UNIVERSITÉ NATIONALE DU VIETNAM, HANOÏ INSTITUT FRANCOPHONE INTERNATIONAL MALLE Zoumana Extraction of cues for inside/outside scan registration MÉMOIRE DE FIN D’ÉTUDES DU MASTER INFORMATIQUE HANOÏ - 2018 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com UNIVERSITÉ NATIONALE DU VIETNAM, HANOÏ INSTITUT FRANCOPHONE INTERNATIONAL MALLE Zoumana Extraction of cues for inside/outside scan registration Spécialité : Systèmes Intelligents et Multimédia Code : Programme pilote MÉMOIRE DE FIN D’ÉTUDES DU MASTER INFORMATIQUE Sous la direction de : Dr. Bruno VALLET (MATIS-Team) Dr. Pascal MONASSE (IMAGINE-Team) HANOÏ - 2018 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Attestation sur l’honneur J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs. La source des informations citées dans ce mémoire a bien été précisée.
Signature de l’étudiant LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Remerciements Ce travail de mémoire de Master recherche est le résultat de l’engagement de plusieurs personnes qui ont décidé de m’accompagner résolument dans cet exaltant parcours. Je remercie Dieu le tout Puissant, très Miséricordieux, qui m’a donné la force, le cou- rage et la persévérance durant ces deux années. C’est avec une certaine émotion et une grande reconnaissance que je remercie l’Université Nationale du Vietnam à travers l’Ins- titut Francophone International. La rencontre avec des professeurs brillants et des ca- marades remarquables m’a permis de progresser dans un domaine qui me passionne mais également de me sentir soutenu et entouré.
Ces années riches en découvertes res- teront longtemps gravées dans ma mémoire, tout comme les méthodes et les principes inculqués par les enseignants : la curiosité, le goût du travail, de l’effort, le sens de la persévérance, la volonté de se remettre en question etc. Autant de trésors qui me seront, sans nul doute, utiles toute ma vie. Pour toutes ces raisons, je souhaite vous exprimer ma profonde gratitude, ainsi qu’à toute l’équipe pédagogique. Je garderai longtemps un souvenir ému de mon passage dans cette école qui m’a tant donnée.
Je saisis aussi cette occasion pour adresser mes profonds remerciements à toute l’équipe MATIS-IGN très chaleureusement Stéphane GUINARD, Oussama ENNAFII, Wu TENG et en particulier à mes encadrants, Mr. Bruno VALLET et Mr. Pascal MONASSE qui m’ont beaucoup aidé lors de ce stage ; leurs conseils m’ont permis de cibler et de m’orienter tout au long de ce stage. J’ai eu l’occasion d’être associé à leur travail et d’acquérir de nouvelles connaissances et compétences.
Celles-ci me seront fort précieuses pour la réalisation de mes projets à venir. Ainsi, le temps, l’attention, l’intérêt qu’ils ont bien voulu me témoi- gner n’ont pas été perdus, et ne seront pas perdus. Ils m’ont donné envie de persévérer dans ce métier pour lequel ils ont le plus grand respect la recherche. Je possède désormais une expérience du terrain qui me donne des pistes pour m’améliorer.
Un grand merci à mon oncle Soumaila DEMBELE, ma mère Mme Mallé Aramata DEM- BELE, à mon père Moumine MALLE et à mes frères et soeurs, pour leurs conseils ainsi que pour leur soutien inconditionnel, à la fois moral et économique. Un grand merci aussi à ma très chère grande mère Fanta DEMBELE. Je voudrais profiter de cet espace pour leur exprimer toute ma gratitude et ma reconnaissance. Grâce à vous, j’aborde une nouvelle étape de ma vie avec confiance et dynamisme.
MALLE Zoumana LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Résumé Une étape cruciale du projet BIOM (Building Indoor and Outdoor Modeling) vise à la modélisation automatique et simultanée de l’intérieur et de l’extérieur de bâtiments ( dont la précision est proche à celui d’un scan environ 1cm) à partir de données d’acqui- sition image et Lidar (nuages de points denses). Pour atteindre une telle précision, les indices doivent être extraits des données internes et externes, puis appariés. C’est très contraignant parce que ces indices devraient être visibles de l’intérieur et de l’extérieur. Compte tenu des spécificités des données Lidar qui traversent les fenêtres, nous avons effectués une extraction des polygones planaires qui nous offrent une représentation compacte et localisée à travers la détection des façades (polygones verticaux planaires avec une étendue suffisante).
