Jean-Emmanuel Deschaud Directeur de thèse : François Goulette

Présentation au sujet: "Jean-Emmanuel Deschaud Directeur de thèse : François Goulette"— Transcription de la présentation:

1 Jean-Emmanuel Deschaud Directeur de thèse : François Goulette
Détection de plans dans les nuages de points 3D générés à partir d’une plateforme mobile avec scanner laser Thème D du GDR ISIS Jeudi 27 Mai 2010 Jean-Emmanuel Deschaud Directeur de thèse : François Goulette 1

2 Sommaire Introduction Détection de zones planes :
Amélioration sur la précision Amélioration sur la rapidité Evaluation et tests Autres axes de recherche : Débruitage de nuages de points Colorisation de nuages de points Conclusion 2 2

3 Introduction Plateforme d’acquisition LARA-3D
Photo du prototype LARA-3D (2008) Principe de fonctionnement du scanner laser 3

4 Introduction Scanner Laser et Caméra avec Fish-Eye
Image de la caméra (1024*768)‏ Plateforme rigide scanner laser/caméra Données Laser en 2D ( points/s) 4 4

5 Numérisation de la RD786 dans les Côtes d’Armor (01/03/2008)
Introduction Objectif : modélisation de données laser relevées par système mobile Numérisation de la RD786 dans les Côtes d’Armor (01/03/2008) 5 5

6 Introduction Objectif : modélisation de données laser relevées par système mobile Numérisation de la façade Nord du Musée d’Orsay avec la nouvelle version de LARA3D (23/10/2009) 6 6

7 Modélisation Chaîne de traitement d’une modélisation 3D :
Données d’entrée : images de profondeur, scans 2D ou scans 3D 1 Débruitage et Filtrage des données 2 Segmentation (extraction de lignes, de plans, …) 3 Construction d’un modèle 4 Triangulation 5 Simplification et lissage du maillage 6 Texturation 7 7

8 Introduction Approches existantes pour les plateformes mobiles
Frueh et Zakhor « Data Processing Algorithms for Generating Textured 3D Building Facade Meshes from Laser Scans and Camera Images » en 2005 Xavier Brun « Modélisation 3D texturée en temps réel d'environnements urbains et routiers, et application au calcul de distance de visibilité routière» en 2007 8

9 Introduction Approches existantes pour des stations laser fixes
Stamos et Allen « 3D Modeling Using Planar Segments and Mesh Elements » en 2006 Pu et Vosselman «Automatic building modeling from terrestrial laser scanning» en 2008 9 9

10 Introduction Différents niveaux de représentation
- Modélisation sans reconnaissance (Maillage libre) - Modélisation avec reconnaissance de formes géométriques (plans, cylindres, …) - Modélisation avec reconnaissance d’éléments métiers : architecturaux (façades, fenêtres, portes, …), routiers (carrefours, bas-côtés, …), industriels (tuyaux, …) 10 10

11 Introduction Motivations
- Améliorer la qualité visuelle des modèles 3D produits par LARA3D (débruitage, segmentation, meilleure triangulation...) - Diminuer la taille des modèles (nombre de facettes) - Modélisation sans connaissance a priori sur la scène (même chaîne de traitement pour de l’environnement urbain (TerraData) et routier (DIVAS) Choix de la modélisation : Modèle Route + Zones planes + Maillage libre par triangulation 11 11

12 Sommaire Introduction Détection de zones planes :
Amélioration sur la précision Amélioration sur la rapidité Evaluation et tests Autres axes de recherche : Débruitage de nuages de points Colorisation de nuages de points Conclusion 12 12

13 Segmentation Motivations : Etat de l’art :
- Modélisation simple des zones planes - Avoir une bonne détection des bords des zones planes - Traiter de gros volumes de nuages de points en un minimum de temps Etat de l’art : - Schnabel, 2007, basé sur RANSAC - Vaskevicius, 2006, basé sur croissance de région 13 13

14 Sommaire Introduction Détection de zones planes :
Amélioration sur la précision Amélioration sur la rapidité Evaluation et tests Autres axes de recherche : Débruitage de nuages de points Colorisation de nuages de points Conclusion 14 14

15 Segmentation Amélioration sur la précision : meilleur calcul des normales Estimation classique de normales par voisinage pondéré Etape 1 : Calcul de la normale pondérée en chaque point : Etape 2 : Utilisation d’un voisinage adaptatif : Amélioration du calcul de normales par voisinage adaptatif 15 15

16 Evaluation de l’amélioration des normales en fonction du paramètre α
Segmentation Amélioration sur la précision : meilleur calcul des normales Evaluation de l’amélioration des normales en fonction du paramètre α 16 16

17 Sommaire Introduction Détection de zones planes :
Amélioration sur la précision Amélioration sur la rapidité Evaluation et tests Autres axes de recherche : Débruitage de nuages de points Colorisation de nuages de points Conclusion 17 17

18 Segmentation Amélioration sur la rapidité : croissance de région par voxels Nuage de points dans une structure d’Octree Exemple de voisinage d’un voxel 18 18

19 Sommaire Introduction Détection de zones planes :
Amélioration sur la précision Amélioration sur la rapidité Evaluation et tests Autres axes de recherche : Débruitage de nuages de points Colorisation de nuages de points Conclusion 19 19

20 Segmentation Evaluation de la méthode de segmentation : 20 20

21 Segmentation Tests sur des données réelles :
Détection de plans dans un nuage points provenant d’une plateforme mobile 21 21

22 Détection de plans dans un nuage points provenant de scanners fixes
Segmentation Tests sur des données réelles : Détection de plans dans un nuage points provenant de scanners fixes 22 22

23 Sommaire Introduction Détection de zones planes :
Amélioration sur la précision Amélioration sur la rapidité Evaluation et tests Autres axes de recherche : Débruitage de nuages de points Colorisation de nuages de points Conclusion 23 23

24 Débruitage Maillage brut Lissage par MEAN Lissage par NLD 24 24

25 Modélisation du Musée d’Orsay
Triangulation Modélisation de la RD786 Modélisation du Musée d’Orsay 25 25

26 Sommaire Introduction Détection de zones planes :
Amélioration sur la précision Amélioration sur la rapidité Evaluation et tests Autres axes de recherche : Débruitage de nuages de points Colorisation de nuages de points Conclusion 26 26

27 Nuage de points colorés de la Rue de Rivoli
Images Nuage de points colorés de la Rue de Rivoli 27 27

28 Nuage de points colorés du Jardin de l’Ecole
Images Nuage de points colorés du Jardin de l’Ecole 28 28

29 Sommaire Introduction Détection de zones planes :
Amélioration sur la précision Amélioration sur la rapidité Evaluation et tests Autres axes de recherche : Débruitage de nuages de points Colorisation Conclusion 29 29

30 Conclusion Conclusion
- Mise en place d’une chaîne de modélisation adaptée pour des données venant de MMS - Amélioration de l’étape de débuitage et de segmentation 30 30

31 Modélisation Etape 2 Segmentation : Découpage en sections
En entrée de la modélisation, on récupère un flux de profils lasers géoréférencés : - Traiter les données profils par profils : perte sémantique - Traiter le nuage de points en entier : pas de temps réel - Nous avons choisi de travailler par sections. 31

32 Triangulation Ball Pivoting Algorithm (BPA), Bernardini, 1999 32

33 Modèle 3D brut du Musée d’Orsay
Triangulation Modèle 3D brut Détail Modèle 3D brut du Musée d’Orsay 33 33