DOMAINE DE L’INVENTION Le domaine de l’invention se rapporte à celui des dispositifs optiques à focale variable permettant d’acquérir des images d’un corps. En particulier, le domaine de l’invention se rapporte au domaine des dispositifs optiques à lentille liquide permettant d’acquérir des images à haute résolution d’un corps humain et pour exploiter ces dernières. Le domaine de l’invention trouve notamment une application dans le guidage d’un bras robot au bout duquel un dispositif optique est configuré pour acquérir des images de la peau d’un individu.

ÉTAT DE LA TECHNIQUE

Actuellement, pour acquérir des images nettes et de bonne résolution d’une zone d’un corps qu’on souhaite analyser, des optiques ayant une faible profondeur de champ sont généralement utilisées. Par exemple, dans le cadre d’applications dermatologiques, la qualité de l’image est essentielle à l’analyse a posteriori de la surface de la peau. Ainsi, on privilégie des optiques en champ réduit permettant de mettre en avant la définition des couleurs et aspérités d’une surface de la peau.

Toutefois, ces optiques macrophotographiques qui ont une profondeur de champ relativement faible impliquent que la zone nette de l’image acquise est faible également. Néanmoins, cette solution est incompatible avec l’acquisition de zones courbées dans lesquelles la profondeur de champ utilisée rend certaines parties du voisinage d’un point floues puisqu’elles quittent la zone de netteté. Il est donc nécessaire d’effectuer des acquisitions du voisinage de ce point soit en modifiant la prise de vue soit en modifiant l’optique pour étendre la zone d’acquisition d’une surface plus importante. Or il est difficile de configurer les réglages de la prise de vue sans connaître au préalable la topologie de surface de corps dont on souhaite acquérir les images. Cette méconnaissance rend les opérations complexes et longues. Par ailleurs, les différentes configurations de prises de vues utilisées sont un obstacle à la restitution d’une portion de surface complète et suffisamment explicite. On connaît également le document CHOI DAVID et al. - “Improved image sélection for focus stacking in digital photography” - 2017 décrivant la prise d’un stack d’images par un dispositif à focale variable pour obtenir une image nette. Cependant, ce type de dispositif n’est pas applicable aux images dermatologiques à cause du temps nécessaire pour l’acquisition de toutes les images nécessaires. L’invention permet de pallier ces inconvénients.

RESUME DE L’INVENTION

Selon un premier aspect, l’invention concerne un procédé d’acquisition d’images d’une première surface d’un corps humain à l’aide d’un dispositif de prise d’image comportant une optique à focale variable, ledit procédé comportant les étapes de :

^■ acquisitions d’une pluralité d’images à l’aide du dispositif de prise d’image, lesdites acquisitions étant réalisées en faisant varier la distance focale de l’optique à focale variable selon une loi de commande ; ■ construction d’une image nette d’une portion de la surface du corps humain à partir de la pluralité d’images acquises de ladite surface,

^■ estimation de la carte de profondeur de la géométrie locale de la première surface. Un avantage est de permettre de reconstruire une image nette d’un corps humain afin de permettre par exemple de catégoriser des motifs dermatologiques tels que des grains de beauté.

Selon un mode de réalisation, la construction d’une image d’une portion de la surface du corps comprend : ■ découpage des images de la pluralité d’images à partir d’une information de netteté estimée pour générer des zones nettes et des zones floues ;

^■ assemblage des zones nettes desdites images pour construire une image nette de la surface de la portion du corps. Un avantage est de permettre une reconstruction d’une surface complexe du corps humain en tirant le meilleur parti de l’optique et des images acquises sur toute la zone considérée.

Selon un mode de réalisation, le procédé comprend une mesure ou une estimation d’une distance entre l’optique à focale variable et d’un premier point de la surface du corps, la loi de commande prenant en compte ladite distance mesurée ou estimée entre l’optique à focale variable et le premier point pour modifier la focale de l’optique entre au moins deux images acquises au voisinage du point de la surface du corps.

Un avantage est d’augmenter la performance de la loi de commande en réduisant la plage de valeurs de la variation de la distance focale. Par ailleurs, une mesure de la distance permet également une meilleure estimation de la netteté des images.

