Search

National audience; The registration of two 3D point clouds is an essential step in many applications. The objective of our work is to estimate the isometric transformation to merge two heterogeneous point clouds obtained from two different sensors. In this paper, we present a new approach for 3D - 3D registration which is distinguished by the nature of the extracted signature on each point and by the similarity criterion used to measure the degree of similarity. The descriptor that we propose is invariant to the rotation and also to the translation and overcomes the problem of multi - resolution that is related to heterogeneous data. At the end, our approach has been tested on synthetic data and applied on heterogeneou s real data.; Le recalage de deux nuages de points 3D est une étape essentielle dans de nombreuses applications. L’objectif de notre travail est d’estimer une transformation isométrique permettant de fusionner au mieux deux ensembles hétérogènes de points issus de deux capteurs différents. Dans cet article, nous présenterons une méthode de recalage 3D - 3D originale qui se distingue par la nature de la signature extraite en chaque point et par le critère de similarité utilisé pour mesurer le degré de ressemblance. Le descripteur que nous pr oposons est invariant à la rotation et à la translation et permet également de s’affranchir du problème de la multi - résolution relatif aux données hétérogènes. Dans le but de valider notre approche, nous l’avons testé sur des données synthétiques et nous l’avons appliqué sur des données réelles hétérogènes.

National audience; The registration of two 3D point clouds is an essential step in many applications. The objective of our work is to estimate the isometric transformation to merge two heterogeneous point clouds obtained from two different sensors. In this paper, we present a new approach for 3D - 3D registration which is distinguished by the nature of the extracted signature on each point and by the similarity criterion used to measure the degree of similarity. The descriptor that we propose is invariant to the rotation and also to the translation and overcomes the problem of multi - resolution that is related to heterogeneous data. At the end, our approach has been tested on synthetic data and applied on heterogeneou s real data.; Le recalage de deux nuages de points 3D est une étape essentielle dans de nombreuses applications. L’objectif de notre travail est d’estimer une transformation isométrique permettant de fusionner au mieux deux ensembles hétérogènes de points issus de deux capteurs différents. Dans cet article, nous présenterons une méthode de recalage 3D - 3D originale qui se distingue par la nature de la signature extraite en chaque point et par le critère de similarité utilisé pour mesurer le degré de ressemblance. Le descripteur que nous pr oposons est invariant à la rotation et à la translation et permet également de s’affranchir du problème de la multi - résolution relatif aux données hétérogènes. Dans le but de valider notre approche, nous l’avons testé sur des données synthétiques et nous l’avons appliqué sur des données réelles hétérogènes.