Photogrammetry and Structure-from-Motion (S-f-M) is a low-cost method of producing digital 3D models of rock samples that can be used for many different research and educational purposes. A 3D model of a delicate rock sample would enable the preservation of the sample and reduce the need of physical manipulation. This thesis presents a systematic workflow to document and study rock samples by using photogrammetry and S-f-M. The manual in this work describes how to use the set up SOOSI (Spinning Object Optical Scanning Instrument) found at the Department of Earth Sciences at Uppsala University to produce digital 3D models of geological samples. The thesis gives a background to photogrammetry in Earth sciences, and it presents the fundamentals of photogrammetry and the camera. It explains the processing chain of photogrammetry and how computers assist in the photogrammetric process for the reader to understand the importance of the steps in the manual. 3D models produced from following the workflow are presented as well as implications of choices that can be made when following the workflow. The addition of a fixed lens to the camera setup would improve the method’s robustness. The models are currently limited due to a lack of absolute scale. A suggestion for developing a method to capture Ground Control Points (GCPs) to solve the scale problem is presented. / Fotogrammetri och Structure-from-Motion (S-f-M) är en billig metod för att producera digitala 3D-modeller av stuffer som kan användas i olika forsknings- och undervisningssyften. Modeller av stenstuffer minskar behovet av att fysiskt ta i dem och används därför i syfte att bevara ömtåliga stuffer. Denna uppsats presenterar ett systematiskt arbetsflöde för att dokumentera stuffer genom att använda fotogrammetri och S-f-M. Manualen beskriver hur den fotogrammetriska fotostudion SOOSI (Spinning Object Optical Scanning Instrument), som finns på institutionen för geovetenskaper vid Uppsala universitet, används för att producera digitala 3D-modeller. Uppsatsen ger en bakgrund till fotogrammetri inom geovetenskapen och den beskriver kamerans och fotogrammetrins grunder. Vidare förklaras fotogrammetrins bearbetningskedja och hur datorer bidrar i den fotogrammetriska processen för att läsaren ska förstå de olika stegen i manualen. 3D-modeller producerade genom att följa arbetsättet presenteras och de olika val som kan tas när en följer manualen och dess implikationer på resultaten diskuteras. Arbetsättet skulle förbättras om ett objektiv med fast brännvidd införskaffades till fotostudion. 3D-modellernas användningsområde begränsas av att de saknar absolut skala därför presenteras ett förslag till att utveckla arbetsmetoden med hjälp av Ground Control Points (GCP:er).

De nombreuses caméras CMOS modernes sont équipées de capteurs Rolling Shutter (RS). Ces caméras à bas coût et basse consommation permettent d’atteindre de très hautes fréquences d’acquisition. Dans ce mode d’acquisition, les lignes de pixels sont exposées séquentiellement du haut vers le bas de l'image. Par conséquent, les images capturées alors que la caméra et/ou la scène est en mouvement présentent des distorsions qui rendent les algorithmes classiques au mieux moins précis, au pire inutilisables en raison de singularités ou de configurations dégénérées. Le but de cette thèse est de revisiter la géométrie de la vision 3D avec des caméras RS en proposant des solutions pour chaque sous-tâche du pipe-line de Structure-from-Motion (SfM).Le chapitre II présente une nouvelle méthode de correction du RS en utilisant les droites. Contrairement aux méthodes existantes, qui sont itératives et font l’hypothèse dite Manhattan World (MW), notre solution est linéaire et n’impose aucune contrainte sur l’orientation des droites 3D. De plus, la méthode est intégrée dans un processus de type RANSAC permettant de distinguer les courbes qui sont des projections de segments droits de celles qui correspondent à de vraies courbes 3D. La méthode de correction est ainsi plus robuste et entièrement automatisée.Le chapitre III revient sur l'ajustement faisceaux ou bundle adjustment (BA). Nous proposons un nouvel algorithme basé sur une erreur de projection dans laquelle l’index de ligne des points projetés varie pendant l’optimisation afin de garder une cohérence géométrique contrairement aux méthodes existantes qui considère un index fixe (celui mesurés dans l’image). Nous montrons que cela permet de lever la dégénérescence dans le cas où les directions de scan des images sont trop proches (cas très communs avec des caméras embraquées sur un véhicule par exemple). Dans le chapitre VI nous étendons le concept d'homographie aux cas d’images RS en démontrant que la relation point-à-point entre deux images d’un nuage de points coplanaires pouvait s’exprimer sous la forme de 3 à 7 matrices de taille 3X3 en fonction du modèle de mouvement utilisé. Nous proposons une méthode linéaire pour le calcul de ces matrices. Ces dernières sont ensuite utilisées pour résoudre deux problèmes classiques en vision par ordinateur à savoir le calcul du mouvement relatif et le « mosaïcing » dans le cas RS.Dans le chapitre V nous traitons le problème de calcul de pose et de reconstruction multi-vues en établissant une analogie avec les méthodes utilisées pour les surfaces déformables telles que SfT (Structure-from-Template) et NRSfM (Non Rigid Structure-from-Motion). Nous montrons qu’une image RS d’une scène rigide en mouvement peut être interprétée comme une image Global Shutter (GS) d’une surface virtuellement déformée (par l’effet RS). La solution proposée pour estimer la pose et la structure 3D de la scène est ainsi composée de deux étapes. D’abord les déformations virtuelles sont d’abord calculées grâce à SfT ou NRSfM en assumant un modèle GS classique (relaxation du modèle RS). Ensuite, ces déformations sont réinterprétées comme étant le résultat du mouvement durant l’acquisition (réintroduction du modèle RS). L’approche proposée présente ainsi de meilleures propriétés de convergence que les approches existantes. / Many modern CMOS cameras are equipped with Rolling Shutter (RS) sensors which are considered as low cost, low consumption and fast cameras. In this acquisition mode, the pixel rows are exposed sequentially from the top to the bottom of the image. Therefore, images captured by moving RS cameras produce distortions (e.g. wobble and skew) which make the classic algorithms at best less precise, at worst unusable due to singularities or degeneracies. The goal of this thesis is to propose a general framework for modelling and solving structure from motion (SfM) with RS cameras. Our approach consists in addressing each sub-task of the SfM pipe-line (namely image correction, absolute and relative pose estimation and bundle adjustment) and proposing improvements.The first part of this manuscript presents a novel RS correction method which uses line features. Unlike existing methods, which uses iterative solutions and make Manhattan World (MW) assumption, our method R4C computes linearly the camera instantaneous-motion using few image features. Besides, the method was integrated into a RANSAC-like framework which enables us to detect curves that correspond to actual 3D straight lines and reject outlier curves making image correction more robust and fully automated.The second part revisits Bundle Adjustment (BA) for RS images. It deals with a limitation of existing RS bundle adjustment methods in case of close read-out directions among RS views which is a common configuration in many real-life applications. In contrast, we propose a novel camera-based RS projection algorithm and incorporate it into RSBA to calculate reprojection errors. We found out that this new algorithm makes SfM survive the degenerate configuration mentioned above.The third part proposes a new RS Homography matrix based on point correspondences from an RS pair. Linear solvers for the computation of this matrix are also presented. Specifically, a practical solver with 13 point correspondences is proposed. In addition, we present two essential applications in computer vision that use RS homography: plane-based RS relative pose estimation and RS image stitching. The last part of this thesis studies absolute camera pose problem (PnP) and SfM which handle RS effects by drawing analogies with non-rigid vision, namely Shape-from-Template (SfT) and Non-rigid SfM (NRSfM) respectively. Unlike all existing methods which perform 3D-2D registration after augmenting the Global Shutter (GS) projection model with the velocity parameters under various kinematic models, we propose to use local differential constraints. The proposed methods outperform stat-of-the-art and handles configurations that are critical for existing methods.