Modélisation 3D de la surface corporelle du corps humain

En dehors du contexte clinique, il existe plusieurs approches pour la modélisation 3D du corps humain. Ces approches sont résumées dans le Tableau 2.4 et Tableau 2.5 ci-dessous.

Tableau 2.4 Approche de création et de reconstruction

Approches Création Reconstruction

Méthode

Numérisation corps entier : scanner/Kinect/TOF. Maillage à surface ouverte (non consistant).

Reconstruction du scan à surface ouverte par correspondance avec un modèle 3D fermé afin d’obtenir un scan à surface fermée

(consistant).

Avantages ✔ Plus précis et plus rapide (ms) ✔ combler les données manquantes.

Inconvénients

✗ Très cher.

✗ Données manquantes

✗ Artefacts mouvement, respiration

✗ Post-traitements manuels.

✗ Temps coûteux inacceptable.

✗ Dimension du scanner incompatible avec une salle de chirurgie.

✗ Scanne debout impossible avec des patients ambulants.

✗ À part les données manquantes, même problématiques que l’approche de création.

✗ Correspondance exacte seulement si le scan et le modèle ont la même pose. Cette contrainte est impossible à réaliser dans le contexte des grands brûlés

(voir ANNEXE IX).

✗ Impossible de modifier les modèles une fois reconstruits suivant les intentions de l’utilisateur.

L’approche la plus répandue, dite de création, consiste en une acquisition directe de la surface corporelle (voir Tableau 2.4 – Création). L’acquisition est réalisé soit par un scanner 3D (fixe ou portable), tel que proposé par les études suivantes : (Daanen & Van De Water, 1998; Robinette, Daanen, & Paquet, 1999; Tneb, Seidl, Hansen, & Pruett, 2000; Yu et al., 2003; Treleaven & Wells, 2007; Weiss, Hirshberg, & Black, 2011). D’autres auteurs proposent l’utilisation de Kinect Xbox, telle que proposée par les études suivantes : (Aitpayev & Gaber, 2012; Tong, Zhou, Liu, Pan, & Yan, 2012; Cui, Chang, Nöll, & Stricker, 2013; Khongma et al., 2014; Popescu & Lungu, 2014; Sarbolandi, Lefloch, & Kolb, 2015; Yao, Dong, & Hu, 2015). Ou encore les capteurs TOF (Time of Flight), proposés par les études suivantes: (Tao, Srinivasan, Malik, Rusinkiewicz, & Ramamoorthi, 2015).

Malheureusement, des erreurs majeures sont observées : la dérive de données et la perte de données. En général, le capteur TOF tend à montrer des données aberrantes, tandis que le capteur à lumière structurée (Kinect/ scanner) souffre de perte de données. En particulier, le capteur de TOF produit un grand décalage dans les valeurs de profondeur le long des pixels de bord et les pixels transparents, ce qui correspond à une dérive des données. Dans les mêmes conditions, le capteur à lumière structurée tend à produire des trous, dans lesquels la profondeur ne peut pas être estimée. Pour les deux capteurs, les reflets spéculaires conduisent à la perte de données (Hansard, Lee, Choi, & Horaud, 2012; L. Li, 2014; Sarbolandi et al., 2015). Bien que cette approche soit la plus rapide et précise, des post-traitements sont obligatoirement nécessaires pour combler les données manquantes occasionnées par des artéfacts (surfaces d’occlusions, mouvements, recalage de différentes parties du corps, complexité du scanner, etc.), en plus de nécessiter un technicien. Toutes ces contraintes ralentissent le processus d’acquisition (voir chapitre 2.1.1 sur la Kinect également).

Des méthodes de reconstruction (voir Tableau 2.4 – Reconstruction) permettent de combler les trous (Allen, Curless, & Popović, 2003; Allen, 2005; Chu, Tsai, Wang, & Kwok, 2010). Cependant la contrainte de pose (debout jambes et bras écartés) associée à cette approche la rend inadaptée pour certains contextes cliniques où les patients sont couchés et inconscients. De plus, notre expérience a démontré que les approches par acquisition directe ou par reconstruction présentent de nombreux inconvénients ne permettant pas de répondre aux besoins et exigences cliniques des grands brûlés de manière satisfaisante, intéressante et bénéfique (voir ANNEXE IX SCANNER PORTABLE : PROBLÉMATIQUE POUR LES GRANDS BRÛLÉS). La précision de l’acquisition 3D de ces deux approches est directement liée à la précision du capteur utilisé (et souvent de l’ordre du mm).