Selon un mode de réalisation, la mesure ou l’estimation de la distance entre l’optique à focale variable et d’un premier point de la surface du corps est réalisée :

^■ par une mesure de distance par point et/ou ;

^■ par une mesure de distance combinée à une information topologique connue du modèle de corps de la surface du corps et/ou ; ■ par une information topologique connue du modèle de corps de la surface du corps et une information de position de l’optique par rapport au modèle 3D et/ou ;

^■ par une mesure de distance combinée à une mesure de la géométrie locale de la zone imagée de la surface du corps et/ou, ■ par une mesure de la géométrie locale de la zone imagée de la surface du corps et une information de position de l’optique par rapport au modèle 3D.

Un avantage est d’obtenir une meilleure estimation en combinant différentes estimations ou mesures de la distance entre l’optique à focale variable et d’un premier point de la surface du corps de manière à augmenter la performance et/ou la qualité du résultat.

Selon un mode de réalisation, la mesure, le calcul ou l’estimation de la distance entre l’optique à focale variable et d’un premier point de la surface du corps est réalisée soit par une mesure ou par une estimation : " à l’aide d’un moyen de mesure de la distance ;

^■ à partir d’une information de netteté de l’ensemble des images acquises et d’un algorithme d’estimation du flou et/ou de la netteté.

Selon un mode de réalisation, le procédé comporte les étapes de : ^■ Réception d’un modèle 3D d’au moins une partie d’un corps, ledit modèle 3D modélisant au moins une première surface dudit corps ;

^■ Récupération de données topologiques locales du voisinage d’au moins le premier point, lesdites données topologiques locales étant extraites du modèle 3D ou calculées à partir du modèle 3D ;

^■ Les acquisitions d’une pluralité d’images étant réalisées en faisant varier la distance focale de l’optique à focale variable selon une loi de commande prenant en compte en outre les données topologiques locales du voisinage du premier point de la première surface.

Un avantage est de connaître une information topologique du corps qui permet d’une part d’optimiser la loi de commande en calcul et en temps et d’autre part de guider efficacement un dispositif mobile le cas échéant.

Selon un mode de réalisation, la première surface du modèle 3D est une surface d’un corps humain.

Selon un mode de réalisation, la première surface du modèle 3D est un nuage de points, notamment un graphe connecté orienté dans l’espace.

Un avantage est de disposer de métriques facilement exploitables pour adresser et superposer les images 3D nettes reconstruites sur le corps. Un autre avantage est de permettre de planifier facilement des trajectoires de guidage à la surface du corps. Un autre avantage est de permettre de connaître les profondeurs de champ locales d’une région de la surface avec précision pour piloter la loi de commande de la focale de l’optique.

Selon un mode de réalisation, le procédé comporte les étapes de :

^■ Génération d’une trajectoire de traitement à la surface du modèle 3D au moyen d’un calculateur, ladite trajectoire de traitement comportant au moins deux points à la surface du modèle 3D ;

^■ Construction d’une image d’une portion de la surface du corps au voisinage de la trajectoire de traitement.

Un avantage est de générer automatique une image complète d’un corps humain en programmant à l’avance un dispositif mobile tel qu’un bras robot. Selon un mode de réalisation, la gamme de valeurs de la focale de l’optique à focale variable est définie en fonction des données topologiques locales du modèle 3D au voisinage du premier point de la trajectoire de traitement. Selon un mode de réalisation, les images acquises sont traitées de manière à générer des informations de gradient de netteté entre les pixels d’une même image, lesdits gradients étant exploités de sorte à générer des consignes d’alignement entre les images acquises successives, lesdites images réalignées pour produire un ensemble de portions d’image couvrant des mêmes zones de pixels, les informations de netteté ou de flou ou de ces portions étant comparées pour sélectionner les pixels les plus nets, lesdits pixels sélectionnés étant fusionnées pour construire une image 2D ou 3D composite.

Un avantage est d’obtenir une carte de netteté de chaque image afin de collecter et sélectionner l’ensemble des pixels les plus nets d’une image.

Selon un mode de réalisation, la construction de l’image d’une portion de la surface du corps comprenant le découpage et l’assemblage des images est réalisée à partir d’un algorithme apprenant, de type réseau de neurones, entraîné de sorte à produire une image 3D nette en sortie à partir d’une pluralité d’images acquises en entrée.

Un avantage est de générer des images nettes rapidement grâce à un algorithme d’intelligence artificielle.

Selon un mode de réalisation, l’algorithme de traitement d’image estimant la netteté ou le flou de chaque point des images de la pluralité d’images est mis en oeuvre par une première fonction apprenante, par exemple une méthode d’apprentissage automatique.

