Projet : ROBOTVIS - robotvis

<body bgcolor="#FFFFFF" text="#000000" link="#9944EE" vlink= "#0000FF" alink="#00FF00">  <a name="CHILD_LINKS"><strong>Sous-sections</strong></a> <ul> <li><a name="tex2html459" href= "Geometrieun_systeme__mn.html#SECTION00052100000000000000" target="main"><small>Stéréo d'Images Couleurs</small></a></li> <li><a name="tex2html460" href= "Geometrieun_systeme__mn.html#SECTION00052200000000000000" target="main"><small>Autocalibration</small></a></li> <li><a name="tex2html461" href= "Geometrieun_systeme__mn.html#SECTION00052300000000000000" target="main"><small>Utilisation de formes particulières de matrices pour estimation plus efficace des matrices d'homographies et fondamentales.</small></a></li> <li><a name="tex2html462" href= "Geometrieun_systeme__mn.html#SECTION00052400000000000000" target="main"><small>Localisation et Calibration avec un Zoom.</small></a></li> <li><a name="tex2html463" href= "Geometrieun_systeme__mn.html#SECTION00052500000000000000" target="main"><small>Implémentation de méthodes multi-modèles d'estimation paramétrique.</small></a></li> <li><a name="tex2html464" href= "Geometrieun_systeme__mn.html#SECTION00052600000000000000" target="main"><small>Interaction Symbolique et Numérique ; Application à la Vision Artificielle</small></a></li> <li><a name="tex2html465" href= "Geometrieun_systeme__mn.html#SECTION00052700000000000000" target="main"><small>Calcul de la Jacobienne de la Décomposition en Valeurs Singulières : Théorie et applications</small></a></li> <li><a name="tex2html466" href= "Geometrieun_systeme__mn.html#SECTION00052800000000000000" target="main"><small>Estimation de la matrice fondamentale par corrélation dense</small></a></li> <li><a name="tex2html467" href= "Geometrieun_systeme__mn.html#SECTION00052900000000000000" target="main"><small>Suivi de mouvements articulés avec plusieurs caméras</small></a></li> <li><a name="tex2html468" href= "Geometrieun_systeme__mn.html#SECTION000521000000000000000" target="main"><small>Synthèse de films réalistes à partir de photographies.</small></a></li> <li><a name="tex2html469" href= "Geometrieun_systeme__mn.html#SECTION000521100000000000000" target="main"><small>Méthodes linéaires directes pour l'étalonnage de séquences d'images</small></a></li> <li><a name="tex2html470" href= "Geometrieun_systeme__mn.html#SECTION000521200000000000000" target="main"><small>Localisation et Calibration avec un Zoom.</small></a></li> <li><a name="tex2html471" href= "Geometrieun_systeme__mn.html#SECTION000521300000000000000" target="main"><small>Géométrie des systèmes de plusieurs caméras</small></a></li> </ul> <hr /> <h2><a name="SECTION00052000000000000000">Géométrie d'un système de caméras et applications</a></h2>  <a name="ROBOTVIS_resultats_resultat-1"></a> <p><strong>Mots clés :</strong> <i>géométrie projective, géométrie affine, géométrie euclidienne, __7 talonnage de caméras, stéréoscopie multivue, polynôme, variété algébrique, ensemble caractéristique, algèbre double et relations de Plücker .</i></p> <p><a name="un"></a></p> <h3><a name="SECTION00052100000000000000">Stéréo d'Images Couleurs</a></h3><br /> <br /> <span class="textbf">Participants :</span> Rachid Deriche, Philippe Montesinos, Valérie Gouet.<br /> <br /> <p><strong>Mots clés :</strong> <i>stéréovision, estimation dense de carte de profondeur, EDP, Existence et unicité de solution, multi-résolution .</i></p> <p>Nous nous sommes intéressés au problème de l'appariement de points d'intérêts extraits à partir d'images en couleur. Pour cela, nous avons commencé par développer une technique d'extraction de points d'intérêts couleurs. Nous basant sur la notion de gradient multi-spectral, nous avons proposé deux nouveaux détecteurs de points d'intérêts qui généralisent au cas de la couleur les travaux de Harris et Stephens et ceux de Kitchen et Rosenfeld. Une méthode d'évaluation basée sur des critères de répétabilité et de localisation a été mise en oeuvre afin de tester et comparer la robustesse de ces deux