Reconstruction mtrique minimale partir de trois camras afnes

Minimal Metric Structure and Motion from Three Afne Images

Marc-Andr Ameller Adrien Bartoli Long Quan
INRIA Rhne-Alpes, 655, av. de lEurope
38334 St. Ismier cedex, France.
prnom.nom@inria.fr
Rsum
Le calcul du mouvement des camras et de la structure 3D
partir de donnes minimales est essentiel pour la mise
en uvre de mthodes robustes telles RANSAC (RANdom
SAmple Consensus) ou LMS (moindre carrs mdians). Pour
les images issues de camras afnes, 4 points et 3 camras
sont ncessaires lorsque le rapport daspect et la distortion
entre les axes sont supposes connues. Nous proposons ici
une nouvelle paramtrisation base sur la structure m-
trique du problme par opposition lapproche classique
impliquant les paramtres du mouvement des camras. Les
coordonnes des 4 points sont obtenues par la rsolution
dune quation quadratique. Cette modlisation permet aussi
ltude des congurations instables. Les rsultats expri-
mentaux, sur des donnes simules ainsi que sur des images
relles ont montr la stabilit du nouvel algorithme. Les so-
lutions calcules partir de donnes minimales sont aussi
compares aux solutions optimales obtenues partir de
donnes redondantes.
Mots Clef
Recontruction mtrique, camra afne.
Abstract
Structure and motion fromminimal data is essential to boots-
trap robust methods based on random sampling such as
RANSAC(RANdomSAmple Consensus) or LMS (Least Me-
dian of Squares). Let us consider the afne camera model
and make the hypotheses of zero skew and unity aspect ra-
tio. In this case, at least 4 points in 3 images are neces-
sary to recover structure and motion. We propose a para-
metrization based on metric structure rather than camera
motion parameters which have been previously used. The
structure of 4 points is computed in closed-form by solving
a quadratic equation. Unstable congurations are also in-
vestigated. Experimental results on simulated data and real
images demonstrate the stability of our algorithm. Compu-
ted solutions with minimal data are compared with those
obtained after optimization on redundant data.
Keywords
Metric Structure and Motion, Afne Camera.
1 Introduction
Le calcul dun modle 3D partir de correspondances de
primitives gomtriques entre des images est un sujet fon-
damental en vision par ordinateur. En particulier, recons-
truire des points, et estimer le mouvement relatif des cam-
ras sur des donnes minimales est dune importance cru-
ciale pour de nombreuses procdures destimation. Ceci
est valable pour les algorithmes robustes, dont le but est
llimination des donnes aberrantes, procdant par tirages
alatoires, tels RANSAC ou les moindres carres mdians.
Dans cet article, nous proposons un algorithme pour obte-
nir la reconstruction mtrique partir de 3 images afnes
avec un minimum de 4 correspondances de points. La re-
construction partir de camras afnes a t tudie pour
les points [8, 7] et les droites [1]. Elle est dnie seule-
ment un paramtre prs, pour la reconstruction partir de
deux camras, et ceci indpendamment du nombre de cor-
respondances donnes, mais devient possible, sans ambi-
gut lorsquau moins 3 camras sont considres. Les ca-
mras afnes peuvent tre aussi bien des projections ortho-
gonales, perspectives faible, que paraperspectives [4]. Une
reconstruction mtrique signie que les points sont dnis
une similitude directe prs de lespace.
Nous proposons une nouvelle formulation du problme de
reconstruction. Nous montrons comment la structure m-
trique des 4 points dans lespace peut tre contrainte par un
systme de polynmes. A laide doutils issus de la go-
mtrie algbrique, une solution exacte est propose, ainsi
quune tude des cas instables. Le principal avantage de
la mthode est quelle donne directement la structure 3D,
sans passer par les paramtres du mouvement, en ne nces-
sitant que la rsolution dune quation quadratique.
Cet article est organis de la manire suivante. La section
2 fournie un bref rappel du modle de camra afne. La
section 3 donne la formulation du problme en terme dun
systme de polynmes. La section 4 donne les rsultats des
expriences sur des donnes synthtiques, et la section 5
prsente les rsultats comparatifs entre la mthode prsen-
te dans cet article et la solution obtenue aprs ajustement
de faisceaux, ainsi que des expriences sur des donnes
relles.
2 Le modle de camra afne
Le modle de camra perspective est donn par une ma-
trice 3 lignes et 4 colonnes. Ainsi, pour un point M =
(X,Y,Z,T)
T
de lespace projectif, exprim en coordon-
nes homognes, sa projection m = (x,y,z)
T
sur limage
(considre comme un plan projectif) est donne par la for-
mule :

