Manipulation d’un objet virtuel à l’aide d’une cible et d’une caméra

Slides:



Advertisements
Présentations similaires
Application des formules de conjugaison
Advertisements

Traitement d’images : concepts fondamentaux
Traitement d’images : concepts fondamentaux
Traitement d’images : concepts avancés
« Systèmes électroniques »
PoBot – Club de Robotique de Sophia Antipolis – La vision sur un robot Afin de pouvoir se déplacer correctement et savoir où aller,
Rendu de pierres taillées en temps réel Stéphane Guy Directeur de stage: Cyril Soler.
3. Analyse et estimation du mouvement dans la vidéo
Xialong Dai, Siamak Khorram
MORPHOMETRIE ET QUANTIMETRIE
Vision Par Ordinateur Partie matérielle Entrée Partie logicielle
Introduction à limagerie numérique Acquisition, Caractéristiques, Espaces couleurs, Résolution.
Traitements d'images et Vision par ordinateur
Sylvain Mondon Météo-France
La vision stéréo Sonka et al: sections , , , , Suppl: 11.4 au complet
Environnement de réalité augmentée : vers les jeux vidéos
INF-1019 Programmation en temps réel
La réalité augmentée M. Jamal BOUSFIHA Master 2 Informatique PLS
Contrôle de l'Affichage dans un Environnement
Cours d’Automatique MASTER OIV
Monique THONNAT et Nathanaël ROTA Projet ORION
PRESENTATION DU LOGICIEL
Chapitre 6 : Restauration d’images
Mise en correspondance et Reconnaissance
Accompagnement pédagogique Complément à la séance du 25 novembre 2013.
Capsule 1 Introduction à Aphelion
Capsule 1 Introduction à Aphelion
IFT3730 : Infographie 3D Systèmes et modèles graphiques Pierre Poulin, Derek Nowrouzezahrai Hiver 2013 DIRO, Université de Montréal.
IFT2740 : Outils de l'infographie 3D Systèmes et modèles graphiques
FVS Système de vision globale pour robots footballeurs Projet de fin détudes Par Félix Duchesneau.
Design dun système de vision embarqué. Application:
TRAITEMENT D’IMAGE SIF-1033.
Fusion multi-capteur pour la détection d'obstacle
CR2 Seconde 8 Résolutions d’ équations
Distance de BORGEFORS Et Applications
29/06/2005 Page 1 ROBIN - Techno-Vision Base dimages EADS DS l Introduction l Description générale l Description détaillée l Quicklook des données sources.
Base de données multimédia Cordelia Schmid
Extraction de caractéristiques locales:crête et blob Février, 2003 Présentatrice: TRAN Thi Thanh Hai.
Serrure biométrique Reconnaissance dempreintes digitales Raphaël FROMONT – Pascal GRIMAUD – Nicolas MUNOZ Tuteur : M. Patrick ISOARDI.
Projet Master 2 p18 Player interactif.
Complément Calibrage et Homographie
Conditions aux Frontières Ouvertes
Détection de contours automatique et application aux images réelles
Structure du cours Introduction générale Notions de géodésie
Géométrie épipolaire (deux vues)
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
Suivi d’individus et interprétation vidéo
L’ÉVOLUTION DES TECHNIQUES D’ANIMATION
Extraction de segments pour la reconnaissance de symboles : Une approche robuste par Transformée de Hough Présenté par : Simon BERNARD Encadré par : Jean-Marc.
Projet Lancer de Rayons
Modèles Mathématiques et représentation discrètes pour la description des images couleur Luc Brun.
Extraction non supervisée (séparation Image/fond) ● Objectifs : 1. temps réel 2. détection des «objets» en mouvement ● Compression temporelle de l'aspect.
Introduction au Traitement d’image
Les différents modèles
SIF1033 TRAITEMENT D’IMAGE
Monitoring Détection de séquences vidéo en temps réel dans une grande base de données Julien Law-to 22/06/2004.
1. Tout rayon passant par le centre optique n’est pas dévié.
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non- linéaires (racines d’équations) u Méthode de la bissection u Analyse.
IMAGIS-GRAVIR / IMAG Extension d’un environnement de réalité augmentée Raphaël Grasset Projet de Magistère 3ème année Responsable : JD Gascuel iMAGIS/GRAVIR.
Equipe synthèse d ’images et réalité virtuelle IRIT-UPS Toulouse Surfaces implicites Les différents modèles analytiques.
Mathématiques pour Informaticien I
Suivi d’Horizons Sismiques
I Présentation II Gestion de projet 1 - Planning 2 - Risques
Projet MIKTI : Réunion du THEME V : Evaluation et Maintenance des Ponts Mixtes Pourquoi un tel thème? –Rappels des objectifs du PN: Solutions.
PROGRAMMATION SCIENTIFIQUE EN C
Programmation créative – Les vecteurs
Exemple et critique d’un système de vision simple Patrick Hébert (dernière révision septembre 2008) Référence complémentaire: Shapiro et Stockman: chap.
la reconnaissance de visages
Virtual Keyboard J. Tavernier, N. Vienne Encadrants: C. Hudelot, F. Magoulès.
Transcription de la présentation:

Manipulation d’un objet virtuel à l’aide d’une cible et d’une caméra Réalité mixte et augmentée: Manipulation d’un objet virtuel à l’aide d’une cible et d’une caméra Martin Breton Masood Jahanmir Lubna Semlaji Yves St-Onge Présentation du projet de vision numérique 11 décembre 2003

Objectifs Interaction avec l’usager Modifier la pose d’un objet virtuel Temps réel Cible réelle tenue à la main

Méthode utilisée Homographie 4 points image <-> 4 points modèle

Étapes du système Capture de l’image (webcam) Segmentation / Reconnaissance Calcul de l’homographie Application de la transformation à l’objet dans la scène

Segmentation par la couleur Application d’un seuil sur HSV Filtre Gaussien (5x5) Opérateurs morphologiques Fermeture Ouverture

Segmentation: ajout de critères Pourquoi? Améliorer la robustesse Limiter les fausses détections Étiquetage des blobs « Solidité » Grosseur des blobs

Reconnaissance Implicite à la méthode On sait quelle couleur on détecte On sait donc de quel point il s’agit

Illustration des étapes

Calcul de l’homographie (1/2) Résolution de 2 * 4 équations h33=1

Calcul de l’homographie (2/2) Pour retrouver la matrice de transformation [r1 r2 r3 t]*: * Pour assurer que r1 et r2 sont unitaires, minimisation de la différence entre la matrice « idéale » et calculée en utilisant une SVD.

Transformation de la pose de l’objet dans la scène OpenGL glLoadMatrix() Application de la transformation « Blending » du frame vidéo

Limitations (1/2) Sensible aux occultations Si un seul des points n’est pas visible, le système ne fonctionne plus Équilibrage du blanc: une nécessité Fausse détection Peut trouver une zone de couleur et de forme similaire dans l’image n’appartenant pas à la cible

Limitations (2/2) Zone d’opération (pour une cible 160cm x 160 cm) De 30cm à 2m On peut incliner la cible à environ 45 degrés dans tous les axes, pas plus. Déterminer les bon seuils (automatique?) Système non-causal Chaque image traitée indépendamment Solution: filtrage temporel

Exemple de résultats (1/7)

Exemple de résultats (2/7)

Exemple de résultats (3/7)

Exemple de résultats (4/7)

Exemple de résultats (5/7)

Exemple de résultats (6/7)

Exemple de résultats (7/7)

Et maintenant… La démo!