Capteurs et traitements pour l'imagerie 3D passive

L’imagerie 3D a de très nombreuses applications pratiques dans les domaines professionnels, tels que la cartographie aérienne, la mesure industrielle ou la robotique, ainsi que dans les technologies grand public (video 3D, jeu).

Lorsque l’on utilise des capteurs passifs, la méthode de mesure de profondeur traditionnelle utilise un système stéréoscopique, l’appariement d’images et la méthode de triangulation. Depuis le milieu des années 2000, de nouvelles techniques sont apparues sous l’impulsion du rapprochement entre calcul embarqué et capteurs numériques. Cette évolution, associée aux termes de co-conception ou d’imagerie computationnelle, consiste à concevoir des systèmes d’imagerie hybride, associant capteurs et traitement, optimisés globalement pour l’information finale délivrée à l’utilisateur. L’objectif de cet article est de présenter les deux principales techniques d’estimation de profondeur par capteur passif issues de cette approche, l’exploitation du flou de défocalisation (on utilisera souvent l’acronyme DFD pour Depth from Defocus ) et l’utilisation de capteurs plénoptiques, et de les mettre en regard de la stéréovision.

Il convient de remarquer que les trois techniques reposent sur une mesure indirecte, dans laquelle la profondeur est estimée par une méthode numérique à partir d’une quantité observable dans le plan image. La relation entre l’observable et la profondeur comprend des paramètres qui doivent être identifiés au cours d’une opération d’étalonnage préalable. La modélisation de performance est donc assez complexe, puisqu’elle dépend de la configuration capteur, de l’étalonnage, du type de traitement utilisé et de son paramétrage.

Pour chaque technique, on présente sa mise en œuvre, la quantité observable dans les images et sa relation avec la profondeur, les principales voies algorithmiques pour l’estimation, enfin les éléments disponibles sur le modèle de performance. Des illustrations sur des données réelles sont proposées tout au long du texte, notamment des résultats d’évaluation expérimentale de l’incertitude d’estimation de profondeur, comparés aux prédictions des modèles de performance.

La partie finale fait une synthèse sur l’estimation passive de la profondeur et ébauche des éléments de comparaison entre les trois approches étudiées.

Le lecteur trouvera en fin d’article un glossaire des termes et expressions importants de l’article, ainsi qu’un tableau des sigles et symboles utilisés.