| Résumé | L'étalonnage est le processus qui consiste à calculer les paramètres intrinsèques (internes) d'une caméra à partir d'une suite d'images. Normalement, pour faire l'étalonnage, on place des cibles définies au préalable dans la scène, ou encore on effectue des mouvements spéciaux avec la caméra, par exemple des rotations. Si ces deux critères ne s'appliquent pas, le processus d'étalonnage s'appelle alors auto-étalonnage car il se fait automatiquement, sans intervention de la part de l'utilisateur. Grâce à l'auto-étalonnage, il est possible de créer des reconstructions 3D à partir d'une suite d'images non étalonnées sans avoir à se fier au processus d'étalonnage de caméra officiel. La matrice fondamentale décrit la géométrie épipolaire entre une paire d'images, et elle peut être calculée directement à partir de correspondances d'images 2D. Nous démontrons que l'auto-étalonnage effectué à partir d'un ensemble de matrices fondamentales peut simplement être transformé en un problème de minimisation globale par l'utilisation d'une fonction de coût. Nous faisons appel à l'approche d'optimisation stochastique empruntée au domaine de l'informatique évolutive. Nous exécutons quelques expériences sur des ensembles de données publiées et normalisées et celles-ci démontrent l'efficacité de l'approche. L'hypothèse de base de cette méthode est que les paramètres internes (intrinsèques) de la caméra demeurent constants durant la suite d'images, c'est-à-dire que les images sont prises avec la même caméra sans modifier de quantités, comme par exemple la longueur focale. Nous démontrons que, dans le cas de l'auto-étalonnage de la longueur focale et du facteur de forme, la méthode évolutive donne des résultats comparables aux méthodes publiées, mais est plus simple à mettre en vigueur et est amplement suffisante pour traiter de plus grandes suite d'images. |
|---|
