IMN459 - Fondements de la vision par ordinateur

Dimension: px

Commencer à balayer dès la page:

Download "IMN459 - Fondements de la vision par ordinateur"

Renée Vincent
il y a 8 ans
Total affichages :

1 IMN459 - Fondements de la vision par ordinateur Chapitre 1 Introduction

2 1. Acquisition IMN Traitement IMN259 Scène 3D Caméra optique Une ou plusieurs images 2D Caractéristiques bas niveaux (contours, jonctions, ) Jusqu à présent... 2

3 Sommes-nous prêts à quitter le 2D Source : Alexei Efros et entrer dans le monde réels? 3

4 Plan du chapitre 1. Vision artificielle («vision par ordinateur») 2. Objectif 3. Extraction de l information 3D 4. Vision «par ordinateur» 5. Applications 6. Difficultés et Problématiques 4

5 1.Vision artificielle («vision par ordinateur») a) Modélisation et reproduction de la vision 3D humaine b) Combinaison de connaissances Mathématiques Informatique Génie électrique Psychologie Biologie Sciences cognitives Physique etc. c) Compréhension et simulation du système de vision humaine tous ces domaines 5

Mathématiques Informatique Génie électrique Psychologie Biologie Sciences

6 1.Vision artificielle («vision par ordinateur») d) Retrouver la profondeur Retrouver la structure 3D d un objet Reconstruire un modèle 3D de la scène e) Pourquoi retrouver la profondeur? Applications en infographie, synthèse d images Navigation automatique des robots Reconnaissance aérienne Applications médicales Effets spéciaux Visites virtuelles Réalité virtuelle 6

7 2.Objectif Étude des techniques pour l interprétation, la reconstruction et la compréhension d une scène 3D à partir d une ou plusieurs images 2D Position d un point dans la scène Orientation des surfaces Relief Mouvement Caractéristiques haut niveau 7

une ou plusieurs images 2D Position d un point dans la scène

8 3.Extraction de l information 3D 3.1. Caractéristiques L extraction d informations 3D s effectue à partir de certaines caractéristiques (structures) présentes dans les images : Niveaux de gris Contours Couleurs Jonctions (coins) Textures Disparités Mouvement 2D Ombrages Quantité de flou... Caractéristiques bas niveau 8

certaines caractéristiques (structures) présentes dans les images : Niveaux de

9 3.Extraction de l information 3D 3.2. Indices de profondeur Certaines de ces caractéristiques sont appelées «indices de profondeur» Il faut distinguer la profondeur des indices Les indices de profondeur peuvent être plus complexes à trouver que les simples caractéristiques bas niveau 9

«indices de profondeur» Il faut distinguer la profondeur des indices

10 3.Extraction de l information 3D 3.2. Indices de profondeur Les indices de profondeur dépendent de : Connaissances a priori (lié à l application) Modèles 3D connu Distance approximative Scène intérieure ou extérieure Degré de précision, temps réel? Système de formation d images Actif (e.g. laser, sonar, rayon-x) Passif (e.g. caméra optique) Nombre et type d images 1, 2, multi : statique Vidéo Domaine Spatial Fréquentiel 10

application) Modèles 3D connu Distance approximative Scène intérieure ou extérieure Degré de précision,

11 1. Acquisition IMN Traitement IMN259 Scène 3D Caméra optique Une ou plusieurs images 2D Caractéristiques bas niveaux (contours, jonctions, ) Indices de profondeur (flou,disparité, etc.) 11

12 3.Extraction de l information 3D 3.2. Indices de profondeur a) Classes d indices de profondeur Indices multioculaires : 2 points de vue différents ou plus Décalages spatiaux Mouvement Silhouettes... Indices monoculaires : 1 seul point de vue, 1 ou plusieurs images, Flou et mise au point Déformation des éléments de texture Diffusion de la lumière dans le milieu (atmosphère, eau, particule) Illumination 12

différents ou plus Décalages spatiaux Mouvement Silhouettes.

13 3.Extraction de l information 3D 3.3. Exemples a) Disparités binoculaires Courtoisie de Guido Gerig Exemple de disparités binoculaires (stéréovision) P Disparité binoculaire Cg Cd 13

14 3.Extraction de l information 3D 3.3. Exemples b) Ombrages a) Sans ombrage b) Avec ombrages Perception de la forme par l ombrage c) Exemple d image réelle 14

15 3.Extraction de l information 3D 3.3. Exemples c) Ombrages / symétrie / ombre portée Perception de la forme/hauteur par les ombres et la silhouette 15

16 3.Extraction de l information 3D 3.3. Exemples Illusion due à la perspective d) Textures/perspective a) Sans texture b) Avec texture Perception de la forme par la texture c) Exemple d image réelle 16

17 3.Extraction de l information 3D 3.3. Exemples e) Flou/Mise au point/bougé Source : site de Jordan S. Erenrich Perception de la profondeur par la mise au point 17

18 1. Acquisition IMN Traitement IMN259 Scène 3D Caméra optique Une ou plusieurs images 2D 3. Visualisation / utilisation Caractéristiques bas niveaux (contours, jonctions, ) Reconstruction 3D Reconnaissance Interprétation Incrustation Carte de profondeur, nuage 3D, polygones, Indices de profondeur (flou,disparité, etc.) 18

