Contributions pour les applications
|
|
- Aubin Beaudet
- il y a 8 ans
- Total affichages :
Transcription
1 Contributions pour les applications de Réalité Augmentée Suivi visuel et recalage 2D Suivi d objets 3D représentés par des modèles par points Christophe DEHAIS 21 Mai 2008 Directeur de thèse: Alain AYACHE Encadrants: Géraldine MORIN, Vincent CHARVILLAT Équipe VORTEX
2 Deux parties : Réalité Augmentée, recalage 2D Suivi visuel 3D utilisant des modèles par points 2 / 54
3 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Vue d ensemble de la RA Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Augmentation interactive de gravures préhistoriques Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Bilan de la partie 3 / 54
4 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Définition Définition (Réalité Augmentée (RA) [Azuma, 1997]) Domaine des applications qui combinent le réel et le virtuel fonctionnent en temps réel font cohabiter les objets virtuels et réels dans le même monde 3D Vue d ensemble de la RA Définition 4 / 54
5 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Définition Définition (Réalité Augmentée (RA) [Azuma, 1997]) Domaine des applications qui combinent le réel et le virtuel fonctionnent en temps réel font cohabiter les objets virtuels et réels dans le même monde 3D Assistance de l utilisateur via annotations graphiques / textuelles objets réels cachés transfert d information recalée vers la modalité visuelle Vue d ensemble de la RA Définition 4 / 54
6 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Un spectre de domaines Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Continuum Réalité-Virtualité [Milgram and Kishino, 1994] Vue d ensemble de la RA Définition 5 / 54
7 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Un spectre de domaines Continuum Réalité-Virtualité [Milgram and Kishino, 1994] Notre positionnement Composition/recalage 2D possibles sous conditions particulières Contrainte temps réel / latence RA = un mécanisme d IHM Vue d ensemble de la RA Définition 5 / 54
8 Applications Médicales Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Sources : [Azuma, 1997] [Sielhorst et al., 2004] [Marchand, 2004] Boeing, Sony, Sportsvision Vue d ensemble de la RA Applications de la RA 6 / 54
9 Applications Médicales Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Maintenance Assemblage Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Sources : [Azuma, 1997] [Sielhorst et al., 2004] [Marchand, 2004] Boeing, Sony, Sportsvision Vue d ensemble de la RA Applications de la RA 6 / 54
10 Applications Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Médicales Maintenance Divertissement Assemblage Sources : [Azuma, 1997] [Sielhorst et al., 2004] [Marchand, 2004] Boeing, Sony, Sportsvision Vue d ensemble de la RA Applications de la RA 6 / 54
11 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Exemple : essayage virtuel de lunettes Cohérence géométrique photométrique spatio-temporelle Société FittingBox Vue d ensemble de la RA Applications de la RA 7 / 54
12 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Différents dispositifs spécialisés Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Systèmes de visualisation Head Mounted Display : Video/Optical See-Through Projecteurs Capteurs de position et de mouvement Capteurs mécaniques Systèmes magnétiques Systèmes ultrasons Capteurs inertiels Caméra + Vision par ordinateur Interfaces haptiques Bras à retour d efforts Gants Vue d ensemble de la RA Dispositifs matériels 8 / 54
13 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Différents dispositifs spécialisés Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Systèmes de visualisation Head Mounted Display : Video/Optical See-Through Projecteurs Capteurs de position et de mouvement Capteurs mécaniques Systèmes magnétiques Systèmes ultrasons Capteurs inertiels Caméra + Vision par ordinateur Interfaces haptiques Bras à retour d efforts Gants Vue d ensemble de la RA Dispositifs matériels 8 / 54
14 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Première application : suivi d arrière plan vue panoramique comme connaissance a priori de l arrière plan séquence vidéo avec personnages / objets au premier plan Vue d ensemble de la RA Suivi d arrière plan 9 / 54
15 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Première application : suivi d arrière plan vue panoramique comme connaissance a priori de l arrière plan séquence vidéo avec personnages / objets au premier plan Solution : suivi de motif plan avec occultations [Douze, 2004] Mise à jour des prédicteurs linéaires d une approche de type [Jurie and Dhome, 2002] Suivi et séléction de motifs non occultés de l arrière plan Vue d ensemble de la RA Suivi d arrière plan 9 / 54
16 Application Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Augmentation Incrustation Vue d ensemble de la RA Suivi d arrière plan 10 / 54
17 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Vue d ensemble de la RA Définition Applications de la RA Dispositifs matériels Suivi d arrière plan Augmentation interactive de gravures préhistoriques Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Bilan de la partie Gravures préhistoriques 11 / 54
18 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Objectif Préservation du Patrimoine (Cultural Heritage) Protection du site Accessibilité Attractivité Gravures préhistoriques Mise en valeur des gravures 12 / 54
19 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Données disponibles Une série de photos haute résolution Gravures préhistoriques Mise en valeur des gravures 13 / 54