techniques. Nous avons ensuite mis en oeuvre une approche basée sur l'utilisation d'invariants différentiels couleur d'ordre 1 pour traiter le problème de l'appariement. Une méthode de normalisation face aux changements d'illumination y est aussi proposée ainsi qu'une méthode robuste pouvant s'appliquer sur de grands nombres de points. Un algorithme de relaxation basée sur des contraintes semi-locales et des contraintes géométriques est aussi proposé, et enfin un algorithme incrémental basé sur la géométrie épipolaire et une contrainte de semi-planarité locale utilisant la triangulation de Delaunay est développé afin de réduire la complexité et limiter les faux appariement. <a name= "tex2html12" href= "ftp://ftp-robotvis.inria.fr/robotvis/html/Papers/montesinos-gouet-etal:00.ps.gz" target="_top">L'article</a> [<a href= "bibliographie_Toc.html#montesinos:00" target= "contents">20</a>] décrit l'approche complète alors que <a name="tex2html13" href="%3C" target= "_top">l'article</a>#2184#>ftp://ftp-robotvis.inria.fr/robotvis/html/Papers/gouet-montesinos-etal [] ne traite que la partie dédiée à l'extraction des points d'intérêts en images couleur.</p> <h3><a name= "SECTION00052200000000000000">Autocalibration</a></h3><br /> <br /> <span class="textbf">Participants :</span> Rachid Deriche, Manolis Lourakis.<br /> <br /> <p><strong>Mots clés :</strong> <i>autocalibration, équations de Kruppa, SVD, propagation d'erreurs, reconstruction et mesures 3D, paramètres intrinsèques variables .</i></p> <p>Nous avons poursuivi nos travaux sur l'auto-calibration d'une caméra à partir d'un ensemble de points appariés entre différentes images. Une première approche, qui se base sur la décomposition en valeurs singulières de la matrice fondamentale et sur l'hypothèse que les paramètres intrinsèques sont constants, est décrite dans <a name= "tex2html14" href= "ftp://ftp-robotvis.inria.fr/robotvis/html/Papers/lourakis-deriche:00.ps.gz" target="_top">l'article</a> publié dans  []. Une seconde approche qui généralise l'étude au cas d'une caméra à paramètres intrinsèques variables au cours du temps est décrite dans <a name="tex2html15" href= "http://www-sop.inria.fr/rapports/sophia/RR-3911.html" target="_top">le rapport de recherche</a> [].<br /> <br /> <b>»</b> <a name="tex2html16" href= "http://www-sop.inria.fr/robotvis/const/ra/00/AutoCal/autocaldemo.html" target="_top">Démonstration et présentation html</a><br /> <b>»</b> <a name="tex2html17" href= "http://www-sop.inria.fr/robotvis/const/ra/00/AutoCal/autocaldemo.html" target="_top"><small class= "FOOTNOTESIZE"><tt>http://www-sop.inria.fr/robotvis/const/ra/00/AutoCal/autocaldemo.html</tt></small></a></p> <h3><a name="SECTION00052300000000000000">Utilisation de formes particulières de matrices pour estimation plus efficace des matrices d'homographies et fondamentales.</a></h3> <p><br /> <br /> <span class="textbf">Participant :</span> Diane Lingrand.<br /> <br /></p> <p><strong>Mots clés :</strong> <i>homographies, matrices fondamentales, formes particulieres, cas particuliers .</i></p> <p>Ces travaux font suite à une étude menée depuis 1995 concernant les cas particuliers de mouvements, de structure et de projection dans des séquences monoculaires non calibrées. Par l'utilisation de formes particulières de matrices, on s'est affranchi d'une trop grande complexité algorithmique [,,].</p> <h3><a name="SECTION00052400000000000000">Localisation et Calibration avec un Zoom.</a></h3> <p><br /> <br /> <span class="textbf">Participants :</span> François Gaspard, Thierry Viéville.<br /> <br /></p> <p><strong>Mots clés :</strong> <i>étude du zoom, homographies, localisation 3D, calibration, estimation paramétrique .</i></p> <p>François Gaspard a finalisé les développements algorithmiques et les expérimentations sur l'analyse non calibrée du mouvement de points par rapport au mouvement de structures planes, dans le cas d'un objectif à focale variable. Dans ce cadre, il a développé une méthode originale de minimisation de critères d'estimation paramétrique [], cette dernière approche ayant déja été utilisée par ailleurs [<a href="bibliographie_Toc.html#vieville:00" target= "contents">40</a>].