Projet Argos - Analyses des besoins

Etudiants :

• Cedric SAZOS
• Clement BINET
• Erwann BRICET
• Victor BOURGAUD
• Xavier BAUBET

1. Contexte du projet

Le projet vise à développer un ensemble d’outils logiciels en C++ permettant la conversion entre différentes représentations 3D :

• Maillage 3D (Mesh)
• Nuage de points (Point Cloud)
• Vidéo → reconstruction en nuage de points

L’objectif final est d’obtenir un pipeline capable de :

• Transformer une acquisition vidéo en nuage de points exploitable.

L’environnement actuel repose sur Blender (scripts Python) pour la visualisation.

2. Parties prenantes

Clients

Chercheurs - Doctorant

Utilisateurs souhaitant comparer des algorithmes de conversion 3D

Potentiellement intégration dans pipeline scientifique

Attentes :

• Résultats fiables
• Comparaison claire des performances
• Visualisation des résultats
• Simplicité d’utilisation (documentation)
• Modularité des algorithmes
• Build simplifié (CMakeLists)

3. Contour fonctionnel du logiciel

Objectif principal

Créer un framework de conversion 3D modulaire, permettant de :

• Lire un fichier .obj
• Le convertir en :
  • Maillage
  • Nuage de points
• Reconvertir dans l’autre sens
• Comparer plusieurs algorithmes pour chaque transformation
• Affichage graphique des résultats

4. Jalon technique

Jalon 1 - Maillage → Nuage de points

Objectif : Échantillonnage de surface d’un maillage 3D.

Tâches :

1. Algo modulaire : création d'une interface / patron d'implémentation pour les algorithmes.

2. Naïf : retourne simplement les sommets du maillage.

3. Centroid :

   • Découpe des faces en triangle (éventaille)
   • Ajout du centroïde de chaque triangle
   • resultat : on découpe chaque face en triangle, on ajoute un point au centre de chaque triangle, on retourne la liste des points centroides.
4. UniformAreaSampler :
   • Nombre N de points demandé
   • Répartition proportionnelle à l’aire des triangles
   • Échantillonnage uniforme de surface
   • ex : l'utilisateur demande 10 points, l'objet possède 2 faces, une face représente 80% de la surface global de l'objet et l'autre face 20%, on retourne un nuage de points avec 8 points sur la première face et 2 points sur la deuxième.
5. UniformPerface :
   • Nombre N de points demandé
   • Répartition proportionnelle par face
   • Échantillonnage uniforme par face
   • ex : l'utilisateur demande 10 points, l'objet possède 5 faces, on retourne un nuage de points avec 2 points par face.
6. UniformPerFace 2 :
   • Nombre N de points par face demandé
   • Répartition proportionnelle par face
   • Échantillonnage uniforme par face
   • ex : l'utilisateur demande 10 points par face, l'objet possède 5 faces, on retourne un nuage de points avec 10 points par face.
7. DensitySampler :
   • Densité d demandé
   • Échantillonnage uniforme par unité de surface
   • ex : l'utilisateur demande d = 5, on applique 5 points sur l'objet par unité de surface et on retourne la listes des points appliquées.

Sortie :

• Nuage de points (format standard interne)
• Export possible (ex : .obj)
• Affichage dans blender

Remarques :

• les algorithmes travaillent sur des faces qui sont découpés en triangles (transformation d'un face en éventaille).
• l'ajout des points est aléatoire dans les faces parcourues (hormis pour les algorithmes Naif et Centroid).

Jalon 2 - Nuage de points → Maillage

Objectif : Reconstruire une surface à partir d’un ensemble de points.

Algorithmes potentiels :

• Triangulation Delaunay
• Alpha Shapes

Contraintes :

• Gestion du bruit
• Gestion des trous

Jalon 3 — Vidéo → Nuage de points

Non définie

6. Fonctionnalités détaillées

Import / Export

• Lecture .obj
• Conversion vers structure interne
• Export maillage / nuage

Conversion

• Mesh → Point Cloud
• Point Cloud → Mesh
• Vidéo → Point Cloud

Benchmark

• Mesure temps d’exécution
• Comparaison mémoire
• Comparaison densité / qualité
• Export résultats CSV

Visualisation

• Affichage 3D intégré OU
• Visualisation via Blender (script Python) (solution visée)