Discussion :

[H4kim]

Bonjour,
Je bloque depuis un moment déjà sur un problème de vision sur lequel j'aimerais bien avoir quelques avis.

Je souhaite retrouver un objet dans une image. Plus précisément, je possède un modèle de l'objet que j'aimerais faire correspondre du mieux possible à ce que l'on voit sur l'image.
Mon objet est une borne de vélo, quasi-plane que j'ai modélisé à l'aide de segments comme on peut le voir sur la figure suivante :



Pour ce faire, j'essaye de travailler avec les segments renvoyés par l'algorithme Line Segment Detector (il s'agit d'un algorithme de détection de contour très rapide et capable de renvoyer une liste de segments à partir d'une image). Voici un exemple de segments obtenus pour une de mes images :




Mon but est de parvenir à faire correspondre mon modèle simple de borne avec celle présente sur l'image à l'aide des segments renvoyés par l'algorithme LSD. Ainsi, dans l'idéal, j'aimerais pouvoir obtenir quelque chose comme ceci :




J'ai essayé de trouver des papiers traitant de ce genre de problème. J'ai trouvé un article intéressant de David G. Lowe qui semble avoir résolu ce genre de problème : http://www.cs.ubc.ca/~lowe/papers/aij87/node5.html
Mais je ne parviens pas à comprendre comment il y arrive. Je n'ai pas trouvé son code et je ne suis pas assez malin pour deviner comment faire à partir de ce qu'il explique sur son site internet.

Est-ce que quelqu'un a déjà rencontré ce genre de problème ou parvient à voir de quelle façon procéder ?

Merci d'avance et bonne journée !

[ToTo13]

Je pense que ce que tu cherches est l'algorithme SURF. Il va retrouver les points caractéristiques de l'objet dans l'image, puis faire un matching.

[H4kim]

Bonjour et merci pour votre réponse.
J'ai un peu peur d'utiliser le matching de points SURF car il n'y a que les points détectés par l'algorithme que l'on peut retrouver.
De plus j'ai essayé de matcher les points SURF de deux photos contenant chacune une borne de vélos différente et très peu de points qui m'intéressent (coins de la stations par exemple) coïncidaient, le résultat était donc peu probant.

Je vais néanmoins creuser un peu plus cette piste pour voir ce que cela donne

[gpcbitnik38]

je pense que tu auras du mal a matcher tes segments sur les images que tu as car la transformation n'est pas affine mais projective...
une solution serait d'utiliser un algorithme type ransac qui selectionne x intersection de segment de ton image cible. tu estime la transformation vers x intersection de segment de ton image source puis tu deforme l'image source pour enfin la comparer a ton image cible avec un algo de correlation ou d'information mutuelle. mais ce sera probablement très long.
comme toto je pense que le matching de point Surf sera bien plus efficace d'autant plus que la features surf est robuste au projection ( pour des angles faible).

si avec un modèle tu as peu de point surf ce n'ai pas grave! utilise plusieur modèle que tu recale entre eux a la main. tu aura alors un "super modèle" contenant les info de plusieurs image référence dans le même espace

[H4kim]

Merci pour ces conseils. Lorsque tu dis :

utilise plusieur modèle que tu recale entre eux a la main. tu aura alors un "super modèle" contenant les info de plusieurs image référence dans le même espace

Comment est-ce que je peux faire cela en pratique ?

Est-ce que ce je sélectionne à la main les coordonnées des points SURF sur plusieurs images sources ?

[patrick.bonnin]

Bonjour,

Sauf erreur de ma par, D.Lowe utilise des points SIFT qui sont invariant (du moins en théorie)
par rotation et changement d'échelle. Mais tu peux en utiliser d'autres. Rabih Al Nachar
a utilisé des coins, ou sommets d'approximation polygonale aui se sont montrés plus robutes
dans le cas de scènes structurées (avec des segments de contour).

Ensuite, D.Lowe les met en correspondance à l'aide d'un algorithme d'association Ransac qui permet
de rejetter les fausses associations. Tu peux aussi bien utiliser une méthode de Hough ou autre.
Dans les deux cas, il faut modéliser la transformation entre ton image de référence, et l'image
acquise.

Cordialement
Patrick Bonnin