Reconstruction 3D par mono vision avec des trajectoires fortement contraintes Joan Solà LAAS-CNRS Toulouse, France Revue du projet PICAS$O 3 novembre 2005.

Slides:



Advertisements
Présentations similaires
Reconstitution de l’état d’un micro drone par fusion de données
Advertisements

Le mouvement (1) Trajectoire d’un mobile
EFFET DU VENT TRAVERSIER SUR LES TRAJECTOIRES SOL
Non linéarités liées à la thermique
STATISTIQUE INFERENTIELLE L ’ESTIMATION
Unstructured Lumigraph Rendering
Accélération du Rendu Volumique basée sur la Quantification des Voxels
Matthias Zwicker Hanspeter Pfister Jeroen van Baar Markus Gross
Le microscope.
L'ESTIME ELEMENTAIRE.
CHARGEMENT, CENTRAGE ET STABILITÉ LONGITUDINALE
DIAMÈTRE de la LUNE par ARISTARQUE
Parallaxe des étoiles Simulation Observatoire de Lyon.
3. Analyse et estimation du mouvement dans la vidéo
Piecewise Affine Registration of Biological Images
Module de base / bien exposer une image...
Le diaphragme (photographie)
La Photo Les bases techniques
Environnement de réalité augmentée : vers les jeux vidéos
Accès aux Métiers de l’Informatique
Monique THONNAT et Nathanaël ROTA Projet ORION
Eric Guilbert, Marc Daniel *, Eric Saux
Cartographie et Localisation par vision monoculaire
Recherche d’un même objet / scène
ANALYSE CROISEE ANTENNES/SCINTILLATEURS
Journée thématique du GDR IFS « Réduction de modèle en IFS » ENSAM – Jeudi 18 mai 2006 Validation de l’approche de la réduction a priori - POD sur l'équation.
Traitements d'images et Vision par ordinateur
Transformations de visualisation en OpenGL
Optimisation linéaire
Chapitre 8: Solutions à certains exercices
LES RATIOS.
3.6 Les équations de la cinématique à accélération constante MRUA
L ’œil, système centré Paul JEAN
Présentation du projet d'IN55
Modélisation du robot Azimut-3
Cours #3 Formation des images
Génération d’un segment de droite
Design dun système de vision embarqué. Application:
Fusion multi-capteur pour la détection d'obstacle
SUJETS SPÉCIAUX EN INFORMATIQUE I
Radar K2p Application ‘R-SLAM’ (premiers résultats)
Ordonnancement de tâches
Extraction Automatique de formes complexes : Application à la création de modèle anatomique de la tête J. Piovano, T. Papadopoulo Séminaire Odyssee 9,
Reconnaissance d’empreintes digitales
ASI 3 Méthodes numériques pour l’ingénieur
Thierry Molinier > David Fofi >
Programmation linéaire en nombres entiers : les méthodes de troncature
Modélisation géométrique de base
Géométrie épipolaire (deux vues)
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
10 février 2006GDR ISIS Journée Localisation et Navigation Projet EGNOS-BUS (Eurêka) André Monin, Wael Suleiman LAAS-CNRS.
Etude et test des algorithmes d'estimation de mouvement en MPEG
Programmation linéaire en nombres entiers
ALLUMAGE.
Patrick Chedmail – Philippe Wenger Fouad Bennis - Alain Bernard
La place de la simulation dans l'enseignement de la mécanique 1 Jean-Jacques BATONDominique TARAUD.
INF3500 : Conception et implémentation de systèmes numériques Pierre Langlois Performance de circuits.
Les différents modèles
Recherche de motifs par projections aléatoires
Synthèse d’images Introduction Doc. non diffusé En cours d’élaboration.
The City Scanning Project : Validation et Calcul Parallèle Olivier Koch Tuteur : Seth Teller.
Suivi de trajectoires par vision Y. Goyat, T. Chateau, L. Trassoudaine 1.
Structures de données avancées : Arbres B+ avec expansion partielle D. E ZEGOUR Institut National d ’Informatique.
Efficacité des chambres de trajectographies du bras à muons Nicolas LE BRIS SUBATECH NANTES.
Chapitre 8: Solutions à certains exercices
Et pour quelques pixels de plus...
Joan Solà - LAAS-CNRS Localisation visuelle pour la robotique mobile terrestre.
Simulation numérique d’un procédé de mise en forme par faible contact d’une virole acier J. Raujol-Veillé, F. Toussaint, L. Tabourot, M. Vautrot, P. Balland.
De la Terre à la carte: Projections et Géoréférencement
1 UE Intro. Optimisation L3 INFO UPSud II. Programmation linéaire en variables entières (ou mixtes)
Transcription de la présentation:

Reconstruction 3D par mono vision avec des trajectoires fortement contraintes Joan Solà LAAS-CNRS Toulouse, France Revue du projet PICAS$O 3 novembre 2005

On parle de… 1.Observabilité du 3D en vision 2.SLAM par mesures angulaires ( ou SLAM par mono vision ) 3.Initialisation des Amers 4.Performances: FDPs Gaussiennes 5.Trajectoires fortement contraintes Utilisation du SLAM-FKE

Contenu »Observabilité en vision: pourquoi je ne fais pas la stéréo? »Un peu de SLAM à observabilité totale »Le Problème de linitialisation des amers dans le SLAM par mono vision »Le Rayon Géométrique: une représentation efficace de la FDP de la position de lamer »Méthodes retardées et non retardées »Solution Temps Réel: L'initialisation par Partage Fédératif de lInformation (PFI)

