Photogrammétrie Python : L'Art de la Reconstruction 3D

1. Le Pipeline SfM (Structure-from-Motion)

Le SfM est le cœur du réacteur. Il retrouve simultanément la position des caméras (Motion) et la géométrie de la scène (Structure). Cela se fait en détectant des points distinctifs (Features type SIFT) et en les faisant correspondre entre les images.

2. Automatisation avec COLMAP et Python

COLMAP est l'état de l'art open-source. Bien qu'il ait une GUI, nous voulons l'utiliser en ligne de commande (CLI) pilotée par Python pour traiter des datasets en masse.

import subprocess

def run_colmap(project_path):
    database = project_path + "/database.db"
    images = project_path + "/images"
    
    # 1. Feature Extraction
    subprocess.run([
        "colmap", "feature_extractor",
        "--database_path", database,
        "--image_path", images
    ])
    
    # 2. Exhaustive Matching
    subprocess.run([
        "colmap", "exhaustive_matcher",
        "--database_path", database
    ])
    
    # 3. Mapper (Reconstruction)
    subprocess.run([
        "colmap", "mapper",
        "--database_path", database,
        "--image_path", images,
        "--output_path", project_path + "/sparse"
    ])

Ce script simple remplace des heures de clics manuels. Pour les grands datasets (>50 images), remplacez exhaustive_matcher par vocab_tree_matcher pour passer d'une complexité O(N²) à O(N).

3. Multi-View Stereo (MVS) : Vers la Densité

Le SfM ne produit qu'un nuage épars (Sparse Cloud). Le MVS prend le relais pour calculer la profondeur de chaque pixel pour chaque image, générant des cartes de profondeur (Depth Maps) fusionnées ensuite en un nuage dense.

4. Post-Traitement et Maillage

Une fois le nuage dense obtenu, nous utilisons Poisson Surface Reconstruction pour créer un maillage (Mesh) étanche.

import open3d as o3d

def poisson_mesh(pcd_path, depth=9):
    pcd = o3d.io.read_point_cloud(pcd_path)
    
    # Estimation normales requise
    pcd.estimate_normals()
    
    # Poisson Reconstruction
    mesh, densities = o3d.geometry.TriangleMesh.create_from_point_cloud_poisson(
        pcd, depth=depth
    )
    
    # Nettoyage des bulles (densités faibles)
    vertices_to_remove = densities < np.quantile(densities, 0.1)
    mesh.remove_vertices_by_mask(vertices_to_remove)
    
    return mesh

Le paramètre depth de l'Octree définit la résolution du mesh. Depth 8 est rapide, Depth 12 capture les détails fins (fissures) mais augmente exponentiellement le temps de calcul.

Synthèse : Quand utiliser la Photogrammétrie ?