Initialisation automatique du recalage 2D/3D pour la réalité virtuelle et augmentée

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Initialisation automatique du recalage 2D/3D pour la réalité virtuelle et augmentée"

Transcription

1 Initialisation automatique du recalage 2D/3D pour la réalité virtuelle et augmentée IRISA - Equipe TEMICS 6 Fevrier /18

2 Problématique : Recalage vidéo 2D et modèle 3D Problématique Avec : Le modèle 3D d une scène Une photo/vidéo de la scène Le but est de retrouver la position de la camera. C est du calcul de pose. Les deux modèles doivent se superposer, être recalés. 2/18

3 1 Intérêt du recalage Réalité augmentée Génération de modèle 3D 2 Modèle 3D Alignement des vecteurs déplacements Extraction du vecteur déplacement dans la vidéo 3 Extraction des lignes de contours Labélisation des contours Calcul de pose 4 Par reconstruction Mise en correspondance de primitives 3D Recalage 3D 3/18

4 Intérêt pour la réalité augmentée Réalité augmentée Génération de modèle 3D Permet de mélanger des images réels et de synthèses. Incruster un personnage/objet virtuel dans un environnement réel Insérer un acteur réel dans un environnement virtuel. De nombreuses applications dans le domaine du cinéma, des effets spéciaux, des visites guidées,... 4/18

5 Réalité augmentée Génération de modèle 3D Génération de modèle 3D photo-réaliste Possibilité de raffiner le modèle 3D. Extraction de texture Détection des portes et fenêtres Application aux visites virtuelles, cartographies,... Fig.: Découpage des textures Fig.: Détection des portes/fenêtres et de leur profondeur 5/18

6 Données SIG Intérêt du recalage Modèle 3D Alignement des vecteurs déplacements Extraction du vecteur déplacement dans la vidéo Remarques Système d Information Géographique (SIG) Ce sont des données géographique géo-référencées. Elles contiennent entre autre : Les contours au sol des bâtiments La hauteur des bâtiments Elles permettent une représentation des bâtiments sous la forme de polyèdres simples. Fig.: Données SIG vue de dessus et en 3D 6/18

7 Principe Intérêt du recalage Modèle 3D Alignement des vecteurs déplacements Extraction du vecteur déplacement dans la vidéo Remarques Déplacement t GPS La caméra est équipée d un GPS. On récupère le déplacement de la caméra dans le repère R UTM. Déplacement t relatif A partir des mouvements de la vidéo, on récupère le déplacement de la caméra dans le repère R Camera. Alignement des vecteurs déplacements Ces deux déplacements étant un seul mouvement, leurs alignement permet de retrouver l orientation de la camera. 7/18

8 Géométrie épipolaire Modèle 3D Alignement des vecteurs déplacements Extraction du vecteur déplacement dans la vidéo Remarques Géométrie épipolaire A partir de deux images de la vidéo : Les points en correspondances (cad qui représentent le même point physique) vérifient la géométrie épipolaire. j : m j T F mj = 0 Avec F la matrice Fondamentale. On en déduit la matrice Essentielle (la pose) : E = K T F K Avec K les paramètres intrinsèques de la caméra. La matrice E représente la rotation et la translation de la camera entre les deux images : E = [R t] 8/18

9 Modèle 3D Alignement des vecteurs déplacements Extraction du vecteur déplacement dans la vidéo Remarques Extraction du vecteur déplacement dans la vidéo t relatif Implémentation Les points d intérêts sont mis en correspondance par une méthode de suivie La matrice F est estimée de façon robuste (RANSAC), pour éliminer le bruit et les erreurs. Les paramètres de translation sont récupérés par décomposition de la matrice E en valeurs singulières Les vecteurs t relatif et t GPS sont ensuite projetés dans le plan du sol. On ne conserve que l angle θ qu ils forment entre eux, qui correspond à l orientation de la camera. 9/18

10 Remarques Intérêt du recalage Modèle 3D Alignement des vecteurs déplacements Extraction du vecteur déplacement dans la vidéo Remarques Remarques Calcul peu précis de la pose Un seul paramètre de la rotation est estimé (θ), les autres sont supposés nuls Très efficace pour une première approximation de la pose. Permet de limiter le modèle 3D aux primitives visibles dans la vidéo. Fig.: Recalage approximatif 10/18

11 Extraction des lignes de contours Extraction des lignes de contours Labélisation des contours Calcul de pose Extraction des contours (Canny) A partir d une image, récupération des pixels de gradient maximum (les contours). Transformation de Hough Recherche d alignements dans ces pixels de contours par l algorithme de Hough. 11/18

12 Extraction des lignes de contours Labélisation des contours Calcul de pose Classification par contexte géométrique Classification par contexte géométrique Utilisation sur l image d une classification des pixels. Plusieurs classes : Ciel Sol Façades (Vue de face, ou légèrement de profile) Surface poreuse (végétation) Objets solide (tout le reste) 12/18

13 Labélisation des contours Extraction des lignes de contours Labélisation des contours Calcul de pose Les lignes de contours sont ensuite labélisées en fonction de leur proximité aux frontières de classes. Cela limite les correspondances à vérifier par la suite. Fig.: Lignes labélisées 13/18