x
y
z

p
1,1
p
1,2
p
1,3
p
1,4
p
2,1
p
2,2
p
2,3
p
2,4
p
3,1
p
3,2
p
3,3
p
3,4

X
Y
Z
T

,
o signie gal un facteur non-nul prs. Dans cet
article, on utilise un modle de camra afne, ce qui signi-
e que les points linni de lespace 3D sont projets
linni dans limage. Ceci implique que:
p
3,1
= p
3,2
= p
3,3
= 0.
Lquation de projection peut ainsi tre rduite :
1
z

x
y

=
1
T

1,1
p

1,2
p

1,3
p

2,1
p

2,2
p

2,3

X
Y
Z

t
1
t
2

.
Notez quil sagit l dune galit stricte. En utilisant une
dcomposition QR [5], on obtient:

u
v

1
0

1 0 0
0 1 0

X
Y
Z

t
1
t
2

, (1)
o R est une matrice de rotation 3 3, est le facteur
dchelle, est le rapport daspect et est la distortion entre
les axes. La calibration de la camra est quivalente la
connaissance des paramtres , et . Si et sont connus,
on peut effectuer un changement de repre [6] de telle sorte
que la projection scrive:

u
v

R
T
1
R
T
2

X
Y
Z

, (2)
o R
T
1
et R
T
2
sont les deux premires lignes dune matrice
de rotation 3 3. En pratique, on peut supposer = 0
et = 1, ce qui est valable pour la plupart des camras
actuelles.
3 La reconstruction mtrique
3.1 Formulation du problme
Considrons 3 camras afnes, chacune delles tant repr-
sente par sa matrice de projection:
P
i
=
i

R
i
1
R
i
2

,
o i {1,2,3}. Pour chaque camra, on peut dnir un
plan P
i
arbitraire: le plan focal de cette camra (cest--
dire le plan o les points 3D se projettent orthogonale-
ment). Ces plans sont dnis une translation prs. De
plus, en exprimant tous les repres relativement celui de
la premire camra, on obtient P
1
= (I|0).
Minimalit de la conguration. Commenons par comp-
ter le nombre de degrs de libert du problme. La pre-
mire camra peut tre xe arbitrairement, et pour chaque
camra supplmentaire, on ajoute 6 degrs de libert au
problme. Ceci correspond aux 3 degrs de libert de la
rotation, aux 2 degrs de libert de la translation (la trans-
lation na de signication que lorsque sa direction est dans
le plan de projection lui-mme), ainsi qu un degr de li-
bert correspondant au facteur dchelle , voir quation
(1), les paramtres internes et tant supposs connus.
Ensuite, nous allons calculer le nombre de contraintes im-
poss par les points de lespace 3D: chaque point donne 6
contraintes et 3 inconnues. Le problme avec 3 camras et
n points possde donc une solution si et seulement si
3n + 6 (3 1) 6 n.
Ceci implique que lon a besoin dau moins 4 points pour
rsoudre le problme avec 3 camras. Cette conguration
est minimale.
3.2 Rsolution du problme
Pour chaque point M de lespace, on note
i
(M), la dis-
tance entre M et P
i
(Plan dni au paragraphe 3.1). Ainsi,
pour chaque couple (M
p
,M
q
) dans lespace, et pour la i
me
camra, on peut utiliser le thorme de Pythagore. Ceci
donne :
|
i
(M
p
)
i
(M
q
)|
2
+
2
i
m
i
p
m
i
q

