Contact
communication [at] ens-paris-saclay.fr (communication)

Algorithmes stéréoscopiques de haute précision

Tristan Dagobert, Centre de Mathématiques et Leurs Applications, soutiendra sa thèse consacrée à l"Évaluation d'algorithmes stéréoscopiques de haute précision" le 4 décembre prochain.
Ajouter à mon agenda 2025-05-13 00:09:46 2025-05-13 00:09:46 Algorithmes stéréoscopiques de haute précision Tristan Dagobert, Centre de Mathématiques et Leurs Applications, soutiendra sa thèse consacrée à l"Évaluation d'algorithmes stéréoscopiques de haute précision" le 4 décembre prochain. Laplace building, room Renaudeau (ground floor) ENS-PARIS-SACLAY webmaster@ens-paris-saclay.fr Europe/Paris public

Cette thèse étudie la précision en vision stéréo, les méthodes de détection dites extit{a contrario} et en présente une application à l'imagerie satellitaire.


La première partie a été réalisée dans le cadre du projet DGA-ANR-ASTRID «STÉRÉO». Son but est de définir les limites effectives des méthodes de reconstruction stéréo quand on contrôle toute la chaîne d'acquisition à la précision maximale, que l'on acquiert des paires stéréo en rapport $B/H$ très faible et sans bruit.

Pour valider ce concept, nous créons des vérités terrains très précises en utilisant un "rendeur". En gardant les rayons calculés durant le rendu, nous avons une information très dense sur la scène 3D.  Ainsi nous créons des cartes d'occultations, de disparités dont l'erreur de précision est inférieure à $10^{-6}$.
Nous avons mis à la disposition de la communauté de recherche des images de synthèse avec un SNR supérieur à 500 : un ensemble de 66 paires stéréo dont le $B/H$ varie de $1/2500$ à $1/50$.

Pour évaluer les méthodes de stéréo sur ce nouveau type de données, nous proposons des métriques calculant la qualité des cartes de disparités estimées, combinant la précision et la densité des points dont l'erreur relative est inférieure à un certain seuil.

Nous évaluons plusieurs algorithmes représentatifs de l'état de l'art, sur les paires créées ainsi sur les paires de Middlebury, jusqu'à leurs limites de fonctionnement. Nous confirmons par ces analyses, que les hypothèses théoriques sur le bien fondé du faible $B/H$ en fort SNR sont valides, jusqu'à une certaine limite que nous caractérisons. 

Nous découvrons ainsi que de simples méthodes de flux optique pour l'appariement stéréo deviennent plus performantes que des méthodes variationnelles discrètes plus élaborées. Cette conclusion n'est toutefois valide que pour des forts rapports signal à bruit. L'exploitation des données denses nous permet de compléter les vérités terrain par une détection très précise des bords d'occultation. Nous proposons une méthode de calcul de contours vectoriels  subpixéliens à partir d'un nuage de points très dense, basée sur des méthodes extit{a contrario} de classification de pixels. 

La seconde partie de la thèse est dédiée à une application du flot optique subpixélien et des méthodes extit{a contrario} pour détecter des nuages en imagerie satellitaire.  Nous proposons une méthode qui n'exploite que l'information visible optique. Elle repose sur la redondance temporelle obtenue grâce au passage répété des satellites au-dessus des mêmes zones géographiques.

Nous définissons quatre indices pour séparer les nuages du paysage : le mouvement apparent inter-canaux, la texture locale, l'émergence temporelle et la luminance.  Ces indices sont modélisés dans le cadre statistique des méthodes extit{a contrario} qui produisent un NFA (nombre de fausses alarmes pour chacun). Nous proposons une méthode pour combiner ces indices et calculer un NFA beaucoup plus discriminant. Nous comparons les cartes de nuages estimées à des vérités terrain annotées et aux cartes nuageuses produites par les algorithmes liés aux satellites Landsat-8 et Sentinel-2.  Nous montrons que les scores de détection et de fausses alarmes sont supérieures à ceux obtenus avec ces algorithmes, qui pourtant utilisent une dizaine de bandes multi-spectrales.