Selon un mode de réalisation, l’algorithme de traitement d’image comporte une sélection et un découpage de chaque groupe de pixels de chaque image ayant une netteté supérieure à un seuil prédéfini ou une netteté supérieure à la netteté de pixels d’au moins une autre image de la même zone.

Selon un mode de réalisation, le procédé comporte une étape d’estimation de la valeur de la distance entre l’optique à focale variable et d’au moins un premier point de la trajectoire de traitement à partir d’une estimation de la netteté de points des images de la pluralité d’images, ladite estimation étant réalisée à partir d’un algorithme de traitement d’images.

Un avantage est de permettre de générer une carte de profondeur par des moyens logiciels ne nécessitant pas un équipement supplémentaire. Dans le cas où un équipement permettant de générer une carte de profondeur est utilisé, l’étape d’estimation réalisée par un moyen logiciel permet par exemple d’affiner la mesure d’un appareil.

Selon un mode de réalisation, le procédé comprend une estimation de la profondeur relative entre les pixels d’une même image et une calibration de la mesure d’au moins un pixel pour générer une information de profondeur absolue d’au moins un pixel.

Selon un mode de réalisation, l’optique à focale variable est agencée sur un élément de guidage configuré pour déplacer une lentille.

Selon un mode de réalisation, le procédé comporte, entre les étapes de génération d’une trajectoire de traitement et de mesure de la distance, les étapes de :

^■ Calcul d’une trajectoire de guidage de l’optique à focale variable ;

^■ Génération d’une cinématique de l’élément de guidage de sorte qu’un point de l’optique à focale variable soit asservi sur la trajectoire de guidage ;

^■ Activation de la cinématique de l’élément de guidage pour parcourir la trajectoire de guidage, ladite trajectoire de guidage étant calculée en temps réel à partir du modèle 3D de surface. Selon un mode de réalisation, le procédé comprend une étape de correction de la trajectoire de guidage à partir de la reconstruction en temps réel du modèle 3D.

Selon un autre aspect, l’invention concerne un dispositif de prise d’image caractérisé en ce qu’il comporte une optique à focale variable pour acquérir une pluralité d’images de la surface d’un corps d’un individu à l’aide du dispositif de prise d’image, lesdites acquisitions étant réalisées en faisant varier la distance focale de l’optique à focale variable selon une loi de commande, ledit dispositif comportant au moins un calculateur configuré pour mettre en oeuvre un algorithme de traitement d’images pour générer une image 3D nette. Selon un mode de réalisation, le dispositif de prise d’image comporte des moyens pour mesurer une distance entre l’optique à focale variable et d’un premier point de la surface du corps, lesdites acquisitions étant réalisées en faisant varier la distance focale de l’optique à focale variable selon une loi de commande prenant en compte la distance entre l’optique à focale variable et le premier point.

Selon un mode de réalisation, le dispositif de prise d’image comporte en outre une interface pour réceptionner un modèle 3D d’au moins une partie d’un corps humain, ledit modèle modélisant au moins une première surface du corps et une plateforme mobile, ledit ou lesdits calculateurs étant configuré(s) pour :

^■ Récupérer des données topologiques locales du voisinage d’au moins le premier point, lesdites données topologiques locales étant extraites du modèle 3D ou calculées à partir du modèle 3D ;

^■ Commander l’acquisition d’une pluralité d’image par le dispositif de prise d’image, lesdites acquisitions étant réalisées en faisant varier la distance focale de l’optique à focale variable selon une loi de commande prenant en compte la distance entre l’optique à focale variable et le premier point, et données topologiques locales du voisinage du premier point de la première surface.

Selon un mode de réalisation, le dispositif de prise d’image comporte un dispositif de mesure de la distance entre l’optique à focale variable et le premier point configuré pour mesurer en temps réel une distance entre l’optique à focale variable et un premier point de la surface du corps et un moyen de mesure de l’orientation de l’optique pour déduire une information d’angle de vue, ladite orientation et ladite distance étant utilisées par un calculateur du dispositif pour corriger ou transformer l’image acquise.

Selon un mode de réalisation, le dispositif de prise d’image comporte un élément de guidage comportant l’optique à focale variable, le ou les calculateur(s) étant configuré(s) pour :

^■ Générer une trajectoire de traitement à la surface du modèle 3D, ladite trajectoire de traitement comportant au moins deux points à la surface du modèle 3D ; ^■ Calculer une trajectoire de guidage de l’optique à focale variable

^■ Générer une cinématique de l’élément de guidage de sorte qu’un point de l’optique à focale variable soit asservi sur la trajectoire de guidage ;

^■ Activer une cinématique de l’élément de guidage pour parcourir la trajectoire de guidage, ladite trajectoire de guidage étant calculée en temps réel à partir du modèle 3D de surface.

