La Focale 411 Initiation à la Photo Numérique Prise de Vue et Cadrage La focale 41.
RETROUVER LE POINT DE VUE : À PARTIR D’UN CARRÉ AU SOL ... · Calcul de la focale (points de...
Transcript of RETROUVER LE POINT DE VUE : À PARTIR D’UN CARRÉ AU SOL ... · Calcul de la focale (points de...
RETROUVER LE POINT DE VUE : À PARTIR D’UN CARRÉ AU SOL, PARALLÈLE AU PLAN DE PROJECTION
RETROUVER LE POINT DE VUE : À PARTIR D’UN CARRÉ AU SOL, PARALLÈLE AU PLAN DE PROJECTION
Exemple : L'École d'Athènes (Raphaël)
RETROUVER LE POINT DE VUE : À PARTIR DE DEUX POINTS DE FUITE HORIZONTAUX
Point principal (projection orthogonale du centre optique dans le plan image)
Ligne de terre
Image d’un cube
RETROUVER LE POINT DE VUE : À PARTIR DE DEUX POINTS DE FUITE HORIZONTAUX
Deux points de fuite correspondant à des directions orthogonales
RETROUVER LE POINT DE VUE : À PARTIR DE DEUX POINTS DE FUITE HORIZONTAUX
Ligne d’horizon (contient le point principal)
RETROUVER LE POINT DE VUE : À PARTIR DE DEUX POINTS DE FUITE HORIZONTAUX
Axe principal
RETROUVER LE POINT DE VUE : À PARTIR DE DEUX POINTS DE FUITE HORIZONTAUX
Comme les deux directions des points de fuite sont perpendiculaires, le centre optique est sur ce cercle
RETROUVER LE POINT DE VUE : À PARTIR DE DEUX POINTS DE FUITE HORIZONTAUX
Le centre optique est ici !
RETROUVER LE POINT DE VUE : À PARTIR DE DEUX POINTS DE FUITE HORIZONTAUX
Calcul de la focale (points de fuite p1, p2 mesurés en coordonnées homogènes dans l’image) :– V1 = K-1p1 => vecteur 3D parallèle à la direction du point de fuite p1 dans
le repère caméra
– V2 = K-1p2 => vecteur 3D parallèle à la direction du point de fuite p2 dans le repère caméra
– Les deux directions sont perpendiculaires => V1.V2 = 0
=> (K-1p1)T K-1p2=0
=> p1T K-TK-1p2=0
=> p1T(KKT)-1p2=0
( ) )1,,(et )1,,( si )(
100
010
001
1000000
1000
0
212
2
2
1-T0
0
wwvvwvwvv
u
vuvuvvuuff
f
ff
vu
==+−=⇒
==⇒
≈
= ppKKK ωα
α
APPLICATION : INTÉGRATION 3D DANS UNE PHOTOGRAPHIE AVEC SKETCHUP
APPLICATION : INTÉGRATION 3D DANS UNE PHOTOGRAPHIE AVEC SKETCHUP
RECONSTRUCTION DE LA SCÈNE À L’AIDE DES RAYONS INVERSES
« Projection inverse » de la face au sol
RECONSTRUCTION DE LA SCÈNE À L’AIDE DES RAYONS INVERSES
Cube reconstruit
APPLICATION : MODÉLISATION À PARTIR D’UNE PHOTOGRAPHIE AVEC SKETCHUP
APPLICATION : MODÉLISATION À PARTIR D’UNE PHOTOGRAPHIE AVEC SKETCHUP
APPLICATION : MODÉLISATION À PARTIR D’UNE PHOTOGRAPHIE AVEC SKETCHUP
APPLICATION : MODÉLISATION À PARTIR D’UNE PHOTOGRAPHIE AVEC SKETCHUP
APPLICATION : MODÉLISATION À PARTIR D’UNE PHOTOGRAPHIE AVEC SKETCHUP
2. VISION BINOCULAIRE
VISION BINOCULAIRE = STÉRÉOVISION
Deux caméras observent la scène en même temps
Une seule caméra observe la scène à deux instants différents (caméra en mouvement)
GÉOMETRIE DE DEUX CAMÉRAS
1. VISION BINOCULAIRE
LA CONTRAINTE ÉPIPOLAIRE
Droite épipolaire
Épipole
LE FAISCEAU ÉPIPOLAIRE
LE FAISCEAU ÉPIPOLAIRE
Courtesy Oxford, Visual Geometry Group
CALCUL DU MOUVEMENT
1. VISION BINOCULAIRE
CALCUL DU MOUVEMENT
On suppose K et K’ connues ⇒ trouver R,t (mouvement relatif) tels que tous les "rayons inverses" se croisent ⇒ on
obtient les points 3D en sous-produit
CALCUL DU MOUVEMENT
La géométrie épipolaire définit une transformation point x ⇒ droite l’
Cette transformation dépend uniquement des matrices de projection P=K[I|0] et P’=K’[R|t] (pas de la structure)
On démontre qu’elle est linéaire et peut être écrite sous la forme
l’=Fx où l’ est un vecteur de taille 3 représentant la droite l’ et F est une matrice 3x3 appelée matrice fondamentaleLa matrice fondamentale F peut être calculée à partir de 8 correspondances de points entre les deux images
