Gallerie
Vision







Asservissement Visual




Amaury Dame

| Coordonnées | Cursus | Recherches | Publications | Enseignements |

Nouvelles Coordonnées


Amaury Dame is now "Research Assistant" in the Active Vision Group, Department of Engineering Science, University of Oxford

Email : adame@robots.ox.ac.uk
Web: Homepage

photo

Cursus

Durant l'année 2006/2007 j'ai suivi une double formation en école d'ingénieur et en Master recherche.

En juin 2007 j'ai donc obtenu le diplôme d'ingénieur en Electronique Informatique Industrielle(EII) de l'Institut National des Sciences Appliquées (INSA) et le Master recherche en Signal TRAMP et Image (STI) à l'université de Rennes 1.

En décembre 2010 j'ai obtenu mon doctorat en Informatique à l'université de Rennes 1 après avoir travailler dans l'équipe de recherche Lagadic à l'IRISA/INRIA Rennes Bretagne-Atlantique encadré par Eric Marchand. L'objectif de ma thèse consistait à développer des algorithmes de suivi et d'asservissment visuel robustes.

Je suis actuellement à la recherche d'un post doctorat de préférence à l'étranger. Mes centres d'intérêt sont principalement la vision par ordinateur, la vision active et l'asservissement visuel.

Thématiques de recherche

Cette thèse est essentiellement constitué de travaux sur l'optimisation numérique appliqué à des fonctions d'alignement. Nous nous intéressons tout particulièrement à l'information mutuelle (MI) qui est une fonction d'alignement provenant de la théorie de l'information. L'information mutuelle a été largement utilisée en recalage dans le domaine médical. En effet cette fonction est à la fois robuste à des variations d'apparence tels que des changements d'illumination et à des transformations non linéraires des intensités lumineuses ce qui permet entre autres de faire du recalage multimodal.

Suivi visuel reposant sur l'information mutuelle

Principe

Ces travaux allient à la fois théorie de l'information et suivi différentiel pour proposer un nouvel algorithme de suivi robuste aux occultations, à de grands changements d'illumination et à la multimodalité d'aquisition. Une nouvelle méthode d'optimisation a été spécifiquement définie pour maximiser l'information mutuelle de manière à avoir un grand cone de convergence et une estimation du déplacement de grande qualité tout en restant dans des applications temps réel.

Validation

L'approche a été validée par de nombreuses expériences. L'algorithme a été utilisé sur des séquences de référence proposées par Metaio. Cette expérience a validé la qualité du suivi pour sa robustesse et sa précision. De nombreuses séquences ont également été utilisées pour tester le suivi et ont démontré sa robustesse comme le montre la vidéo ci-contre. Puisque l'algorithme associe précision et temps réel, il est parfaitement adapté pour des applications en réalité augmentée (voir vidéo ci-contre).

IEEE ISMAR'10 Best Paper Runner-Up Award
IEEE RFIA'10

Suivi
avec changement d'apparence


Cliquez ici pour la version mp4

Suivi
multimodal


Cliquez ici pour la version mp4

Application
en réalité augmentée


Cliquez ici pour la version mp4

Application
en réalité augmentée


Cliquez ici pour la version mp4

Asservissement visuel reposant sur l'information mutuelle

Principe

Une nouvelle approche d'asservissement visuel est proposée. Cette approche fait partie des approches directes d'asservissement visuel. C'est à dire que plus aucune primitive n'est extraite de l'image pour faire le lien entre la position courante et la position désirée de la caméra. Ici on utilise simplement l'image courante dans sa globalité et une image apprise de la scène en position désirée. L'information mutuelle entre les deux images est alors dérivée en fonction des paramètres de déplacement de la caméra pour calculer la vitesse qui fait croître cette information. Une fois MI maximisée, alors la caméra est arrivée en position désirée. Cette approche permet à la fois de créer une tâche de positionnement robuste aux occultations, changements d'illumination et mutlimodalité, et d'avoir une grande précision puisque toute l'information de l'image est utilisée.

Validation

Plusieurs plateformes permettent de tester nos algoritmes d'asservissement visuel. Dans ces travaux nous avons principalement utilisé un robot cartésien à 6 degrés de liberté. Les expériences ont montré que l'approche proposée est très robuste et permet d'avoir une trajectoire de caméra proche de la géodésique ainsi qu'une grande précision (0.1 mm d'erreur en translation et 0.1° en rotation pour une distance caméra/scene de 1 mètre). Les vidéos ci-contre montrent un asservissement visuel dans des conditions classiques et son application à la saisie d'objets. La vidéo de ICRA'09 téléchargeable ici montre la robustesse de l'approche dans les cas de changements d'illumination et de mutlimodalité.

IEEE ICRA'10
IEEE RFIA'10
IEEE ICRA'09

Asservissement visuel avec l'approche proposée


Cliquez ici pour la version mp4

Application
à la saisie d'objet


Cliquez ici pour la version mp4

Détection optimale et suivi de points clés

Principe

Une nouvelle approche de sélection et suivi de points est proposée. cette approche de type KLT reposant sur l'information mutuelle permet de faire du suivi de points robuste aux changements d'illumination. Une sélection optimale de points pour cette méthode de suivi est crée pour avoir un suivi qui soit le plus efficace possible.

Validation

L'algorithme proposé a été testé sur plusieurs séquences d'image. Sa robustesse a étée validé dans des séquences présentant des changements d'illuminations où la méthode classique de KLT n'est pas robuste.

IEEE ICIP'09

KLT

Proposée

Conditions nominales
photo photo
Variation d'illumination globale
photo photo

Publications

Liste complète (et fichiers postcript ou pdf si disponibles)

Enseignements

J'ai encadré des travaux pratiques à l'Institut National de Sciences Appliquées de Rennes (INSA)

 

| Lagadic | Plan du site | Équipes | Publications | Démonstrations |
Irisa - Inria - Copyright 2004 © Projet Lagadic