Résumé:
La vision artificielle cherche de nouvelles approches pour rendre la reconnaissance d’objets plus performante. Parmi les différentes méthodes proposées, les système multi-agents,
et le framework bayésiens pour l’inférence de la meilleure interprétation du contenu d’une
image.
Le présent travail de thèse propose une approche bayésienne à base d’agents pour la
reconnaissance d’objets polyédriques, à partir d’images de profondeur. Dans un premier
temps une population d’agents dits agents détecteurs repartis dans l’image pour suivre
les points de contour issus d’une segmentation collective d’images de profondeur, afin de
former des segments de droite et les enregistrer dans une structure de données. Cette dernière a été exploitée par un autre agent nommé agent bayésien pour inférer une meilleure
représentation des objets.
Du fait des incertitudes dans les mesures et les observations, nous avons utilisé une
approche probabiliste reposant sur l’utilisation de réseaux bayésiens. Ces réseaux permettent d’émettre des hypothèses sur l’existence et la localisation des segments d’objets,
puis confirmer ou infirmer cette hypothèse. Enfin, en fonction du résultat de l’étape de
vérification, de compléter le modèle 3-D de la scène.
