Segmentation de nuage de points 3D pour la modélisation automatique d'environnements ...

251 Pages·2017·11.78 MB·French

by  Thomas Chaperon

Segmentation de nuage de points 3D pour la
modélisation automatique d’environnements industriels
numérisés
Thomas Chaperon
To cite this version:
Thomas Chaperon. Segmentation de nuage de points 3D pour la modélisation automatique
d’environnements industriels numérisés. Modélisation et simulation. École Nationale Supérieure des
Mines de Paris, 2002. Français. ￿NNT: 2002ENMP1090￿. ￿tel-00009385￿
HAL Id: tel-00009385
https://pastel.archives-ouvertes.fr/tel-00009385
Submitted on 4 Jun 2005
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est
archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
ECOLEDESMINES
DEPARIS
Collègedoctoral
N◦ attribuéparlabibliothèque
|__|__|__|__|__|__|__|__|__|__|
T H E S E
pourobtenirlegradede
Docteurdel’EcoledesMinesdeParis
Spécialité«Informatiquetempsréel,RobotiqueetAutomatique»
présentéeetsoutenuepubliquementpar
ThomasChaperon
le23septembre2002
SEGMENTATIONDENUAGEDEPOINTS3D
POURLAMODELISATIONAUTOMATIQUE
D’ENVIRONNEMENTSINDUSTRIELSNUMERISES
Jury
M.JacquesDroulez Rapporteur
M.FrancisSchmitt Rapporteur
M.FrançoisGoulette Directeurdethèse
M.ClaudeLaurgeau Examinateur
M.RachidDeriche Examinateur
M.XinChen Examinateur
M.GuillaumeThibault Examinateur
ii
Ilfauttraiterlanatureparlecône,lecylindreetlasphère.
Cézanne.
iii
iv
Summary
Thecontextofthisworkisthe’As-built’CADmodelingofdigitizedindustrialstructures.Theexistingenvi-
ronment is first digitized using a 3D laser scanner. The data obtained this way consist of an unorganized and
inhomogeneous 3D point cloud. The next step is the segmentation of this cloud and the reconstruction of the
varioussurfacesconstitutingtheCADmodelofthescene.Industrialenvironmentsyieldscenesthatarecom-
plexwithrespecttothesizeofdataandthenumberofobjects,butthatcanbedescribedwithsimplegeometric
primitives:theplane,thesphere,thecylinder,thecone,thetorus.Thecurrenttoolsthatprocess3Dpointclouds
arenotabletoperformthissegmentationtaskautomatically.
Inthisproject,algorithmshavebeendevelopedforthispurpose.Wehaveparticularlyfocusedontheseg-
mentationofpipelines.Thesoftwaresolutionsimplementedhavebeenvalidatedthroughtestsinvolvingusers
of the current tools. The main feature of the methods developed is the use, throughout the segmentation pro-
cess,ofconstrainedgeometricprimitives.Thecorrespondingconstraintsarederivedfromagroundknowledge
oftheenvironment(e.g.,continuityortangencyrelationships).Geometricprimitivefittingisakeytopicinthis
work. The algorithms developed, which use a truly geometric definition of the primitives, show good results
andperformanceonrealscenes.Moreover,oneofthemajorissueisthenthevalidationofthefittedmodel.We
hencehaveexaminedthisquestionandgivenoriginalmethodsbasedonstatistics.Anothercontributionofthis
workreliesinthealgorithmsforextractingaprimitivefromapointcloud.Thesemethodshavebeenappliedin
thecontextofpipelines,butseemtoberelevantinthemoregeneralquestionoftotallyautomaticmodelingof
digitizedenvironments.
Key words : 3D modeling, CAD, vision, segmentation, surface recognition, geometric primitives, surface
fitting/approximation,leastsquares,modelvalidation,primitiveextraction.
v
vi
Résumé
Le contexte de ce travail est la modélisation CAO «tel que construit» de grandes structures industrielles
numérisées (usine, ...). L’environnement existant est tout d’abord numérisé à l’aide d’un scanner laser. Les
données ainsi obtenues prennent la forme d’un nuage de points 3D non-structuré et non-homogène. L’étape
suivanteconsisteàsegmentercenuagedepointsetreconstruirelesdifférentessurfacesconstituantlemodèle
CAO de la scène. Les environnements industriels génèrent des scènes complexes par le nombre de données
etd’élémentsprésents,maisquisedécriventpardesprimitivesgéométriquessimples:plan,sphère,cylindre,
cône,tore.Lesoutilsactuelstraitantlesnuagesdepoints3Dnepermettentpasderéalisercettesegmentation
demanièreautomatique.
