Une approche floue du recalage 3D : généricité et robustesse

Jean-Philippe Tarel and Nozha Boujemaa

Abstract

---

An important problem in computer vision is to recover how features extracted from images are connected to either existing models. In this paper, we focus on solving the registration problem, i.e obtaining rigid displacement parameters between several 3D data sets, whether partial or exhaustive. The difficulty of this problem is to obtain a method which is robust to outliers and at the same time accurate. We present a general method performing robust 3D location and fitting based on fuzzy clustering method. The fuzzy set approach is known to its practical efficiency in uncertain environment. To illustrate the advantages of this approach on the registration problem, we show results on synthetic and real 3D data. Moreover, we proposed a tool to compare both 3D data sets.

Résumé

---

Le recalage 3D est un problème important en vision par ordinateur qui a de nombreuses applications, tant pour obtenir une reconstruction incrémentale complète à partir de primitives 3D extraites de différents points de vue, que pour interpréter une scène reconstruite à partir du modèle des objets qui la composent. Nous nous intéressons ici au recalage rigide entre deux ensembles 3D qui présentent une partie commune. Notre approche est fondée sur l'intégration d'une méthode de classification floue proposée par Dave, qui a été adaptée à notre problème pour obtenir le schéma général d'une méthode de recalage robuste. Quelques résultats sont décrits pour illustrer les avantages de la méthode qui peut en particulier gérer, de manière unifiée, plusieurs solutions recalées. Enfin, nous présentons un outil pour comparer deux ensembles 3D et l'utilisons pour valider notre méthode.

Reference

---

Pdf file (792 Kb)

(c) AFIA