2
=
M
p
M
q

2
, (3)
o m
i
p
= P
i
M
p
, et m
i
q
= P
i
M
q
(voir gure 1). Cette
quation possde des proprits intressantes.
Pour notre problme de reconstruction, les paramtres et
de la camra sont connue de telle sorte que P
i
peut tre
mis sous la forme donne dans lquation 2. Les coordon-
nes des correspondances dans les images sont connues.
Ceci signie que seules les distances m
i
p
m
i
q
sont connues.

i
||m -m ||
q p
i i

i
||m -m ||
q p
i i
m
i
p
i
q
m
M
p M
q
( )
p
( )
q
|| ||
p q
P
i
i
i
FIG. 1 Thorme de Pythagore appliqu la projection
afne de deux points.
Elimination des facteurs dchelle
i
. Il est clair que le
problme est dni un facteur dchelle global prs. Cest-
-dire que si lon multiplie toutes les distances par un sca-
laire non nul, cela ne change pas la structure 3D. Ainsi, on
peut poser
1
= 1. Il est bien connu quon peut calculer la
matrice fondamentale afne partir de 4 correspondances
de points [6]. On la calcule entre la camra 1 et la camra
i, pour i = 1. Le facteur dchelle peut tre calcul partir
de la matrice fondamentale selon la formule donne dans
[6]:

i
=

c
2
+ d
2
a
2
+ b
2
,
si la mtrice fondamentale afne entre la premire image et
la seconde image est donne par:

0 0 a
0 0 b
c d e

.
Rduction de lquation (3). Pour simplier, on introduit
les notations suivantes:

i,p,q
=
2
i
m
i
p
m
i
q

2
X
p
=
1
(M
p
)
Y
p
=
2
(M
p
)
Z
p
=
3
(M
p
).
Lquation 3 devient ainsi, pour chacune des 3 paires dimages
possibles:
(X
p
X
q
)
2
+
1,p,q
= M
p
M
q

2
(Y
p
Y
q
)
2
+
2,p,q
= M
p
M
q

2
(Z
p
Z
q
)
2
+
3,p,q
= M
p
M
q

2
.
En soustrayant deux deux les quations ci-dessus, on ob-
tient:
(X
p
X
q
)
2
+
1,p,q
= (Y
p
Y
q
)
2
+
2,p,q
(X
p
X
q
)
2
+
1,p,q
= (Z
p
Z
q
)
2
+
3,p,q
.
On rappelle que X
p
, Y
p
, Z
p
sont dnis la dnition prs
des plans P
i
, eux-mmes dnis une translation prs. On
peut ainsi poser X
0
= Y
0
= Z
0
= 0. Le systme ainsi
obtenu pour 4 correspondances de points dans 3 images est
un systme polynomial {P
i,j
,Q
i,j
| 1 < i < j < 4} avec:
P
1,2
= X
2
1
Y
2
1
+ k
1,2
P
1,3
= X
2
2
Y
2
2
+ k
1,3
P
1,4
= X
2
3
Y
2
3
+ k
1,4
P
2,3
= (X
1
X
2
)
2
(Y
1
Y
2
)
2
+ k
2,3
P
2,4
= (X
1
X
3
)
2
(Y
1
Y
3
)
2
+ k
2,4
P
3,4
= (X
2
X
3
)
2
(Y
2
Y
3
)
2
+ k
3,4
Q
1,2
= X
2
1
Z
2
1
+ l
1,2
Q
1,3
= X
2
2
Z
2
2
+ l
1,3
Q
1,4
= X
2
3
Z
2
3
+ l
1,4
Q
2,3
= (X
1
X
2
)
2
(Z
1
Z
2
)
2
+ l
2,3
Q
2,4
= (X
1
X
3
)
2
(Z
1
Z
3
)
2
+ l
2,4
Q
3,4
= (X
2
X
3
)
2
(Z
2
Z
3
)
2
+ l
3,4
, (4)
o
k
i,j
=
1,i1,j1