</p> <h3><a name="SECTION00052500000000000000">Implémentation de méthodes multi-modèles d'estimation paramétrique.</a></h3> <p><br /> <br /> <span class="textbf">Participants :</span> François Gaspard, Diane Lingrand, Thierry Viéville.<br /> <br /></p> <p><strong>Mots clés :</strong> <i>estimation non-linéaire, estimation robuste, estimation paramétrique, multi-modèles .</i></p> <p>Nous avons revisité le problème de l'estimation paramétrique en vision par ordinateur, reconsidérant et implémentant ce qui pourrait s'appeler la méthode d'estimation de Kanatani, présentée ici comme un simple problème d'optimisation, donc (a) sans référence directe à un cadre probabiliste mais (b) en considérant (i) des équations de mesures et des contraintes non-linéaires, (ii) une stratégie d'estimation robuste en présence de mesures erronées, (iii) en mettant en concurrence plusieurs modèles au sein d'une hiérarchie [].</p> <p>Cela nous a permis de thésauriser les développements méthodologiques réalisés au cours de plusieurs études précédentes.</p> <h3><a name="SECTION00052600000000000000">Interaction Symbolique et Numérique ; Application à la Vision Artificielle</a></h3><br /> <br /> <span class="textbf">Participants :</span> Didier Bondyfalat, Théodore Papadopoulo, Bernard Mourrain.<br /> <br /> <p><strong>Mots clés :</strong> <i>photomodélisation, contraintes géométrique, auto-calibration .</i></p> <p>Les techniques de photomodélisation classiques ne prennent en compte que la géométrie du système de prise de vues. Dans de nombreuses situations, cependant, de nombreuses contraintes peuvent être exprimées sur la géométrie de la scène observée (orthogonalités, parallélismes, ...). Depuis plusieurs année maintenant, nous nous sommes intéressés à étudier comment la prise en compte de telles contraintes peut être intégrée dans le processus de photomodélisation. Deux pistes ont été suivies :</p> <ul> <li>La première piste, symbolique, consiste à obtenir un modèle articulé de la scène à reconstruire à partir des primitives et des contraintes qui décrivent cette scène. Ce modèle articulé est alors ajusté aux observations afin d'obtenir une reconstruction.</li> <li>Une seconde piste, plus numérique, considère le cas particulier où l'on dispose d'un plan de la scène à reconstruire. La connaissance de ce plan permet l'utilisation de certaines propriétés géométriques de la scène au plus tôt dans le processus de photomodélisation : on peut exprimer ces propriétés directement à partir des mesures image. On obtient ainsi un algorithme d'étalonnage essentiellement linéaire prenant en compte les propriétés de la scène.</li> </ul> <p>L'ensemble de ces travaux a été réalisé dans le cadre du contrat CUMULI qui s'est fini cette année et a fait l'objet de deux parties de la <a name="tex2html18" href= "ftp://ftp-sop.inria.fr/robotvis/html/Thesis/bondyfalat:00.ps.gz" target="_top">thèse</a> de Didier Bondyfalat [] qui a été rédigée cette année.<br /> <br /> <b>»</b> <a name="tex2html19" href= "http://www-sop.inria.fr/robotvis/const/ra/00/ATPVision/" target="_top">Présentation html</a><br /> <b>»</b> <a name="tex2html20" href= "http://www-sop.inria.fr/robotvis/const/ra/00/ATPVision/" target="_top"><small class= "FOOTNOTESIZE"><tt>http://www-sop.inria.fr/robotvis/const/ra/00/ATPVision/</tt></small></a></p> <h3><a name="SECTION00052700000000000000">Calcul de la Jacobienne de la Décomposition en Valeurs Singulières : Théorie et applications</a></h3><br /> <br /> <span class="textbf">Participants :</span> Manolis Lourakis, Théodore Papadopoulo.<br /> <br /> <p><strong>Mots clés :</strong> <i>décomposition en valeurs singulières, Jacobienne, incertitude, calibration, structure à partir du mouvement .