Académique Documents
Professionnel Documents
Culture Documents
Présenté par :
approche proposée
Algorithme principale
EXPÉRIENCES NUMÉRIQUES
conclusion
1
Détail de l’article:
• Publiée dans IEEE (Transactions on Pattern Analysis and Machine Intelligence) en
octobre 2023
• Auteurs :
-Alexandre Kolpakov -Michael Werman
2
Contexte:
L'enregistrement d'un ensemble de points implique l'alignement de deux nuages de points à
l'aide d'une transformation rigide
Cela a diverses applications telles que la fusion de données, le mappage de mesures sur des
ensembles de données connus, ou la recherche d'objets similaires dans une base de données.
but est de trouver une transformation (translation et rotation) qui minimise la distance entre les points
correspondants des deux ensembles, souvent appelés le nuage de points source et le nuage de points
cible.
4
Problématique:
• L'algorithme ICP consiste à trouver une correspondance
partielle entre les ensembles de points, estimer la
transformation, et transformer les points sources de
manière itérative.
• En raison de sa nature non convexe.
ICP fournit une solution précise lorsque les ensembles de points sont initialement
proches
5
L'état de l'art
• Pour initialiser l’algorithme d’ICP plusieurs articles ont proposé
des méthodes basées sur l'optimisation et l'apprentissage profond ...
6
Approche proposée:
L'article présente une approche robuste pour préenregistrer des ensembles de
points avant d'appliquer l'algorithme ICP.
7
ALGORITHME PRINCIPAL
• Représentation des points : matrice d × n
• Barycentre et Translation :
Les points sont ensuite centrés autour de l'origine
• Inertie Ellipsoïde :
connu sous le nom de matrice de covariance
• Diagonalisation Orthogonale :
Une observation est faite sur la diagonalisation démontrant qu'il existe un
nombre fini de façons de le faire 8
• Groupe de Réflexions : Un groupe, Ref(d), est introduit, généré par des
réflexions par rapport aux hyperplans coordonnés.
• Une analyse montre que l'ellipsoïde moyen EQ' ne s'éloigne pas trop de
l'ellipsoïde idéal EQ si le bruit relatif est suffisamment petit.
10
B. Bruit additif :
11
démontre que l'algorithme est robuste au bruit, avec des estimations de
probabilité pour la proximité des ellipsoïdes et des transformations
orthogonales malgré la présence de bruit.
12
DISPARITÉ DU NOMBRE DE POINTS
14
Comparaison avec ICP sans initialisation
19
IMAGES MASQUÉES
19
SUPERPOSITION D'ERREURS
20
Enregistrement de plusieurs numérisations
L'algorithme E–Init
l'ICP seul, 21
Comparaison avec d'autres algorithmes
• GO–ICP est utilisé comme référence dans l'étude, car il offre une stratégie
de recherche globale .
• Dans les expériences avec 10 tests, un bruit multiplicatif N(1,σ) avec
σ=0,1 .
Les résultats montrent un temps de calcul beaucoup plus long pour GO–ICP par rapport à E
init
Résultat
- L'article propose une approche pour initialiser l'algorithme ICP.
- La méthode est basée sur des ellipsoïdes correspondants définis par des
matrices de covariance.
- L'approche est robuste au bruit selon les limites théoriques.
- Les expériences numériques confirment les résultats théoriques.
23
critiqué l’article
-ICP lorsque en perdre la depandance il perde sa fonctionnalité et sa
perfermance
• Il y a un obstacle potentiel dans la récupération des transformations originales
(O et S) même dans des conditions idéales. Cet obstacle est lié à la présence
de symétries dans le nuage de points
• . Les symétries peuvent conduire à plusieurs solutions équivalentes pour les
transformation, ce qui pose un défi dans la récupération des transformations
d'origine.
• l'algorithme suppose que les nuages de points P et Q n'ont pas de symétries,
ce qui peut être réalisé par une légère perturbation des données.
24
Conclusion
- L'algorithme ICP consiste à trouver une correspondance partielle entre les
ensembles de points, estimer la transformation, et transformer les points source
de manière itérative. En raison de sa nature non convexe, ICP fournit une
solution précise lorsque les ensembles de points sont initialement proches.
-Approche proposée pour initialiser l'algorithme ICP pour faire correspondre le
nuages de points basée sur des ellipsoïdes correspondants définis par des
matrices de covariance de points
- Limites de robustesse au bruit dérivées et confirmées par des expériences
25