Une première modification de RANSAC avec un tirage du premier point au hasard dans tout le nuage de points mais le deuxième et troisième point à proximité en topologie capteur (en theta, phi). A la suite nous mettons en œuvre la croissance de région en topologie capteur (mais de rayon possiblement plus grand que 1) à partir du premier point en ne gardant que les points suffisamment proches du plan. A chaque étape de notre RANSAC, nous avons obtenus donc un ensemble de points connexes et planaires, qu’on approchera à la fin par alpha-shape pour en ex- traire un polygone plan. Mots clés : Ransac, Croissance de Region, LiDar , Topologie capteur, Nuage de Points Abstract A crucial step in the BIOM (Building Indoor and Outdoor Modeling) project is the re- gistration of indoor and outdoor scans of buildings with an accuracy close to that of a scan (about 1cm).
To achieve this accuracy, the indices must be extracted from inter- nal and external data and then matched. This is very constraining because these cues should be visible from the inside and outside. Considering the specificities of the Li- dar data that pass through the windows, we extracted the planar polygons that offer us a compact and localized representation through the detection of the facades (planar vertical polygons with sufficient extent). A first modification of RANSAC with a ran- dom drawing of the first point in the whole point cloud, but the second and third point nearby in sensor topology (in theta, phi).
Then we implement the growth of region in sensor topology (but possibly with a radius greater than 1) from the first point, keeping only the points sufficiently close to the plane. At each stage of our RANSAC, we there- fore obtained a set of related and planar points, which will be approached at the end by alpha-shape to extract a planar polygon. Keywords : Ransac, Region Growth, LiDar, Sensor Topology, Point Cloud LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Table des matières Table des figures v 1 Présentation de la structure d’accueil 1 1.2 Missions du MATIS .3 Impacts Activités Industrielles. 3 2 Contexte d’étude et problématique 5 2.
7 3 État de l’art 8 3.3 Segmentation d’un nuage de points .4 Détection de plan .5 Détection de patch planaires .2 Croissance de Région : .2 Bibliothèques et Logiciels .3 Environnement de travail. 32 ii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com TABLE DES MATIÈRES 5 Implémentations et Résultats 33 5. 34 6 Conclusion et Perspectives 42 6. 42 Bibliographie 43 A Résultats complets & Vue Aérienne 48 A.2 Vue Aérienne LiDAR Chapelle Saint Donat.
55 iii LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Table des figures 1.1 Système de cartographique mobile .3 Application de visualisation 3D .4 Visualisation 3D lidar aérien Paris .1 Scan LiDAR colorisé .2 Acquisition d’un objet par deux stations [Reshetyuk, 2009].3 Exemple de transformée de Hough .4 Exemple d’étapes d’algorithme de reconstruction .5 Classification des méthodes de reconstruction .6 Image illustrant la croissance de région .7 Représentation traditionnelle de la démarche .8 Calcul de coque convexe à l’aide d’alphaShape .1 Détails du pipeline .2 La topologie capteur avec 6 voisinages .3 Chaque écho est connecté à tous les échos de toutes les impulsions voi- sines.4 Schémas illustrant notre approche pour la topologie capteur .5 IGN Scan Lidar Église Saint-Donat .6 Saint-Donat de Montfort Façade sud en 2007 .1 Scan Intérieur Chapelle Saint-Donat .2 Scan Extérieur Chapelle Saint-Donat .3 Résultat RANSAC scan intérieur .4 Résultat RANSAC scan extérieur .5 Résultat RANSAC scan intérieur avec la topologie capteur .6 Résultat RANSAC scan extérieur avec la topologie capteur .7 Résultat RANSAC scan intérieur avec la croissance de région .8 Résultat RANSAC scan extérieur avec la croissance de région .9 Résultat RANSAC scan intérieur avec l’alpha-shape. 