</i></p> <p>La technique de Décomposition en Valeurs Singulières (SVD) d'une matrice est un outil algébrique qui a trouvé de nombreuses applications en vision par ordinateur. Dans ce travail, nous nous sommes intéressés au problème de l'estimation de la jacobienne de la SVD par rapport aux coefficients de la matrice initiale. Cette jacobienne est très utile pour toute une gamme d'applications faisant intervenir des estimations aux moindres carrés (pour lesquelles on utilise la SVD) ou bien des calculs d'incertitude pour des grandeurs estimées de cette manière. Une solution analytique simple existe à ce problème : la jacobienne s'exprime à partir de la SVD de la matrice à l'aide d'opérations très simples d'algèbre linéaire. L'utilité et la généralité de la technique est démontrée en l'appliquant à trois problèmes de vision: l'auto-calibration, le calcul d'épipoles et l'estimation de mouvements rigides.</p> <p>Pour plus de détails, voir <a name="tex2html21" href= "ftp://ftp-sop.inria.fr/robotvis/html/Papers/papadopoulo-lourakis:00.pdf" target="_top">l'article</a> [] ou le <a name="tex2html22" href="http://www.inria.fr/rrrt/rr-3961.html" target= "_top">rapport de recherche</a> [].<br /> <br /> <b>»</b> <a name="tex2html23" href= "http://www-sop.inria.fr/robotvis/const/ra/00/SVDJac/index.html" target="_top">Présentation html</a><br /> <b>»</b> <a name="tex2html24" href= "http://www-sop.inria.fr/robotvis/const/ra/00/SVDJac/index.html" target="_top"><small class= "FOOTNOTESIZE"><tt>http://www-sop.inria.fr/robotvis/const/ra/00/SVDJac/index.html</tt></small></a></p> <h3><a name="SECTION00052800000000000000">Estimation de la matrice fondamentale par corrélation dense</a></h3><br /> <br /> <span class="textbf">Participants :</span> Cyrille Gauclin, Théodore Papadopoulo.<br /> <br /> <p><strong>Mots clés :</strong> <i>matrice fondamentale, corrélation, stéréo dense, multi-échelle, rectification. .</i></p> <p>Généralement, les méthodes de stéréoscopie par corrélation à partir d'images non étalonnées procèdent en deux étapes. Tout d'abord, elles commencent par établir la géométrie épipolaire (matrice fondamentale) à partir de quelques correspondances de points entre les images. Ensuite, ces images sont rectifiées, puis, une carte de disparité est calculée à l'aide de mesures de corrélation (somme des différences au carré ou corrélation croisée par exemple). Dans ce travail, nous proposons de rendre le procédé itératif et de créer une boucle de rétro-action, c'est à dire d'utiliser les scores de corrélation comme information supplémentaire permettant l'estimation de la géométrie épipolaire. Cette boucle permet d'améliorer simultanément la géométrie épipolaire et la carte de disparité. La méthode n'est pas en soi limitée à une technique de corrélation particulière, mais une nouvelle méthode de corrélation basée sur l'utilisation de filtres récursifs est utilisée dans ce travail. Cette méthode possède l'avantage de permettre une corrélation pondérée et multi-résolution sans pour autant entrainer d'augmentation importante des temps de calcul. Les résultats présentés ont été obtenus à partir d'images de synthèse, de paires d'images réelles de visages ainsi que d'images prises au microscope électronique à balayage (MEB).</p> <p>Pour plus de détails, voir l'article en <a name= "tex2html25" href= "ftp://ftp-sop.inria.fr/robotvis/html/Papers/gauclin-papadopoulo:00.ps.gz" target="_top">anglais</a> ou en <a name="tex2html26" href= "ftp://ftp-sop.inria.fr/robotvis/html/Papers/gauclin-papadopoulo:00a.ps.gz" target="_top">français</a> [,].<br /> <br /> <b>»</b> <a name="tex2html27" href= "http://www-sop.inria.fr/robotvis/const/ra/00/FDense/index.html" target="_top">Présentation html</a><br /> <b>»</b> <a name="tex2html28" href= "http://www-sop.inria.fr/robotvis/const/ra/00/FDense/index.html" target="_top"><small class= "FOOTNOTESIZE"><tt>http://www-sop.inria.fr/robotvis/const/ra/00/FDense/index.html</tt></small></a></p> <h3><a name="SECTION00052900000000000000">Suivi de mouvements articulés avec plusieurs caméras</a></h3><br /> <br /> <span class="textbf">Participants :</span> Quentin Delamarre, Olivier Faugeras.