Une autre approche populaire, dite d’interpolation (voir Tableau 2.5 – Interpolation), consiste à générer un modèle statistique à partir d’une base de données de scans d’une population (Seo & Magnenat-Thalmann, 2003; Magnenat-Thalmann, Seo, & Cordier, 2004; Seo & Magnenat- Thalmann, 2004; Allen, 2005; Baek & Lee, 2012). Bien que la modélisation est plus robuste (précision liée aux scans 3D de l’ordre du mm), le modèle construit dépend, là encore (voir

section 1.2.3), essentiellement de la population étudiée et ne permet pas une représentions des morphologies variées (Ranger, 2010). L’acquisition d’une base de données de scans de corps humains est un processus très long et fastidieux ou sinon très cher (> 10 000 $). De plus, certains auteurs ont démontré qu’elles ne représentaient pas suffisamment la population (Nadadur & Parkinson, 2010; Parkinson & Reed, 2010; Kulaga, Myers, & Gillich, 2014). C’est le cas des deux seules enquêtes anthropométriques CAESAR de Robinette et al., (1999) et ANSURE de Gordon et al., (2013). Toutes deux ayant acquis la surface corporelle des sujets avec un scanner à lumière blanche. Comme qu’observé par Ranger, (2010), ANSUR est moins représentative des civils d’aujourd’hui en raison de données provenant de militaires. CAESAR est bien plus représentative, mais pour des civils de morphologie normale. La distribution des morphologies n’est pas représentée pour des enfants, obèses, etc.

Tableau 2.5 Approche d’interpolation et de modèle

Approches Interpolation Modèle

Méthode

1- Entrée des mesures (âge, poids, taille) 2- L’algorithme statistique trouve la relation entre ces mesures et la forme du modèle la plus proche dans la base de données

3- Le modèle est choisi en fonction des paramètres inscrits par l’utilisateur

Production de la forme du corps par déformation d'un modèle.

La somme des déformations des segments permet la déformation globale du modèle.

Avantages

✔ Base de données : meilleure ressource disponible pour modéliser et estimation des corrélations entre les mesures et la forme du corps.

✔ Permet de guider l'estimation des informations incertaines. Modélisation plus robuste.

✔ Approche la plus rapide et la plus simple.

✔ Bonne alternative pour pallier l'inconvénient de l'approche de reconstruction.

✔ Permet un contrôle de haut niveau du modèle cible tout en maintenant la qualité qui existe dans le modèle type.

Inconvénients

✗ Nécessité des prétraitements de la base de données (mêmes problématiques que l’approche de reconstruction)

✗ Prend beaucoup de temps de chargement.

✗ Ne répond pas aux exigences de temps de la prise en charge des grands brûlés.

✗ Impossible de modifier les modèles une fois reconstruits suivant les intentions de l’utilisateur.

✗ Ne prends pas en compte la corrélation entre les parties du corps.

Enfin, l’approche de déformation par segment (Seo, Cordier, Philippon, & Magnenat- Thalmann, 2001; Kasap & Magnenat-Thalmann, 2007; J. Li & Wang, 2007) aussi appelée modélisation paramétrique (voir Tableau 2.5 – Modèle) est celle proposée pour le présent projet de recherche. Cette approche a l’avantage de permettre un contrôle de haut niveau du modèle cible tout en maintenant la qualité qui existe dans le modèle de base. Cependant, un reproche fait à cette approche est le fait qu’elle ne prend pas en compte la corrélation entre les parties du corps. À noter que la précision de ces méthodes n’a pas été évaluée.

Il est a noté cependant, que ces approches s’inscrivent dans un contexte différent du présent projet de recherche, tel que l’infographie, design ergonomique, vision par ordinateur, animation, design vestimentaire, jeux vidéo ou encore environnements virtuels ludiques. L’enjeu n’est pas la précision, mais l’acquisition, ou la modélisation 3D d’un modèle de corps humain. Autrement dit, ces approches ne sont pas optimales pour les exigences du projet (voir Exigence 04 à Exigence 06 au CHAPITRE 3).

2.1.3 Un outil pertinent pour la modélisation 3D des surfaces corporelles :