| Résumé | Les algorithmes d'autoétalonnage basés sur la matrice fondamentale doivent résoudre le problème de recherche du minimum global d'une fonction de coût qui comprend de nombreux minima locaux. Nous exposons une nouvelle méthode pour résoudre ce problème. Celle-ci fait appel à l'approche d'optimisation stochastique empruntée au domaine des algorithmes évolutifs. En théorie, les approches utilisant la matrice fondamentale pour l'autoétalonnage sont inférieures à celles basées sur une reconstruction projective. Mais nous soutenons qu'il en est autrement en pratique si nous utilisons la nouvelle approche d'optimisation stochastique. Lors de l'autoétalonnage de la longueur focale et du facteur de forme, les deux méthodes ont donné des résultats comparables. Nous en faisons une démonstration expérimentale en utilisant des suites d'images publiées dont on connaît la réalité de terrain. |
|---|
