| Résumé | Nous décrivons une nouvelle méthode d'autoétalonnage qui fait appel à l'approche d'optimisation stochastique empruntée au domaine de l'informatique évolutive et nous exécutons quelques expériences sur un ensemble de données normalisées, qui démontrent l'efficacité de l'approche. L'hypothèse de base de cette méthode est que les paramètres internes (intrinsèques) de la caméra demeurent constants durant la suite d'images, c'est-à-dire que les images sont prises avec la même caméra sans modifier la longueur focale. Nous démontrons que, dans le cas de l'autoétalonnage de la longueur focale et du facteur de forme, la méthode évolutive donne des résultats comparables sans la complexité de l'application d'autres méthodes. L'autoétalonnage effectuée à partir de la matrice fondamentale devient simplement un problème de minimisation globale par l'utilisation d'une fonction de coût basée sur les propriétés des matrices fondamentale et essentielle. |
|---|
