Conception d'un système d'optimisation pour le positionnement de caméras pour la motion capture MOCAP (Utilisation des métaheuristiques OEP et RFS).

Abstract

La capture de mouvement est une technique utilis´ee dans des domaines tr`es diversifi´es (telles que la m´edecine, la biom´ecanique, etc.). Son objectif est d’enregistrer le mouvement d’un objet r´eel pour le traduire en un mod`ele math´ematique exploitable par des m´ethodes graphiques. Plusieurs crit`eres (tels que le nombre d’acteurs, la complexit´e du mouvement, ...) pr´ecisent le choix du syst`eme de capture de mouvement, qu’il soit optique, magn´etique ou m´ecanique. Le syst`eme optique utilise des marqueurs fix´es `a des emplacements sp´ecifiques sur l’objet et des cam´eras infrarouges qui capturent la lumi`ere r´efl´echie par ces marqueurs. L’enregistrement permet de reconstruire un mouvement tridimensionnel. Ce syst`eme a des avantages par rapport aux autres, mais il souffre de probl`emes d’occultation des marqueurs. Un bon placement des cam´eras peut r´esoudre ces probl`emes. L’objectif de cette th`ese consiste en la conception d’un algorithme d’optimisation pour le placement d’un r´eseau de cam´eras, d´edi´e `a un syst`eme de capture de mouvement optique. Pour une bonne capture de mouvement, le placement d’un r´eseau de cam´eras consiste `a trouver une combinaison de param`etres appel´es param`etres extrins`eques (positions et poses) et une combinaison de param`etres intrins`eques (profondeurs, angles d’ouverture). La m´ethode d’optimisation combinatoire est choisie pour r´esoudre ce type de probl`eme. Ainsi, nous pouvons le r´esoudre par des m´ethodes r´ecentes appel´ees ”m´eta-heuristiques”. Nous avons choisi ces m´ethodes pour leur simplicit´e algorithmique et leurs capacit´es `a trouver une solution optimale dans un temps acceptable par rapport aux m´ethodes exactes. Dans notre travail, une solution optimale est atteinte, lorsque chaque marqueur est captur´e (ou couvert) par au moins deux cam´eras au cours de chaque trame de son mouvement. Cette condition est n´ecessaire pour la reconstruction du mouvement en trois dimensions. Pour atteindre le premier objectif de cette th`ese, le probl`eme de placement du r´eseau de cam´eras est r´esolu comme un placement bidimensionnel. Comme premi`ere application, la variante WPSO est utilis´ee pour optimiser le placement d’un r´eseau `a quatre cam´eras pour trois sc´enarios: (1) un seul point fixe, un seul point fixe avec pr´esence d’obstacles et (3) un seul point en mouvement. Dans la seconde application, une variante appel´ee CPSO est utilis´ee pour optimiser le placement d’un r´eseau de cam´eras (de 4 `a 10 cam´eras) pour couvrir le mouvement de 8 marqueurs (fix´es sur les extr´emit´es d’un cube) dans une sc`ene bien d´efinie. L’objectif de cette optimisation est atteint pour trois diff´erents sc´enarios (le cube se d´eplace en ligne droite entre deux obstacles ou vers un grand mur ou le cube se d´eplace entre deux piliers). Pour atteindre le second objectif, le probl`eme du placement d’un r´eseau de cam´eras est r´esolu en trois dimensions. La technique Recherche Fractale Stchastique (RFS) et les variantes CPSO, MCPSO sont utilis´ees pour optimiser le placement d’un r´eseau de cam´eras (de 4 `a 10) afin de couvrir un mouvement diagonal d’un cube `a l’int´erieur de la sc`ene. Bien que la technique MCPSO pr´esente une l´eg`ere am´elioration des r´esultats par rapport `a 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 cam´eras (Cseuil = 2) ou par trois cam´eras (Cseuil = 3) au cours de chaque trame de son mouvement.