Vision par ordinateur — Guide d’apprentissage
Vision par ordinateur — Un parcours structuré en robotique, commande, agriculture en environnement contrôlé, énergie et électronique de puissance.
Un parcours structuré en robotique, commande, agriculture en environnement contrôlé, énergie et électronique de puissance.
- Fundamentals · 10 min de lecture
Guide d'étalonnage des appareils photo — Correction de la distorsion de l'objectif et récupération des paramètres intrinsèques
L'étalonnage d'une caméra consiste à déterminer les paramètres intrinsèques et la distorsion de l'objectif nécessaires pour projeter les coordonnées des pixels sur l'espace 3D. Cet article présente une analyse systématique, illustrée d'équations et de schémas, du modèle sténopé aux modèles de distorsion radiale et tangentielle, en passant par la méthode des motifs plans de Zhang et l'optimisation de l'erreur de reprojection. Il aborde également les dysfonctionnements en aval dans les systèmes SLAM visuel et VO lorsque l'étalonnage dérive.
- Fundamentals · 16 min de lecture
Introduction à la détection de caractéristiques
La détection de caractéristiques sélectionne les zones récurrentes dans une image et les utilise pour la mise en correspondance. Cet article présente les principes des méthodes de détection de coins, de blobs, de DoG, de FAST, d'ORB et de SIFT, en les reliant à la robustesse, à l'évaluation, aux outils actuels et aux méthodes d'apprentissage automatique, pour en faire un ensemble cohérent.
- Hands-on · 2 min de lecture
Lab de luminosité et luminance — exposition, gamma et écrêtage
Comparez exposition linéaire et réglages des niveaux de gris codés à partir d’images synthétiques, d’histogrammes et de gradients.
- Hands-on · 2 min de lecture
Laboratoire d’extraction de points — comparer Harris et Shi–Tomasi
Faites pivoter, redimensionnez et éclaircissez des images synthétiques pour comparer les coins détectés aux positions de référence connues.
- Hands-on · 2 min de lecture
Laboratoire d’appariement — filtres, inliers géométriques et vérité connue
Comparez des patches et filtrez les correspondances pour voir pourquoi un accord géométrique ne garantit pas un appariement correct.
- Fundamentals · 8 min de lecture
Guide pratique du suivi de caractéristiques — Comment éviter de perdre le même point entre les images
Le suivi de caractéristiques consiste à faire correspondre un même point physique dans plusieurs images d'une séquence vidéo. Cet article présente le suivi de gabarits, le flux optique de Lucas-Kanade, la correspondance de descripteurs, RANSAC, le rejet des valeurs aberrantes et la prédiction de Kalman, en détaillant les équations et les étapes d'implémentation. Il explique également les conditions de défaillance de l'odométrie visuelle et du SLAM, ainsi que les solutions possibles.
- Hands-on · 2 min de lecture
Lab de flux optique : suivre le mouvement entre deux images
Estimez le déplacement de points et comparez-le à une transformation synthétique connue. Explorez luminosité, occultation et problème de l’ouverture.
- Fundamentals · 6 min de lecture
Introduction au flux optique — Interprétation de la vitesse et de la structure à partir du mouvement de l’image
Le flux optique est un champ vectoriel décrivant la direction du déplacement de chaque pixel dans une séquence d'images. Cet article aborde la contrainte de constance de la luminosité, les modèles de Lucas-Kanade et Horn-Schunck, les pyramides, le suivi de flux dense versus le suivi de caractéristiques éparses, les méthodes d'apprentissage telles que RAFT, ainsi que le mouvement de la caméra, les objets dynamiques et la méthodologie d'évaluation, en présentant les fondements mathématiques sous-jacents.
- Fundamentals · 10 min de lecture
Introduction à l'homographie — Description de la correspondance planaire avec une seule matrice 3x3
Une homographie est la relation qui relie les points situés sur un même plan, ou la vue d'une caméra en rotation pure, à l'aide d'une simple transformation projective 3x3. Cet article traite de l'estimation basée sur la DLT, de la robustification avec RANSAC, de la décomposition en rotation, translation et normale au plan, et des cas d'utilisation respectifs de cette méthode et de la géométrie épipolaire. Il aborde également des applications telles que l'assemblage d'images et le suivi de plans en réalité augmentée, à l'aide d'équations et de schémas.
- Fundamentals · 20 min de lecture
Géométrie épipolaire — Détection de la profondeur et du mouvement de la caméra à partir de deux images
La géométrie épipolaire est la théorie qui définit la projection d'un même point 3D sur deux images. Cet article explique en détail la matrice fondamentale et la matrice essentielle, les algorithmes à 8 et 5 points, RANSAC, la triangulation, le choix entre géométrie épipolaire et homographie, le calibrage, l'implémentation OpenCV/COLMAP, les conditions d'échec et les méthodes d'estimation récentes basées sur l'apprentissage, à l'aide d'équations et de schémas.
