Planning Camera Placement for Accurate 3D Measurements
Planification du placement de caméras pour des mesures 3D de précision
Résumé
3D measurements can be recovered from several views by triangulation. This work deals with the problem of where to place the cameras in order to obtain a minimal error in the 3D measurements, also called camera network design in photogrammetry. We pose the problem in terms of an optimization design, dividing it into two main components: 1) an analytical part dedicated to the analysis of error propagation from which a criterion is derived, 2) a global optimization process to minimizes this criterion. In this way, the approach consists of an uncertainty analysis applied to the reconstruction process from which a covariance matrix is computed. This matrix represents the uncertainty of the detection from which the criterion is derived. Moreover, the optimization has discontinuities mainly due to the unobservability of points, which leads to a combinatorial optimization process. These aspects are solved using a multicellular genetic algorithm. Experimental results are provided to illustrate the effectiveness and efficiency of the solution.
Les mesures tridimensionnelles peuvent être obtenues à partir de plusieurs images par la méthode de triangulation. Ce travail étudie le problème du placement des caméras de façon a obtenir une erreur minimale lors des mesures tridimensionnelles. En photogrammétrie, on parlera du concept du réseau de caméras. Nous poserons le problème en termes d'optimisation et nous le diviserons en deux parties: 1) Une partie analytique dédiée à l'analyse de l'erreur de propagation d'où découlera un critère. 2) Un processus global d'optimisation minimisera ce critère. De ce coté-là, l'approche consiste en une analyse d'incertitude appliquée au processus de reconstruction d'où une matrice de covariance sera calculée. Cette matrice représente l'incertitude de la détection pour lequel le critère est dérivé. Par ailleurs, l'optimisation a des aspects discontinus essentiellement dû à l'inobservabilité des points. Ce facteur va nous amener à utiliser un processus d'optimisation combinatoire que nous avons résolu en utilisant un algorithme génétique multicellulaire. Des résultats expérimentaux sont inclus pour illustrer l'efficacité et la rapidité de la solution.
Loading...