Reconstruction progressive de formes à partir de nuages de points 3D
Auteur / Autrice : | Tong Zhao |
Direction : | Pierre Alliez, Laurent Busé |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 27/03/2023 |
Etablissement(s) : | Université Côte d'Azur |
Ecole(s) doctorale(s) : | École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....) |
Partenaire(s) de recherche : | Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes) |
Jury : | Président / Présidente : Géraldine Morin |
Examinateurs / Examinatrices : Pierre Alliez, Laurent Busé, Géraldine Morin, Damien Rohmer, Silvia Biasotti, Alexandre Boulch, Julie Digne | |
Rapporteurs / Rapporteuses : Damien Rohmer, Silvia Biasotti |
Mots clés
Mots clés contrôlés
Résumé
Avec l’enthousiasme pour les jumeaux numériques dans divers domaines, la reconstruction de surfaces à partir de nuages de points 3D est de plus en plus nécessaire, tout en faisant face à des défis scientifiques multiformes. Les dispositifs d’acquisition de données à faible coût permettent d’obtenir facilement et rapidement des scans 3D, mais peuvent conduire à des nuages de points 3D avec défauts. De plus, les utilisateurs attendent des approches de reconstruction de surface légères et contrôlables avec des critères personnalisés en fonction de leurs applications. Cette thèse vise à aborder ces questions en apportant plusieurs approches au problème de la reconstruction de surface sous deux aspects : (1) l’analyse de nuages de points, et (2) la reconstruction de surface avec des informations a priori. Nous proposons d’abord une discrétisation progressive (grossier vers fin) du domaine pour les approches globales implicite, leur permettant de gérer divers défauts. Cette méthode est étendue pour être informée par des primitives détectées dans le nuage de points. Ensuite, nous présentons une approche basée sur l’apprentissage profond qui apprend à détecter et à consoli- der des points appartenant aux singularités (coins, arêtes vives) dans le nuage de points 3D. Ces points singuliers sont ensuite considérés comme une entrée supplémentaire à la méthode de re- construction progressive. Enfin, nous apportons une méthode de reconstruction variationnelle à partir de nuages de points non-orientés, tirant parti à la fois des métriques d’erreur quadra- tiques et du clustering via partitionnement variationnel. Le maillage triangulaire de sortie est concis et anisotrope, avec des sommets de maillage répartis sur les arêtes vives. En résumé, cette thèse vise à contribuer des approches efficientes pour la reconstruction de surfaces dans une perspective globale et progressive. En combinant plusieurs a priori et en prenant en compte différents critères, les méthodes proposées peuvent traiter divers défauts et détails à plusieurs échelles.