Détection de changement sur des données géométriques tridimensionnelles

par Daniel Girardeau-Montaut

Thèse de doctorat en Signal et images

Sous la direction de Michel Roux.

Soutenue en 2006

à Paris, ENST .

mots clés

• Scanner
• Cartographie
• Perception des images
• Modélisation tridimensionnelle
• Traitement d'images -- Techniques numériques

Résumé

Ce travail de thèse aborde le problème de la détection de changement à partir de données géométriques tridimensionnelles. Nous nous intéressons plus particulièrement aux cas des environnements complexes (centrales nucléaires, etc. ). L'idée principale est d'exploiter directement les nuages de points acquis par scanner laser, sans passer par des reconstructions plus "haut niveau" (maillages, etc. ) mais qui sont souvent impossibles à calculer automatiquement et proprement sur de tels environnements. Les scanners laser sont des appareils compacts et portables capables de mesurer rapidement un grand nombre de points 3D sur la surface des objets. Les données résultantes sont précises et très détaillées, mais aussi très volumineuses et non structurées. Il est donc nécessaire de développer des traitements particuliers et performants. Le manuscrit présente l'étude et la mise en place concrète d'un processus complet de détection de changement, se basant principalement sur des nuages de points et des maillages surfaciques. On propose en particulier une méthode robuste de calcul d'écarts directement entre nuages de points 3D, ainsi que deux algorithmes de segmentation géométrique d'un nuage associé à des valeurs d'écarts (une approche par classification statistique locale, et l'autre par propagation d'un contour). On propose aussi un codage particulier d'une structure octree qui permet d'accélérer sensiblement les calculs. Plusieurs applications, principalement industrielles, sont finalement proposées, ainsi qu'une ouverture vers des applications d'aide à la gestion de crise qui pourraient profiter de la rapidité et de la fiabilité des méthodes d'analyse et de suivi proposées.

Titre traduit

Change detection on 3D geometric data

Résumé

This work deals with the detection of geometric changes between 3D point cloud data acquired by ground-based laser sensors (with a focus on complicated environments such as power plants or oil platforms). Ground-based laser sensors are compact and portable devices that are able to acquire rapidly and accurately a large amount of 3D points on the surface of objects. These point clouds are very dense and detailed, but also huge and unstructured. Therefore, we have developed fast and ad-hoc algorithms to deal with such datasets. This manuscript presents the study and effective implementation of a complete change detection framework based on 3D point clouds and 3D mesh models. We mainly propose a method to compute distances directly between two 3D point clouds in a robust and accurate way, and also two different segmentation algorithms. The first segmentation algorithm is a “region based” approach that relies on a local statistical test. It classifies points of a cloud in two categories, depending on the distribution of distances computed for each point and its nearest neighbours. The second algorithm is an “edge based” approach that relies on a propagation scheme constrained by the gradient norms of the computed distances. We also propose a specific coding scheme of an octree structure. Such a structure can be computed very efficiently and in such a way that most of the following point based processings can be optimized and the global process is therefore greatly accelerated. Eventually, we present several industrial applications of our framework. We also investigate the potential advantages that it could bring to a crisis management process, as it is fast and accurate.