Analyse du mouvement et de la structure au sein de séquences d'images monoculaires

Structure and motion analysis from sequences of monocular images

• Auteur / Autrice : Bernard Giai-Checa
• Direction : Thierry Viéville
• Type : Thèse de doctorat
• Discipline(s) : Sciences pour l'ingénieur
• Date : Soutenance en 1995
• Etablissement(s) : Nice
• Partenaire(s) de recherche : Autre partenaire : Université de Nice-Sophia Antipolis. Faculté des sciences
• Jury : Président / Présidente : Peter Sander
• Jury : Examinateurs / Examinatrices : Patrick Bouthémy, John Michael Brady, Olivier Faugeras, Daniel Simon, Jean-Marc Steyaert
• Jury : Rapporteurs / Rapporteuses : Radu Horaud, Francis Schmitt

Mots clés

Mots clés contrôlés

Kalman, Filtrage de

Traitement d'images -- Techniques numériques

Reconstruction d'image

Imagerie tridimensionnelle

Analyse de scènes (informatique)

Vision artificielle (robotique)

Résumé

Cette thèse analyse le mouvement et la structure à partir d'une séquence d'images monoculaires. La primitive utilisée est le segment de droite. Celui-ci est suivi au cours de la séquence en utilisant des filtres de Kalman. A partir du suivi des segments de l'image nous créons ensuite une carte de mouvement 2D, que nous allons ensuite utiliser pour réaliser successivement la qualification du mouvement 3D, la segmentation de l'image en régions de même mouvement et la reconstruction 3D de la scène. Pour rendre plus robuste l'algorithme de reconstruction, nous introduisons des contraintes géométriques (parallélisme, verticalité, etc. ) ainsi que des contraintes cinématiques (mouvement 3D de la caméra partiellement connu, par exemple). Finalement, nous développons la notion de suiveur générique, ou le code C associé à chaque primitive de vision est automatiquement généré. Ce travail illustre ainsi l'utilité du mouvement dans plusieurs domaines de la vision par ordinateur

This thesis studies the structure and motion from a sequence of monocular images. The used primitive is the line segment. We track the segments through the sequence using some Kalman filters. Then we create a 2D motion map using the tracking of the line segments and we use this map to qualify the 3D motion, to segment the image in areas of same motion and to build a 3D map of the scene. To increase the robustness of the algorithm, we introduce some geometric constraints (verticality, parallelism, etc…) and some kinematic constraints (3D motion of the camera partially known, for instance). Finally, we develop the notion of gneric tracker, where we automatically generate the C code for each vision primitive. This work illustrates the usefulness of the motion in several areas of computer vision