Algorithme de segmentation cooprative frontire/rgion des nuages de points 3D

B. El Fahime1 - H. Belkebir1 - M. Radouani1 - A. Saka2 - M. Carrard3

Universit Moulay Ismal M2 I, Ecole Nationale Suprieure dArts & Mtiers de Mekns - Maroc b.fahime@gmail.com ; belkebirhicham@yahoo.fr ; radouani_m@yahoo.com Universit Sidi Mohamed Ben Abdellah GCS, Ecole Suprieure de Technologie de Fs - Maroc abdelmjid.saka@laposte.net
3 2 1

Universit Paris XI

LGMPB, Institut Universitaire de Technologie de Cachan France

michel.carrard@iut-cachan.u-psud.fr

RSUM.

Dans diffrents processus industriels, le besoin de rcuprer en 3D la gomtrie dun produit physique existant, est de plus en plus frquent. Les techniques de numrisation 3D permettent aujourd'hui d'obtenir une reprsentation numrique d'un objet physique sous forme d'un nuage de points brut. En rtro-conception, la phase de segmentation permet de partitionner le nuage de points prtrait en sous ensembles homognes. Dans ce travail, nous proposons un algorithme de segmentation hybride. Notre approche consiste, dans un premier temps, localiser les contours qui dlimitent les diffrentes rgions dans le nuage de point par une approche frontire. Linformation obtenue sur la position des contours sera utilise pour renforcer les critres darrt dans l'approche de croissance rgion. In various industrial processes, the need to recover in 3D the geometry of an existing physical product is increasingly frequent. The techniques of 3D digitalization make it possible today to obtain a digital representation of a physical object in the form of a points cloud. In reverse engineering, the phase of segmentation allows breaking down the pretreated points cloud into homogeneous subsets. In this work, we propose a hybrid algorithm of segmentation. Our approach consists in locating contours which delimit the various regions in the points cloud by an approach border. The information obtained on the position of contours will be used to reinforce the criteria of stop in the approach of growth region.
ABSTRACT. MOTS-CLS : KEY WORDS:

rtro-conception, nuage de points, segmentation, algorithme. reverse-engineering, points cloud, segmentation, algorithm.

CPI2007, Rabat, Maroc

CPI2007, Rabat, Maroc

1. Introduction Les systmes de numrisation 3D actuels permettent d'obtenir une reprsentation numrique d'un objet physique sous forme d'un nuage de points bruts. Compte tenu de la complexit des formes numrises, du mode dacquisition utilis et de lapplication vise, le nuage de points obtenu ncessite un certain nombre de prtraitements afin de le rendre exploitable. Ltape de prmodlisation permet la structuration des donnes [OST 02]. Parmi les possibilits existantes on peut citer : le modle polydrique, le modle surfacique et le modle d'occupation spatiale. Les maillages triangulaires sont les plus rependus car ils reprsentent une solution privilgie pour lindustrie de part leur simplicit et leur flexibilit. Ils sont frquemment utiliss en CAO, modlisation par lments finis, Reverse Engineering, etc. La segmentation est le processus qui consiste partitionner le maillage en des rgions homognes. Elle est apparue comme une problmatique importante du fait de la complexit de sa mise en uvre et de la multitude dapplications qui en sont dpendantes. Les mthodes de segmentation peuvent tre classifies dans deux catgories : - Les techniques d'identification de rgion permettent de partitionner le maillage triangulaire en des patchs surfaciques homognes [MAN 99]. L'inconvnient de ces techniques est que les frontires des patchs sont habituellement brouilles. - Les techniques orientes dtection contours recherchent les points de discontinuit des caractristiques locales [SHA 04]. La difficult principale rside dans la jonction de ces points pour obtenir un bord. En traitement et analyse dimage, on utilise principalement la fonction luminance comme caractristique principale pour mener bien le processus de segmentation. Par analogie, les chercheurs en infographie ont propos dutiliser la courbure de la surface comme caractristique principale autour de laquelle toute adaptation dalgorithmes de segmentation 2D sera ralise [DEL 07]. Plusieurs approches permettent destimer la courbure dune surface reprsente par un maillage triangulaire ont t dveloppes [LAG 01]. Le choix de la mthode dapproximation de la courbure pour les surfaces discrtes joue un rle important dans la qualification des algorithmes. Dans ce travail, nous proposons un algorithme hybride pour la segmentation des maillages triangulaires. La dmarche vise utiliser dune faon cooprative les mthodes orientes contours et celles orientes rgions pour piloter le processus de dcomposition de la surface maille en sous domaines homognes. Elle consiste utiliser la mthode de Normal Voting, dveloppe par MEDIONI [MED 00] et amlior par PAGE [PAG 01], pour estimer les courbures principales. Une classification des sommets du maillage, en utilisant lindice de forme, permet de constituer les germes damorage de la mthode de croissance de rgions. La

