Romain Dupont encadré par J.Aubourg et P. Fuchs

Slides:



Advertisements
Présentations similaires
Chaîne de Synthèse Réel Modélisation Rendu Image Fichier Scène
Advertisements

Traitement d’images : concepts fondamentaux
Carsten Dachsbacher Christian Vogelgsang Marc Stamminger
Hierarchical Z-Buffer Visibility
hotogrammétrie pour les
for Painting and Rendering Textures on Unparameterized Models
LOD et Progressive Meshes (maillages progressifs) Hugue Hoppes 1996
Accélération du Rendu Volumique basée sur la Quantification des Voxels
Technique des Surfels Surfels: Surface Elements as Rendering Primitives SIGGRAPH 2000 H.Pfiste, J.van Baar, M.Zwicker, M.Gross.
Matthias Zwicker Hanspeter Pfister Jeroen van Baar Markus Gross
Efficient Simplification of Point-Sampled Surfaces
compensation de défaut : flou, bougé, écho
Simplification et abstraction de dessins au trait

A Pyramid Approach to Subpixel Registration Based on Intensity
Le remplacement moléculaire
Introduction à limagerie numérique Acquisition, Caractéristiques, Espaces couleurs, Résolution.
Reconstruction de volume 3D
To Tune or not to Tune? To Tune or not to Tune? A Lightweight Physical Design Alerter Costa Jean-Denis Le Yaouanc Aurélie Mécanismes de SGBD 2007.
Auto-organisation dans les réseaux ad hoc
Prétraitement de l’image
Identification automatisée
Chapitre VII. Tri Tri par tas Tri rapide.
Éclairage Structuré et vision active pour le contrôle qualité de surfaces métalliques réfléchissantes Olivier Morel*, Ralph Seulin, Christophe Stolz, Patrick.
Traitements d'images et Vision par ordinateur
Le filtrage d’images.
Plan de l’exposé Présentation de l’équipe Présentation du stage
Rendu volumique Nicolas Holzschuch iMAGIS/GRAVIR IMAG
N Découverte n Présentation des équipes et des projets n 3- Extraction des caractéristiques u 3.1 Caractéristiques 3D et 2D u 3.2 Arêtes u 3.3 Gradient.
Cours #13 Localisation Découvertes 8- Localisation 8.1 Stéréoscopie
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
Extraction Automatique de formes complexes : Application à la création de modèle anatomique de la tête J. Piovano, T. Papadopoulo Séminaire Odyssee 9,
Le filtrage d’images.
La régression multiple
Modélisation géométrique de base
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
Module 4: Le filtrage d’images. Objectifs du filtrage.
Mise-à-jour de données de haute incertitude spatiale Présentation dans le cadre du groupe de discussion sur la fusion de données géospatiales – 22 nov.
Graph cuts et applications
Programmation linéaire en nombres entiers
Séance 8 30 novembre 2005 N. Yamaguchi
Modèles Mathématiques et représentation discrètes pour la description des images couleur Luc Brun.
1 Déformation Bi-manuelle en Réalité Virtuelle Encadrants : Antonio Capobianco, Jérôme Grosjean Étudiants : Michaël Kolomytzeff, Manuel Veit.
Apparence globale 1 image = 1 vecteur Base apprentissage Rotation –capture les variabilités Troncature –Quelques coefficients Représentation linéaire Espace.
Introduction au Traitement d’image
TNS et Analyse Spectrale
MATHEMATIQUES en 5°.
1 Méthode de “Fast Marching” générique pour “Shape From Shading” E. Prados & S. Soatto RFIA 2006 janvier 2006, Tours.
1 Emmanuel Prados & Olivier Faugeras Laboratoire Odyssée ENS / INRIA / ENPC RFIA 2006, janvier 2006, Tours, France. Rôle clé de la modélisation en “Shape.
Observation au Pic du Midi 8-12 Juillet 2003 Thierry Corbard, OCA Jean Arnaud, OMP Richard Muller, OMP.
Mise en correspondance de deux maillages bruités
Identification électromagnétique de petites inclusions enfouies
SIF1033 TRAITEMENT D’IMAGE
Introduction aux Surfaces implicites
FAUVET Nicolas 1 Gestion de données scientifiques 3d massives pour l’interaction en Réalité Virtuelle Doctorant: Nicolas Fauvet Encadrant: Jean-Marc Vézien.
Mathématiques pour Informaticien I
Tétraédrisation de domaines volumiques avec des hiérarchies adaptatives Par A. Duprat et R. Abelé Suivit par M. Uribe-Lobello.
Visualisation des flots optiques en 3D
Post-optimisation, analyse de sensibilité et paramétrage
Traitement d’images 420-D78-SW A15 Semaine 02.
Sciences Mécaniques Appliquées
Cap-formation-2006, résumé par J. Malbos1 EFIDIR : Extraction et Fusion d’Informations pour la mesure de Déplacement par Imagerie Radar 2. Extraction d'informations.
Exemple et critique d’un système de vision simple Patrick Hébert (dernière révision septembre 2008) Référence complémentaire: Shapiro et Stockman: chap.
Filtrage des images.
Jean-Michel FLOCH INSEE DAR 19 mai 2011 Territoires urbains: que peut dire le recensement ?
De la Terre à la carte: Projections et Géoréférencement
Processus ponctuels Caractéristiques et Modèles de répartitions spatiales.
Modélisation Géométrique Cours 4 : Acquisition de la géométrie.
Transcription de la présentation:

