Exploitation de connaissances partielles sur le mouvement et la géométrie des caméras en vision 3D non calibrée
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Adlakha, Devesh
Date de soutenance : 12-12-2022

Directeur(s) de thèse : Mathelin, Michel de

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Image et vision
Classification : Physique, Informatique

Mots-clés libres : Vision par ordinateur, Structure-from-Motion, Autocalibrage de la caméra
Mots-clés :
  • Vision par ordinateur
  • Caméras
Résumé : Reconstruire la structure 3D de la scène à partir de plusieurs images est un problème fondamental de la vision par ordinateur, appelé Structure-from-Motion (SfM). Nous nous intéressons au problème de SfM non calibrée, où seule une structure à une ambiguïté projective peut être obtenue. Le but est de transformer la reconstruction projective en une reconstruction métrique, ce qui consiste à localiser la conique absolue sur le plan à l'infini. Cette thèse présente deux contributions principales. La première exploite une connaissance partielle de la géométrie de la caméra, en particulier que la caméra a des pixels carrés. La plupart des caméras modernes satisfont cette hypothèse. Nous formulons une nouvelle contrainte polynomiale sur le plan à l'infini sous cette hypothèse. La deuxième contribution exploite une vague connaissance du mouvement de la caméra, que le point de vue change légèrement lors de la capture d'images pour établir des correspondances entre les images. Nous prouvons que le plan à l'infini est confiné à un groupe convexe en exploitant les limites de l'angle de rotation relatif entre les paires de caméras. Nous proposons des méthodes dédiées à chaque contribution et présentons les résultats d'expérimentations conduites aussi bien sur des données synthétiques que sur des images réelles.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2022STRAD040
Type de ressource : Thèse