2,i1,j1
,
l
i,j
=
1,i1,j1

3,i1,j1
. (5)
Le but est de calculer les X
i
, Y
j
et Z
k
partir des k
i,j
et l
i,j
. On va dabord sintresser aux cas instables pour
lesquels une petite erreur sur les donnes donne lieu des
erreurs importantes sur le rsultat. Enn, on va donner un
algorithme complet pour le calcul de la structure et du mou-
vement.
3.3 Les conditions dinstabilit
Pour tudier les cas instables, remarquons dabord que le
calcul dune seule des inconnues ne ncessite la consid-
ration que de seulement 6 quations. On restreint donc le
systme aux quations:
P
1,2
= X
2
1
Y
2
1
+ k
1,2
P
1,3
= X
2
2
Y
2
2
+ k
1,3
P
2,3
= (X
1
X
2
)
2
(Y
1
Y
2
)
2
+ k
2,3
Q
1,2
= X
2
1
Z
2
1
+ l
1,2
Q
1,3
= X
2
2
Z
2
2
+ l
1,3
Q
2,3
= (X
1
X
2
)
2
(Z
1
Z
2
)
2
+ l
2,3
.
On introduit un nouveau systme de polynmes obtenu avec
les coefcients mesurs:
k
mes
i,j
= k
i,j
+ k
i,j
l
mes
i,j
= l
i,j
+ l
i,j
.
On note les nouvelles solutions issues du systme mesu-
r:
X
mes
i
= X
i
+ X
i
Y
mes
i
= Y
i
+ Y
i
Z
mes
i
= Z
i
+ Z
i
.
Supposons que X
i
, Y
i
, Z
i
soient les solutions du systme
original (exact). Si lon soustrait les quations du systme
mesur celle du systme exact, aprs quelques manipu-
lations algbriques, le systme scrit sous la forme:
K = MX+
o
K =

k
1,2
k
1,3
k
2,3
l
1,2
l
1,3
l
2,3

et X =

X
1
X
2
Y
1
Y
2
Z
1
Z
2

.
La matrice M a des coefcients linraires en les X
i
, Y
j
,
Z
k
, et est un vecteur dont les composantes sexpriment en
fonction des X
2
i
, Y
2
i
, Z
2
i
. Les cas instables apparaissent
quand la matrice M est singulire, cest--dire quand son
dterminant sannule. Dans ce cas, de petites variations sur
Kinduisent de grosses erreurs sur X. Aprs dveloppe-
ment et factorisation, on obtient :
det M = 64(Z
2
Y
1
Y
2
Z
1
)(Z
2
X
1
X
2
Z
1
)(Y
2
X
1
Y
1
X
2
).
On doit maintenant interprter les congurations instables
correspondant lannulation de ce dterminant de manire
gomtrique. Il existe deux cas:
les trois plans des camras sont linairement dpen-
dants (i.e. les trois plans de projections ne se coupent
pas en un unique point);
les images des points sont alignes dans une des images.
Ceci peut tre dmontr de la manire suivante. Posons i
k
un vecteur unit orthogonal au plan P
k
.
Regardons maintenant le cas o les trois vecteurs i
k
sont
linairement dpendants. Ce cas est quivalent au cas de
deux images (aucune reconstruction ne peut en tre d-
duite). En effet, ce cas signie que lon peut calculer la
troisime image par combinaison linaire des deux prc-
dentes.
Le second cas est celui o les trois vecteurs i
k
sont linai-
rement indpendants. Ainsi, les vecteurs {i
1
,i
2
,i
3
} d-
nissent une base. Il est clair que les points M
0
, M
1
, M
2
ont
pour coordonnes dans cette base respectivement (0,0,0),
(X
1
,Y
1
,Z
1
), (X
2
,Y
2
,Z
2
). La condition dinstabilit det M =
0 est quivalente au fait quil existe k {1, . . . ,3} tel que
les projections orthogonales de M
0
M
1
et de M
0
M
2
sur
P
k
soient collinaires, autrement dit, les images des points
M
0
, M
1
, et M
2
sont aligns dans une des images.
3.4 Description de lalgorithme
Nous sommes maintenant en mesure de donner lalgorithme
complet de reconstruction. Lide principale est dutiliser
les rsultants [2] pour liminer successivement les variables,
de manire analogue au pivot de Gauss pour les systmes
linaires. Le calcul est effectu de manire obtenir un
polynme en une seule variable. Voici le dtail de lalgo-
rithme (les expressions manipules ici ne sont pas expli-
cites, car trop complexes, mais sont facile obtenir en
utilisant un logiciel de calcul formel) :
1. calculer les facteurs dchelle
i
laide des matrices
fondamentales afnes [6];
2. en dduire les coefcients k
i,j
et l
i,j
, en utilisant lqua-
tion (5);
3. calculer symboliquement le rsultant R
1
de P
1,2
et
P
2,3
en la variable Y
1
;
4. calculer symboliquement le rsultant R
2
de R
1
et P
1,3
en la variable Y
2
;
5. en factorisant R
2
, on constate que cest un carr. On
pose donc R
1,2
=

