La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Cours #13 Localisation n Découvertes n 8- Localisation u 8.1 Stéréoscopie u 8.2 Gradient déclairement u 8.3 Méthodes actives u 8.4 Modèles de représentation.

Présentations similaires


Présentation au sujet: "Cours #13 Localisation n Découvertes n 8- Localisation u 8.1 Stéréoscopie u 8.2 Gradient déclairement u 8.3 Méthodes actives u 8.4 Modèles de représentation."— Transcription de la présentation:

1 Cours #13 Localisation n Découvertes n 8- Localisation u 8.1 Stéréoscopie u 8.2 Gradient déclairement u 8.3 Méthodes actives u 8.4 Modèles de représentation

2 Cours # SYS-844 Hiver 2005 Forum

3 Cours # SYS-844 Hiver 2005 Découvertes n Bennamoun & Mamic, Object Recognition, Springer, u Stéréoscopie u Représentations des objets u Reconnaissance par parties u Systèmes de reconnaissance 3D

4 Cours # SYS-844 Hiver 2005 Objectifs dun système de vision numérique n Identifier n Localiser

5 Cours # SYS-844 Hiver 2005 Chapitre 8 Localisation u Méthodes passives F Stéréoscopique F Gradient déclairement u Méthodes actives F Triangulation active F Temps de vol F Éclairage structuré u Modèles de représentation F Volumétrique F Surfacique

6 Cours # SYS-844 Hiver 2005 Méthodes passives n Utilisent seulement léclairage ambient n Sapparentent à la vision humaine n La vision humaine utilise une combinaison des facteurs suivants pour percevoir les trois dimensions: F stéréoscopie F modification de la longueur focale de lœil F gradient déclairement F effet de perspective F occlusions F effet de parallaxe

7 Cours # SYS-844 Hiver Stéréoscopie n Illustration: viser le pouce n Mise en correspondance u Appariement de primitives u Intercorrélation n Reconstruction u Carte de disparités

8 n Un exemple

9 Cours # SYS-844 Hiver 2005 n Principe: F Un point dans une image est associé à une droite (projecteur) dans lespace. F Si on a deux images, le croisement des projecteurs nous donne le point dans lespace.

10 Cours # SYS-844 Hiver 2005 Appariement n Problématique : F Pairage: comment établir quun point de limage A et un point de limage B correspondent au même point physique? F Intercorrélation Pour chaque point de limage A, on recherche un point de limage B sur la même ligne pour lequel la comparaison des voisinages nous donne la meilleure ressemblance. F Appariement de primitives Pour limiter le temps de calcul, on peut faire une détection darêtes, et faire le pairage seulement vis-à-vis ces points.

11 n Appariement par intercorrélation

12 n Appariement de primitives

13 n Appariement de primitives: exemple de recherche

14 Cours # SYS-844 Hiver 2005 Géométrie épipolaire

15 Cours # SYS-844 Hiver 2005 n Rectification des images

16 n Rectification des images: exemple

17 Cours # SYS-844 Hiver Gradient déclairement n Principe: F Utilise les variations de léclairement lumineux pour déduire le relief. F Hypothèses simplificatrices: pas de discontinuité de surface, surface matte. F Donne une profondeur relative

18 Cours # SYS-844 Hiver 2005 Trois photos de Mars prises par le satellite Viking Lander I. Les 3 photos ont été prises en 1977, à 3 éclairages différents.

19 Cours # SYS-844 Hiver 2005 Lapparence dun objet dépend grandement de son attitude dans lespace par rapport à lobservateur.