Visualisation / utilisation Caractéristiques bas niveaux (contours, jonctions, )

19 4.Vision «par ordinateur» 4.1. Matériel a) Acquisition : appareil photo, caméra vidéo, infrarouge," sonar, laser, projecteur, échographe,... b) Traitement : ordinateur(s) c) Visualisation : écran, imprimante, lunettes à obturateur, projecteur, téléphone Logiciels Nombreux; dépendent des caractéristiques disponibles à vous de jouer 19

20 5.Applications Essentiel pour de nombreux domaines Cinéma Aérospatial Scénographie Robotique Surveillance Biométrie Médecine Urbanisme Astronomie Transports Contrôle de qualité Divertissements 20

21 5.Applications a) Reconstruction 3D de surfaces 21

22 5.Applications b) Reconstruction 3D à partir d une seule image Courtoisie de Hartley & Zisserman, 2003 Saint Jérôme dans son étude, Hendrick van Steenwijck, 1630 Trois vues différentes synthétisées à l aide du modèle 3D reconstruit 22

23 5.Applications c) Modélisation d acteurs virtuels Courtoisie de Steven Seitz 23

24 5.Applications d) Synthèses de points de vue Courtoisie de Steven Seitz 24

25 5.Applications e) Incrustations Courtoisie de Hartley & Zisserman, 2003 Images originales Images incrustée 25

26 5.Applications f) Réalité augmentée Source : YouTube 26

27 6.Difficultés et problématiques 6.1. Problème mal posé La projection d une scène 3D sur une image n est pas une transformation inversible 6.2. Données bruitées ou imprécises 6.3. Erreurs d approximation méthode, support de l image, quantification, erreurs numériques, 27

28 6.Difficultés et problématiques 6.4. Utilisation d hypothèses simplistes (non réalistes) a) Exemple 1 Les cases blanches dans l ombre ont le même niveau de gris que les cases noires éclairées 28

29 6.Difficultés et problématiques 6.4. Utilisation d hypothèses simplistes (non réalistes) a) Exemple 1 Les cases blanches dans l ombre ont le même niveau de gris que les cases noires éclairées 29

30 6.Difficultés et problématiques 6.4. Utilisation d hypothèses simplistes (non réalistes) b) Exemple 2 a) Ce que l on voit b) Ce que l on veut c) Ce que l on obtient (détection de contours) 30

31 6.Difficultés et problématiques 6.4. Utilisation d hypothèses simplistes (non réalistes) c) Exemple 3 Source : E.H. Gombrich, The Image and the Eye Influence de la position et des paramètres de la caméra sur l impression de distance et de taille 31

32 6.Difficultés et problématiques 6.5. Questions a) Quel(s) indice(s) extraire? Les indices de profondeur ne sont pas toujours pertinents dans toutes les circonstances Sensibilité à la profondeur Parallaxe due au mouvement Stéréo Occultation Perspective Atmosphère Source : Cutting, 1996 Flou Ombrage porté Profondeur de la scène (en m) 32

33 6.Difficultés et problématiques 6.5. Questions b) Comment les extraire? c) Comment représenter les caractéristiques extraites? d) Comment utiliser ces caractéristiques pour déduire l information 3D? 33

34 Dans le cadre de ce cours Images Calibrage de la caméra Extraction d indices de profondeur Paramètres intrinsèques et extrinsèques Disparité binoculaire Flou IMN559 Ombrages Perspective Estimation de la profondeur, reconstruction IMN430 Modélisation 3D Applications 34

35 7.Pipeline de la reconstruction stéréo a) Calibrage des caméras b) Rectification des images c) Mise en correspondance et calcul de la disparité d) Trouver la profondeur Ce qui peut causer des erreurs : Mauvais calibrage des caméras Résolution des images inappropriée Violation de certaines contraintes (ex. réflexions spéculaires) Bruit Occultations Trop grand changement dans le point de vue Pas assez de contraste dans certaines régions 35

36 Cas de la vision stéréoscopique Calibrage de la caméra (Chap. 4) Images formation, paramètres de la caméra (Chap. 2) Outils multi-usage Géométrie projective (Chap 3) Stéréovision Bases et rectification de la paire stéréoscopique (Chap. 5) Extraction Disparité binoculaire par la mise en correspondance (Chap. 6) Estimation de la profondeur (Chap 7) Applications (Partout) 36

37 Références Pour en savoir plus... Sources des images et vidéos : Wikimedia commons (sauf si autre mention) E. Trucco et A. Verri, Introductory Techniques for 3-D Computer Vision, Prentice Hall, B.K.P. Horn, Robot Vision, MIT Press, D.H. Ballard and C.M. Brown, Computer Vision, Prentice Hall, 1982 R. Hartley and A. Zisserman, Cambridge University Press, 2003 B. Cyganek and P. Siebert, An introduction to 3D Computer Vision Techniques and Algorithms, Wiley, 2008 Autres bouquins sur le sujet 37

Documents pareils

Analyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1

Analyse 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