14 Calcul de pose précis Extraction des lignes de contours Labélisation des contours Calcul de pose Un ensemble de 4 lignes est mis en correspondance avec le modèle. Une pose précise est calculée, qui aligne ces 4 lignes. Cette pose est noté en fonction du nombre des lignes qu elle fait correspondre. La meilleure pose est conservée (RANSAC). Remarques Des erreurs parfois (arêtes de bâtiment peu visible dans l image) Exécution lente (environs une minute) 14/18

15 Nuage de points 3D Par reconstruction Mise en correspondance de primitives 3D Recalage 3D Possibilité de retrouver les coordonnées 3D d un point physique (dans le repère caméra). Il suffit de résoudre les équations : x 1 = P 1x (X, Y, Z) y 1 = P 1y (X, Y, Z). x n = P nx (X, Y, Z) y n = P ny (X, Y, Z) Avec (x i, y i ) les coordonnées du point M dans l image i. On obtient un nuage de points 3D. Fig.: Deux vues d un nuage de points 3D 15/18

16 Par reconstruction Mise en correspondance de primitives 3D Recalage 3D Extraction de contours, et reconstruction 3D Fig.: Une des photographies Fig.: Contours en 3D 16/18

17 Alligner modèl SIG et pseudo-modèl Par reconstruction Mise en correspondance de primitives 3D Recalage 3D Fig.: Modèle SIG Calcul de pose pour minimiser les distances entre les surfaces du modèle théorique SIG, et les contours 3D extraits. Utilisation d un algorithme ICP (Iterative Closest Point). 17/18 Fig.: Contours en 3D

18 Le recalage est un problème courant en réalité virtuelle et augmentée. Une multitude de solutions ont été implémentées. La solution actuelle proposée par TEMICS est : Robuste à la présence d arbres, de personnes,... Sujette aux erreurs dans des cas atypiques Autres solutions? Questions? 18/18

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes CNES Paris - 22/05/2003 Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes Michel DHOME LASMEA UMR 6602CNRS/UBP Clermont-Ferrand Etat de l art (communauté vision artificielle)

Plus en détail

L imagerie vue par un mathématicien

L imagerie vue par un mathématicien L imagerie vue par un mathématicien Li-Thiao-Té Sébastien LAGA UMR 7539, Université Paris 13 Plan Généralités Images Modèles Qu est-ce qu une image? des coordonnées spatiales des mesures pour chaque position

Plus en détail

Réalité Augmentée. Sylvie Naudet Collette. sylvie.naudet@cea.fr. Laboratoire Vision et Ingénierie des Contenus (DIASI/LVIC)

Réalité Augmentée. Sylvie Naudet Collette. sylvie.naudet@cea.fr. Laboratoire Vision et Ingénierie des Contenus (DIASI/LVIC) Réalité Augmentée Sylvie Naudet Collette Laboratoire Vision et Ingénierie des Contenus (DIASI/LVIC) sylvie.naudet@cea.fr PLAN 1. Introduction et définitions 2. Réalité augmentée sur des objets 3D Applications

Plus en détail

Régression logistique

Régression logistique Régression logistique Gilles Gasso. INSA Rouen -Département ASI Laboratoire LITIS Régression logistique p. 1 Introduction Objectifs Le classifieur de Bayes est basé sur la comparaison des probabilités

Plus en détail

Bases du traitement des images. Détection de contours

Bases du traitement des images. Détection de contours Détection de contours Dominique.Bereziat@lip6.fr Contributions: N. Thome, D. Béréziat, S. Dubuisson Octobre 2015 1 / 76 Introduction Rôle primordial de la détection de contours en vision 1 Réduction d

Plus en détail

SLAM Visuel Embarqué sur un Robot Quadrupède

SLAM Visuel Embarqué sur un Robot Quadrupède Résumé du mémoire de soutenance pour le Diplôme d Ingénieur INSA de Strasbourg - Spécialité Mécatronique - Et le Master des sciences de l université de Strasbourg - Mention Imagerie, Robotique et Ingénierie

Plus en détail

Notions générales en synthèse d'images. Espace image, espace utilisateur, modèles

Notions générales en synthèse d'images. Espace image, espace utilisateur, modèles Notions générales en synthèse d'images Espace image, espace utilisateur, modèles Catégories Type de scènes (3D, 2D, 2,5D) Type d images. Fil-de-fer Parties cachées Dessin au trait Image avec couleurs et

Plus en détail

Introduction à la Vision 3D

Introduction à la Vision 3D à la Vision 3D David Fofi Le2i UMR CNRS 6306 IUT Le Creusot Les applications présentées sont le fruit d une collaboration entre le Le2i et le laboratoire VICOROB de l Université de Gérone (Espagne). Les

Plus en détail

Indexation 3D à partir de vues 2D

Indexation 3D à partir de vues 2D Indexation 3D à partir de vues 2D Thibault Napoléon 1 Télécom ParisTech - TSI Qu est ce que l indexation 3D? Recherche dans une grande base de donnée 3D Recherche par le contenu (la forme, la couleur...)

Plus en détail

Reconnaissance de caractères: Descripteurs de formes et classification. Philippe Foucher

Reconnaissance de caractères: Descripteurs de formes et classification. Philippe Foucher Reconnaissance de caractères: Descripteurs de formes et classification Philippe Foucher 1 Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques

Plus en détail

Romain Vernoux. Reconstruction d une scène 3D par stéréovision

Romain Vernoux. Reconstruction d une scène 3D par stéréovision Romain Vernoux Reconstruction d une scène 3D par stéréovision TIPE Informatique 2011 1 Table des matières Introduction 3 I. Modélisation des caméras 4 1. Espace projectif..............................