Algorithme de segmentation - Nuages de point 3D 3 dfinition dune fonction didentification des contours est utilise comme critre darrt du processus de croissance. 2. Courbures et directions principales En gomtrie diffrentielle, les courbures principales sont donnes par :

Dans le cas discret, (1) est approxime par la relation suivante :

O reprsente la discrtisation du pas dintgration, discrte dans la direction .

est la courbure

Plusieurs approches ont t dveloppes pour estimer , et dans le cas dun maillage triangulaire [MED 00a]. Les courbures principales de la surface maille seront estimes en utilisant la technique Normal Voting. 2.1. Normal Voting. La technique Normal Voting consiste en gnral estimer la normal la surface en chaque sommet du maillage. Ceci est ralis par un processus de vote qui fait intervenir les normales des triangles appartenant au voisinage godsique du sommet considr. 2.1.1. Voisinage godsique. Ils existent diffrentes faons pour dfinir le voisinage dun sommet dans un maillage triangulaire. Des mthodes exploitent la proprit de la connexit [ZHA 05]. Dautres utilisent les distances godsiques qui respectent au mieux la topologie de la surface discrte traite [PAG 02]. La distance godsique entre deux points dun maillage est dfinie comme tant le chemin le plus court les reliant. Le voisinage godsique dun sommet du maillage est lensemble des sommets du maillage dont la distance godsique est infrieure o gale une distance seuil. Le calcul des distances godsiques pour les sommets dun maillage triangulaire peut tre ralis en utilisant lalgorithme Fast Marching dvelopp par KIMMEL et SETHIAN [KIM 98]. Il simule la propagation dun front donde partir du sommet considr pour rsoudre lquation Eikonale : T est la distance godsique par rapport au point de dpart ; F est la vitesse de propagation du front.

CPI2007, Rabat, Maroc

Figure 1. Propagation d'un front partir d'un sommet 2.1.2. Collection de vote La premire tape dans la technique de Normal Voting consiste dterminer la contribution de chaque triangle (appartenant au voisinage godsique du sommet considr) lestimation de la normale. PAGE a dtermin le vote de chaque triangle en utilisant la formule suivante :

est le vote au sommet S ; est la normale du triangle participant au O vote ; G est le centre de gravit du triangle.
Ni N i G S

Figure 2. Collection de vote

MEDIONI a propos de reprsenter le vote
t

par une matrice de covariance

et a dfini le tenseur de vote par :

Avec,

une fonction de poids donne par :

est laire du triangle i, est la distance godsique entre le centre de O gravit du triangle et le sommet S, est un paramtre de contrle estim partir de la distance godsique maximale du voisinage de S. La normale au sommet S

Algorithme de segmentation - Nuages de point 3D 5 est dtermine par la recherche du vecteur propre associ la plus grande valeur propre du tenseur de vote. 2.2. Dtermination courbures et directions principales. Une fois le tenseur de vote est estim pour chaque sommet, on procdera au vote des courbures et directions principales en utilisant la relation (2). La fonction de poids est une exponentiel dcroissante de la distance godsique des sommets qui participent au vote. On dtermine les directions de courbures par la relation suivante :