20 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Données disponibles Une série de photos haute résolution Relevés de préhistorien (C. Barrière) Gravures préhistoriques Mise en valeur des gravures 13 / 54
21 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Données disponibles Une série de photos haute résolution Relevés de préhistorien (C. Barrière) Gravures préhistoriques Mise en valeur des gravures 13 / 54
22 Vue d ensemble de la RA Gravures pre historiques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Recalage non rigide De formation non rigide calcule e hors-ligne I Segmentation des releve s I Points de contro le place s manuellement I Mode le de splines de type ((plaque mince)) (Thin-Plate Spline) I Contro le de la complexite de la de formation par se lection de mode le Gravures pre historiques Recalage non-rigide 14 / 54
23 Vue d ensemble de la RA Gravures pre historiques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Recalage non rigide De formation non rigide calcule e hors-ligne I Segmentation des releve s I Points de contro le place s manuellement I Mode le de splines de type ((plaque mince)) (Thin-Plate Spline) I Contro le de la complexite de la de formation par se lection de mode le Gravures pre historiques Recalage non-rigide 14 / 54
24 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Le dispositif interactif Gravures préhistoriques Mise en oeuvre 15 / 54
25 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Composition des tracés partiellement révélés par l utilisateur Gravures préhistoriques Mise en oeuvre 16 / 54
26 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Mise en valeur des gravures Recalage non-rigide Mise en oeuvre Différents scenarios Borne interactive Support de commentaires pour guide professionnel Interaction enseignant/élève Gravures préhistoriques Mise en oeuvre 17 / 54
27 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Les solutions et approches abordées Dans le cadre de la RA, des problèmes de recalage 2D le suivi de motifs plans, le suivi de fond (1 e application) l estimation des déformations non rigides (2 e application) Bilan de la partie 18 / 54
28 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Les solutions et approches abordées Dans le cadre de la RA, des problèmes de recalage 2D le suivi de motifs plans, le suivi de fond (1 e application) l estimation des déformations non rigides (2 e application) La composition 2D est possible et suffisante Bilan de la partie 18 / 54
29 Vue d ensemble de la RA Gravures préhistoriques Bilan de la partie Les solutions et approches abordées Dans le cadre de la RA, des problèmes de recalage 2D le suivi de motifs plans, le suivi de fond (1 e application) l estimation des déformations non rigides (2 e application) La composition 2D est possible et suffisante Cependant... Bilan de la partie 18 / 54
30 Suivi visuel 3D Introduction Motivations Formalisation État de l art Reconstruction d une surface continue Rendu par splatting Déplacements inter images Évaluation des prédicteurs de mouvements Stabilisation du suivi Résultats 19 / 54
31 Introduction Motivations Introduction Séquence d images {I 0,..., I t } Problème Trouver la pose relative de l objet à chaque instant t. Suivi visuel 3D Introduction 20 / 54
32 Introduction Motivations Formalisation du problème Modèle sténopé Matrice de projection P K[R t] Pose paramétrée par β R 6 : m = Φ(β, p) Suivi visuel 3D Introduction 21 / 54
33 Introduction Motivations Suivi basé modèle Séquence d images {I 0,..., I t } Le modèle permet de relier le mouvement (2D) apparent observé dans les images le mouvement (3D) de l objet relativement à la caméra Suivi visuel 3D Introduction 22 / 54
34 Introduction Motivations Suivi basé modèle Séquence d images {I 0,..., I t } Quel modèle? Le modèle permet de relier le mouvement (2D) apparent observé dans les images le mouvement (3D) de l objet relativement à la caméra Suivi visuel 3D Introduction 22 / 54
35 Introduction Motivations Ce que je défends Question : quel modèle pour le suivi? Réponse : un modèle par points, dense, sans topologie Suivi visuel 3D Introduction 23 / 54
36 Introduction Motivations Ce que je défends Question : quel modèle pour le suivi? Réponse : un modèle par points, dense, sans topologie Question : est-ce nouveau? Réponse : non en synthèse d image, OUI! pour le suivi 3D Suivi visuel 3D Introduction 23 / 54
37 Introduction Motivations Ce que je défends Question : quel modèle pour le suivi? Réponse : un modèle par points, dense, sans topologie Question : est-ce nouveau? Réponse : non en synthèse d image, OUI! pour le suivi 3D Question : quels avantages? Réponse : simple (GPU), flexible, généralisable au cas déformable Suivi visuel 3D Introduction 23 / 54
38 Introduction Motivations Motivations Vision : les primitives 2D à suivre Points d intérêt Contours Texture Suivi visuel 3D Motivations 24 / 54
39 Introduction Motivations Motivations Vision : les primitives 2D à suivre Points d intérêt Contours Texture échantillonnage ponctuel! Suivi visuel 3D Motivations 24 / 54
40 Introduction Motivations Motivations Vision : les primitives 2D à suivre Points d intérêt Contours Texture échantillonnage ponctuel! Informatique Graphique : représentations par points Pas de maillage Pas de phase d assemblage des primitives Pas de topologie à maintenir Pas de prétraitement (reconstruction par scanner 3D ou par Structure-from-motion) Suivi visuel 3D Motivations 24 / 54
41 Introduction Motivations Motivations Vision : les primitives 2D à suivre Points d intérêt Contours Texture échantillonnage ponctuel! Informatique Graphique : représentations par points Pas de maillage Pas de phase d assemblage des primitives Pas de topologie à maintenir Pas de prétraitement (reconstruction par scanner 3D ou par Structure-from-motion) également intéressantes en vision! Suivi visuel 3D Motivations 24 / 54