Plus en détail

PLAN Analyse d images Morphologie et Segmentation

PLAN Analyse d images Morphologie et Segmentation PLAN Analyse d images et Segmentation L.Chen, J.Y.Auloge. INTRODUCTION. DEFINITIONS 3. VISION HUMAINE ET SYSTEMES DE COULEURS 4. ECHANTILLONNAGE ET QUANTIFICATION. TRANSFORMATIONS D IMAGES 6. AMELIORATION

Plus en détail

University of Liège. INFO0096-1 Vision 3D. Mini Synthesis

University of Liège. INFO0096-1 Vision 3D. Mini Synthesis University of Liège INFO0096-1 Vision 3D Mini Synthesis Marc Gou, Student of third bachelor in Computer Science 1/24/2012 Attention! Ce résumé est entièrement basé sur les transparents du cours, mais le

Plus en détail

STAGES. VISION PAR ORDINATEUR Perception 3D Réalité Augmentée

STAGES. VISION PAR ORDINATEUR Perception 3D Réalité Augmentée STAGES VISION PAR ORDINATEUR Perception 3D Réalité Augmentée Le CEA-LIST Les activités de recherche du CEA LIST sont centrées sur les systèmes à logiciel prépondérant. Ces activités s articulent autour

Plus en détail

Fusion multimodale pour la cartographie sous-marine

Fusion multimodale pour la cartographie sous-marine Fusion multimodale pour la cartographie sous-marine JOURNÉE ARCHÉOLOGIE SOUS MARINE ET ROBOTIQUE GT2 14 MAI 2013, DRASSM, MARSEILLE Jean Triboulet - Arnaud Méline - Bruno Jouvencel Université Montpellier

Plus en détail

Création de modèles précis de plantes à partir de scan 3D

Création de modèles précis de plantes à partir de scan 3D Création de modèles précis de plantes à partir de scan 3D Aufrere Pierre April 11, 2011 Table des matières 1 Introduction 2 2 État de l'art 3 3 Algorithme implanté 4 3.1 Base de quatre points coplanaires.....................

Plus en détail

MATRICE D INERTIE. PJE Interface Multitouch - Master 1 informatique

MATRICE D INERTIE. PJE Interface Multitouch - Master 1 informatique 1 MATRICE D INERTIE Géry Casiez http://www.lifl.fr/~casiez PJE Interface Multitouch - Master 1 informatique Plan 2 Objectifs Moment d inertie, produit d inertie Matrice d inertie Valeurs propres, vecteurs

Plus en détail

ACTIVITÉ PRATIQUE LA REPRESENTATION DU REEL. Modélisation d un Smartphone

ACTIVITÉ PRATIQUE LA REPRESENTATION DU REEL. Modélisation d un Smartphone NOM : Prénom : Classe : ACTIVITÉ PRATIQUE LA REPRESENTATION DU REEL ITEC Rotation des spécialités Modélisation d un Smartphone Objectif : découvrir les fonctions de base pour la création d une pièce sous

Plus en détail

Pierre BOURDET sept. 96 - fev. 2005. Tolérancement géométrique

Pierre BOURDET sept. 96 - fev. 2005. Tolérancement géométrique Tolérancement géométrique Modèle nominal - Réel - Écarts Géométrie nominale Représentation du réel Écarts Écarts Nuage de points Éléments de substitution Tolérancement : spécifier les limites de variation

Plus en détail

Calibration automatique

Calibration automatique ÉC O L E P O L Y T E C H N I Q U E FÉ DÉR A L E D E L A U S A N N E Calibration automatique d une caméra Fanny Gilliéron Projet supervisé par François Fleuret et Jérôme Berclaz Juillet 2007 2 Table des

Plus en détail

Imagerie médicale et neuronavigation

Imagerie médicale et neuronavigation Imagerie médicale et neuronavigation Pierre Hellier INRIA Plan Introduction Imagerie médicale, modalités, traitement et analyse Neuronavigation pour la neurochirurgie et la stimulation magnétique transcrânienne

Plus en détail

TP2 Opérations et filtres

TP2 Opérations et filtres TP2 Opérations et filtres 1. Opérations arithmétiques Mettre en place les fonctions Min et Max sur 2 images en niveaux de gris. Min() conserve entre 2 images les pixels de luminance minimum, Max() conserve

Plus en détail

Cartographie 3D de la voirie et de l espace public urbains accessibilité et circulations douces Luc Frauciel -1Spatial

Cartographie 3D de la voirie et de l espace public urbains accessibilité et circulations douces Luc Frauciel -1Spatial Cartographie 3D de la voirie et de l espace public urbains accessibilité et circulations douces Luc Frauciel -1Spatial Les projets Terra X Terra Data / Terra Numerica (FUI 1-Thales) Technologies de modélisation

Plus en détail

Vision par ordinateur : Un tour d horizon. Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand

Vision par ordinateur : Un tour d horizon. Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand Vision par ordinateur : Un tour d horizon Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand Séance II : Panoramas en environnement déformable Panoramas en environnement rigide Représentation minimale d un

Plus en détail

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme Distance et classification Cours 4: Traitement du signal et reconnaissance de forme Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques Classification

