Th. doct.--Signal et images--Paris--ENST, 1999. / Bibliogr. p. 57-67, p. 105 et p. 181-186. Résumé.

Un scanner 3D portable est un appareil manuel qui permet de convertir un objet réel en un modèle 3D numérique de l’objet. De nos jours, les scanners 3D portables sont utilisés dans plusieurs secteurs de notre société, comme l’industrie manufacturière, la santé, le divertissement ou l’archéologie. Pour numériser un objet, l’utilisateur doit pointer le scanner vers l’objet et le déplacer autour de l’objet afin d’acquérir l’entièreté de sa surface. Pour faciliter la tâche de l’utilisateur, la plupart des scanners 3D portables modernes comprennent une interface graphique qui offre une visualisation de la surface reconstruite en temps réel. Cette rétroaction est essentielle car elle permet à l’utilisateur d’ajuster la trajectoire du scanner en fonction de ce qui reste à numériser. Or, l’écran comporte certains inconvénients sur le plan de l’utilisabilité. Dans ce projet de recherche, nous proposons donc une alternative aux écrans en exploitant la technologie des casques de réalité augmentée. Notre solution consiste à superposer le scan directement par-dessus l’objet réel grâce au casque de réalité augmentée. Afin de valider la faisabilité de la solution proposée, nous avons développé un prototype basé sur le système de reconstruction 3D KinectFusion et sur le système de réalité virtuelle HTC Vive Pro. / A portable 3D scanner is a handheld device that can convert a real object into a digital 3D model of the object. Nowadays, portable 3D scanners are used in many sectors of our society, such as manufacturing, healthcare, entertainment or archeology. To scan an object, the user must point the scanner at the object and move it around the object in order to acquire the entirety of its surface. To help the user accomplish this task, most modern portable 3D scanners include a graphical user interface that offers a visualization of the reconstructed surface in real time. This feedback is essential since it allows the user to adjust the trajectory of the scanner depending on what remains to be scanned. However, the computer screen has some drawbacks in terms of usability. In this research project, we propose an alternative to computer screens by using augmented reality headsets. Our solution is to superimpose the scan directly over the real object using an augmented reality headset. In order to validate the feasibility of the proposed solution, we have developed a prototype based on the KinectFusion 3D reconstruction system and the HTC Vive Pro virtual reality system.

La numérisation 3D est fréquemment utilisée dans le domaine manufacturier, en particulier pour la fabrication personnalisée de prothèses, d'orthèses ou d'équipement sportif. Pour construire un modèle numérique d'une partie du corps humain, les utilisateurs de scans doivent faire l'acquisition d'une grande quantité de points. Pour des utilisateurs non experts, comme les spécialistes en fabrication de prothèses, obtenir un scan de haute qualité est ardu puisque la prise en main d'un numériseur est souvent complexe. De plus, le client doit rester immobile durant le processus de numérisation, ce qui réduit le temps imparti pour recueillir les données. Avec une approche de représentation du nuage de points moderne et adaptée au temps réel, appelée « champ vectoriel », le modèle est reconstruit en même temps que l'acquisition des points. En utilisant cette approche avec des métriques permettant d'évaluer la qualité du scan, l'utilisateur est informé en temps réel du déroulement de sa numérisation. Les deux métriques implémentées dans ce travail sont : la variation de surface et la classification de la surface parles courbures principales. La rétroaction sur la qualité du scan est affichée par un code de couleurs sur la surface reconstruite. Les expériences démontrent que les métriques, individuellement et/ou combinées, permettent d'afficher les emplacements de distorsions sur des objets ayant différentes géométries. Pour une représentation par champ vectoriel, la variation de surface représente un facteur d'uniformité du nuage de points dans un petit espace 3D, alors que la classification de la surface quantifie localement le type de surface selon une estimation des deux courbures principales à partir de points voisins sur le modèle. L'utilisateur étant informé en temps réel de la qualité de son scan, il peut ajuster la prise en main de son numériseur et optimiser son temps de numérisation. Par exemple, l'utilisateur peut choisir de faire l'acquisition d'une plus grande quantité de points aux endroits sur le modèle étant de mauvaise qualité ou recommencer le processus de numérisation s'il observe que l'intégralité du scan en cours est de qualité médiocre. / n the manufacturing industry, particularly for the customized manufacture of prostheses,orthoses and sports equipment, 3D scanning is frequently used. To build a digital model ofhuman body parts, scan users need to acquire a large number of points. For non-expert users,such as specialists in prosthesis manufactures, obtaining a high quality scan is an arduous task, as the handling of a 3D scanner is often complex. Moreover, the customer has to remain still during the scanning process, which reduces the time available for data collection. With a modern, real-time approach to point cloud representation, called "vector field", themodel is reconstructed while the points are acquired. Using this approach with metrics to assess scan quality, the user is informed in real time of scan progress. The two metrics implemented in this work are the surface variation and the surface classification using principal curvatures. Feedback on scan quality is displayed by colour-coding the reconstructed surface. Experiments show that metrics, individually or both combined, can be usedto display distortions on objects with different shapes. For a vector field representation, the surface variation represents a uniformity factor of the point cloud in a small 3D space, while the surface classification establish the surface class according to an estimate of the two principal curvatures from neighbouring points on the model. As the user is informed in realtime of scan quality, they can adjust the scanner's handling andoptimize scan time. For example, the user can choose to acquire a greater number of points inareas of the model thatare of poor quality, or restart the scanning process if the entire scanis of mediocre quality.