42 État de l art Reconstruction d une surface continue Rendu par splatting Suivi visuel 3D Introduction Motivations Formalisation État de l art Reconstruction d une surface continue Rendu par splatting Déplacements inter images Évaluation des prédicteurs de mouvements Stabilisation du suivi Résultats 25 / 54
43 État de l art Reconstruction d une surface continue Rendu par splatting Différentes primitives points Points purs État de l art 26 / 54
44 État de l art Reconstruction d une surface continue Rendu par splatting Différentes primitives points Points purs Points orientés État de l art 26 / 54
45 État de l art Reconstruction d une surface continue Rendu par splatting Différentes primitives points Points purs Points orientés Splats isotropes État de l art 26 / 54
46 État de l art Reconstruction d une surface continue Rendu par splatting Différentes primitives points Points purs Points orientés Splats isotropes Splats anisotropes État de l art 26 / 54
47 État de l art Reconstruction d une surface continue Rendu par splatting Différentes primitives points Points purs Points orientés Splats isotropes Splats anisotropes État de l art 26 / 54
48 État de l art Reconstruction d une surface continue Rendu par splatting Différentes primitives points Points purs Points orientés Splats isotropes Splats anisotropes Détermination de la normale et du rayon : Analyse statistique du voisinage (ACP) Structure de données kd-tree pour les requêtes de voisinage Ré-orientation des normales État de l art 26 / 54
49 État de l art Reconstruction d une surface continue Rendu par splatting Reconstruction d une surface continue Objectif : remplir les trous. Reconstruction d une surface continue 27 / 54
50 État de l art Reconstruction d une surface continue Rendu par splatting Reconstruction d une surface continue Objectif : remplir les trous. Reconstruction d une surface continue 27 / 54
51 État de l art Reconstruction d une surface continue Rendu par splatting Reconstruction d une surface continue Objectif : remplir les trous. Nécessaire pour : Rendu Raffinage Reconstruction d une surface continue 27 / 54
52 État de l art Reconstruction d une surface continue Rendu par splatting Approches de reconstruction Définition de la surface sous-jacente : Surface implicite, fonctions à base radiale S = {x R 3, f (x) = 0} Point fixe d un projecteur local (Moving Least Squares, MLS) S = {x R 3, Ψ P (x) = x} Approches par projection des primitives points QSplat [Rusinkiewicz and Levoy, 2000] Surface splatting [Zwicker et al., 2001] Reconstruction d une surface continue 28 / 54
53 État de l art Reconstruction d une surface continue Rendu par splatting Splatting Surface splatting Reconstruction dans l espace image par projection de noyaux de reconstruction gaussiens Intégration d un filtrage passe-bas Adaptation à nos besoins en vision de mises en œuvre sur GPU [Botsch et al., 2005], [Guennebaud, 2005] Généralité Efficacité Rendu par splatting 29 / 54
54 État de l art Reconstruction d une surface continue Rendu par splatting Splatting (suite) Projection approchée par le morphisme inversible M i : y i x. Rendu par splatting 30 / 54
55 État de l art Reconstruction d une surface continue Rendu par splatting Splatting (suite) Splat p i, attributs {A i 1, Ai 2,...} Fonction approximante dans le plan de paramétrage local du splat : Pi A : R 2 R n A Noyau de reconstruction dans l espace objet : r i Expression de la reconstruction dans l espace image : r i (x) = r i(m 1 i (x)) et P A i (x) = Pi A (M 1 i (x)). S A (x) = i r i (x)p A i (x) i r i (x). Rendu par splatting 31 / 54
56 État de l art Reconstruction d une surface continue Rendu par splatting Splatting (suite) Intégration d un filtre passe-bas h(x) : S A (x) = (S A h)(x) Lorsque : i (r i h)(x)p A i (x) i (r i h)(x) Mi est linéaire ri est gaussien h est gaussien Alors ρ i est gaussien : empreinte elliptique. = i ρ i(x)p A i (x) i ρ. i(x) Il suffit de déterminer la matrice de covariance V ρi Rendu par splatting 32 / 54
57 État de l art Reconstruction d une surface continue Rendu par splatting Illustration dans le cas de la couleur Rendu par splatting 33 / 54
58 État de l art Reconstruction d une surface continue Rendu par splatting Interpolation générique pour le suivi Dans notre cas, les attributs de surface : Couleur modèle d apparence Prédicteurs de mouvements modèle de mouvement Rendu par splatting 34 / 54
59 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Suivi visuel 3D Introduction Motivations Formalisation État de l art Reconstruction d une surface continue Rendu par splatting Déplacements inter images Évaluation des prédicteurs de mouvements Stabilisation du suivi Résultats 35 / 54
60 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Adaptation des travaux de [Vacchetti et al., 2004] Caractéristiques de l algorithme (original) Modèles par facettes Suivi de points d intérêts Modèle d apparence : patches texturés Modèle de mouvement Transfert homographique Lancer de rayons Stabilisation du suivi par images clés 36 / 54
61 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Adaptation des travaux de [Vacchetti et al., 2004] Caractéristiques de l algorithme (proposé) Modèles par points Suivi de points d intérêts Modèle d apparence : splats colorés Modèle de mouvement Algèbre de Lie Interpolation dense Stabilisation du suivi par images clés 36 / 54
62 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Estimation itérative : Fonction de transfert Déplacements inter images 37 / 54
63 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Estimation itérative : Fonction de transfert Déplacements inter images 37 / 54