Plus en détail

LA COUVERTURE VÉGÉTALE DU CŒUR DE L AGGLOMÉRATION DE PARIS

LA COUVERTURE VÉGÉTALE DU CŒUR DE L AGGLOMÉRATION DE PARIS LA COUVERTURE VÉGÉTALE DU CŒUR DE L AGGLOMÉRATION DE PARIS Une approche par la télédétection de précision par Marie-Thérèse Besse et Paul Rouet Atelier parisien d urbanisme Banque de données urbaines 9,

Plus en détail

Etat de l art sur l acquisition de données 3D par photogrammétrie

Etat de l art sur l acquisition de données 3D par photogrammétrie 1/24 Etat de l art sur l acquisition de données 3D par photogrammétrie Gilles Rabatel UMR ITAP IRSTEA Montpellier Pour mieux affirmer ses missions, le Cemagref devient Irstea www.irstea.fr La 3D en Agriculture

Plus en détail

Localisation de caméra par recalage 2D-3D

Localisation de caméra par recalage 2D-3D Localisation de caméra par recalage 2D-3D Perception pour le Véhicule Intelligent (PVI 2014) Lundi 30 juin 2014 Dandi Pandi Paudel Cédric Demonceaux Le2i UMR CNRS 6306 Pascal Vasseur Litis EA 4108 In So

Plus en détail

8TRD147: Animation et images par ordinateur

8TRD147: Animation et images par ordinateur 8TRD147: Animation et images par ordinateur Rappels d OpenGL. Y. Chiricota Département d informatique et de mathématique Université du Québec à Chicoutimi / Certaines des illustrations de ce document proviennent

Plus en détail

Détecteurs et descripteurs

Détecteurs et descripteurs Détecteurs et descripteurs GIF-4105/7105 Photographie Algorithmique Jean-François Lalonde Merci à D. Hoiem et A. Efros pour les slides Comment aligner deux images? Déterminer une transformation globale

Plus en détail

Le suivi des caractéristiques faciales en temps réel

Le suivi des caractéristiques faciales en temps réel Le suivi des caractéristiques faciales en temps réel ABDAT FAIZA Encadrée par : A.Pruski C.Maaoui Laboratoire d Automatique des Systèmes Coopératifs Université de METZ 25 Mars 2008 Plan Objectif 1. Détection

Plus en détail

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés ENSEIRB-MATMECA PG-113 014 TP6: Optimisation au sens des moindres carrés Le but de ce TP est d implémenter une technique de recalage d images qui utilise une méthode vue en cours d analyse numérique :

Plus en détail

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Chapitre 6 Méthodes de Krylov 611 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Dans le cas où la matrice A n est pas symétrique, comment peut-on retrouver une matrice de corrélation

Plus en détail

Conception et développement d une interface à retour d effort sur les doigts

Conception et développement d une interface à retour d effort sur les doigts Conception et développement d une interface à retour d effort sur les doigts Application aux interactions manuelles en réalité virtuelle ACTION A5 SP1 PERF RV 1 Motivation Participation à l Action 5 du

Plus en détail

SUPPORT DE COURS AUTOCAD 2007 NIVEAU 2 : 3d et rendu SOMMAIRE

SUPPORT DE COURS AUTOCAD 2007 NIVEAU 2 : 3d et rendu SOMMAIRE SOMMAIRE 1. METHODOLOGIE / INTERFACE DE TRAVAIL...3 2. BIEN REGLER AUTOCAD 2007...4 3. TRAVAIL EN 3D : CREER LES OBJETS...5 4. LES OPERATIONS BOOLEENNES...6 5. MODIFIER et MANIPULER LES OBJETS EN 3D...7

Plus en détail

Construction d un Modèle Numérique de Terrain par stéréoscopie aérienne ou satellitaire

Construction d un Modèle Numérique de Terrain par stéréoscopie aérienne ou satellitaire Construction d un Modèle Numérique de Terrain par stéréoscopie aérienne ou satellitaire UMR TETIS Cemagref-CIRAD-ENGREF PLAN 1. IMAGES AERIENNES ET SATELLLITALES a) Images sources pour les MNT b) Modes

Plus en détail

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Projet 2009 2010 Biométrie 3D PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Département : TIC Mots clés : Biométrie, Analyse d images, Vision, Caméra thermique, Caméra temps de vol, Détection

Plus en détail

Description du projet. Principe d'un Raytracer

Description du projet. Principe d'un Raytracer Projet de Java Licence 3 Informatique Rémi Forax, Pierre Peterlongo, Benoit Olivieri (forax@univ-mlv.fr, pierre.peterlongo@univ-mlv.fr, olivieri@univ-mlv.fr) Description du projet Le programme RayOfLight

Plus en détail

Estimation du mouvement. Marco Cagnazzo 14 mai 2012

Estimation du mouvement. Marco Cagnazzo 14 mai 2012 Estimation du mouvement Marco Cagnazzo 14 mai 2012 Plan Introduction La représentation du mouvement Les différentes techniques Applications et examples 2 Estimation du mouvement Le mouvement dans les images

Plus en détail

1. Explorer, organiser et démontrer des propriétés géométriques en termes de longueurs et d angles. Découvrir et étudier des nombres irrationnels.

