Recalage automatique de modèles 3D d'arcades dentaires à partir de photographies

Automatic registration of 3D dental models from photographs

• Auteur / Autrice : Raphaël Destrez
• Direction : Sylvie Treuillet, Yves Lucas
• Type : Thèse de doctorat
• Discipline(s) : Sciences et technologies industrielles. Automatique et traitement du signal
• Date : Soutenance le 13/12/2013
• Etablissement(s) : Orléans
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....)
• Partenaire(s) de recherche : Equipe de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....)
• Partenaire(s) de recherche : Laboratoire : Institut Pluridisciplinaire de Recherche en Ingénierie des Systèmes- Mécanique et Energétique
• Jury : Président / Présidente : Pierre Vieyres
• Jury : Examinateurs / Examinatrices : Sylvie Treuillet, Yves Lucas, Pierre Vieyres, Yvon Voisin, Christophe Doignon, Arnaud Marchadier, Benjamin Albouy
• Jury : Rapporteur / Rapporteuse : Yvon Voisin, Christophe Doignon

Mots clés

Mots clés contrôlés

Traitement d'images

Arcades dentaires

Malformations dentaires -- Diagnostic

Mots clés libres

Recalage visuel

Orthodontie

Détection automatique de points

Matrice de projection

Visual registration

Orthodontics

Automatic point detection

Projection matrix

Résumé

En orthodontie, le diagnostic et la planification d'un traitement reposent sur la connaissance de l'architecture dentaire du patient relevée, entre autre, par un moulage en plâtre. Aujourd’hui, des logiciels permettent de manipuler des modèles numériques des arcades dentaires obtenus après numérisation des moulages. Afin d’observer l’engrènement des dents, il est nécessaire de mettre en occlusion les deux arcades numérisées séparément. Cette étape est actuellement manuelle et l’objet de ces travaux de thèse est de proposer une chaîne robuste de traitements permettant un recalage automatique des deux arcades guidé par plusieurs photos ''en bouche'' du patient. L'approche proposée consiste à définir trois types de points singuliers et à mettre en place des méthodes robustes de détection automatique à la fois sur les modèles 3D et les images couleur s’appuyant sur la courbure et la texture. Une fois mis en correspondance, ces points homologues 2D/3D permettent d'estimer les matrices de projection puis la transformation rigide (6ddl) pour positionner au mieux la mandibule par rapport au maxillaire en minimisant les erreurs de reprojection dans plusieurs vues. Afin de s’affranchir du bruit de détection, les positions 2D et/ou 3D des points sont améliorées au cours du processus d’optimisation. De nombreux tests sur des données virtuelles et réelles valident l'approche choisie. L’occlusion finale obtenue par recalage automatique est proche de la référence de l’expert. Les résultats sont encourageants pour fournir une alternative automatique à intégrer dans un outil d'aide au diagnostic.

In orthodontics, the diagnosis and the planning of a treatment rest on the knowledge of the dental architecture of the patient using, among others, a dental cast in plaster. Today, dedicated software allow to manipulate digital models of the dental arches obtained after digitalization of the casts. To observe the contact of teeth, it is necessary to register both arches scanned separately. This stage is at present manual and the object of this thesis research is to propose a robust chain processing allowing an automatic registration of both arches guided by several photos of the patient mouth. The proposed approach consists in defining three types of singular points and in setting up strong methods of automatic detection at the same time on the 3D models and the color images leaning on the curvature and the texture. Once put in correspondence, these 2D / 3D equivalent points allow to estimate the projection matrices then the rigid transformation (6ddl) to position at best the mandible in relation to the maxillary by minimizing the reprojection errors in several views. To free itself from the noise of detection, the 2D and/or 3D positions of the singular points are improved during the optimization process. Numerous tests on virtual and real data validate the proposed approach. The final occlusion obtained on the real data by automatic registration is close to the reference of the expert. These are encouraging results to supply an automatic alternative to be integrated into a help tool for the diagnosis.