II.13.1.1. APPROCHES GLOBALES.
·
* surface, périmètre, largeur,
hauteur,
* moments invariants, moments de Zernike,
* morphologie mathématique,
* élongation, circularité,
37
Robot Mobile Avec Suivi Visuel De Ligne
Chapitre II : Traitement D'images
Numérique-Navigation
II.13.1.1.2. APPROCHES LOCALES:
§ Coins ou sommets (position, angles, . . .).
§ Segments (position, longueur, . . .).
§ Facettes ou régions (position, surface, couleurs,
texture, . . .), en utilisant les
contours de l'objet, squelette.
§ Représentation par des histogrammes (Shape Context,
signature polaire).
§ Descripteurs de Fourier, représentation par
vecteurs propres, splines ...
La reconnaissance des objets 2D est menée par des
méthodes différentes :
· Appariement de gabarit « template matching» :
les objets à détecter sont représentés par des
échantillons (imagettes) ou gabarits (templates). L'image
étudiée est balayée avec le template en comparant les
pixels du template à ceux de la portion de l'image recouverte.
Une mesure de comparaison du type coefficients de
corrélation ou somme de différences
(Maximales ou absolues) sert à quantifier la
similarité entre les template et une portion de l'image.
· Méthodes basées sur l'apparence (en
exploitant l'espace propre)
· Méthodes fondées sur des
caractéristiques : Arbres d'interprétation, alignement etc.
La catégorisation d'un chemin perçu dans une
scène doit utiliser une représentation qui exploite le contour de
la région correspondante de l'image.
Le descripteur choisi pour représenter la forme d'un
chemin est appelée Shape Context, considère comme une alternative
fiable de classification et d'identification d'objets à partir de leurs
points de contour. Du fait de la polyvalence et de la richesse de ce
descripteur, nous l'avons adopté pour la classification et la
catégorisation de chemins (de terre, goudronne...) à partir de
leurs caractéristiques morphologiques (carrefours, lignes droites,
intersections en T, impasse, virages, etc.). Notre principale motivation vise
l'exploitation des intersections détectes dans un réseau de
chemins, pour la construction d'une carte topologique exploitée ensuite
pour la navigation autonome.
38
Robot Mobile Avec Suivi Visuel De Ligne
Chapitre II : Traitement D'images
Numérique-Navigation
II.13.2. Catégorisation des chemins par shape
context: La signature polaire d'une forme, décrite par un
ensemble de points, est donnée par la distribution grossière de
la forme par rapport à un point de référence ; la
distribution est représentée par un histogramme polaire des
points de la forme autour du point de référence.
Le descripteur Shape Context est l'ensemble des signatures
polaires de la forme par rapport à chacun des points qui la
décrit. La mise en correspondance entre deux formes décrites par
Shape Context, se fait en deux étapes :
(1) on rechercher pour chaque point échantillon sur une
forme, le point échantillon sur l'autre qui a la signature polaire la
plus semblable.
(2) La maximisation de similarités globales de tous les
points est résolue par l'optimisation d'un graphe bipartite.
Cette méthode n'impose aucune restriction sur les
propriétés inhérentes des points représentant la
forme. C'est-à-dire qu'ils ne correspondent pas à des points de
courbure, ni à des maxima, des minima, des points d'inflexion, etc. Pour
la simplicité algorithmique, nous avons préféré
travailler avec des points uniformément sépares.
D'après nos expériences sur l'extraction de
contours issus des scènes naturelles, ou les bords des régions
sont souvent assez irréguliers, cette approche nous semble assez souple
pour la représentation des chemins.
II.14. MODÉLISATION ET CATÉGORISATION DE
CHEMI
II.14. finition chemin : Un chemin
entre une situation initiale e situation
finale une représentation géométrique du
d'emplacement du corps qui ne considère
pas le temps [9].
II.14.2. Indexation de chemins par la forme
: Pour l'indexation de chemins à partir de la forme des
régions étiquètent Chemin dans les images, nous ne
stockons que les points de contours lisses de ces régions. Les
descripteurs « Shape Context» sont calcules pour toutes les images de
la base de données, et stockées en mémoire pour leur
réutilisation.
Le but de l'indexation est de ranger ces descripteurs dans une
structure qui permette de retrouver facilement les descripteurs
approximativement égaux a un descripteur donne. Nous avons un
critère de comparaison du type plus proche voisin entre les descripteurs
de
39
Robot Mobile Avec Suivi Visuel De Ligne
Chapitre II : Traitement D'images
Numérique-Navigation
la base de données et celui de la région à
identifier, i.e., la forme apprise ayant la distance la plus petite a la forme
a classifier.
En conclusion, nous considérons possible d'exploiter cette
technique d'indexation, comme élément additionnel dans la
navigation autonome et la construction de cartes topologiques. Pour ce faire,
les chemins caractéristiques rencontres dans la nature (disons :
carrefours, intersection, virages, etc.) sont pré-classifies en tant
qu'ayant des propriétés semblables, ce qui va nous permettre
d'augmenter la base de données.
La catégorisation d'un chemin devient alors le processus
d'indexation de cette forme dans notre base de données [19].
| 