1. Explorer, organiser et démontrer des propriétés géométriques en termes de longueurs et d angles. Découvrir et étudier des nombres irrationnels. Compétences : math, 2 ème degré (pages 1 à 3) math, 3 ème degré (pages 4 à 8) 3 grands thèmes du cours à 4h sem (pages 9 à 11) 3 grands thèmes du cours à 2h sem (pages 12 à 14) (Seules les définitions

Plus en détail

Application du deep learning à la traduction automatisée

Application du deep learning à la traduction automatisée Application du deep learning à la traduction automatisée soutenance de stage Montreal Institute for Learning Algorithms sous l encadrement de Yoshua Bengio et Pascal Vincent Avril - Août 2014 1/33 Plan

Plus en détail

Rapport de stage Mise à plat d'un polygone

Rapport de stage Mise à plat d'un polygone Rapport de stage Mise à plat d'un polygone Stagiaire : Sejjil Olfa Tuteurs de stage: Luc BIARD et Bernard LACOLLE Laboratoire: Jean Kuntzmann (LJK) Equipe: Modélisation Géométrique & Multirésolution pour

Plus en détail

Présentation des Images et introduction a la reconnaissance des formes

Présentation des Images et introduction a la reconnaissance des formes Master Info 1 Image et RF Présentation des Images et introduction a la reconnaissance des formes Plis fòs ba pengwen là! Objet de ce cours? Comprendre comment est acquise / stockée une image. Quelles mesures

Plus en détail

Mettre en position (Mip) Permettre un mouvement relatif. Transmettre la puissance

Mettre en position (Mip) Permettre un mouvement relatif. Transmettre la puissance 1 ) Analyse fonctionnelle. La solution constructive qui réalise une liaison pivot est appelée guidage en rotation. On appelle généralement arbre le contenu, logement ou alésage le contenant. On peut faire

Plus en détail

Localisation précise et temps réel dans un environnement partiellement connu : application au suivi d objet 3D peu texturé

Localisation précise et temps réel dans un environnement partiellement connu : application au suivi d objet 3D peu texturé Localisation précise et temps réel dans un environnement partiellement connu : application au suivi d objet 3D peu texturé Mohamed Tamaazousti 1 Vincent Gay-Bellile 1 Sylvie Naudet Collette 1 Steve Bourgeois

Plus en détail

Le morphage d images. GIF-4105/7105 Photographie Algorithmique, Hiver 2015 Jean-François Lalonde. Steph Hoffman. Crédit: A. Efros

Le morphage d images. GIF-4105/7105 Photographie Algorithmique, Hiver 2015 Jean-François Lalonde. Steph Hoffman. Crédit: A. Efros Le morphage d images Steph Hoffman GIF-4105/7105 Photographie Algorithmique, Hiver 2015 Jean-François Lalonde Crédit: A. Efros Morphage Morphage: calculer une moyenne de deux images Pas une moyenne des

Plus en détail

Traitement bas-niveau

Traitement bas-niveau Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.

Plus en détail

Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur. Yves Chiricota, professeur DIM, UQAC Cours 8TRD147

Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur. Yves Chiricota, professeur DIM, UQAC Cours 8TRD147 Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur Yves Chiricota, professeur DIM, UQAC Cours 8TRD147 14 Janvier 2015 2 Il est impossible d envisager l étude des méthodes

Plus en détail

Composition de scènes de Réalité Augmentée

Composition de scènes de Réalité Augmentée Composition de scènes de Réalité Augmentée J-Y. Didier 26/04/11 1 Système de RA Monde réel / Espace de travail Application de Réalité Augmentée Dispositifs de restitution Utilisateur Capteurs Modèles /

Plus en détail

Utilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par

Plus en détail

Deep-learning. B. Gas - V 0.1 (2014) UE 5AI02/5AK03 - ISIR/UPMC

Deep-learning. B. Gas - V 0.1 (2014) UE 5AI02/5AK03 - ISIR/UPMC Deep-learning VI B. Gas - V 0.1 (014) UE 5AI0/5AK03 - ISIR/UPMC Deep-network Importance du codage pour la classification: certains codages sont plus adaptés que d autres pour une classification donnée.

Plus en détail

IMN459 - Fondements de la vision par ordinateur

IMN459 - Fondements de la vision par ordinateur IMN459 - Fondements de la vision par ordinateur Chapitre 1 Introduction 1. Acquisition IMN117 2. Traitement IMN259 Scène 3D Caméra optique Une ou plusieurs images 2D Caractéristiques bas niveaux (contours,

Plus en détail

DESSIN TECHNIQUE 1 POURQUOI LE DESSIN TECHNIQUE?

DESSIN TECHNIQUE 1 POURQUOI LE DESSIN TECHNIQUE? STS Génie Optique Technologie ETUDE DES CONSTRUCTIONS Cours Dessin technique DESSIN TECHNIQUE 1 POURQUOI LE DESSIN TECHNIQUE? Une pièce réelle a une existence matérielle. Elle occupe un espace à 3 dimensions.

Plus en détail

Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux

Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux Sébastien Delest Thèse dirigée par Hubert Cardot et Romuald Boné Université François Rabelais de Tours 26 novembre

Plus en détail

Rectification de l Image de Façade par Fusion de Données Laser et Image Optique

Rectification de l Image de Façade par Fusion de Données Laser et Image Optique Rectification de l Image de Façade par Fusion de Données Laser et Image Optique Ayman Zureiki et Michel Roux Institut TELECOM ; Télécom ParisTech ; CNRS LTCI 46 rue Barrault, F-75634 Paris Cedex 13, France.