Danscettethèse,desalgorithmesontétédéveloppésdanscebut.L’attentionaenparticulierétéportéesurla
segmentationdeslignesdetuyauterie.Lessolutionslogiciellesimplémentéesdanscecadreontétévalidéespar
destestsauprèsd’utilisateursexpertsdesoutilsactuels.Lesméthodesdéveloppéessecaractérisentparl’utilisa-
tionaucoursdelasegmentationdeprimitivesgéométriquescontraintes,issuesdeconnaissances«métier»(par
exemplerelationsdecontinuitéoudetangence).L’ajustementdeprimitivegéométriqueestunélémentdebase
auseindecestravaux.Lesprocédésmisenoeuvre,quiutilisentunedéfinitionvéritablementgéométriquedes
primitives, montrent de bonnes performances en pratique. D’autre part, l’un des problèmes majeurs concerne
les moyens de valider le modèle ajusté. La question de la validation de modèle géométrique a été examinée.
Nous présentons des méthodes originales construites à partir d’outils statistiques. Enfin, une autre contribu-
tion de cette thèse se situe au niveau des algorithmes d’extraction de primitives géométriques d’un nuage de
points. Les méthodes présentées ont été appliquées dans le contexte des lignes de tuyauterie, mais semblent
égalementpertinentespourrésoudrelaquestionplusgénéraledelamodélisationtotalementautomatiqued’un
environnementnumérisé.
Mots clés : modélisation 3D, CAO, vision, segmentation, reconnaissance de surfaces, primitives géomé-
triques,ajustementdesurfaces/approximation,moindrescarrés,validationdemodèle,extractiondeprimitives.
Table des matières
Notationsetconventions 3
1 Introduction 5
1.1 Lanumérisation3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Triangulationoptique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2 Tempsdevol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Etapesdelamodélisation«telqueconstruit». . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Saisiedesdonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 Pré-traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.3 Segmentationetmodélisation . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4 Exportationdumodèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.5 Automatisationdelasegmentation-modélisation . . . . . . . . . . . . . . . 11
1.3 Caractéristiquesdesdonnées3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 Unensemblevolumineuxetnon-structurédepoints . . . . . . . . . . . . . . 12
1.3.2 Unedensitédepointsnon-homogène . . . . . . . . . . . . . . . . . . . . . 13
1.3.3 Despointsbruités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4 Contributionsdelathèseetstructuredudocument . . . . . . . . . . . . . . . . . . . 14
2 Etudebibliographique,étatdel’art 17
2.1 Traitements«basniveau»desdonnées3D(sansmodèles) . . . . . . . . . . . . . . . 19
2.1.1 Structurationdunuagedepoints,reconstruction3D . . . . . . . . . . . . . . 19
2.1.2 Extractiond’informationsurlessurfaces . . . . . . . . . . . . . . . . . . . 21
2.1.3 Classification,segmentationsansmodèles . . . . . . . . . . . . . . . . . . . 24
2.2 Traitementsdesdonnées3Dàbasedemodèles . . . . . . . . . . . . . . . . . . . . 30
2.2.1 Différentstypesdemodèles . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.2 L’ajustementdemodèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.3 Lareconnaissanceousélectiondemodèle . . . . . . . . . . . . . . . . . . . 36
2.2.4 Extractiondemodèleetsegmentationàbasedemodèles . . . . . . . . . . . 37
2.2.5 Créationdemodèlespluscomplexes . . . . . . . . . . . . . . . . . . . . . . 41
2.3 Tableaurécapitulatifdessystèmestestésoudisponibles . . . . . . . . . . . . . . . . 41
3 Segmentationdelignesdetuyauterie 43
3.1 Connaissances«métier». . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.1.1 Qu’est-cequ’unelignedetuyauterie? . . . . . . . . . . . . . . . . . . . . . 43
3.1.2 Elémentsconstitutifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.1.3 Complémentsd’information . . . . . . . . . . . . . . . . . . . . . . . . . . 45
vii
viii TABLEDESMATIÈRES
3.1.4 Quedoit-onmodéliser? . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.1.5 Caractérisationgéométriqued’unelignedetuyauterie . . . . . . . . . . . . 50
3.2 Extractiond’unelignedetuyauterie . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.1 Présentationdel’applicationdéveloppée. . . . . . . . . . . . . . . . . . . . 51
3.2.2 Détaildesdifférentesétapes . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2.3 Résultatssurscènesdedifférentsscanners . . . . . . . . . . . . . . . . . . . 58
3.2.4 Testsauprèsd’utilisateursexpertsde3Dipsos . . . . . . . . . . . . . . . . . 66
3.2.5 Développementssuiteauxtests . . . . . . . . . . . . . . . . . . . . . . . . 72
3.2.6 Discussionetperspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.3 Modélisationd’unelignedetuyauterie . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.3.1 Modélisationdirecteaveccylindresettores . . . . . . . . . . . . . . . . . . 82
3.3.2 Segmentationàpartirdurésultatdel’algorithmed’extraction. . . . . . . . . 88
3.3.3 Résultatsetperspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.3.4 Perspectivessurlamodélisation . . . . . . . . . . . . . . . . . . . . . . . . 92
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4 Ajustementdeprimitives 93