Si K et K’ sont connus, on peut extraire R et t de F
TRIANGULATION
1. VISION BINOCULAIRE
LE PROBLÈME DE LA TRIANGULATION
Connaissant une correspondance de deux point x et x’ et les matrices de projection P et P’, calculer le point 3D X
Problème : en présence de bruit, les rayons inverses ne se croisent pas (les points mesurés ne sont pas exactement sur les droites épipolaires)
SOLUTION GÉOMÉTRIQUE
Calculer le point au milieu du plus petit segment reliant les deux rayons inverses
SOLUTION ALGÉBRIQUE
Utiliser λx=PX et λ’x’=P’X pour résoudre X
λx=PX ⇒ x x (PX) = 0
En procédant de même pour la deuxième caméra, on obtient AX=0, avec
Avantage : peut être étendu à plus de deux vues
Inconvénient : ne minimise pas une erreur ayant un sens physique
⇒
MINIMISATION D’UNE ERREUR GÉOMÉTRIQUE
RECONSTRUCTION DENSE
1. VISION BINOCULAIRE
RECONSTRUCTION DENSE
La contrainte épipolaire est très utile pour l’appariement dense (exemple sur images rectifiées)
Courtesy Oxford, Visual Geometry
Group
RECONSTRUCTION DENSE
Courtesy Oxford, Visual Geometry Group
Image de gauche Image de droite
RECONSTRUCTION DENSE
Vue du nuage de points reconstruitstriangulé et texturé
Courtesy Oxford, Visual Geometry Group
Carte de profondeur
3. VISION MULTIOCULAIRE
VISION MULTIOCULAIRE
SUIVI D’INDICES (TRACKING DE CAMÉRA)
3. VISION MULTI-OCULAIRE
Problème : suivre en temps réel des indices visuels (patchs, contours …)
dans un flux vidéo
SUIVI DE POINTS PAR FLOT OPTIQUE
Quels sont les bons points à suivre et comment les suivre ?
SUIVI DE POINTS PAR FLOT OPTIQUE
SUIVI DE POINTS PAR FLOT OPTIQUE
On cherche des points faciles à retrouver dans le cas d’une translation 2D de l’image
Pour quels points x la translation d peut-elle être détectée de manière fiable ?
Shi and C. Tomasi. Good features to track. CVPR'94.
SUIVI DE POINTS PAR FLOT OPTIQUE
Le Jacobien de diss(d) vaut 0 quand diss(d) est minimal
SUIVI DE POINTS PAR FLOT OPTIQUE
Conduit au système linéaire :
Peut être résolu de manière fiable quand les deux valeurs propres de Z sont larges (le système est alors bien conditionné)
POINTS DE HARRIS
gxgy (gx)2 (gy)2
Gauss(.)*gxgy Gauss(.)*(gx)2 Gauss(.)*(gy)2
POINTS DE HARRIS
Points de Harris : maxima locaux de min(λ1,λ2)
APPLICATION : REALITÉ AUGMENTÉE
Suivi de points et images clés
[Lepetit et al.], EPFL Lausanne
APPLICATION : REALITÉ AUGMENTÉE
APPLICATION : REALITÉ AUGMENTÉE
[Klein & Drummond ISMAR’2004] Cambridge University
Suivi de contours + capteur optique (leds)
APPLICATION : REALITÉ AUGMENTÉE
Tracking par synthèse
APPLICATION : REALITÉ AUGMENTÉE
Tracking par synthèse d’un modèle 3D obtenu à l’aide d’une Kinect
[Petit et al. ISMAR 2013] INRIA Rennes
Des points sont suivis dans plusieurs image (KLT, Harris, …)
Optimisation globale (bundle adjustment) permettant de reconstruire les points en même temps que les points de vue de caméra
Logiciels de matchmoving : Boujou, Voodoo Camera Tracker, …
Courtesy Oxford, Visual Geometry Group
APPLICATION : STRUCTURE FROM MOTION (MATCHMOVING)
LIMITES DU SUIVI D’INDICES
Limites du suivi d’indices visuels :– Nécessite une initialisation
– Dérives et échecs de suivi possibles ⇒ nécessite des réinitialisations
Pour pallier ces problèmes, on s’intéresse à la reconnaissanced’indices visuels :– Reconnaissance d’indices artificiels
– Reconnaissance d’indices naturels à l’aide de descripteurs de points invariants par :
• Changement d’échelle
• Rotation 2D
• Transformation affine 2D
• Dans une certaine mesure, changement de point de vue