R
2
;
6. calculer formellement le rsultant S
1
de Q
1,2
et Q
2,3
en la variable Z
1
;
7. calculer formellement le rsultant S
2
de S
1
et Q
1,3
en
la variable Z
2
;
8. poser S
1,2
=

S
2
(de mme que R
2
, S
2
est un carr);
9. calculer formellement le rsultant T de R
1,2
et S
1,2
en la variable X
2
.
On obtient un polynme T qui est un polynme de degr
2 en X
2
1
. Lquation T = 0 peut tre rsolue de manire
exacte. On rsoud ainsi lquation pour chacune des va-
riables. En remplacant les solutions obtenues dans le sys-
tme de polynme initial, on peut slectionner la bonne
solution. La slection des solutions peut aussi tre faite
laide du thorme dextension (cf [2],p162). Il sensuit
que lalgorithme donne les coordonnes 3Ddes points dans
lespace de manire exacte. De ceci, on peut videmment
dduire les matrices de projection.
4 Les Rsultats exprimentaux
4.1 Estimation au maximumde vraisemblance
La mthode dcrite dans ce papier est minimale, en dautres
termes, il nexiste aucune fonction de cot et les rsultats
obtenus sont exacts, ne dpendant que des donnes entres.
Le but de lutilisation du maximumde vraisemblance est de
prouver la stabilit du rsultat obtenu. Cela consiste en une
minimization aux moindres carrs de lerreur de reprojec-
tion en utilisant une paramtrisation adquate des matrices
de camras et des points de la scne. Notons lensemble
des paramtres. Cet ensemble contient 12 +3n paramtres
de mouvement qui correspondent deux rotations, deux
translations, deux facteurs dchelle et 3n paramtres de
structure, o n est le nombre de points considrs. Les ma-
trices des camras vrient lquation (1). Lestimateur au
maximum de vraisemblance est donn par argmin

C()
o la fonction de cot est donne par :
C() =
i=3

i=1
j=n

j=1
d
2
(m
i
j
, m
i
j
),
0 1 2 3 4 5 6 7 8 9 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Bruit en pixel
E
r
r
e
u
r