20 Cours # SYS-844 Hiver 2005 u Géométrie de la formation dimage L I O n Z X Y fZ

21 Cours # SYS-844 Hiver 2005 n Équation de formation de limage

22 Cours # SYS-844 Hiver 2005 u Surface lambertienne Surface parfaitement diffusante qui émet ou réfléchit un flux lumineux tel que: L = cte direction Ls

23

24 Cours # SYS-844 Hiver 2005 n Espace de gradients

25 Cours # SYS-844 Hiver 2005 n Calcul du gradient local à la surface dun objet 3D

26 Exemple de carte de réflectance E image =R(p,q) Niveaux de gris Contours

27 Cours # SYS-844 Hiver 2005

28 Cours # SYS-844 Hiver 2005 n Léquation de formation des images devient:

29 Cours # SYS-844 Hiver 2005

30 Cours # SYS-844 Hiver 2005 n Reconstruction 3D à partir du gradient déclairement

31 Cours # SYS-844 Hiver 2005 n Équations différentielles

32

33 Figure The shape-from-shading method is applied here to the recovery of the shape of a nose. The first picture shows the (crudely quantized) gray-level image available to the program. The second picture shows the base characteristics superimposed, while the third shows a contour map computed from the elevations found along the characteristic curves.

34 Cours # SYS-844 Hiver Méthodes actives n Nécessitent une émission additionnelle dénergie. n Permettent une mesure absolue de la profondeur.

35 Cours # SYS-844 Hiver 2005 Triangulation active n Principe: F On balaie une surface avec un point laser. F La source laser est situé à un certaine distance du capteur. F La position de limage du point dépend de la profondeur

36 Cours # SYS-844 Hiver 2005

37 Cours # SYS-844 Hiver 2005

38 Cours # SYS-844 Hiver 2005 Triangulation active n Précision: F dépend de la distance entre le laser et la caméra (baseline) F pour un même baseline la précision diminue avec la distance. n Problème: F réflections spéculaires F effet dombrage.

39 Cours # SYS-844 Hiver 2005 Triangulation active F On peut aussi projeter une ligne laser au lieu dun point.

40 Cours # SYS-844 Hiver 2005 Temps de vol n Principe: F On envoie un signal (sonore, radio, laser) vers lobjet et on mesure la distance par le temps mis par lécho à revenir. F Utilisé pour de grandes distances car la lumière voyage vite (3.33 ns pour franchir 1 m) F Sonar: utilise une onde sonore. Vitesse plus lente, résolution spatiale faible

41 Cours # SYS-844 Hiver 2005 Déphasage

42 Cours # SYS-844 Hiver 2005 Déphasage n Principe: F Un laser modulé en amplitude est projeté sur lobjet. F On mesure le déphasage entre londe émise et londe reçue. F La distance est égale à N fois la longueur donde plus le déphasage où N est inconnue F Pour lever lambiguïté, on prend plusieurs mesures en variant la fréquence de modulation. F La distance naffecte pas la précision.

43 Éclairage structuré n Principe: F On projette une structure de lumière sur lobjet F On peut déterminer la distance par triangulation

44 Cours # SYS-844 Hiver Modèles de représentation n Une image 3D peut être considérée comme la numérisation dune fonction z = f(x,y) où z est la distance entre le point de vue et la première surface rencontrée. n Par contre, cette définition nest pas suffisante pour décrire une scène. n On a besoin dun modèle.

45 Cours # SYS-844 Hiver 2005 Modèle volumétrique n Dans ce type de modèle, la scène est décrite comme une fonction doccupation de lespace f(x, y, z) n e.g. subdivision régulière de la scène en N x M x L petits éléments de volume (voxels) n e.g. Octree (arbre octaire): subdivision récursive de lespace n Avantage: la détermination de loccupation de lespace est immédiate. n Application: détection de collision n Inconvénient: peu de précision vs quantité de données

46 Cours # SYS-844 Hiver 2005 Modèle surfacique n Dans ce type de modèle, la scène est décrite en terme de surfaces qui délimitent lespace occupé de lespace libre. n Les surfaces peuvent être décrites par un ensemble de triangles ou de splines cubiques (NURBS) e.g. OpenGL, VRML n Avantages: représentation précise des surfaces, possibilité dajouter de la texture. n Applications: CAO, réalité virtuelle n Inconvénient: construction à partir dimages 3D et intégration des vues plus difficiles.


Télécharger ppt "Cours #13 Localisation n Découvertes n 8- Localisation u 8.1 Stéréoscopie u 8.2 Gradient déclairement u 8.3 Méthodes actives u 8.4 Modèles de représentation."

Présentations similaires


Annonces Google