La courbure normale dans la direction relation :

au sommet S est donne par la

Avec :

Le calcul du tenseur de courbure de la relation (2) devient possible. La recherche des lments propres permet de dterminer les courbures et les directions principales. Soient valeurs propres calcules : ) les lments propres du tenseur de courbure ,
MEDIONI propose de dfinir les courbures principales par une relation linaire des

Auxquels on associera les directions principales 3. Segmentation du maillage triangulaire

CPI2007, Rabat, Maroc

Un maillage triangulaire tridimensionnel est dfini par le couple o : reprsente lensemble des sommets du maillage et lensemble des faces. Le maillage doit satisfaire certaines conditions topologiques et gomtriques pour tre valide au processus de segmentation. On peut citer dans ce contexte quil doit tre 2-manifold et orient. Daprs DELEST, la segmentation de ce type de maillage est dfinie comme suit : Soient un maillage triangulaire 3D et un lment de segmentation de M est un ensemble de sous-maillages par la partition de en k sous-ensembles disjoints .

. La induite

Il existe plusieurs mthodes de segmentation des maillages triangulaires. Dans ce travail on a choisit une mthode cooprative qui exploite les avantages de la segmentation par dtection des contours et ceux de la croissance de rgion. Le processus de la segmentation cooprative est dcrit par lorganigramme suivant :
Dtection et tiquetage des contours Classification des sommets par k-means Identification des triangles germe Croissance de la rgion

Figure 3. Processus de la segmentation cooprative 3.1 Dtection des contours dans un maillage triangulaire En traitement d'image 2D, les contours reprsentent les dtails ou les hautes frquences de l'image, la dtection se fait en analysant le gradient de l'image. Pour un maillage 3D, un contour peut tre dtect en analysant l'orientation des normales. Dans ce contexte on va utiliser la fonction de dtection de contour dvelopp par
PAGE :

Les reprsentent les valeurs propres du tenseur de vote utilis pour l'estimation de la normale en chaque sommet du maillage. reprsente la normale moyenne sur le voisinage godsique de S. Les paramtres , sont dtermins dune faon empirique.

Figure 4. Exemple de dtection de concours

Algorithme de segmentation - Nuages de point 3D 7 3.2 Classification des sommets Pour classifier les sommets du maillage non-tiquets contours, ZAHARIA a dfini un indice de forme qui caractrise lappartenance du sommet considr lune des cinq types de surfaces, Figure 5. Lindice de forme exploite les courbures principales pour caractriser le type de surface au sommet S. Il est donn par la relation suivante :

Figure 5. Les 5 types de surfaces caractrises par un indice de forme. La classification des sommets du maillage est obtenue en appliquant lalgorithme k-means dans lespace des indices de formes. Les sommets sont alors classs dans cinq clusters indpendamment de leurs positions spatiales. Ces clusters correspondent aux types de surfaces suivants : crte, valle, trou, sommet et surface selle, Figure 5. 3.3 Identification des triangles germe Il existe trois cas possible pour considrer un triangle comme un germe de dpart pour le processus de croissance de la rgion, Figure 6 : - Les trois sommets du triangle appartiennent au mme cluster. - Deux sommets du triangle appartiennent au mme cluster et le troisime est tiquet contour. - Un sommet appartient au cluster et les deux autres sont tiquets contour.

Sommet appartenant au mme cluster

Sommet tiquet contour.

Figure 6. Triangle candidat pour tre des triangles germes 3.4 Croissance de rgion

CPI2007, Rabat, Maroc

Le processus de la croissance de rgion sexcute de la faon suivante : on part dun triangle germe choisit au hasard, on lui affecte le label de la premire rgion. Ensuite, on fait propager ce label de proche en proche en explorant le voisinage 1-adjacent. Deux cas de figure se prsentant : - Le triangle explor partage deux sommets avec le triangle tiquet et son troisime sommet est tiquet contour ou appartient au mme cluster que celui des deux autres. - Le triangle explor partage un seul sommet avec le triangle tiquet. Si au moins lun des deux autres sommets appartiennent au mme cluster et lautre est tiquet contour. Cette opration est itrer tant quil y a des triangles germes non attribus une rgion.