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.1.1 Primitivestraitées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.1.2 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.1.3 Expressionduproblèmeetchoix . . . . . . . . . . . . . . . . . . . . . . . . 95
4.2 Méthodederésolutionduproblèmed’estimation . . . . . . . . . . . . . . . . . . . 96
4.2.1 Algorithmed’optimisationutilisé . . . . . . . . . . . . . . . . . . . . . . . 96
4.2.2 Incertitudesurlesparamètresestimés . . . . . . . . . . . . . . . . . . . . . 101
4.3 Paramétrisationetdistancepourchaqueprimitive . . . . . . . . . . . . . . . . . . . 102
4.3.1 Paramètrespourchaqueprimitive . . . . . . . . . . . . . . . . . . . . . . . 102
4.3.2 Expressiondeladistanceexacte . . . . . . . . . . . . . . . . . . . . . . . . 108
4.3.3 Gradientdesdistancesauxprimitives . . . . . . . . . . . . . . . . . . . . . 109
4.3.4 Casdeséparabilitédel’espacedeparamètres . . . . . . . . . . . . . . . . . 113
4.4 Initialisationdesparamètres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.4.1 Primitiveslibres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.4.2 Primitivescontraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.4.3 Tableaurécapitulatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.5 Discussionetperspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.5.1 Aspectnumériqueetconditionnement . . . . . . . . . . . . . . . . . . . . . 121
4.5.2 Enprésencedepointsaberrants . . . . . . . . . . . . . . . . . . . . . . . . 122
4.5.3 Résultatsetremarque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.5.4 Nouvellesprimitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.5.5 Ajustementdeprimitivespluscomplexes . . . . . . . . . . . . . . . . . . . 123
5 Sélectionetvalidationdemodèle 127
5.1 Sélectiondemodèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.1.1 Enrégressionlinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
5.1.2 Pourdesprimitivesgéométriques3D . . . . . . . . . . . . . . . . . . . . . 130
5.1.3 Casdégénérés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
5.1.4 Résultatsetconclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.2 Validationdemodèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
TABLEDESMATIÈRES ix
5.2.1 Vérificationdesparamètres. . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5.2.2 Testsileniveaudebruitestconnu . . . . . . . . . . . . . . . . . . . . . . . 139
5.2.3 Loistatistiquedesrésidus . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
5.2.4 Méthodesàpartirdeséquencesbinaires . . . . . . . . . . . . . . . . . . . . 144
5.2.5 Approcheparrégressionlinéaire . . . . . . . . . . . . . . . . . . . . . . . . 147
5.2.6 Approcheparlissagedesrésidusàpartirdumodèle . . . . . . . . . . . . . . 152
5.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
6 Extractiondeprimitivesgéométriques 157
6.1 Extractionlocaled’uneprimitivedetypefixé . . . . . . . . . . . . . . . . . . . . . 159
6.1.1 Extractiondirectesurunvoisinagedetaillefixe . . . . . . . . . . . . . . . . 160
6.1.2 Extractionmulti-résolutionsurvoisinagesemboîtés . . . . . . . . . . . . . . 161
6.2 Extractionglobaled’uneprimitivedetypefixé. . . . . . . . . . . . . . . . . . . . . 168
6.3 Extractionglobaled’unnombreinconnudeprimitivesdetypefixé . . . . . . . . . . 170
6.4 Perspectives:extractiondeprimitivesdetypesnonfixés . . . . . . . . . . . . . . . 172
6.5 Méthodeàpartirdequorumdepoints . . . . . . . . . . . . . . . . . . . . . . . . . 174
6.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
7 Conclusionetperspectives 181
7.1 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
7.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
A Distanceeuclidienneetgradient 185
A.1 Primitivesusuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
A.1.1 Droite3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
A.1.2 Plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
A.1.3 Sphère . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
A.1.4 Cylindre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
A.1.5 Cône . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
A.1.6 Cercle3D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
A.1.7 Tore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
A.2 Primitivescontraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
A.2.1 «Cylindresécant». . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
A.2.2 «Cylindresécantderayonfixé» . . . . . . . . . . . . . . . . . . . . . . . . 197
A.2.3 «Cylindre-rotule» . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
A.2.4 «Cylindreaprèstore» . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
A.2.5 «Toreaprèscylindre» . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
A.2.6 «Toreentrecylindres» . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
B Normaleetcourbures 205
B.1 Normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
B.2 Courbures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
B.3 Estimationsurunnuagedepoints . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
B.3.1 Normale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
B.3.2 Courbures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
B.3.3 Questionsurlatailleduvoisinage . . . . . . . . . . . . . . . . . . . . . . . 210