Coarse to Fine : Vers un système d’acquisition intelligent

Présentation au sujet: "Coarse to Fine : Vers un système d’acquisition intelligent"— Transcription de la présentation:

1 Coarse to Fine : Vers un système d’acquisition intelligent
AC3D'14 - 4ème édition De l'acquisition à la compression des objets 3D Coarse to Fine : Vers un système d’acquisition intelligent Vincent DAVAL Olivier AUBRETON Frédéric TRUCHETET

2 Plan Introduction Principe : Etat de l’art
Extraction d’informations (Normales, discontinuités, segmentation) Identification de primitives Approximation d’une surface de Bézier Résultats Conclusion et perspectives

3 Introduction Chaine 3D classique - De la numérisation à la compression : La chaine 3D est actuellement très séquentielle (chaque partie fait appel à des compétences particulières). En général, l’acquisition ne tient pas compte de l’utilisation finale des données (maximum de points). Dans de nombreux cas industriels cette quantité d’information n’est pas toujours nécessaire. Objet 3D Acquisition Extraction d’informations Simplification Compression Utilisation industrielle Est-il possible d’adapter l’acquisition à l’objet à numériser ? Nuage de points Paire d’images

4 Introduction : Contexte
Projet CreActive 3D : Ce travail s’inscrit dans un projet regroupant 3 partenaires. Calcul de points 3D (Faible densité) Identifier des zones (primitives, discontinuités) Paire d’images Scanner 3D Noomeo - Optinum : Nombre de points : à par acquisition. Champ de vision : 150 x 165 mm Profondeur de champ : 100 mm Secteur d’activité – Aéronautique : Il faut énormément de points pour reconstruire une partie d’un avion : Acquisition dense pour détecter d’éventuelles déformations / impacts De nombreuses pièces sont composées de primitives simples : Train d’atterrissage, tôles Difficultés rencontrées : Données finales de plusieurs milliards de points, très long à analyser / stocker. Obtenir autant de données est rarement nécessaire.

5 I. Principe : Etat de l’art
Objet 3D Acquisition Extraction d’informations Simplification Compression Utilisation industrielle Objet 3D Segmentation des objets Identification des primitives R. Béniere - Extraction de Primitives dans un maillage 3D CAO,

6 I. Principe : Etat de l’art
Calcul des points 3D Informations complémentaires Identification primitives Surface de Bézier

7 II. Extraction d’informations
Données du scanner Informations extraites (Normales 3D, discontinuités)

8 II. Extraction d’informations – Etat de l’art
Zhang Song - Determining Both Surface Position and Orientation in Structured-Light-Based Sensing, 2010

9 II. Extraction d’informations – Normales 3D
Lumière structurée de notre système expérimental Lumière structurée du système Noomeo

10 II. Extraction d’informations – Discontinuités
Définition : une discontinuité peut être définie comme la rupture d’une forme continue. Principe utilisé pour estimer les discontinuités à partir des images. Image vue par la caméra

11 II. Extractions d’informations - Résultats
Normales obtenues avec les données de l’Optinum Discontinuités estimées

12 Principe du Coarse to Fine
Calcul des points 3D Informations complémentaires Identification primitives Surface de Bézier Objet 3D Segmentation des objets Identification des primitives

13 Carte des discontinuités.
III. Segmentation Coefficients de discontinuités représentés sur les points 3D. Carte des discontinuités. Comment segmenter la Map des discontinuités : Clustering : On ne connait pas le nombre de classe. Histogramme : Ne fonctionnera pas si on a deux plans parallèles. Croissance de région : Comment planter la graine.

14 III. Identification des primitives
Image Gaussienne

15 III. Identification des primitives
Analyse en composante principale : L’ACP permet de déterminer les axes qui décorrèlent le mieux les données, c’est-à-dire les axes qui expliquent le mieux la dispersions des points. Les valeurs propres associées aux vecteurs propres fournissent une mesure de dispersion des points le long des axe. Type de primitives Cylindre/cône Plan Sphère Valeurs propres λ1 λ2 λ3 0,2014 0,0123 0,0002 0,0001 0,1523 0,1245 0,0012 Calcul des points 3D Informations complémentaires Identification primitives Surface de Bézier

16 III. Approximation de surfaces de Bézier
- On fixe l’ordre des carreaux de Bézier à 3. - Les carreaux ne passant pas par les points de contrôles, il faut choisir des « points fictifs ». On évite ainsi de privilégier des points par rapport à d’autres, et on réduit considérablement les discontinuités entre les carreaux. T. Guillod - Bezier subdivision and de casteljau’s algorithm,

17 Résultats Calcul des points 3D Identification primitives Surface de
Informations complémentaires Identification primitives Surface de Bézier Densité : 6 Primitive : - Erreur max = 0,1 mm - Points corrects = 90% Densité : 1/6 à 1/2 Surface :

18 Résultats Calcul des points 3D Identification primitives Surface de
Informations complémentaires Identification primitives Surface de Bézier Densité : 6

19 Résultats Calcul des points 3D Identification primitives Surface de
Informations complémentaires Identification primitives Surface de Bézier Densité : 6

20 Résultats Calcul des points 3D Identification primitives Surface de
Informations complémentaires Identification primitives Surface de Bézier Densité : 6

21 Résultats Calcul des points 3D Identification primitives Surface de
Informations complémentaires Identification primitives Surface de Bézier Densité : 6

22 Résultats Calcul des points 3D Identification primitives Surface de
Informations complémentaires Identification primitives Surface de Bézier Densité : 5

23 Résultats Calcul des points 3D Identification primitives Surface de
Informations complémentaires Identification primitives Surface de Bézier Densité : 5

24 Résultats Calcul des points 3D Identification primitives Surface de
Informations complémentaires Identification primitives Surface de Bézier Densité : 5 Primitive : - Erreur max = 0,1 mm - Points corrects = 90%

25 Résultats Calcul des points 3D Identification primitives Surface de
Informations complémentaires Identification primitives Surface de Bézier Densité : 5 Surface : - Erreur max = 0,1 mm - Points corrects = 95%

26 Résultats

27 Conclusion Calcul des points 3D Identification primitives Surface de
Il est possible d’adapter l’acquisition en fonction de la forme de l’objet Nuage de points Paire d’images Calcul des points 3D Informations complémentaires Identification primitives Surface de Bézier Le système ne donne pas de bons résultats pour des objets non manufacturés. L’application est réservée à des pièces industrielles.

28 Merci pour votre attention