64 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Estimation itérative : Fonction de transfert Déplacements inter images 37 / 54
65 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Estimation itérative : Fonction de transfert Déplacements inter images 37 / 54
66 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Estimation itérative : Fonction de transfert Déplacements inter images 37 / 54
67 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Estimation itérative : Fonction de transfert Déplacements inter images 37 / 54
68 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Estimation itérative : Fonction de transfert β t = argmin β k i=1 Ψ( β t 1, β, m w(i) t 1 ) mi t 2 Déplacements inter images 37 / 54
69 Formulation symétrique Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats β t = argmin β k i=1 Prise en compte des erreurs sur m i t 1? Ψ( β t 1, β, m w(i) t 1 ) mi t 2 Déplacements inter images 38 / 54
70 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Formulation symétrique β t = argmin β k i=1 Prise en compte des erreurs sur m i t 1? Ψ( β t 1, β, m w(i) t 1 ) mi t 2 Approche Orthogonal Distance Regression (ODR) Approche par ajustements de faisceaux Déplacements inter images 38 / 54
71 Adaptation aux nuages de points Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Recherche de la transformation euclidienne inter-images [ ] δr δt P t = P t 1 δe δe = 0 1 Algèbre de Lie δe I + 6 α j G j j=1 Relier le mouvement d amplitude αj selon G j d un point 3D m le mouvement du point m dans l image Déplacements inter images 39 / 54
72 Résolution Suivi visuel 3D Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Fonction de transfert m = Ψ(β t 1, β t, m) = m + Problème d optimisation linéaire : min 6 α j l j j=1 k i=1 6 j=1 α jl i j + d i 2 (α 1,..., α 6 ) d i = m w(i) t 1 mi t = (d i x, d i y ) Déplacements inter images 40 / 54
73 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Évaluation des préditeurs de mouvements 6 Prédicteurs de mouvements 41 / 54
74 Robustesse aux données aberrantes Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Sources des aberrations occultations de l objet d intérêt échec de la mise en correspondance Prise en compte dans la résolution critères robustes (M-estimateurs) résolution par Moindres Carrés Repondérés (IRLS) Prédicteurs de mouvements 42 / 54
75 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Problème : accumulation d erreurs Le processus en boucle ouverte. Solutions : Autre modalité : contours, etc. Couplage avec un autre capteur Connaissances a priori : images clés Stabilisation du suivi 43 / 54
76 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Images clés : ensemble de vues à pose référencée Pose déterminée hors ligne Précalcul des points d intérêt Reprojection des PI sur le modèle nuage de points 3D Stabilisation du suivi 44 / 54
77 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Appariements image courante / image clé Critère de mise en correspondance adapté : SIFT, Harris-*, approche par apprentissage,... Stabilisation du suivi 45 / 54
78 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Appariements image courante / image clé Critère de mise en correspondance adapté : SIFT, Harris-*, approche par apprentissage,... Synthèse de l image clé dans la pose courante : encore du splatting Stabilisation du suivi 45 / 54
79 Intégration à l algorithme Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Approche 1 : Une à deux passes d estimation linéaire Splatting de prédicteurs de mouvement en la solution du problème itératif Approche 2 : β t = argmin β Φ(β, m j clé ) mj t 2 j Résolution par l algorithme de Levenberg-Marquardt Initialisation = solution du problème itératif Stabilisation du suivi 46 / 54
80 Évaluation quantitative Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Séquence de synthèse Exemple rotation R y Résultats 47 / 54
81 Retour sur l exemple précédent Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Résultats 48 / 54
82 Performances Suivi visuel 3D Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Core2 Duo 2.4Ghz, Nvidia 8800 GT (G80) Modèle léopard : points Opérations temps (ms) Rendu texturé (GPU) 2 Reconstruction des champs de mouvements (GPU) 17 2 Extraction des points (GPU) 1.5 Mise en correspondance des points (I t 1 et I t et entre I t et I clé ) 15 2 Estimation itérative de la pose 7 Estimation de la pose avec l image clé 7 total 81.5 (12 ips) Résultats 49 / 54
83 Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Performances (2) Environ 80% des calculs effectués par le GPU (en bleu ci-contre) Théoriquement vert et bleu peuvent se chevaucher Résultats 50 / 54
84 Démonstrations Suivi visuel 3D Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Résultats 51 / 54
85 Démonstrations Suivi visuel 3D Déplacements inter images Prédicteurs de mouvements Stabilisation du suivi Résultats Résultats 51 / 54
86 Conclusion Ce que j ai défendu Question : quel modèle pour le suivi? Un modèle par points, dense, sans topologie, souple Rôle clé de la technique de splatting Question : est-ce nouveau? Pas d approche similaire à notre connaissance Question : quels avantages? Mise en œuvre sur GPU qui amène généralité efficacité Conclusion 52 / 54
87 Conclusion Ce que je défendrai(s) Intégration d un suivi de contours Labélisation des points contour/texture Calcul dynamique de la silhouette Conclusion 53 / 54
88 Conclusion Ce que je défendrai(s) Intégration d un suivi de contours Labélisation des points contour/texture Calcul dynamique de la silhouette Suivi de surfaces déformables Modélisation par surface moyenne et modes de déformation Ajout des prédicteurs de mouvements correspondants Conclusion 53 / 54