Thèse de doctorat : Automatique et traitement du signal : Vandoeuvre-les-Nancy, INPL : 2006. / Titre provenant de l'écran-titre. Bibliogr.

Thèse doctorat : Images et Systèmes : Villeurbanne, INSA : 2006. / Titre provenant de l'écran-titre. Bibliogr. p. 187-195.

Reproduction de : Thèse de doctorat : Tomodensitométrie tridimensionnelle et orthodontie : Toulouse 3 : 2007. / Titre provenant de l'écran-titre. Bibliogr. p. 194-202.

Thèse doctorat : Electronique, Electrotechnique, Automatique. Traitement d'Images et Vision par Ordinateur : Strasbourg 1 : 2006. / Titre provenant de l'écran-titre. Bibliogr. 18 p.

Thèse (M.Sc.)--Université Laval, 2009. / Titre de l'écran-titre (visionné le 13 janvier 2010). Bibliogr.

Th. doct.-ing.--Inform.--Toulouse--I.N.P., 1985. N°: 364.

Thèse en cotutelle : Université Laval Québec, Canada et École nationale supérieure des télécommunications de Bretagne Brest, France / La nécessité et l’importance de représenter une scène en 3-D ont été illustrées par de nombreuses applications en télédétection, telles que la planification urbaine, la gestion des catastrophes, etc. Dans ces applications, les données issues du LiDAR et de l’imagerie optique aérienne et satellitaire ont été largement utilisées. Il existe une complémentarité entre les données issues du LiDAR aéroporté et de l’imagerie optique aérienne/satellite, qui motive la fusion de ces données permettant de représenter des scènes observées en 3-D avec une meilleure précision et complétude. Ces dernières années, l’extraction automatique de l’empreinte des bâtiments dans les scènes urbaines et résidentielles est devenue un sujet d’intérêt croissant dans le domaine de la représentation et de la reconstruction de scènes en 3-D. Avec l’augmentation de la disponibilité d’une quantité massive de données capturées par différents capteurs LiDAR et d’imagerie installés sur des plateformes aériennes et spatiales, de nouvelles opportunités se présentent pour effectuer cette tâche à grande échelle. Cependant, les méthodes de fusion existantes considèrent généralement soit des systèmes d’acquisition hybrides composés de LiDAR et de caméras optiques fixés rigidement, soit des jeux de données acquis à partir de la même plateforme à des dates identiques ou très proches, et ayant la même résolution spatiale. Elles n’ont pas été conçues pour traiter des jeux de données acquis avec des plateformes différentes, dans différentes configurations, à des moments différents, ayant des résolutions spatiales et des niveaux de détail différents. Un tel contexte est appelé contexte d’acquisition non-contraint. D’autre part, l’extraction automatique de l’empreinte des bâtiments à grande échelle est une tâche complexe. Des méthodes existantes ont obtenu des résultats relativement significatifs mais en définissant des formes a priori pour les bâtiments, en imposant des contraintes géométriques, ou en se limitant à des zones spécifiques. De telles hypothèses ne sont plus envisageables pour des jeux de données à grande échelle. Ce travail de recherche est consacré au développement d’une méthode versatile de recalage grossier puis fin de jeux de données collectés selon un contexte d’acquisition non-contraint. Il vise à surmonter les défis associés à ce contexte tels que le décalage spatial entre les jeux de données, la différence de résolution spatiale et de niveau de détail, etc. De plus, ce travail de recherche propose une méthode d’extraction efficace des empreintes des bâtiments, offrant un niveau de précision élevé tout en étant une méthode non-supervisée dédiée aux applications à grande échelle. La méthode proposée, appelée “Super-Resolution-based Snake Model” (SRSM), consiste en une adaptation des modèles de snakes—une technique classique de segmentation d’images—pour exploiter des images d’élévation LiDAR à haute résolution générées par un processus de super-résolution. Il se rapporte au contexte d’acquisition de données non-contraint, servant d’exemple d’application de premier ordre. Des résultats pertinents ont été obtenus lors des évaluations rigoureuses des méthodes proposées, à savoir un niveau de précision hautement souhaitable par rapport aux méthodes existantes. Mots-clés : LiDAR aéroporté, imagerie optique satellitaire et aérienne, recalage de données, information mutuelle, super-résolution, scènes urbaines, extraction de bâtiments, grande échelle.