Solutions for registering 3D-color point sets
Contribution à l'étude du recalage
de données 3D /couleur
Résumé
Creating a 3D object model requires generally the acquisition of multiple partially overlapping range
images captured with different sensor locations. The 3D registration of these images that are assumed to
be pair-wisely overlapping consists in estimating the rigid transformation that places them in a common
coordinate system. This thesis presents solutions for automatically registering two unstructured 3D-color
point sets provided by a high-resolution scanner. Our first aim was to improve performance of classical
ICP (Iterative Closest Point) approaches by taking into account colour information for point matching.
When colour noise is not too important, using photometric information allows us to improve the
convergence and to decrease the residual error of the registration process. Moreover, it is possible to
reduce the drawbacks of intensity variations by choosing a perceptual colour space where intensity and
chromatic components are separated. The second aim of this work was to develop a fully automatic
registration method, which does not require any pose measuring hardware or manual intervention. In
fact, ICP requires an a-priori knowledge of an approximate estimate of the rigid transformation. This has
been solved using a set of interest point pairs extracted from the two colour images with the Harris
accurate detector. The initial 3D transform is then estimated by applying the RANSAC algorithm to the
set of 3D point pairs issued from the previous colour matching. This randomised estimator is robust to
outliers and provides a rough estimation that is enough accurate to initialise the iterative registration
process. Experimental results show the capabilities of the proposed solutions with colour range images
of real-world objects.
images captured with different sensor locations. The 3D registration of these images that are assumed to
be pair-wisely overlapping consists in estimating the rigid transformation that places them in a common
coordinate system. This thesis presents solutions for automatically registering two unstructured 3D-color
point sets provided by a high-resolution scanner. Our first aim was to improve performance of classical
ICP (Iterative Closest Point) approaches by taking into account colour information for point matching.
When colour noise is not too important, using photometric information allows us to improve the
convergence and to decrease the residual error of the registration process. Moreover, it is possible to
reduce the drawbacks of intensity variations by choosing a perceptual colour space where intensity and
chromatic components are separated. The second aim of this work was to develop a fully automatic
registration method, which does not require any pose measuring hardware or manual intervention. In
fact, ICP requires an a-priori knowledge of an approximate estimate of the rigid transformation. This has
been solved using a set of interest point pairs extracted from the two colour images with the Harris
accurate detector. The initial 3D transform is then estimated by applying the RANSAC algorithm to the
set of 3D point pairs issued from the previous colour matching. This randomised estimator is robust to
outliers and provides a rough estimation that is enough accurate to initialise the iterative registration
process. Experimental results show the capabilities of the proposed solutions with colour range images
of real-world objects.
Dans les applications de modélisation de l'environnement, on dispose généralement de plusieurs images
3D de la même scène prises de points de vue différents. Le recalage de ces vues consiste à estimer les
transformations rigides qui permettent de les ramener dans un référentiel commun. Cette thèse propose
des solutions pour réaliser le recalage automatique de nuages de points denses et non structurés acquis
par un scanner 3D/couleur à haute résolution, en vue de la construction de modèles 3D texturés d'objets
complexes. La première contribution de ce travail concerne l'utilisation de l'information couleur pour
améliorer les performances du recalage en utilisant l'algorithme ICP (Iterative Closest Point)
initialement conçu pour le traitement de données géométriques pures. Lorsque le niveau du bruit sur la
couleur n'est pas trop élevé, l'utilisation de cette information photométrique permet d'améliorer la
convergence de l'algorithme et de réduire l'erreur résiduelle de recalage dans l'espace 3D. Une étude
concernant la robustesse de la méthode au bruit sur la couleur montre qu'on peut diminuer l'effet négatif
des changements d'illumination en choisissant un espace couleur perceptuel qui permet de séparer les
composantes chromatiques de la composante intensité. La deuxième contribution de ce travail concerne
l'automatisation du processus de recalage. En effet, pour éviter que l'algorithme itératif de recalage ne
converge vers un minimum local, il est nécessaire de lui fournir une transformation initiale proche de la
solution exacte. Pour estimer cette transformation de manière automatique on recherche un ensemble de
paires de points couleur dans les deux nuages à apparier. Ces paires sont construites à partir de points
d'intérêt extraits des images couleur à l'aide du détecteur de Harris Précis Couleur. La transformation
3D initiale est ensuite estimée en appliquant l'algorithme RANSAC aux paires 3D résultant de
l'appariement précédent. Cette méthode permet d'éliminer l'influence des mauvais appariements couleur
et fournit généralement une initialisation correcte du processus de recalage. Les tests effectués sur des
images réelles illustrent les performances et la faisabilité des solutions proposées.
3D de la même scène prises de points de vue différents. Le recalage de ces vues consiste à estimer les
transformations rigides qui permettent de les ramener dans un référentiel commun. Cette thèse propose
des solutions pour réaliser le recalage automatique de nuages de points denses et non structurés acquis
par un scanner 3D/couleur à haute résolution, en vue de la construction de modèles 3D texturés d'objets
complexes. La première contribution de ce travail concerne l'utilisation de l'information couleur pour
améliorer les performances du recalage en utilisant l'algorithme ICP (Iterative Closest Point)
initialement conçu pour le traitement de données géométriques pures. Lorsque le niveau du bruit sur la
couleur n'est pas trop élevé, l'utilisation de cette information photométrique permet d'améliorer la
convergence de l'algorithme et de réduire l'erreur résiduelle de recalage dans l'espace 3D. Une étude
concernant la robustesse de la méthode au bruit sur la couleur montre qu'on peut diminuer l'effet négatif
des changements d'illumination en choisissant un espace couleur perceptuel qui permet de séparer les
composantes chromatiques de la composante intensité. La deuxième contribution de ce travail concerne
l'automatisation du processus de recalage. En effet, pour éviter que l'algorithme itératif de recalage ne
converge vers un minimum local, il est nécessaire de lui fournir une transformation initiale proche de la
solution exacte. Pour estimer cette transformation de manière automatique on recherche un ensemble de
paires de points couleur dans les deux nuages à apparier. Ces paires sont construites à partir de points
d'intérêt extraits des images couleur à l'aide du détecteur de Harris Précis Couleur. La transformation
3D initiale est ensuite estimée en appliquant l'algorithme RANSAC aux paires 3D résultant de
l'appariement précédent. Cette méthode permet d'éliminer l'influence des mauvais appariements couleur
et fournit généralement une initialisation correcte du processus de recalage. Les tests effectués sur des
images réelles illustrent les performances et la faisabilité des solutions proposées.
Loading...