Reconnaissance automatique de motifs sur des nuages de points 3D et son application à l'art celtique

par Sofiane Horache

Projet de thèse en Informatique temps réel, robotique et automatique - Paris

Sous la direction de François Goulette et de Jean-Emmanuel Deschaud.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique , en partenariat avec Mathématiques et Systèmes (laboratoire) , CAOR - Centre de CAO et Robotique (equipe de recherche) et de École nationale supérieure des mines (Paris) (établissement de préparation de la thèse) depuis le 01-02-2019 .


  • Résumé

    Le projet de thèse porte sur 4 axes d'innovation technologique dont la difficulté provient du caractère déformé des motifs : segmentation automatique de motifs élémentaires sur une surface 3D, mise à plat des motifs élémentaires par paramétrisation, reconnaissance de motifs sur un même objet ou à partir d'une base de données, automatisation des procédures sur un corpus donné. Le doctorant pourra s'appuyer sur une sélection d'objets déjà numérisés : séries monétaires et d'estampilles sur bronze. Ces numérisations ont été rendues possible grâce au scanner SmartScan d'Aicon, acquis grâce au financement du projet Celtes 3D (équipes AOROC / Mines-CAOR / C2RMF).

  • Titre traduit

    automatic pattern recognition on 3D point clouds and practical use on celtic art


  • Résumé

    The thesis project focuses on 4 axes of technological innovation whose difficulty comes from the distorted patterns: automatic segmentation of elementary patterns on a 3D surface, flattening of elementary patterns by parameterization, pattern recognition on the same object or from a database, automation of procedures on a given corpus. The doctoral student will be able to rely on a selection of objects already digitized: monetary data and stamps on bronze. These digitizations were made possible by the Aicon SmartScan scanner, acquired with funding from the Celtes 3D project (AOROC / Mines-CAOR / C2RMF teams).