représentation d’objets 3d et extraction des primitives pour un système de reconnaissance

Abstract

Le travail présenté dans ce document s’inscrit dans le cadre de la reconnaissance, et plus précisément, l’identification, la description et la représentation des objets 3D en vue 2D, cette thèse s’est divisée en trois axes : Dans le premier axe, nous avons élaboré et développé une approche de l'algorithme d’amincissement « Thinning » appliquée à des objets 3D en vue 2D. Le but de cette nouvelle méthode c’est d'extraire des squelettes à partir de ces objets et de les comparer avec des objets 3D voxels pour bien décrire la morphologie des objets utilisés et faciliter la reconnaissance des objets 3D en vue 2D à partir de leurs squelettes. Dans le deuxième axe de ce travail, nous avons effectué dans le cadre de la reconnaissance des objets, une détection des objets 3D et leurs formes libres par les descripteurs et les détecteurs locaux des points d’intérêt afin de les identifier. Dans ce contexte, notre objectif c’est de représenter et extraire un objet 3D en vue 2D à partir de la détection de leurs points d'intérêt et notifier les caractéristiques de détection et de description de chaque objet pour faciliter sa recherche dans les bases de données. Pour cette raison, nous avons proposé un nouveau détecteur robuste au bruit, performant et qui englobe des critères pour extraire des points caractéristiques des objets 3D et qui sont les points d’intérêt en précisant leurs formes libres, ce détecteur est basé sur le détecteur de SUSAN tout en utilisant des mesures différentielles et une étude comparative pour l'évaluer et savoir sa performance. La reconnaissance d’objets tridimensionnels est un problème très difficile. En utilisant une base de données de vues 2D d’objets de références, de nombreux problèmes se posent dans ce domaine. En particulier, lorsque le nombre d’objets augmente, la taille de la base de données augmente et il devient de plus en plus difficile de reconnaître correctement les objets puisque les informations ne permettent plus de séparer correctement les classes des objets. Pour éviter ces problèmes en utilisant d’autres sources d’information que les vues et les images 2D des objets 3D. Ces informations supplémentaires viennent de la structure de l’objet, ou de son contexte habituel, c’est pour cela l’idée établie dans le troisième axe c’était de faire une extraction des maillages 3D des objets en vue 2D en se basant sur les surfaces de Bezier pour obtenir un bon maillage extrait et exacte de l’objet concerné afin de faciliter les tâches de la reconnaissance des objets à partir de leurs maillag