<br /> <br /> <p><strong>Mots clés :</strong> <i>suivi de mouvements, modèle 3D articulé du corps humain, reconstruction 3D, segmentation du mouvement, dynamique d'un système articulé, multi-caméra .</i></p> <p>Nous sommes parvenus à estimer les variations des paramètres du mouvement d'une personne filmée par plusieurs caméras vidéo, sans l'aide d'aucun capteur. Pour ce faire, nous extrayons des images des informations dont le type dépend de la distance entre les caméras</p> <ul> <li>Caméras proches : un modèle 3D articulé de la main converge sur une reconstruction 3D calculée par stéréo-corrélation de la main de l'utilisateur.</li> <li>Caméras éloignées : les projections dans les images d'un modèle 3D articulé du corps humain convergent vers les contours de la silhouette de la personne filmée, calculés grâce à des contours actifs géodésiques.</li> </ul>La convergence est réalisée en minimisant une énergie potentielle crée par des forces entre le modèle 3D et les informations extraites des images. <p>Pour plus de détails, voir <a name="tex2html29" href= "ftp://ftp-sop.inria.fr/robotvis/html/Papers/delamarre-faugeras:00.ps.gz" target="_top">l'article</a> [].</p> <h3><a name="SECTION000521000000000000000">Synthèse de films réalistes à partir de photographies.</a></h3> <p><br /> <br /> <span class="textbf">Participants :</span> Frédéric Abad, Olivier Faugeras, Imad Zoghlami.<br /> <br /></p> <p><strong>Mots clés :</strong> <i>rendu réaliste, couches, masques, segmentation, planar-key, graphcut .</i></p> <p>Une méthode de rendu réaliste multicouche assurant une combinaison optimale des images de référence a été précédemment développée et validée. Elle nécessitait une étape de pré-traitement au cours de laquelle les masques associés aux différentes couches 3D de la scène étaient extraits des images de référence.</p> <p>Une segmentation automatique de ces caches, faisant appel à la connaissance de la structure 3D de la scène ( <i>planar-key</i>), a donc été étudiée, implémentée et validée. Le problème, posé sous la forme d'une minimisation d'énergie, est résolu par la recherche de la coupe minimale dans un graphe particulier ( <i>graphcut</i>). La méthode proposée inclut également un post-traitement capable de corriger les erreurs d'étiquetage dues à des artefacts spécifiques au <i>planar-key</i>, les ombres d'occultation.<br /> <br /> <b>»</b> <a name="tex2html31" href= "http://www-sop.inria.fr/robotvis/const/ra/00/RenduRealiste/" target="_top">Présentation html</a><br /> <b>»</b> <a name="tex2html32" href= "http://www-sop.inria.fr/robotvis/const/ra/00/RenduRealiste/" target="_top"><small class= "FOOTNOTESIZE"><tt>http://www-sop.inria.fr/robotvis/const/ra/00/RenduRealiste/</tt></small></a></p> <div align="center"> <a name="figure_segmentation"></a><a name="2174"></a> <table> <caption align="bottom"> <strong>Figure:</strong> (a) image à segmenter (b) segmentation par une méthode classique (avec ombres d'occultation) (c) segmentation par la méthode <i>graphcut</i> développée (avec ombres d'occultation) (d) segmentation par <i>graphcut</i> (ombres d'occultation supprimées) </caption> <tr> <td> <div align="center"> <table cols="4"> <col align="center" /> <col align="center" /> <col align="center" /> <col align="center" /> <tr> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="128" height="133" align="bottom" border="0" src="img3.png" alt= "\includegraphics [width=3.8cm]{FIGURES/seg_reference_image}" /></td> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="128" height="133" align="bottom" border="0" src="img4.png" alt= "\includegraphics [width=3.8cm]{FIGURES/seg_classic_image}" /></td> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="129" height="133" align="bottom" border="0" src="img5.png" alt= "\includegraphics [width=3.8cm]{FIGURES/seg_graphcut_image}" /></td> <td valign="baseline" align="center" nowrap= "nowrap"> <img width="128" height="133" align="bottom" border="0" src="img6.png" alt= "\includegraphics [width=3.8cm]{FIGURES/seg_graphcut_no_occlusion_shadows}" /></td> </tr> <tr> <td valign="baseline" align="center" nowrap= "nowrap">(a)</td> <td valign="baseline" align="center" nowrap= "nowrap">(b)</td> <td valign="baseline" align="center" nowrap= "nowrap">(c)</td> <td valign="baseline" align="center" nowrap= "nowrap">(d)</td> </tr> </table> </div> </td> </tr> </table> </div> <h3><a name="SECTION000521100000000000000">Méthodes linéaires directes pour l'étalonnage de séquences d'images</a></h3> <p><br /> <br /> <span class="textbf">Participants :</span> Jacques Bride, Peter Meer, Imad Zoghlami, Théodore Papadopoulo.