Optimisation de la capture de formes et de dimensions précises, via les smartphones du marché, en vue de la reconstitution 3D

par Quentin Thisse

Projet de thèse en Signal image parole telecoms

Sous la direction de Dominique Houzet.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble) , en partenariat avec Grenoble Images Parole Signal Automatique (laboratoire) depuis le 01-04-2019 .


  • Résumé

    L'objectif principal est d'optimiser la capture de formes et de dimensions précises via les smartphones du marché. Nous souhaitons multiplier les applications de reconnaissance de formes et de dimensions précises acquises directement depuis un smartphone, avec un focus particulier sur le corps humain (oreilles, visages, dos…). Dans un premier temps, notre besoin technique est de réussir, à l'aide des smartphones du marché, à obtenir une reconstitution 3D des oreilles avec une précision importante. Les smartphones de nouvelle génération s'appuient sur des capteurs de plus en plus performants associés à des simples, doubles voir triples caméras. Ainsi, l'évolution de ces technologies devra être minutieusement suivi pour pouvoir améliorer et optimiser les algorithmes de capture. De plus la reconnaissance de forme pourra s'appuyer sur des algorithmes de machine Learning ou encore les réseaux de neurones. Dans un second temps, nous souhaitons étendre cette application de reconnaissance et reconstitution 3D à des objets dans l'espace réel, avec un positionnement entre plusieurs objets, toujours avec un smartphone. Cette application pourra servir à reconstruire des objets 3D à des fins d'impression 3D par exemple, ou encore donner un ensemble de mesures exactes d'un objet 3D. Différents aspects technologiques seront abordés : • Comprendre l'électronique à l'intérieur des smartphones de nouvelle génération pour exploiter le maximum de capteurs afin d'avoir le rendu 3D le plus réaliste possible. • Matérialiser un objet 3D à partir de la captation d'une ou de double caméra (voir triple caméra pour certains smartphone équipés). • Élaborer un principe de Machine Learning pour rectifier les erreurs et accélérer les données de traitement au fur et à mesure de la constitution d'une base de données. • Développer l'analyse d'image à base de Deep Learning avec des réseaux de neurones.

  • Titre traduit

    Optimization of the capture of precise shapes and dimensions, using market smartphones, for 3D reconstruction


  • Résumé

    The main objective is to optimize the capture of precise shapes and dimensions using the smartphones on the market. We want to multiply the applications of recognition of precise shapes and dimensions acquired directly from a smartphone, with a particular focus on the human body (ears, faces, back...). First, our technical need is to succeed in obtaining a 3D reconstruction of the ears with high precision using the smartphones on the market. The new generation smartphones are based on increasingly powerful sensors combined with single, dual or even triple cameras. Thus, the evolution of these technologies will have to be carefully monitored in order to improve and optimize the capture algorithms. In addition, shape recognition can be based on machine learning algorithms or neural networks. In a second step, we would like to extend this 3D recognition and reconstruction application to objects in real space, with positioning between several objects, always with a smartphone. This application can be used to reconstruct 3D objects for 3D printing purposes, or to give a set of exact measurements of a 3D object. Different technological aspects will be discussed: - Understand the electronics inside next-generation smartphones to exploit the maximum number of sensors in order to have the most realistic 3D rendering. - Materialize a 3D object from the capture of one or two cameras (see triple camera for some smartphones equipped). - Develop a Machine Learning principle to correct errors and accelerate processing data as a database is built. - Develop image analysis based on Deep Learning with neural networks.