A Stochastic Optimization To Dense Stereo Matching

Ce travail présente un système de mise en correspondance d’images stéréoscopiques à base d’optimisation stochastique, la mise en correspondance des images stéréoscopiques utilise principalement les primitives de ype points. Nous montrons les performances de notre approche par rapport à la corrélation. Nous avons exprimé le problème de mise en correspondance sous forme optimisationnelle pour mettre en avant son aspect global, alors que la corrélation agit localement. L’optimisation permet aussi de faire coopérer ce module avec d’autres modules de vision de bas niveau tels que la forme à partir de l’ombrage et la stéréo-photométrie. De plus, le problème de mise en correspondance est un problème mal-posé, où le minimum global est caché par des minima locaux et où la notion de gradient n’existe pas. Pour cette raison, l’algorithme du recuit simulé semble le plus adapté. Les contraintes de mise en correspondance sont exprimées par une fonctionnelle d’énergie et des transformations élémentaires.