89 Conclusion Ce que je défendrai(s) Intégration d un suivi de contours Labélisation des points contour/texture Calcul dynamique de la silhouette Suivi de surfaces déformables Modélisation par surface moyenne et modes de déformation Ajout des prédicteurs de mouvements correspondants Conclusion 53 / 54
90 Conclusion Merci de votre attention! Conclusion 54 / 54
91 Conclusion Azuma, R. (1997). A survey of augmented reality. Presence : Teleoperators and Virtual Environments 6, 4 : Botsch, M., Hornung, A., Zwicker, M., and Kobbelt, L. (2005). High-quality surface splatting on today s gpus. In Eurographics Symposium on Point-Based Graphics 2005, pages Douze, M. (2004). Estimation d homographies inter-images- Cas des mosaïques et du suivi en temps réel-applications en réalité augmentée. Thèse de doctorat, Institut National Polytechnique de Toulouse, Toulouse, France. Guennebaud, G. (2005). Conclusion 54 / 54
92 Conclusion Algorithmes pour le rendu temps-réel de haute qualité des géométries basées points. PhD thesis, Université Paul Sabatier Toulouse 3. Jurie, F. and Dhome, M. (2002). Hyperplane approximation for template matching. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(7) : Milgram, P. and Kishino, F. (1994). A taxonomy of mixed reality visual displays. IEICE Transactions on Information Systems, E77-D(12). Rusinkiewicz, S. and Levoy, M. (2000). QSplat : A multiresolution point rendering system for large meshes. Conclusion 54 / 54
93 Conclusion In Akeley, K., editor, Siggraph 2000, Computer Graphics Proceedings, pages ACM Press / ACM SIGGRAPH / Addison Wesley Longman. Sielhorst, T., Obst, T., Burgkart, R., Riener, R., and Navab, N. (2004). An augmented reality delivery simulator for medical training. In Workshop AMI-ARCS 04. Vacchetti, L., Lepetit, V., and Fua, P. (2004). Stable real-time 3D tracking using online and offline information. IEEE Transactions on Pattern Analysis and Machine Intelligence, 26(10) : Zwicker, M., Pfister, H., van Baar, J., and Gross, M. (2001). Surface splatting. Conclusion 54 / 54
94 Conclusion In Fiume, E., editor, SIGGRAPH 2001, Computer Graphics Proceedings, pages ACM Press / ACM SIGGRAPH. Conclusion 54 / 54
VISUALISATION DE NUAGES DE POINTS
ARNAUD BLETTERER MULTI-RÉSOLUTION 1/16 VISUALISATION DE NUAGES DE POINTS MULTI-RÉSOLUTION AU TRAVERS DE CARTES DE PROFONDEUR Arnaud Bletterer Université de Nice Sophia Antipolis Laboratoire I3S - Cintoo
Plus en détailAnalyse 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 détailDéveloppements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière
Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Principaux contributeurs: Zhang Xiaopeng (CASIA-NLPR-LIAMA Coordinateur Groupe Image) Li HongJun (CASIA-NLPR-LIAMA
Plus en détailSynthèse d'images I. Venceslas BIRI IGM Université de Marne La
Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image
Plus en détailComparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation
Laboratoire Vision & Robotique Comparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation Emilie KOENIG, Benjamin ALBOUY, Sylvie TREUILLET, Yves Lucas Contact : Sylvie Treuillet Polytech'Orléans
Plus en détailRéalité virtuelle au service de la maintenance
Réalité virtuelle au service de la maintenance Christian Boucheny EDF R&D SINETICS Séminaire Cartographie d intérieur et d extérieur ENSMP 04/09/2013 Sommaire 1. Application 1 : ADRM Aide à la Décision
Plus en détailDétection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO
Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont
Plus en détailUtilisation 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 détailSimulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré
Simulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré Pierre Rolin Marie-Odile Berger Frédéric Sur LORIA, UMR CNRS 7503, Université de Lorraine INRIA Nancy Grand
Plus en détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailL 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 détailContrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs. Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle
Contrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle 1 CEA R & D for Nuclear Energy 5 000 people Nuclear systems
Plus en détailK. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau
Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des
Plus en détailRétablissement d un réseau cellulaire après un désastre
Rétablissement d un réseau cellulaire après un désastre Anaïs Vergne avec Laurent Decreusefond, Ian Flint, et Philippe Martins Journées MAS 2014 29 août 2014 Rétablissement d un réseau cellulaire après
Plus en détailAnalyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains
Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains Andrés Felipe SERNA MORALES Directrice de thèse: Beatriz MARCOTEGUI ITURMENDI serna@cmm.ensmp.fr MINES ParisTech, Mathématiques
Plus en détailExtraction 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 détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailUtilisation des Points d Intérêts Couleurs pour le Suivi d Objets
Utilisation des Points d Intérêts Couleurs pour le Suivi d Objets Pierre Gabriel, Jean-Bernard Hayet, Justus Piater et Jacques Verly Université de Liège, Département d Électricité, Électronique et Informatique
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailRecherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel
Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel Alexis Joly alexis.joly@inria.fr INRIA - IMEDIA Alexis Joly cours monitoring p. 1 Plan de l'exposé
Plus en détailUniversité des Sciences et Technologies de Lille 1 UFR Informatique. Projet scientifique de Master 2 Image, Vision, Interaction.
