Reconnaissance d'objets 3D par analyse de Fourier de la silhouette
Résumé
Applications combining robotics and vision often need to deal with recognition of 3D objects. Classical solutions to such problems are based on complex methods using model matching. The main drawbacks of these methods are computation complexity and need of objects modelisation. Such approaches are not always justified, and we propose here a method which is fast and easy to use.
A neural network is trained to recognize various views of many objects. Once trained, it
can recognize new views. In order to reduce the volume of data, the objects are described by
their silhouette.
After a description of the proposed method, we present many experimental results related
to robot vision.
Les applications associant la robotique et la vision se trouvent souvent confrontées au problème de l’identification d'objets tridimensionnels. La résolution d'un tel problème nécessite souvent l'emploi de méthodes complexes à base de mises en correspondance de modèles. Ces méthodes ont pour principaux inconvénients d'être coûteuses en temps de calcul et de nécessiter la modélisation explicite des objets. Une telle approche n'est pas toujours justifiée et on propose ici une méthode rapide, facile à mettre en oeuvre, pour la reconnaissance d'objets 3 D.
Les capacités d'apprentissage d’un réseau de neurones ont amené à penser que celui-ci pourrait, par apprentissage d’un certain nombre de vues de chaque objet possible, reconnaître ces objets pour des vues différentes. Afin de diminuer le nombre des données à traiter, l'objet sera caractérisé par sa silhouette.
Après une description de la méthode proposée, on présente les résultats obtenus dans le cadre d'une application en reconnaissance d'objets 3 D à l’aide d’une caméra montée sur un bras manipulateur.