- Fundamentals · 7 min de lecture
Guide PnP — Reconstituer la pose de l'appareil photo à partir de simples points 3D et d'une image
Le problème Perspective-n-Point (PnP) est un problème géométrique qui consiste à estimer la position et l'orientation d'une caméra à partir de points 3D connus et de leurs points images correspondants. Cet article présente l'équation de projection, les méthodes P3P/AP3P et EPnP, l'optimisation itérative, l'algorithme RANSAC, la dégénérescence planaire et les applications de PnP en SLAM visuel, en réalité augmentée et en topographie, en incluant les aspects mathématiques et une liste de vérification pour la mise en œuvre.
- Fundamentals · 13 min de lecture
Introduction à la reconstruction 3D à partir du mouvement — Reconstituer simultanément la 3D et les positions de la caméra à partir d'un ensemble de photos non ordonnées
La reconstruction 3D à partir du mouvement (SfM) permet de reconstituer simultanément la structure 3D d'une scène et l'orientation de chaque caméra à partir d'un ensemble de photos dont l'ordre et les positions de prise de vue sont inconnus. Cet article aborde de manière systématique la mise en correspondance des caractéristiques, la vérification géométrique, les deux stratégies de reconstruction (SfM incrémentale et globale), la triangulation, le lien avec l'ajustement de faisceaux et la différence avec le SLAM visuel, ainsi que les implémentations actuelles telles que COLMAP.
- Fundamentals · 13 min de lecture
Introduction à l'ajustement par faisceaux — La méthode des moindres carrés non linéaires qui optimise simultanément les poses de caméra et les points 3D
L'ajustement par faisceaux est un problème de moindres carrés non linéaires qui déplace simultanément de nombreuses poses de caméra et des points 3D afin de minimiser l'erreur de reprojection sur l'ensemble des observations. Cet article explique de manière systématique pourquoi le jacobien est creux, pourquoi le complément de Schur permet de résoudre des problèmes à grande échelle, le rôle de la méthode de Levenberg-Marquardt, la liberté de jauge, et la relation avec l'optimisation par graphes de poses et la photogrammétrie par structure (SfM), à l'aide d'équations et de diagrammes.
- Fundamentals · 14 min de lecture
Introduction à la stéréoscopie multivue — Remplir un nuage de points épars pour obtenir une forme 3D dense
La stéréovision multi-vues (MVS) permet de reconstruire des formes 3D denses à partir de nombreuses images en utilisant les poses de caméra connues. Cet article présente de manière systématique le principe fondamental de la photocohérence, les deux approches classiques (balayage planaire et approche par patchs [PMVS]), les méthodes d'apprentissage profond illustrées par MVSNet, et le maillage par fusion de cartes de profondeur, ainsi que leur relation avec les caméras stéréoscopiques et de profondeur, à l'aide d'équations et de schémas.
- Fundamentals · 21 min de lecture
VO/VIO Primer — Bases pratiques pour l'estimation du mouvement à partir d'une caméra et d'une centrale inertielle
L'odométrie visuelle (VO) et l'odométrie visuelle-inertielle (VIO) estiment le mouvement relatif d'un robot ou d'une caméra à partir d'une séquence d'images et de mesures inertielles. Cet article aborde l'ambiguïté d'échelle monoculaire, la préintégration de l'IMU, l'initialisation, le filtrage par rapport à l'optimisation, les implémentations telles que VINS-Mono et OpenVINS, les métriques d'évaluation et les conditions de défaillance, à l'aide de formules mathématiques et de schémas.
- Fundamentals · 7 min de lecture
Guide de fermeture de boucle — Corriger la dérive d'un système SLAM en une seule opération, autour d'une boucle
La fermeture de boucle consiste à reconnaître qu'un robot est retourné à un endroit déjà visité et à répartir l'erreur d'autolocalisation accumulée sur l'ensemble de la carte. Cet article explique de manière systématique la reconnaissance de lieux, la recherche d'images, la vérification géométrique, l'optimisation du graphe de poses, les mécanismes de protection contre les faux positifs, ainsi que les implémentations et les recherches actuelles en matière de SLAM.
- Fundamentals · 22 min de lecture
Introduction au Visual-SLAM — Comment une caméra apprend « Où suis-je ? »"
Sans GPS ni carte, un robot peut néanmoins déterminer sa position et cartographier son environnement à partir d'images de caméra uniquement. Du suivi de caractéristiques à la géométrie épipolaire, en passant par la différence entre l'odométrie visuelle et le SLAM, l'évolution des algorithmes de repérage de points de repère (ORB-SLAM, LSD-SLAM et DSO) et l'ajustement de faisceaux, cet article propose une présentation systématique et détaillée du fonctionnement du SLAM visuel.
- Guide d’apprentissage · 3 min de lecture
Estimation de la profondeur monoculaire — De l'ordre relatif à la distance métrique
« Introduction à la profondeur monoculaire : profondeur relative versus profondeur métrique, ambiguïté d’échelle, protocoles d’évaluation et conditions de défaillance. »
- Guide d’apprentissage · 3 min de lecture
3D neuronale — Synthèse de nouvelles vues et évaluation visuelle/géométrique séparée
Introduction aux représentations neuronales des scènes, à la synthèse de nouvelles vues, aux vues mises de côté et à l'évaluation visuelle et géométrique séparée.