Stage de DEA Avril -> Septembre « Utilisation de cartes de profondeur pour la reconstruction 3D » Romain Dupont encadré par J.Aubourg et P. Fuchs à l ’Ecole des Mines de Paris

Projet GANTOM Objectif : Reconstruire un modèle 3D haute précision d ’un objet de type muséographique à partir de photographies Chaîne complète de traitements : 2 grandes parties Prises de vues Extraction de la profondeur Reconstruction 3D Texturation 1 2

Première partie de la chaîne Prises des vues Stéréovision Cartes de profondeur stéréovision Caractéristiques des cartes de profondeur : très bruitées nombreuses erreurs locales

Deuxième partie de la chaîne (1/3) Cartes de profon-deur Fusion des cartes Extraction de la surface Texturation Shape From Depth : génère un modèle volumique 3D en fusionnant les cartes de profondeur Modèle 3D généré par une carte (obtenu en enlevant les cubes de l ’espace qui sont « devant » la carte de profondeur) Fusion des 2 cartes Fusion de toutes les cartes Avec une autre carte

Deuxième partie de la chaîne (2/3) Cartes de profon-deurs Fusion des cartes Extraction de la surface Texturation Données obtenues :  ensemble de voxels binaires (un voxel est un cube plein ou vide)  stockées dans une structure hiérarchique : l ’Octree (arbre où chaque nœud a 8 fils)

Extraction de la surface Deuxième partie de la chaîne (3/3) Cartes de profon-deurs Shape From Depth Extraction de la surface Texturation Extraction de la surface Triangule la surface du modèle 3D Effectuée par le Marching Cube qui détermine les voxels par lesquels passe la surface puis triangule en s ’appuyant sur une table pré-calculée  Défaut majeur : on obtient une surface bosselée

Objectif du stage Supprimer l’effet bosselé de la surface  Travail centré sur la deuxième partie de la chaîne 1) Filtrage des cartes de profondeur 2) Amélioration du Shape From Depth 3) Suppression de l ’effet bosselé

Lissage anisotropique Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Lissage anisotropique Sa particularité : Lisse sans estomper ni les détails ni les contours S ’appuie sur une mesure g(x,y) du gradient de l ’image en (x,y) gradient élevé => || g(x,y) || élevé (et vice-versa) L ’intensité I(x,y) du lissage va dépendre de g(x,y) : I(x,y) = f ( || g(x,y) || ) avec f(X), fonction décroissante exemple : f(X) = exp(- (X / β) ² )

Lissage des cartes gaussien original anisotropique Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface gaussien original anisotropique

Lissage des cartes Résultat : Lissage des cartes avant après Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Lissage des cartes Résultat :  Surface plus régulière  Géométrie de l’objet conservée avant après

Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Cartes synthétiques Développement d ’un générateur de cartes de profondeurs synthétiques  maîtriser l ’influence du bruit présent dans les cartes  générer tous types de données : objet sphérique, cubique, pyramidale … Même en l ’absence de bruit, l ’effet bosselé demeure

Amélioration du Shape From Depth (1/2) Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Amélioration du Shape From Depth (1/2) Problème constaté : l ’information sub-pixellique des cartes de profondeur n ’est pas exploitée Les voxels ne sont pas alignés avec les pixels des cartes de profondeur.  Resubdivision des voxels  Interpolation sub-pixellique des pixels afin d ’obtenir une information continue de profondeur

Amélioration du Shape From Depth (2/2) Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Amélioration du Shape From Depth (2/2) Après (avec un zoom) Avant ...

Lissage des densités des voxels Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Aliasing L ’effet bosselé est du à l’aliasing : les voxels du modèle volumique sont binaires => effet d ’escalier comme en 2D Le Marching Cube utilise la densité des voxels lors de la triangulation  La densité sera utilisée pour supprimer l ’effet bosselé de la surface

Lissage des densités des voxels Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Anti-aliasing Techniques d ’anti-aliasing développées : lissage des densités des voxels 1) Soit par over-sampling : sur-échantillonner puis réduire la résolution par moyennage 2) Soit par un lissage (gaussien ou anisotropique 3D)

Lissage des densités des voxels Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Solution 1 : lissage par «  over-sampling » (1/2) Principe : augmenter la résolution du modèle 3D puis la réduire par moyennage en utilisant l’organisation hiérarchique (en Octree) des voxels. En passant du niveau N au niveau N-1 dans l’ Octree, les voxels doublent en largeur mais acquièrent une information de densité à partir de ses 8 voxels fils. 0.5 0.75 Octree niveau N+2 0.625 Octree niveau N+1 1 Octree niveau N+3 (densités binaires)

Lissage des densités des voxels Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Technique 1 : lissage par «  over-sampling » (2/2) Résultat : avant après

Lissage des densités des voxels Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Technique 2 : lissage anisotropique 3D (1/5) Lissage isotropique (ie. uniforme) : + surface lisse + rapide - détails estompés But : ne lisser que les zones comportant peu de détails (fissures, arêtes …)  lissage anisotropique 3D

Lissage des densités des voxels Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Technique 2 : lissage anisotropique 3D (2/5) Difficulté : estimer la complexité locale de l’objet dont les densités sont binaires Estimateur g(x,y,z) retenu : la variance des normales Ni du voisinage de (x,y,z) g(x,y,z) = Var ( Ni ) = Σ || Ni - Nm || ², avec Nm la normale moyenne du voisinage Calcul des normales

Lissage des densités des voxels Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Technique 2 : lissage anisotropique 3D (3/5) Résultats sur un cas simple : I(x,y,z) = exp(- || g(x,y,z) || ² / β ) g(x,y,z) = Var ( Ni ) Paramètres du lissage : taille et type du voisinage nombre d ’itérations coefficient β : détermine le seuil entre une zone détaillée et peu détaillée

Lissage des densités des voxels Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Technique 2 : lissage anisotropique 3D (4/5) À gauche, l ’original Au milieu après un lissage isotropique A droite, après un lissage anisotropique

Lissage des densités des voxels Cartes de profon-deurs Lissage des cartes Shape From Depth Lissage des densités des voxels Extraction de la surface Technique 2 : lissage anisotropique 3D (5/5) À gauche, l ’original (légèrement lissé par la technique d ’oversampling) Au milieu, après un lissage isotropique A droite, après un lissage anisotropique

Conclusions et Perspectives Intérêt de combiner les deux techniques d ’anti-aliasing lissage par oversampling : les densités ne sont plus binaires lissage anisotropique : efficace, surtout lorsque les densités ne sont plus binaires Étude des techniques de triangulation : influence importante sur le résultat obtenu certaines sont adaptées aux zones courbes (ex : Marching Cube) d ’autres sont adaptées aux zones tranchantes avec beaucoup d ’arêtes ( ex : variantes du Marching Cube) Amélioration du lissage anisotropique 3D robustesse face aux données binaires certaines fissures et reliefs ne sont pas distingués du bruit

Merci pour votre attention Vidéo …