r
e
l
a
t
i
v
e

s
u
r

l
e
s

d
i
s
t
a
n
c
e
s
La mthode alg.
FIG. 2 Lerreur mdiane avec les diffrents niveaux de
bruit sur les donnes simules.
o d
2
(.,.) dsigne la distance Euclidienne dans limage, m
i
j
dsigne les points mesurs dans les images et m
i
j
dsigne
les points reprojets. Pour loptimisation, on utilise lalgo-
rithme de Levenberg-Marquardt [3].
Remarquons que thoriquement, les deux rsultats devraient
tre les mmes, puisquon compare un algorithme minimal
et une solution optimise partir de son rsultat. La compa-
raison des deux solutions a pour but dvaluer la stabilit
effective de lalgorithme. Le maximum de vraisemblance
est aussi appel dans ce cas lajustement de faisceaux.
4.2 Expriences sur des donnes simules
Expriences sur des donnes minimales. Le protocole est
x de la manire suivante. On choisit au hasard 3 camras
afnes, et 4 points 3D. On calcule les projections des points
sur chacune des camras, et on ajoute un bruit uniforme
ces projections.
Avec ces reprojections, on calcule la structure 3D laide
de lalgorithme qui est dcrit dans cet article. Ensuite, on
compare la structure 3D obtenue par le calcul et celle d-
nit par les points 3D que lon a tirs au hasard. Ceci per-
met une valuation de lerreur de reconstruction. On rpte
cette exprience 100 fois pour chaque niveau de bruit, en
faisant varier le bruit de 0 10 pixels. Le rsultat est re-
prsent sur la gure 2. Ceci montre que lalgorithme est
stable.
Expriences avec lutilisation de RANSAC. On prend main-
tenant 157 points 3D issus dune mire de calibration (Fi-
gure 4). On prend 3 images de cette mire. On effectue une
reconstruction laide de lalgorithme dcrit dans larticle
et de ces 3 images. On projette maintenant les points 3D
(dont on connait les coordonnes dans lespace) avec les
projections calcules par lalgorithme, et on ajoute un bruit
uniforme sur les points images obtenus. On calcule ensuite
la reconstruction laide de RANSAC. Dans un premier
temps, on compare la reconstruction obtenue avec celle is-
sus de la solution optimise par ajustement de faisceaux sur
0 1 2 3 4
0
2
4
6
8
10
12
14
16
Bruit (pixels)
E
r
r
e
u
r

m
o
y
e
n
n
e

s
u
r

le
s

d
is
t
a
n
c
e
s

3
D

(
%
)
0 1 2 3 4
0
1
2
3
4
5
6
7
8
9
Bruit (pixels)
E
r
r
e
u
r

m
o
y
e
n
n
e

s
u
r

le
s

d
is
t
a
n
c
e
s

3
D

(
p
ix
e
ls
)
Mthode alg.
Aj. de faisceaux
Mthode alg.
Aj. faisceaux
0 0.5 1 1.5 2
0
2
4
6
8
10
12
14
16
Bruit (pixels)
E
r
r
e
u
r

m
o
y
e
n
n
e

s
u
r

le
s

d
is
t
a
n
c
e
s

3
D

(
%
)
Mthode alg.
Aj. faisceaux
0 0.5 1 1.5 2
0
1
2
3
4
5
6
Bruit (pixels)
E
r
r
e
u
r

