives
284
Annexe A
285
286
Annexe A – Représentation d’une rotation
1 Introduction
2 Angles d’Euler
4 Quaternion unitaire
5 La rotation optimale
1 Introduction
∑r i =1
ij ⋅ rik = δ kj pour k , j = 1,2,3 (A.1)
2 Angles d’Euler
287
Annexe A – Représentation d’une rotation
⎡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)
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 :
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
Annexe A – Représentation d’une rotation
4 Quaternion unitaire
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
v = v0 + i ⋅ v x + j ⋅ v y + k ⋅ v z (A.8)
w = q ∗r ∗ q (A.9)
5 La rotation optimale
289
Annexe A – Représentation d’une rotation
290
Annexe B
291
292
Annexe B – Relations entre les expressions des équations de colinéarité
1 Introduction
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}) :
293
Annexe B – Relations entre les expressions des équations de colinéarité
[P] = [C ] ⋅ [D]
C (B.3)
⎡α u 0 uc 0⎤
[II C ] = ⎢⎢ 0 αv vc 0⎥⎥ (B.4)
⎢⎣ 0 0 1 0⎥⎦
294
Annexe B – Relations entre les expressions des équations de colinéarité
⎡{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 ⎥⎦
{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
1 Introduction
2 Reconstruction projective
3 Reconstruction affine
4 Reconstruction euclidienne
1 Introduction
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
4 Reconstruction euclidienne
300
Bibliographie
301
302
Bibliographie
303
Bibliographie
304
Bibliographie
[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.
[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.
305
Bibliographie
306
Bibliographie
[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)
307
Patrice CLERC
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.
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