<br /> <br /></p> <p><strong>Mots clés :</strong> <i>estimation linéaire de paramètres, hétéroscedasticité, étalonnage de caméra .</i></p> <p>Ce travail a pour objectif l'étalonnage d'une séquence d'images vidéo de manière automatique et rapide, sans utiliser de correspondances explicites. Sous l'hypothèse de faible différence entre chaque image successive, et la contrainte qu'une majeure partie de la scène reste immobile dans le temps, nous estimons simplement la variation des paramètres de la caméra au cours du temps.</p> <p>L'utilisation de la contrainte normale du flot optique, couplée à un modèle paramétrique minimal du mouvement de la caméra, nous donne un système d'équation linéaire en la variation des paramètres de projection à estimer. C'est une méthode directe dans le sens que seules les mesures des gradients spatiaux-temporels de la séquence sont utilisées pour estimer les paramètres globaux de transformation, sans étapes intermédiaires. Un processus itératif multi-échelle de type Newton-Raphson permet d'affiner l'estimation et de traiter des séquences avec de plus grands changements.</p> <p>Néanmoins, toute utilisation d'un modèle autre qu'une simple translation introduit une amplification non homogène des propriétés statistiques du bruit des mesures (hétéroscédasticité), et donc une précaution particulière est à prendre lors de la résolution de tels systèmes linéaires [].<br /> <br /> <b>»</b> <a name="tex2html33" href= "http://www-sop.inria.fr/robotvis/const/ra/00/LinDirectSeqCalib/index.html" target="_top">Présentation html</a><br /> <b>»</b> <a name="tex2html34" href= "http://www-sop.inria.fr/robotvis/const/ra/00/LinDirectSeqCalib/index.html" target="_top"><small class= "FOOTNOTESIZE"><tt>http://www-sop.inria.fr/robotvis/const/ra/00/LinDirectSeqCalib/index.html</tt></small></a></p> <h3><a name="SECTION000521200000000000000">Localisation et Calibration avec un Zoom.</a></h3> <p><br /> <br /> <span class="textbf">Participants :</span> Chin-Hwee Peh, Thierry Viéville.<br /> <br /></p> <p><strong>Mots clés :</strong> <i>perception du mouvement, psychométrie, calibration .</i></p> <p>On a cherché à mettre en évidence la façon dont le système visuel gère les paramètres de calibration intrinsèques de l'oeil au niveau de la perception du mouvement.</p> <p>En vision par ordinateur, cette approche était déjà bien développée, tant du point de vue géométrique qu'algébrique. L'hypothèse de ce travail est que la perpection visuelle biologique doit elle aussi être basée sur de tels mécanismes. Son but a été de mettre en place des protocoles qui puissent le mettre en évidence [].</p> <p>Ce travail a été le fruit d'une collaboration avec Jacques Droulez, du LPPA au Collège de France et Chin-Hwee Peh de l'université Nationale de Singapour, invité trois mois dans notre laboratoire.</p> <h3><a name="SECTION000521300000000000000">Géométrie des systèmes de plusieurs caméras</a></h3><br /> <br /> <span class="textbf">Participants :</span> Olivier Faugeras, Quang-Tuan Luong, Théodore Papadopoulo.<br /> <br /> <p>Les résultats de dix ans de recherche du projet et de certains de ses proches collaborateurs dans le domaine de l'application de la géométrie à la vision par ordinateur ont été synthétisés et rédigés. L'ouvrage qui en résulte est sur le point d'être publié sous la forme d'une monographie de recherche chez MIT-Press [<a href= "bibliographie_Toc.html#faugeras-luong-etal:00" target= "contents">4</a>].</p> </body>