| Titre : | Conception d'un système d'optimisation pour le positionnement de caméras pour la motion capture MOCAP |
| Auteurs : | Salim Abdesselam, Auteur ; Zine Eddine Baarir, Directeur de thèse |
| Support: | Thése doctorat |
| Editeur : | Biskra [Algerie] : Université Mohamed Khider, 2018 |
| Langues: | Français |
| Mots-clés: | Capture de mouvement ; Système optique ; Réseau de caméras ; Placement ; Marqueurs ; 2D ; 3D ; Méta-heuristiques ; WPSO ; CPSO ; MCPSO ; RFS. |
| Résumé : |
La capture de mouvement est une technique utilisée dans des domaines très diversifiés (telles que la médecine, la biomécanique, etc.). Son objectif est d'enregistrer le mouvement d'un objet réel pour le traduire en un modèle mathématique exploitable par des méthodes graphiques. Plusieurs critères (tels que le nombre d'acteurs, la complexité du mouvement, ...) précisent le choix du système de capture de mouvement, qu'il soit optique, magnétique ou mécanique. Le système optique utilise des marqueurs fixés à des emplacements spécifiques sur l'objet et des caméras infrarouges qui capturent la lumière réfléchie par ces marqueurs. L'enregistrement permet de reconstruire un mouvement tridimensionnel. Ce système a des avantages par rapport aux autres, mais il souffre de problèmes d'occultation des marqueurs. Un bon placement des caméras peut résoudre ces problèmes. L'objectif de cette thèse consiste en la conception d'un algorithme d'optimisation pour le placement d'un réseau de caméras, dédié à un système de capture de mouvement optique. Pour une bonne capture de mouvement, le placement d'un réseau de caméras consiste à trouver une combinaison de paramètres appelés paramètres extrinsèques (positions et poses) et une combinaison de paramètres intrinsèques (profondeurs, angles d'ouverture). La méthode d'optimisation combinatoire est choisie pour résoudre ce type de problème. Ainsi, nous pouvons le résoudre par des méthodes récentes appelées "méta-heuristiques". Nous avons choisi ces méthodes pour leur simplicité algorithmique et leurs capacités à trouver une solution optimale dans un temps acceptable par rapport aux méthodes exactes. Dans notre travail, une solution optimale est atteinte, lorsque chaque marqueur est capturé (ou couvert) par au moins deux caméras au cours de chaque trame de son mouvement. Cette condition est nécessaire pour la reconstruction du mouvement en trois dimensions. Pour atteindre le premier objectif de cette thèse, le problème de placement du réseau de caméras est résolu comme un placement bidimensionnel. Comme première application, la variante WPSO est utilisée pour optimiser le placement d'un réseau à quatre caméras pour trois scénarios: (1) un seul point fixe, (2) un seul point fixe avec présence d'obstacles et (3) un seul point en mouvement. Dans la seconde application, une variante appelée CPSO est utilisée pour optimiser le placement d'un réseau de caméras (de 4 à 10 caméras) pour couvrir le mouvement de 8 marqueurs (fixés sur les extrémités d'un cube) dans une scène bien définie. L'objectif de cette optimisation est atteint pour trois différents scénarios (le cube se déplace en ligne droite entre deux obstacles ou vers un grand mur ou le cube se déplace entre deux piliers). Pour atteindre le second objectif, le problème du placement d'un réseau de caméras est résolu en trois dimensions. La technique RFS et les variantes CPSO, MCPSO sont utilisées pour optimiser le placement d'un réseau de caméras (de 4 à 10) afin de couvrir un mouvement diagonal d'un cube à l'intérieur de la scène. Bien que la technique MCPSO présente une légère amélioration des résultats par rapport à la technique CPSO, les deux variantes n'ont pas atteint leur objectif sauf en utilisant la technique RFS; soit, que chaque marqueur est couvert par deux caméras (C_seuil=2) ou par trois caméras (C_seuil=3) au cours de chaque trame de son mouvement. Motion capture is a technique used in many fields (such as medicine, bio-mechanics, ...). Its purpose is to record the movement of a real object to translate it into a mathematical model exploitable by graphic methods. Several criteria (such as actors number, movement complexity, ...) specify the choice of the motion capture system, whether optical, magnetic or mechanical. The optical system uses markers fixed to specific locations on the object and infrared cameras that capture the light reflected by these markers. The recording makes it possible to reconstruct a three-dimensional movement. This system has advantages compared to others, but it suffers from marker occlusion problems. A good placement of cameras can solve these problems. The goal of this thesis is to design an optimization algorithm for camera network placement, dedicated to an optical motion capture system. For a good motion capture, the camera network placement consists in finding a combination of parameters called extrinsic parameters (positions and poses) and a combination of intrinsic parameters (depths, aperture angles). The combinatorial optimization method is chosen to solve this type of problems. Thus, we can solve it by recent methods called ”meta-heuristics”. We choose these methods for their algorithmic simplicity and their ability to find an optimal solution in an acceptable computing time compared to exact methods. In our work, an optimal solution is reached, when each marker is captured (or covered) by at least two cameras during each frame of its movement. This condition is necessary for three-dimensions motion reconstruction. To reach the first goal of this thesis, the camera network placement problem is solved as a two dimensional placement. As first application, the variant Weight Particle Swarm Optimization (WPSO) is used to optimize the placement of a four-camera network for three scenarios: (1) a single fixed point, (2) a single fixed point with obstacle presence and (3) a single point in movement. In the second application, a variant called Canonical Particle Swarm Optimization (CPSO) is used to optimize a cameras network placement (from 4 to 10 cameras) to covered the movement of 8 markers (fixed on the cube extremities) in a defined scene. The objective of this optimization is achieved for three different scenarios (the cube move in straight line between two obstacles or to a big wall or the cube move between two pillars). To reach the second goal, the problem of a camera network placement is solved as three dimensional placement. The Stochastic Fractal Search (SFS) technique and CPSO, Modified Canonical Particle Swarm Optimization (MCPSO) variants are used to optimize a cameras network placement (for 4 to 10) to cover a diagonal movement of the cube inside the scene. Although the MCPSO technique present a slight improvement in the results compared to the CPSO technique, the two variants did not achieve their objective except by using the technique SFS; either, that each marker is covered by two cameras (Cseuil = 2) or by three cameras (Cseuil = 3) during each frame of its movement. |
Exemplaires (2)
| Cote | Support | Localisation | Disponibilité | Emplacement |
|---|---|---|---|---|
| TH//2245 | Thèse doctorat | Bibliothèque centrale El Allia | Exclu du prêt | Salle de consultation |
| TH/2245 | Thèse doctorat | Bibliothèque centrale El Allia | Exclu du prêt | Salle de consultation |
Consulter en ligne (1)
 Consulter en ligne URL |