Figure 7. Rsultats de la croissance de rgions 4. Conclusion Dans cet article, nous avons propos un algorithme hybride pour la segmentation des maillages triangulaire. Il utilise une approche frontire pour localiser les contours utiliss pour amliorer le critre darrt du processus de croissance de rgions. La fonction dtection des contours a t dveloppe partir dune analyse en valeurs propres du tenseur Normal Voting. Ce tenseur a permis galement de dfinir lindice de forme qui a servi pour excuter le processus de croissance de rgion. Les rsultats exprimentaux montrent le succs de l'algorithme propos pour segmenter des surfaces discrtes reprsentes par un maillage triangulaire. Les travaux futurs porteront sur la comparaison avec d'autres techniques de dtection et de segmentation de bord. Bibliographie
[DEL 07] DELEST S., BONE R., CARDOT H. " Etat de lart de la segmentation de maillage 3D par patchs surfaciques",GTMG2007, Groupe de Travail en Modlisation Gomtrique, . Valenciennes. p. 171-18, mars 2007.

Algorithme de segmentation - Nuages de point 3D 9

[KIM 98] KIMMEL R., SETHIAN J. "Computing geodesic paths on manifolds". In Proceedings of the National Acadmeny of Sciences. volume 95, pages 84318435, 1998. [LAG 01] LA GRECA R. "Segmentation de nuages de points et courbures discrete pour la reconstruction". Laboratoire dinformatique de Marseille, rapport DEA, 2001. [MAN 99] MANGAN A., WHITAKER R. "Partitioning 3D Surface Meshes using Watershed Segmentation". IEEE Trans. Visualization and Computer Graphics, vol. 5, no. 4, pp. 308 321, 1999. [MED 00] MEDIONI G., TANG C. "Tensor Voting : Theory and Applications". 12me Congrs Reconnaissance des Formes et Intelligence Artificielle RFIA2000, Paris, France, February 2000. [MED 00a] MEDIONI G., LEE M., TANG C. "A Computational Framework for Segmentation and Grouping". Elsevier, 2000. [OST 02] OSTY G. "Extraction de particularits gomtriques sur donnes discrtes issues de numrisation : partitionnement de grands nuages de points". Thse de doctorat, ENS de Cachan, 10 janvier 2002. [PAG 01] PAGE D., KOSCHAN A., SUN Y., PAIK J., ABIDI M. "Robust Crease Detection and Curvature Estimation of Piecewise Smooth Surfaces from Triangle Mesh Approximations Using Normal Voting". IEEE Computer Society's Computer Vision and Pattern Recognition, CVPR2001, pp. 162167, 2001. [PAG 02] PAGE D., SUN Y., KOSCHAN A., PAIK J., ABIDI M. "Normal vector voting: crease detection and curvature estimation on large, noisy meshes". Graphical Models, Volume 64 Issue 3/4, May 2002 [SHA 04] SHAMIR A. "A Formalization of Boundary Mesh Segmentation". 3DPVT 04 : Proceedings of the second IEEE International Symposium on 3D Data Processing, Visualization and Transmission, pages 8289, Thessaloniki, Greece, September 2004. [TAU 95] TAUBIN G. "Estimating the tensor of curvature of a surface from a polyhedral approximation". Proceedings of the Fifth International Conference on Computer Vision, pages 902907, 1995. [ZAH 04] ZAHARIA T., PRETEUX F. "Descripteurs de forme : Etude compare des approches 3D et 2D/3D", RFIA2004. Actes 14me Congrs Reconnaissance des Formes et Intelligence Artificielle. 28-30 Janvier, Toulouse 2004. [ZHA 05] ZHANG H., LIU R. "Mesh Segmentation via Recursive and Visually Salient Spectral Cuts". Proceeding of Vision, Modeling, and Visualization 2005, pp. 429-436, 2005.