Université des Sciences et Technologies de Lille 1 UFR Informatique Projet scientifique de Master 2 Image, Vision, Interaction Année 2012/1013 Reconstruction de scène réaliste via Kinect c Amélioration
Plus en détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détailJournées PERF-RV 14-15 Octobre 2004. B. Arnaldi http://www.perfrv.org
1 Journées PERF-RV 14-15 Octobre 2004 B. Arnaldi http://www.perfrv.org Objectifs de PERF-RV Plate-forme exploratoire Début des travaux : février 2001 Fin des travaux : août 2004 La réalité virtuelle, contexte
Plus en détailEtude comparative de différents motifs utilisés pour le lancé de rayon
Etude comparative de différents motifs utilisés pour le lancé de rayon Alexandre Bonhomme Université de Montréal 1 Introduction Au cours des dernières années les processeurs ont vu leurs capacités de calcul
Plus en détailR-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale
R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale Boulbaba BEN AMOR, Karima OUJI, Mohsen ARDABILIAN, et Liming CHEN Laboratoire d InfoRmatique en Images et
Plus en détailBalises : Motif Qrcode Image Objet
Réalité augmentée en technologie La réalité augmentée désigne toutes les interactions rendues possibles par des applications entre des éléments réels et virtuels. Elle désigne les différentes méthodes
Plus en détailRendu temps réel de mer et de nuages
Rendu temps réel de mer et de nuages Linares Antonin, Boyer Julien 17 décembre 2008 1 Résumé Nous allons traiter dans ce document les différentes méthodes explorées afin de parvenir à un rendu en temps
Plus en détailN. Paparoditis, Laboratoire MATIS
N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS
Plus en détailProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection
ProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection Nicolas HEULOT (CEA LIST) Michaël AUPETIT (CEA LIST) Jean-Daniel FEKETE (INRIA Saclay) Journées Big Data
Plus en détailRégularisation d Images Multivaluées par EDP : Un Formalisme Commun pour Différentes Applications
Régularisation d Images Multivaluées par EDP : Un Formalisme Commun pour Différentes Applications David Tschumperlé 1 et Rachid Deriche 2 1 INRIA Sophia-Antipolis, Laboratoire Odyssée, BP 93, 2004 Route
Plus en détailPréparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS
Année 2004 THESE Préparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS En vue de l obtention du titre de Docteur de l Institut National Polytechnique de Toulouse Spécialité : Informatique
Plus en détailCréation intuitive des éléments d un paysage
Création intuitive des éléments d un paysage Marie-Paule Cani Univ. Grenoble-Alpes, CNRS & Inria Organisation du cours «Façonner l imaginaire» Partie 1 : Création numérique 3D Modélisation géométrique
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailProgramme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure INTELLIGENCE NUMERIQUE Langage Java Mentions
Plus en détailLe Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs
Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique
Plus en détailInterface Homme-Machine Cours 5
Interface Homme-Machine Cours 5 4 Réalité virtuelle, réalité augmentée Philippe Gaussier Alexandre Pitti Plan du cours 1 Introduction à l'ihm, historique et ergonomie psychologie, handicap et théorie,
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailComment rendre un site d e-commerce intelligent
Comment rendre un site d e-commerce intelligent Alexei Kounine CEO +33 (0) 6 03 09 35 14 alex@tastehit.com Christopher Burger CTO +49 (0) 177 179 16 99 chris@tastehit.com L embarras du choix Donner envie
Plus en détailMémoire. Rendu 3D temps-réel de grands objets. Benoît Bossavit Stéphane Romero-Romero Frédérick Roy Romain Vergne. Vendredi 07 Avril 2006
Benoît Bossavit Stéphane Romero-Romero Frédérick Roy Romain Vergne Mémoire Rendu 3D temps-réel de grands objets Vendredi 07 Avril 2006 Chargé de TD : Client : Pascal Desbarats Tamy Boubekeur Université
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailApplications en imagerie cérébrale (MEG/EEG)
EEG : mesure du potentiel électrique Ordre de grandeur : qq µ-volts Capteurs : électrodes MEG : mesure du champ magnétique Ordre de grandeur : 10 13 Tesla Capteurs SQUID couplés à des bobines VI. Applications
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailSynthèse d images Edmond Boyer
Synthèse d images Edmond Boyer Edmond.Boyer@imag.fr UFRIMA 1 Une introduction aux techniques de l image Techniques de l image : utiliser l ordinateur pour interpréter ou générer des imag es. Motivations
Plus en détailApports de la Réalité Augmentée à la Gestion de Réseaux et de Mobiliers Urbains
Apports de la Réalité Augmentée à la Gestion de Réseaux et de Mobiliers Urbains Emeric Baldisser, Jean-Marc Cieutat, Pascal Guitton To cite this version: Emeric Baldisser, Jean-Marc Cieutat, Pascal Guitton.
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailRencontre sur la thématique du Calcul Haute Performance - 13 juin 2012. Better Match, Faster Innovation
Better Match, Faster Innovation Rencontre sur la thématique du Calcul Haute Performance - 13 juin 2012 Meeting on the theme of High Performance Computing TABLE DES MATIÈRES Qu est ce qu un imatch? STI
Plus en détailLa carte, le territoire et l'explorateur où est la visualisation? Jean-Daniel Fekete Equipe-projet AVIZ INRIA Jean-Daniel.Fekete@inria.fr www.aviz.