40 iv LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com TABLE DES FIGURES 5.10 Résultat RANSAC scan extérieur avec l’alpha-shape .11 Résultat vue extérieure Façades de la Chapelle .1 Résultats Extérieur Bâtiment Chapelle Saint-Donat .2 Résultats Façades Chapelle Saint-Donat .3 Résultats 1 Alpha-shape Extérieur Façades Chapelle Saint-Donat .4 Résultats 2 Alpha-shape Façades Chapelle Saint-Donat .5 Résultats Intérieur Bâtiment Chapelle Saint-Donat .6 Résultats 1 Alpha-shape Intérieur Bâtiment Chapelle Saint-Donat .7 Résultats 2 Alpha-shape Intérieur Bâtiment Chapelle Saint-Donat .8 Vue Aérienne 1 Bâtiment Chapelle Saint-Donat .9 Vue Aérienne 2 Bâtiment Chapelle Saint-Donat. 56 v LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Liste des sigles et acronymes BIOM Building Indoor & Outdoor Modelling BIM Building Information Models IGN Institut National de l’information Géographique et Forestière LIDAR LIght Detection And Ranging LASER Light Amplification by Stimulated Emission of Radiation RANSAC RANdom SAmple Consensus RADAR RAdio Detection And Ranging LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chapitre 1 Présentation de la structure d’accueil 1.1 IGN-DRE L’Institut National de l’Information Géographique et Forestière (IGN 1 ) de la France est un établissement public à caractère administratif ayant pour mission d’assurer la production, l’entretien et la diffusion de l’information géographique de référence en France. Avant l’intégration de l’inventaire forestier national le 1er janvier 2012, il était nommé Institut géographique national, dénomination dont il a conservé l’abréviation IGN.
Il a été créé par un décret du 26 juin 1940 et a succédé au Service géographique de l’Armée (SGA), dissout en 1940. L’activité de recherche est organisée au sein de cinq laboratoires de la Direction de la recherche et de l’enseignement ; ces cinq laboratoires sont : — COGIT : (conception d’objet et généralisation de l’information topographique), spécialisé en SIG et cartographie ; — MATIS : (méthodes d’analyse et de traitement d’images pour la stéréorestitu- tion), spécialisé en photogrammétrie et vision par ordinateur ; — LOEMI : (Laboratoire d’optique, d’électronique et de micro-informatique) qui développe des instruments (notamment de prise de vues) ; — LAREG : (laboratoire de recherche en géodésie), un laboratoire de géodésie si- tué dans les murs même de l’ENSG, qui entretient ITRF, le référentiel géodésique mondial ; — LIF : (laboratoire d’inventaire forestier). Les données collectées par l’IGN sont diffusées sur Internet via des applications web, pour des usages professionnels ou grand public, comme par exemple la plateforme iTowns. Cette plateforme permet de naviguer de manière immersive et fluide dans les 1.fr/ 1 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.
PRÉSENTATION DE LA STRUCTURE D’ACCUEIL données collectées, de les annoter, éventuellement avec des objets multimédias, de réaliser des mesures de précision centimétrique, et aussi d’ajouter de nouveaux objets virtuels pour notamment présenter des projets d’aménagement.1 L’équipe MATIS L’équipe MATIS 2 est située dans les locaux de l’IGN à Saint Mandé. Elle mène des recherches en mathématiques et en informatique appliquées à la photogrammétrie, la vision par ordinateur et la télédétection pour l’imagerie multi-capteurs (optique, Li- DAR, radar, etc.) et multi-sources. Ses membres ont développé des compétences dans toute la chaîne de l’imagerie pour la télédétection : radiométrie, photogrammétrie, analyse et synthèse d’image physique, vision par ordinateur 2D et 3D, reconstruction tridimensionnelle de surfaces et d’objets complexes, indexation à large échelle, recon- naissance des formes, classification, qualification de données, visualisation et inter- action. Ces compétences sont déployées dans un contexte métrologique propre à la photogrammétrie, à plusieurs niveaux de la chaîne.
Depuis plusieurs années, la va- riété, la complexité et le volume des données produites et manipulées le positionnent également dans le domaine du Big Data, pour lequel il a acquis une expertise dans le passage à l’échelle de ses méthodes algorithmiques et dans la gestion des grands vo- lumes de données hétérogènes.2 Missions du MATIS L’équipe a pour principales missions l’amélioration de la production, de l’analyse grâce à l’acquisition d’imagerie terrestre, aéroportée et/ou satellitaire. MATIS utilise des techniques de classification à la reconstruction 3D en passant par la segmenta- tion.