Plus en détail

Leçon 16. L'effet Mouvement > Caméra Multiplan

Leçon 16. L'effet Mouvement > Caméra Multiplan Leçon 16 Dans cette leçon, vous allez : Aborder principe et concept de la Caméra Multiplan. Apprendre à utiliser la Caméra Multiplan au travers de différents exemples. Le concept Le concept Une caméra

Plus en détail

Applications. Composants. Eclairage à LED. Equipements IT

Applications. Composants. Eclairage à LED. Equipements IT Introduction La société Future Facilities commercialise un logiciel de simulation thermique et fournit de l expertise pour l industrie électronique et les centres informatique (data centers). 6SigmaET

Plus en détail

Reconstruction 3D générique et temps réel. Generic and Real-Time Structure from Motion

Reconstruction 3D générique et temps réel. Generic and Real-Time Structure from Motion Reconstruction 3D générique et temps réel Generic and Real-Time Structure from Motion E. Mouragnon 1,2, M. Lhuillier 1, M. Dhome 1, F. Dekeyser 2, P. Sayd 2 1 LASMEA-UMR 6602, Université Blaise Pascal/CNRS,

Plus en détail

IUP Miage Master MIAGE, spécialité SIMI Module T1/D226 Activité n 1 2012-1

IUP Miage Master MIAGE, spécialité SIMI Module T1/D226 Activité n 1 2012-1 IUP Miage Master MIAGE, spécialité SIMI Module T1/D226 Activité n 1 2012-1 NB : Le travail demandé est un travail personnel. L'étudiant s'engage donc, par le rendu de ce travail, à garantir sur son honneur

Plus en détail

Installation de la librairie VISP et création du projet

Installation de la librairie VISP et création du projet ESIR3-IN Travaux Pratiques VO 2012-2013 PREAMBULE Copier les données des TPs 1. créez un répertoire VO dans votre homedir cd ~/ mkdir VO cd VO 2. copier le dossier contenant toutes les données pour les

Plus en détail

Odométrie visuelle pour un robot mobile en environnement industriel

Odométrie visuelle pour un robot mobile en environnement industriel Guillaume Caron Le 0 juin 007 Odométrie visuelle pour un robot mobile en environnement industriel Rapport de stage de Master Recherche STIC Encadrants de stage El Mustapha Mouaddib Ouiddad Labbani-Igbida

Plus en détail

Cours de Topographie et Topométrie Générale

Cours de Topographie et Topométrie Générale Maîtrise de Sciences et Techniques "Eaux, Sols, Pollutions " Ecole et Observatoire des Sciences de la Terre (EOST) Cours de Topographie et Topométrie Générale Chapitre 1 Notions géodésiques de base Jean-Baptiste

Plus en détail

Système dʼacquisition Dynamique Terrestre Levé de détail par Laser Mobile et vidéogrammétrie

Système dʼacquisition Dynamique Terrestre Levé de détail par Laser Mobile et vidéogrammétrie Système dʼacquisition Dynamique Terrestre Levé de détail par Laser Mobile et vidéogrammétrie 3D SCAN SERVICES: Technologie de pointe et innovation Filiale à 100% du Groupe ECARTIP, 3D SCAN SERVICES a développé

Plus en détail

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation?

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation? Analyse d images, vision par ordinateur Traitement d images Segmentation : partitionner l image en ses différentes parties. Reconnaissance : étiqueter les différentes parties Partie 6: Segmentation d images

Plus en détail

NAO-PIC-EDAVISION-v1.0 État de l Art de la Vision. PIC Naolbeuk

NAO-PIC-EDAVISION-v1.0 État de l Art de la Vision. PIC Naolbeuk NAO-PIC-EDAVISION-v1.0 État de l Art de la Vision PIC Naolbeuk Page 2 Auteur(s) Destinataire(s) Résumé PAUL GAY, FLORIAN LÉGER, LUC MIOULET MICHEL MAINGUENAUD, Membres du PIC Naolbeuk, client Le présent

Plus en détail

Évaluation de la classification et segmentation d'images en environnement incertain

Évaluation de la classification et segmentation d'images en environnement incertain Évaluation de la classification et segmentation d'images en environnement incertain EXTRACTION ET EXPLOITATION DE L INFORMATION EN ENVIRONNEMENTS INCERTAINS / E3I2 EA3876 2, rue F. Verny 29806 Brest cedex

Plus en détail

TUTORIAL. Pour la CREATION DU MODELE CATIA V5 D UN CORPS DE VANNE

TUTORIAL. Pour la CREATION DU MODELE CATIA V5 D UN CORPS DE VANNE TUTORIAL Pour la CREATION DU MODELE CATIA V5 D UN CORPS DE VANNE Démarrer l atelier de création d un nouveau modèle de pièce Créer le cylindre principal (corps de révolution) Pour cela créer d abord l

Plus en détail

Algorithmique et Structures de Données

Algorithmique et Structures de Données 1.1 Algorithmique et Structures de Données Jean-Charles Régin Licence Informatique 2ème année 1.2 Itérations Jean-Charles Régin Licence Informatique 2ème année Itération : définition 3 En informatique,