m
o
y
e
n
n
e

d
e

r
e
p
r
o
je
c
t
io
n

(
p
ix
e
ls
)
Mthode alg.
Aj. faisceaux
FIG. 3 Les deux premiers graphes prsentent une compa-
raison entre la mthode prsente et la mthode prsente
suivie dun ajustement de faisceaux sur les mouvements des
camras. Les deux graphes suivants prsentent une compa-
raison entre la mthode prsente et la mthode prsente
suivi dun ajustement de faisceaux sur les mouvements des
camras et la structure. Note: dans le premier graphique,
les deux courbes sont superposes.
le mouvement des camras. Lajustement de faisceaux est
fait sur les donnes issues de lalgorithme prsent dans
larticle. Ensuite, on fait la mme chose sauf quau lieu
deffectuer lajustement de faisceaux uniquement sur le mou-
vement des camras, on le fait en plus sur la structure. Les
rsultats sont prsents dans la gure 3. On voit que les so-
lutions donnes par lalgorithme sont presque aussi bonnes
que celles optimises, produites la suite dun ajustement
de faisceaux.
4.3 Expriences sur des images relles
Expriences sur la mire. Nous avons expriment la tech-
nique de reconstruction sur des images dune mire. Avec
un logiciel appropri on a mis les points en correspon-
dances (Il ny a pas doutliers dans ces images). La struc-
ture de la mire nous permet den dduire les paramtres
et de la camra afne (On a remarqu quentre les trois
images, ces paramtres ne uctuait pas de plus de 0.5%,
et taient proches de 0 et 1 respectivement). La mire est
un objet compos de trois plans, formant entre eux deux
angles droits (gure 4). Dans un premier temps, on a re-
marqu quaprs reconstruction et reprojection des points,
on a une erreur de reprojection de moins de 0.5 pixel.
FIG. 4 Les trois images de la mire.
En fait, comme la reconstruction est mtrique, on peut es-
prer obtenir deux angles droits dans le modle de la re-
construction. La gure 6 montre que ces deux angles appa-
raissent effectivement sur le modle.
Expriences sur les images de la maison. On a aussi es-
say lalgorithme sur des images dune maison. On a pris
trois images dune maison, on a dtect des points dint-
rt laide du dtecteur de Harris, on les a mis en corres-
pondances par corrlation croise entre les images les plus
1
2
3
4
5 6
7
8
9
10
11
12 13 14 15 16
17 18 19
20 21 22
23 24
25
26
27 28
29
30 31
32 33
34
35
36
37
1
2
3
4
5 6
7
8
9
10
11
12
13
14
15 16
17
18
19
20 21
22
23
24
25
26
27
28
29
30
31
3233
34
35
36
37
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20 21
22
23 24 25
26
27
28
29 30 31
3233
34
35
36
37
FIG. 5 Les trois images de la maison avec les points mis
en correspondances.
proches, et enn on a utilis ces rsultats pour constituer
des correspondances entre triplet de points, voir gure 5.
On peut voir quil y a de nombreuses mises en correspon-
dances errones, et que les images contiennent une certaine
perspective, ce qui va fausser la reconstruction. On dtecte
dans un premier temps les outliers avec lalgorithme RAN-
SAC, ceci an de les liminer. Ensuite, on calcule un mo-
dle qui minimise lerreur de reprojection sur 100 essais.
Pour le modle obtenu, voir la gure 7.
FIG. 6 Les deux angles droit du modle reconstruit.
5 Conclusion
Nous avons prsent une nouvelle mthode pour la recons-
truction mtrique partir de camras afnes. La mthode
fonctionne avec des donnes minimales, cest--dire 4 points
dans 3 images. Les coordonnes des 4 points 3D sont cal-
cules de manire exacte et ceci directement, sans passer
au pralable par les paramtres de mouvement des cam-
ras comme on le fait couramment. On a aussi tudi les
cas instables dans le cas dune reconstruction partir de
donnes minimales. Les rsultats exprimentaux prouvent
que la mthode est stable. Un autre point important est que
la mthode ne ncessite que le calcul des zros dun poly-
nme de degr 2, ce qui est trs rapide. Dautre part, lajus-
tement de faisceaux allonge considrablement le temps de
calcul.
Rfrences
[1] K. Astrom, A. Heyden, F. Kahl, and M. Oskarsson.
Structure and motion from lines under afne projec-
tions. In Proceedings of the 7th International Confe-
rence on Computer Vision, Kerkyra, Greece, pages
285292, September 1999.
[2] D. Cox, J.Little, and D. OShea. Ideals, Varieties, and
Algorithms. Springer, 1996.
[3] P.E. Gill, W. Murray, and M.H. Wright. Practical Op-
timization. Academic Press, 1981.
[4] C.J. Poelman and T. Kanade. A paraperspective fac-
torization method for shape and motion recovery. In
J.O. Eklundh, editor, Proceedings of the 3rd European
Conference on Computer Vision, Stockholm, Sweden,
pages 97108. Springer-Verlag, May 1994.
[5] L. Quan. Self-calibration of an afne camera from
multiple views. International Journal of Computer Vi-
sion, 19(1):93105, May 1996.
[6] L.S. Shapiro, A. Zisserman, and M. Brady. 3D motion
recovery via afne epipolar geometry. International
Journal of Computer Vision, 16(2):147182, 1995.
[7] C. Tomasi and T. Kanade. Shape and motion from
image streams under orthography: A factorization me-
thod. International Journal of Computer Vision,
9(2):137154, November 1992.
[8] S. Ullman. The Interpretation of Visual Motion. The
MIT Press, Cambridge, MA, USA, 1979.
FIG. 7 Le modle reconstruit de la maison.