Conception et modélisation d'un système visuel bimodale

par Ahmad zawawi Jamaluddin

Thèse de doctorat en Instrumentation et informatique de l'image

Sous la direction de David Fofi, Olivier Morel et de Ralph Seulin.

Thèses en préparation à Bourgogne Franche-Comté , dans le cadre de SPIM - Sciences Physiques pour l'Ingénieur et Microtechniques , en partenariat avec ImViA - Laboratoire d'Imagerie et Vision Artificielle (laboratoire) depuis le 31-10-2014 .


  • Résumé

    Les chercheurs, en vision par ordinateur, sont souvent confrontés à une pre ́occupation majore qui est la limitation du champ de vision (CdV) lors de l’utilisation de caméras standard pour capturer les scènes. Ce problème de FoV étroit souvent rencontré dans les applications qui impliquent des tâches qui sont liées à la vision pour la robotique. De nombreux chercheurs ont tenté, avec différentes approches et techniques, de résoudre ce problème en fusionnant deux caméras. Cependant, ils n’ont pas réussi à réduire les erreurs de recalage et de fusion, où les résultats restent toujours limités et n’est pas assez précis. Pour faire face à cette limitation et diminuer ces erreurs, nous proposons une nouvelle méthode d’étalonnage de caméras basé sur l’algorithme d’optimisation du point intérieur (OPI) en utilisant l’estimation de la matrice de transformation. Cela nous a conduits à la conception et à la modelisation d’un système de caméra bimodale. Notre méthode d’étalonnage nous a amenés à developper un système de caméra hybride avec CdV complet qui peut analyser les détails d’une scène avec une haute résolution dans une fenêtre. La méthode combine des configurations multi-caméras composées de différentes caracteristiques et géométries. Elle augmente la précision de la fusion entre les caméras tout en tenant compte des différents niveaux de distorsion optique. Nous avons évalué notre méthode en terme de qualité de la forme de la sphère en comparant ses précision à celles obtenues avec deux meilleurs approches de l’état de l’art. Les résultats obtenus montrent bien que les erreurs de recalage enregistrées par notre méthode sont moins important par rapport aux 2 autres méthodes. A titre d’exemple, nous avons calculé une erreur de 0,1 avec notre méthode alors que nous avons trouvés 0,3 et 0,7 avec les 2 autres approches [12] et [200] respectivement. Ces résultats montrent clairement que notre approche améliore bien la précision des méthodes existantes.

  • Titre traduit

    Design and modelling a of bimodal camera system


  • Résumé

    In computer vision, researchers face a challenging concern due to the limited field of view (FoV) when using standard cameras in capturing scenes. This problem of narrow FoV often encountered within applications that involve tasks which are related to the robot vision. Many authors have attempted, in different approaches, to solve this issue by fusing two cameras. However, they failed to improve the registration and fusing errors, where the obtained results still limited and not accurate enough. To deal with this limitation and decrease these errors, we propose a new method of camera calibration based on Interior-Point Optimisation (IPO) algorithm using transformation matrix estimation. This proposal conducts us to the design and modelling of a bi-modal camera system. Our calibration method leads to develop a hybrid camera system with full FoV, which can analyse scene details with high resolution within a window. The method combines multi-cameras setups composed of different characteristics and geometries. It increases the accuracy of the fusion between cameras while handling different levels of optical distortion. We evaluate our method in terms of quality of the sphere shape by comparing its accuracy to those obtained with two state-of-the-art approaches. The obtained results show that the registration errors recorded by our method are much lesser compared to other methods. As an example, we estimated an error of 0.1 with our method while we have 0.3 and 0.7 with method [199] and method [200] respectively. These results demonstrate clearly that our approach improves the accuracy of the state-of-the-art methods.