Plus en détail

Outils informatiques d analyse des expressions faciales en langue des signes

Outils informatiques d analyse des expressions faciales en langue des signes Université Toulouse III École Doctorale Informatique et Télécommunications Formation Doctorale Image, Information et Hypermédia Outils informatiques d analyse des expressions faciales en langue des signes

Plus en détail

Dessin 2D et perspective

Dessin 2D et perspective CPGE TSI - Sciences de l Ingénieur TSI2 Dessin 2D et perspective Cours Réf. Programme: S53-Représentation géométrique du réel Comp. visées: A3-25, E1-02, E2-07 v1.1 Lycée Richelieu 64, rue Georges Sand

Plus en détail

Projections et Perspective

Projections et Perspective Points principau: Projections et Perspective Transformation e projection Volume e visualisation Moule 6 2 Étapes pour la visualisation 3D Sstème e Cooronnées e Moélisation (SCM) Sstème e Cooronnées u Dispositif

Plus en détail

Courant électrique et distributions de courants

Courant électrique et distributions de courants Cours d électromagnétisme Courant électrique et distributions de courants 1 Courant électrique 1.1 Définition du courant électrique On appelle courant électrique tout mouvement d ensemble des particules

Plus en détail

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Introduction aux modèles graphiques 2010/2011 Cours 2 6 octobre Enseignant: Francis Bach Scribe: Nicolas Cheifetz, Issam El Alaoui 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Soit

Plus en détail

Vers l imagerie operationnelle Atelier ENVI 5.0

Vers l imagerie operationnelle Atelier ENVI 5.0 Vers l imagerie operationnelle Atelier ENVI 5.0 france@exelisvis.com www.exelisvis.com The information contained in this document pertains to software products and services that are subject to the controls

Plus en détail

COURS DE DATA MINING 8 : MODELISATIONS RESEAUX DE NEURONES ET DE KOHONEN

COURS DE DATA MINING 8 : MODELISATIONS RESEAUX DE NEURONES ET DE KOHONEN COURS DE DATA MINING 8 : MODELISATIONS RESEAUX DE NEURONES ET DE KOHONEN EPF 4/ 5 ème année - Option Ingénierie d Affaires et de Projets - Finance Bertrand LIAUDET 8 : Modélisations - Réseaux de neurones

Plus en détail

Cours IFT6266, Apprentissage Non-Supervisé de Variétés

Cours IFT6266, Apprentissage Non-Supervisé de Variétés Cours IFT6266, Apprentissage Non-Supervisé de Variétés L Apprentissage Non-Supervisé L apprentissage non-supervisé vise à caractériser la distribution des données, et les relations entre les variables,

Plus en détail

IFT 6145 Vision tridimensionelle Environnement immersifs

IFT 6145 Vision tridimensionelle Environnement immersifs IFT 6145 Vision tridimensionelle Environnement immersifs Sébastien Roy Département d informatique et de recherche opérationelle Université de Montréal Au programme Projection sur grand écran et immersion

Plus en détail

Traitement d images 4 ème partie : traiter 2 images

Traitement d images 4 ème partie : traiter 2 images Traitement d images 4 ème partie : traiter 2 images Caroline Petitjean Plan Applications, perception, représentation Prétraitements Amélioration Restauration Traitement : Segmentation Traitement de 2 images

Plus en détail

Méthodes de placement multidimensionnelles. Fabrice Rossi Télécom ParisTech

Méthodes de placement multidimensionnelles. Fabrice Rossi Télécom ParisTech Méthodes de placement multidimensionnelles Fabrice Rossi Télécom ParisTech Plan Introduction Analyse en composantes principales Modèle Qualité et interprétation Autres méthodes 2 / 27 F. Rossi Plan Introduction

Plus en détail

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Philippe Gagnepain Université Paris 1 Ecole d Economie de Paris Centre d économie de la Sorbonne-UG 4-Bureau 405 philippe.gagnepain@univ-paris1.fr

Plus en détail

APPRENTISSAGE AUTOMATIQUE. Réduction de dimension

APPRENTISSAGE AUTOMATIQUE. Réduction de dimension APPRENTISSAGE AUTOMATIQUE Réduction de dimension Malédiction de la dimensionalité Beaucoup de méthodes d apprentissage ne passent pas bien à l échelle pour des données de grandes dimensions: c est la malédiction

Plus en détail

Problèmes de transport et transbordement

Problèmes de transport et transbordement Problèmes de transport et transbordement Résolution Hugues Talbot Laboratoire A2SI 9 avril 2009 Plan Introduction Introduction Solution des problèmes de transport Solution de base initiale Le simplexe

Plus en détail

Cours de tir. 3. Influences atmosphériques et corrections

Cours de tir. 3. Influences atmosphériques et corrections Cours de tir 3. Influences atmosphériques et corrections Influences atmosphériques Le tireur est appelé à tenir compte des conditions atmosphériques lors de son appréciation de la situation avant le tir.