La carte, le territoire et l'explorateur où est la visualisation? Jean-Daniel Fekete Equipe-projet AVIZ INRIA Jean-Daniel.Fekete@inria.fr www.aviz.fr Quelques exemples 1 La campagne de Russie de Napoléon
Plus en détailPREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE
PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE Jean-Paul Valois, Claude Mouret & Nicolas Pariset Total, 64018 Pau Cédex MOTS CLEFS : Analyse spatiale, ACP, Lissage, Loess PROBLEMATIQUE En analyse multivariée,
Plus en détailVérification audiovisuelle de l identité
Vérification audiovisuelle de l identité Rémi Landais, Hervé Bredin, Leila Zouari, et Gérard Chollet École Nationale Supérieure des Télécommunications, Département Traitement du Signal et des Images, Laboratoire
Plus en détailComposants génériques de calcul scientifique
Composants génériques de calcul scientifique T. Géraud et A. Duret-Lutz RAPPORT TECHNIQUE 9901 MARS 1999 Laboratoire de Recherche et Développement d EPITA 14-16, rue Voltaire 94276 Le Kremlin-Bicêtre cedex
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailLe projet 3D de la Ville de Liège: réflexions sur l'exploitation des données. Bernard Lechanteur, Responsable Cellule cartographie Ville de Liège
Le projet 3D de la Ville de Liège: réflexions sur l'exploitation des données Bernard Lechanteur, Responsable Cellule cartographie Ville de Liège La cellule cartographie La cellule cartographie n est pas
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailEn vue de l'obtention du. Présentée et soutenue par Fenohery Tiana ANDRIAMANAMPISOA Le 18 Novembre 2008
THÈSE En vue de l'obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré par l'université Toulouse III - Paul Sabatier Spécialité : Informatique Présentée et soutenue par Fenohery Tiana ANDRIAMANAMPISOA
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailPentaho Business Analytics Intégrer > Explorer > Prévoir
Pentaho Business Analytics Intégrer > Explorer > Prévoir Pentaho lie étroitement intégration de données et analytique. En effet, les services informatiques et les utilisateurs métiers peuvent accéder aux
Plus en détailLes enjeux de la mobilité et de la réalité augmentée dans les jeux éducatifs localisés. GéoEduc3D
Les enjeux de la mobilité et de la réalité augmentée dans les jeux éducatifs localisés Le projet de recherche GéoEduc3D Sylvain GENEVOIS Chargé d études et de recherche (INRP, équipe EducTice) Docteur
Plus en détailSLAM Visuel 3D pour robot mobile autonome
Master de Sciences Mention «Imagerie, Robotique et Ingénierie pour le Vivant» - Projet de Fin D étude - SLAM Visuel 3D pour robot mobile autonome Romain Drouilly Encadrants ECA Benoit Morisset Pierrick
Plus en détailTABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent
TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires
Plus en détailPrésent et futur dans la normalisation de la compression 3D
Présent et futur dans la normalisation de la compression 3D Khaled MAMOU Marius PREDA Authoring 3D Graphics Chain : Authoring and Publishing Very heterogeneous production chain: -A 3D Asset is processed
Plus en détailRIE LE RENDU THEO. 2 e trim ÉTAPE DE FINITION BOÎTE DE DIALOGUE. remarques
THEO RIE LE RENDU 2 e trim JANVIER 2008 remarques ÉTAPE DE FINITION Le rendu est la partie finale de notre création, à ce moment on décide que notre 3D est finie et l on en réalise une image 2D Cette image
Plus en détailUne proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes
303 Schedae, 2007 Prépublication n 46 Fascicule n 2 Une proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes Samya Sagar, Mohamed Ben Ahmed Laboratoire
Plus en détailMAP 553 Apprentissage statistique
MAP 553 Apprentissage statistique Université Paris Sud et Ecole Polytechnique http://www.cmap.polytechnique.fr/~giraud/map553/map553.html PC1 1/39 Apprentissage? 2/39 Apprentissage? L apprentissage au
Plus en détailLIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés
LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /
Plus en détailRéseau Global MIDI Note applicative
Réseau Global MIDI Note applicative 1 But du manuel Le but de cette note applicative est de démystifié l utilisation du MIDI transporté dans un Réseau Global MIDI. Ce réseau virtuel offre sans aucune restriction,
Plus en détailÉvaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
Plus en détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
Plus en détailÉvaluation des logiciels et autres réalisations
DOCUMENT D ANALYSE DE LA COMMISSION D ÉVALUATION DE L INRIA Évaluation des logiciels et autres réalisations Préparé par David Margery, Jean-Pierre Merlet, Cordelia Schmid, Agnès Sulem, Paul Zimmermann
Plus en détailProjet : Recalage par maximisation de l information mutuelle
École Polytechnique de Montréal Automne 25, 12 décembre 25 Projet : Recalage par maximisation de l information mutuelle GBM613, Application médicales de l informatique Nom Matricule Groupe Herve Lombaert
Plus en détailDétection des deux roues motorisés par télémétrie laser à balayage
MEsure du TRAfic des deux-roues MOTOrisés pour la sécurité et l évaluation des risques Détection des deux roues motorisés par télémétrie laser à balayage Séminaire de mi parcours 11 mai 2012 CETE Normandie
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailCommunications immersives : Enjeux et perspectives
