Modèles statistiques pour l'estimation de la matrice fondamentale

Nicolas Noury (1) , Frédéric Sur (1) , Marie-Odile Berger (1)

1 MAGRIT - Visual Augmentation of Complex Environments

Fundamental matrix estimation between two views is a cornerstone of structure from motion problems. Estimation is usually achieved in a twofold procedure : 1) identify matching points of interest between the two views, and 2) sort out the best matches through a robust filtering. The success of this latter step depends on the accuracy of the former one, and on several thresholds. Setting those thresholds is quite touchy and makes it difficult to automate the whole process. L. Moisan et B. Stival [8] have proposed a statistical model that enables to get rid of these thresholds. We assess over real and synthetic data that this model performs better than existing ones, especially from a robustness, accuracy, and computation time point of view. Besides, following their works, we propose an integrated algorithm that allows simultaneously to match interest points and to estimate the fundamental matrix between two views. We show that this algorithm is robust toward repeated patterns which are difficult to unambiguously match.

L'estimation de la matrice fondamentale entre deux vues est un problème central dans les problèmes d'analyse de la structure et du mouvement dans les séquences vidéos. L'estimation est généralement effectuée en deux étapes: 1) identification des couples de points d'intérêt en correspondance dans les deux vues, et 2) filtrage robuste des appariements. La réussite de cette seconde étape dépend de la précision de la première étape, ainsi que de différents seuils numériques. Le réglage des seuils est délicat et empêche la réalisation de procédures automatisées d'évaluation de pose. L. Moisan et B. Stival ont proposé un modèle statistique permettant de supprimer ces seuils. Nous montrons sur des données synthétiques et réelles l'intérêt de leur méthode en termes de robustesse, de précision et de temps de calcul. D'autre part, à la suite de leurs travaux, nous proposons un algorithme permettant simultanément d'apparier les points d'intérêt et d'estimer la matrice fondamentale entre deux vues. Nous montrons que cet algorithme est robuste dans le cas de motifs répétés et donc difficiles à apparier sans ambiguïté.

Mots clés: Fundamental matrix; probabilistic model; modèle probabiliste; motifs répétés; repeated patterns; Matrice fondamentale

Domaines: Traitement des images [eess.IV]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Nicolas Noury, Frédéric Sur, Marie-Odile Berger. Modèles statistiques pour l'estimation de la matrice fondamentale. Congrès francophone des jeunes chercheurs en vision par ordinateur - ORASIS'07, Jun 2007, Obernai, France. pp.8. ⟨inria-00164805⟩