Observabilité stéréo : angle qui ferme la région Objet proche

Observabilité stéréo Augmenter la base stéréoscopique Objet lointain

Observabilité stéréo Augmenter la base stéréoscopique Objet lointain

Observabilité stéréo Augmenter la précision du banc stéréo Objet lointain

Observabilité stéréo Augmenter la précision du banc stéréo Objet lointain

Observabilité stéréo Augmenter la base et la précision Objet lointain

Observabilité stéréo Augmenter la base et la précision Problème mécanique: 1.Augmenter la base fait diminuer la précision du banc. 2.Une base longue rend impossible un calibrage a vie. 3.Un auto calibrage en ligne serait nécessaire. Ce nest pas facile. Objet encore plus loin

Observabilité stéréo n min min n : angle entre mesures : angle qui ferme la région : précision du système capteur

Observabilité stéréo min Base courte Base longue avec auto calibrage Base longue pré calibrée

Et plus loin? Base longue pré calibrée Modélisation 3D par vision stéréo Modélisation 3D par vision mono en mouvement SLAM par mesures angulaires SFM Structure From Motion

SLAM: de langlais, Simultaneous Localization And Mapping R 5

Le problème du cas angulaire: Initialisation des Amers Lapproche naïve ? TeTe t actuel t precedent t actuel ?

Le problème: Initialisation des Amers Considération des incertitudes t actuel t precedent t actuel TeTe Le point 3D est dedans ?

Le problème: Initialisation des Amers Les cas Content et Pas Content Content Peu Content Pas Content

L'idée CLÉ ? ? Lapproximation initiale est facile La sélection des membres est facile et sûre Le dernier membre est facilement incorporé Initialisation immédiate INITIALISATION retardée

Définition du Rayon Géométrique Définir une série géométrique de Gaussiennes x R : position de la camera 4 r4r4 3 r3r3 = i / r i = r i / r i-1 [ r min r max ] Remplir lespace entre r min i r max 1.Avec le nombre minimal de termes 2.Tout en respectant les contraintes de linéarisation

Facteur de forme, base géométrique et limites de distance Le nombre de termes est logarithmique en r max / r min : On obtient des nombres très petits : Les membres étant Gaussiens, ils sont facilement manipulables avec FKE. Les bénéfices du Rayon Géométrique Scénario r min r max Ratio NgNg Intérieur Extérieur Longue portée [r min, r max ] N g = f ( log( r max / r min ) 1 2

Comment ça marche La première observation détermine le Rayon Conique

Japproche le Rayon Conique avec le Rayon Géométrique Je peux initialiser les membres maintenant : Jobtiens une méthode immédiate. Comment ça marche

Je me déplace et réalise une deuxième observation Je peux distinguer les membres dans limage Comment ça marche

Je calcule vraisemblances et actualise crédibilités Cest comme modifier la forme du rayon Comment ça marche

J'élimine les membres invraisemblables Cest une opération triviale et sure Comment ça marche

Avec des méthodes immédiates je peux corriger la carte SLAM Comment ça marche

Je continue... Comment ça marche

Et un jour il ne restera quun seul membre. Ce membre est déjà Gaussien! Si je linitialise maintenant jai une méthode retardée Comment ça marche 3

min Trajectoires non contraintes

Content Peu Content Pas content retardées immédiates min Trajectoires fortement contraintes : Méthodes retardées et immédiates

retardées immédiates retardées immédiates retardées immédiates retardées immédiates Méthodes retardées et immédiates immédiates Champ de vue

Méthodes retardées et immédiates Un algorithme naïve Un algorithme consistent Lalgorithme dActualisation en Bloc retardées immédiates Lalgorithme multicarte Lalgorithme du Partage Fédératif de lInformation

Lalgorithme multicarte 1.Initialiser tous les membres comme amers en cartes séparées 2.Lors des observations postérieures: Actualiser les crédibilités des cartes et néliminer les mauvaises Réaliser des corrections sur les cartes comme dans SLAM-FKE 3.Quand il ne reste quune carte: Rien à faire méthode hors ligne immédiate

L'algorithme du Partage Fédératif de lInformation (PFI) 1.Initialiser les membres comme des amers différents dans la même carte 2.Lors des observations postérieures : Actualiser les crédibilités et éliminer les mauvais membres Effectuer une correction douce fédérée 3.Quand il ne reste quun membre: Rien à faire immédiate

L'algorithme PFI La Correction Douce Fédérée: Partager lInformation Observation { y, R } correction FKE avec membre 1 correction FKE avec membre 2 correction FKE avec membre N immédiate { y, R 1 } { y, R 2 } { y, R N } … … Partage de lInformation: Coefficient Fédératif i : Privilège des vraisemblances:

L'algorithme PFI et le Cas Pas Content immédiate

L'algorithme PFI et le Cas Pas Content Vue latéraleVue de oiseau immédiate

Linclusion de nouvelles bornes 1.Diviser limage en sous images. 2.Choisir celles ou cest intéressant dy inclure une nouvelle borne. 3.Y faire une recherche de points de Harris.

Les mesures des bornes Pixel trouvé: MESURE Maximum de corrélation Région de recherche Carte: bornes 3D Signature de la borne Projection sur limage Stratégie de recherche: 1.Globale à double espace 2.Locale à simple espace 3.Résultat sous pixellique

Le suivi des bornes

Conclusions 1.La reconstruction 3D dans des situations à très faible observabilité est rendu possible. 2.Le mouvement précis de la camera dans la scène est acquis simultanément. 3.On est en disposition dy intégrer des objets mobiles. 4.Pour cela, des hypothèses sur la vitesse de chaque point seront dabord lancées et postérieurement validées (ou non) et raffinées par les observations.

Merci!Merci!