Journée Futur et Ruptures Communications immersives : Enjeux et perspectives Béatrice Pesquet-Popescu Télécom ParisTech, Département TSI 5 mars 2015 Institut Mines-Télécom Tendances actuelles Plus, plus,
Plus en détailwww.type3.com DECOUVREZ Discover TYPE EDIT V12 Français
www.type3.com DECOUVREZ Discover TYPE EDIT V12 Français 12-2013 1 Découvrez TYPE EDIT V12, la nouvelle version de notre logiciel de CFAO pour les applications industrielles et artistiques dédiées aux machines
Plus en détailRé-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules
Ré-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules M. Shawky, K. Chaaban, P. Crubillé Heudiasyc UMR 6599 CNRS, Univ. Tech. De Compiègne 1 ADAS (Advanced Driving Aid System) Reactive
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailDétection et suivi d'objets dans une séquence d'images par contours actifs
Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,
Plus en détailT. Gasc 1,2,3, F. De Vuyst 1, R. Motte 3, M. Peybernes 4, R. Poncet 5
Modélisation de la performance et optimisation d un algorithme hydrodynamique de type Lagrange-Projection sur processeurs multi-cœurs T. Gasc 1,2,3, F. De Vuyst 1, R. Motte 3, M. Peybernes 4, R. Poncet
Plus en détailReconnaissance de gestes : approches 2D & 3D
Reconnaissance de gestes : approches 2D & 3D Maher Mkhinini et Patrick Horain Institut Mines-Télécom/Télécom SudParis Département Électronique et Physique, 9 rue Charles Fourier, 91011 Evry, France Email
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailUtilisation d outils de Visual Data Mining pour l exploration d un ensemble de règles d association
Utilisation d outils de Visual Data Mining pour l exploration d un ensemble de règles d association Gwenael Bothorel, Mathieu Serrurier, Christophe Hurter To cite this version: Gwenael Bothorel, Mathieu
Plus en détailZone 2 L aventure de la copie
EXPOSITION INTERNATIONALE INTERNATIONAL EXHIBITION Zone 2 L aventure de la copie 1. Synopsis... 2 2. Scénographie... 3 3. Mobiliers... 3 4. Supports graphiques... 4 5. Eclairage... 4 6. Audiovisuels...
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailRéalité augmentée smartphone et données géolocalisées
Réalité augmentée smartphone et données géolocalisées Veille technologique Julien Desmazières, Christophe Agnes 05/12/13 1 Princip e Supports Principe Marché du Supports smartphone Marché du de smartphone
Plus en détailOPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE
OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE «Journée Open Data» 5 Novembre 2013 Présenté par : Imen Megdiche Directeur de thèse : Pr. Olivier Teste (SIG-IRIT) Co-directeur de thèse : Mr. Alain
Plus en détailExtraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés
Thèse présentée pour obtenir le grade de Docteur de l Université Louis Pasteur Strasbourg I Discipline : Sciences pour l Ingénieur Spécialité : Topographie-Géomatique Par : Fayez TARSHA KURDI Extraction
Plus en détailProjet CoDrive : utilisation des données de véhicules communicants, intégration avec un système de gestion de trafic (119)
Projet CoDrive : utilisation des données de véhicules communicants, intégration avec un système de gestion de trafic (119) Résumé : La diffusion large des smartphones et des suivis dédiés de flottes de
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailPar Christophe Sireix / Prothésiste Dentaire
ADJOINTE CAD/CAM Par Christophe Sireix / Prothésiste Dentaire 16 Tech. Dent. N 342-06/15 L ASIGA pro075 Une mini imprimante très précise L imprimante ASIGA pro075 utilisée dans notre centre est une machine
Plus en détailFUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE
Rapport de Projet Pluridisciplinaire Mastère spécialisé Photogrammétrie, positionnement et mesures de déformations (PPMD) FUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE GARDON Elzbieta
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailNIKON METROLOGY I VISION BEYOND PRECISION. Focus 10 : logiciel de nuage de points Inspection par MMT et par scanning laser portable
NIKON METROLOGY I VISION BEYOND PRECISION Focus 10 : logiciel de nuage de points Inspection par MMT et par scanning laser portable Focus fluidifie le processus d inspection numérique Le logiciel Focus
Plus en détailSTAGES DE FORMATION INTER-ENTREPRISES PÔLE 45 BUREAUTIQUE
STAGES DE FORMATION INTER-ENTREPRISES PÔLE 45 BUREAUTIQUE Vous trouverez ci-dessous notre première proposition de formations interentreprises pour ce début d'année 2013. Pour tout complément d'informations
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
Plus en détailDMRAlert STREET. Présentation générale. Géolocalisation Urgences - Statuts- Zones Opération Tranquillité Vacances OTV - POI
DMRAlert STREET Présentation générale Géolocalisation Urgences - Statuts- Zones Opération Tranquillité Vacances OTV - POI DMRAlert STREET R3.0 LOCALISER SECURISER vos équipes ALERTER en cas d URGENCE Visualiser
Plus en détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
Plus en détailTatouage, watermarking, MPEG-4, objets vidéo, manipulation, robustesse, ACP, morphing.
Tatouage d objets vidéos résistant aux manipulations Video object watermarking robust to manipulations par Patrick BAS, Benoît MACQ Laboratoire Tele, Bâtiment Stevin, Place du Levant, B-1348 Louvain-la-Neuve,
Plus en détail