Plus en détail

MASTER Ingénierie des Systèmes Industriels et des Projets SPÉCIALITÉ : SYSTÈMES DYNAMIQUES ET SIGNAUX. Année 2008/2009

MASTER Ingénierie des Systèmes Industriels et des Projets SPÉCIALITÉ : SYSTÈMES DYNAMIQUES ET SIGNAUX. Année 2008/2009 MASTER Ingénierie des Systèmes Industriels et des Projets SPÉCIALITÉ : SYSTÈMES DYNAMIQUES ET SIGNAUX Année 2008/2009 Mémoire de Master SDS Présenté et soutenu par : Islem JEBARI le 26 août 2009 Au sein

Plus en détail

Fusion de classifiers visuels et textuels pour un système de recherche d images

Fusion de classifiers visuels et textuels pour un système de recherche d images Fusion de classifiers visuels et textuels pour un système de recherche d images Sabrina Tollari, Hervé Glotin, Jacques Le Maitre Université du Sud Toulon-Var Giens, 16 juin 2004 1 Plan Problématique Du

Plus en détail

Le géo- posi+onnement et quelques applica+ons. Eric Calais eric.calais@ens.fr

Le géo- posi+onnement et quelques applica+ons. Eric Calais eric.calais@ens.fr Le géo- posi+onnement et quelques applica+ons Eric Calais eric.calais@ens.fr Motivation: du mètre au mm A qui appartient ce terrain maintenant? Quelle était la distribution du glissement? Méthodes modernes

Plus en détail

Extraction d informations stratégiques par Analyse en Composantes Principales

Extraction d informations stratégiques par Analyse en Composantes Principales Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction

Plus en détail

Inventaire des zones humides Vosges alsaciennes & Jura alsacien - Télédétection

Inventaire des zones humides Vosges alsaciennes & Jura alsacien - Télédétection Inventaire des zones humides Vosges alsaciennes & Jura alsacien - Télédétection Présentation // Généralités Objectifs>> Etudier les apports possibles des techniques de télédétection dans la cartographie

Plus en détail

Traitement d images en trois dimensions - Reconnaissance de plans (sols/murs) et reconnaissance d objets. Simon Landrault

Traitement d images en trois dimensions - Reconnaissance de plans (sols/murs) et reconnaissance d objets. Simon Landrault Institut des Sciences et Techniques de l Ingénieur d Angers Ingénieur 5 ème année, Automatique et Génie Informatique MASTER Ingénierie des Systèmes Industriels et des Projets Spécialité, Systèmes Dynamiques

Plus en détail

École Nationale Polytechnique Département Génie Industriel Introduction à l'informatique Graphique".

École Nationale Polytechnique Département Génie Industriel Introduction à l'informatique Graphique. École Nationale Polytechnique Département Génie Industriel Introduction à l'informatique Graphique". Info Graphique Themes des mini projets N Thème Observation I) L'informatique graphique Applications

Plus en détail

Analyse en Composantes Principales (ACP)

Analyse en Composantes Principales (ACP) Analyse en Composantes Principales (ACP) Principal Component Analysis (PCA) Nicolas Stoiber Dynamixyz Contexte : traitement du signal Problématique: comment, dans ce contexte, représenter des entités,

Plus en détail

Analyse et modélisation de visages

Analyse et modélisation de visages Analyse et modélisation de visages Pascal Bourdon Laboratoire XLIM-SIC (UMR CNRS 7252) / Université de Poitiers pascal.bourdon@univ-poitiers.fr Analyse et modélisation de visages Plan Introduction Outils

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

Sujet CCP MP 2011 Physique II

Sujet CCP MP 2011 Physique II Sujet CCP MP 2011 Physique II A Optique : Propriétés et applications de l appareil photographique. A I Etude de deux composants essentiels, l objectif et le pentaprisme. Note : Le pentaprisme ne fait l

Plus en détail

Bibliothèque de Traitement d Images en Niveaux de Gris

Bibliothèque de Traitement d Images en Niveaux de Gris TP Bibliothèque de Traitement d Images en Niveaux de Gris Étudiants : Besnier Alexandre Taforeau Julien Version 1.2 Janvier 2008 2008 Rapport TP - Version 1.2 i Table des matières Introduction 1 1 Objectif

Plus en détail

TOMODENSITOMETRIE CT TDM SCANOGRAPHIE. Pr Jean-Luc Moretti Fac Diderot Univ Paris 7 Hop ST-Louis

TOMODENSITOMETRIE CT TDM SCANOGRAPHIE. Pr Jean-Luc Moretti Fac Diderot Univ Paris 7 Hop ST-Louis TOMODENSITOMETRIE CT TDM SCANOGRAPHIE Pr Jean-Luc Moretti Fac Diderot Univ Paris 7 Hop ST-Louis TDM Tomographie par rayons X assistée par ordinateur développée par G.M. Hounsfield, Prix Nobel de Médecine

Plus en détail

BRGM/RP RP- 54 787 - FR

BRGM/RP RP- 54 787 - FR Aide à la mise au point d une méthodologie de traitement de la couverture territoriale SPOT 5 pour le calcul des superficies dégradées par l ancienne activité minière en Nouvelle-Calédonie Rapport final

Plus en détail

Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale

Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale Christine Graffigne Université René Descartes Traitement d'images Sciences pour l'ingénieur, informatique et mathématiques

Plus en détail

Méthodes symboliques de reconnaissance d objets en vision par ordinateur. Thi Thanh Hai TRAN

Méthodes symboliques de reconnaissance d objets en vision par ordinateur. Thi Thanh Hai TRAN Méthodes symboliques de reconnaissance d objets en vision par ordinateur Thi Thanh Hai TRAN INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE Numéro attribué par la bibliothèque THÈSE pour obtenir le grade de

Plus en détail