Selon un mode de réalisation, l’optique à focale variable est une lentille liquide.

Selon un autre aspect, l’invention concerne une plateforme mobile comportant un dispositif de prise d’image de l’invention, ladite plateforme comportant une interface de commande pour recevoir des consignes de guidage calculées notamment à partir du modèle de corps calculé en temps réel.

Selon un mode de réalisation, la plateforme mobile est :

- un bras robot comportant une pluralité de degré de liberté ;

- un drone comportant une optique formant un dispositif de prise d’image ; - un rail de guidage sur lequel le dispositif de prise d’image est mobile ou :

- une cabine d’accueil d’un sujet humain comportant des moyens de guidage d’un dispositif de prise d’image,

- une plateforme comportant une partie fixe accueillant le dispositif de prise d’image une partie mobile entraînant un individu en mouvement vis-à-vis de la partie fixe.

Selon un aspect, l’invention concerne un dispositif de type pistolet comportant un embout maintenant le dispositif de prise d’image selon l’invention.

BREVE DESCRIPTION DES FIGURES

D’autres caractéristiques et avantages de l’invention ressortiront à la lecture de la description détaillée qui suit, en référence aux figures annexées, qui illustrent : Figure 1 : un exemple de dispositif de guidage configuré pour acquérir des images de la surface d’un corps et pour reconstruire une image nette d’au moins une portion de la surface du corps ;

Figure 2 : un exemple de dispositif de prise d’image de l’invention guidé selon une trajectoire de guidage pour acquérir des images au voisinage d’une trajectoire à la surface d’un corps ;

Figure 3 : un exemple de dispositif de guidage configuré pour acquérir des images de la surface d’un corps humain tel qu’un patient ;

Figure 4 : un exemple d’un logigramme représentant les étapes du procédé d’acquisition des images pour leur traitement afin de reconstruire une image nette de toute ou partie d’une surface d’un corps.

DESCRIPTION DÉTAILLÉE

La figure 1 illustre un dispositif d’acquisition d’image 20 de l’invention comportant une optique à focale variable 40. Un dispositif d’acquisition d’image 20, également appelé dispositif de prise d’images est configuré pour acquérir une pluralité d’images au voisinage d’au moins un point localisé à la surface d’un corps. L’invention trouve notamment une application dans la dermatologie et l’analyse d’images de la peau d’un individu. Toutefois, l’invention ne se limite pas à cette application et peut être mise en oeuvre dans d’autres domaines. Enfin, l’invention est particulièrement avantageuse lorsque des dispositifs d’acquisition d’image 20 comportent des optiques adaptées à la macrophotographie, voire la microphotographie, telle que des optiques ayant une grande ouverture.

Un objectif de l’invention est de reconstruire la photographie de la surface d’un corps de sorte que chaque portion de l’image tridimensionnelle reconstruite soit la plus nette possible.

Dans la suite de la description, par « corps » on entendra le corps d’un humain. Toutefois, l’invention ne se limite pas à ce mode de réalisation, l’invention peut être mise en oeuvre pour tout type de corps présentant une surface tridimensionnelle dont on cherche à représenter le plus fidèlement possible au moins une portion.

Les paramètres d’acquisition, dont le nombre d’images, les dimensions des images et la résolution des images peuvent être prédéfinis ou définis selon une configuration de déplacement du dispositif d’acquisition 20, par exemple lorsque ce dernier est agencé sur une plateforme mobile se déplaçant autour du corps.

L’invention permet avantageusement d’acquérir un ensemble d’images au voisinage d’un point en faisant varier la distance focale de l’optique d’acquisition selon une loi de commande prenant en compte la distance entre l’optique à focale variable et le point ciblé.

L’opération peut ainsi être répétée sur une pluralité de points d’une surface d’un corps afin d’acquérir plusieurs séquences comportant chacune une pluralité d’images au voisinage d’une pluralité de points. Ce procédé peut être réalisé de manière continue sur un ensemble de points d’une surface pour parcourir tout ou partie de la surface d’un corps ou ce procédé peut réaliser le long d’une trajectoire à la surface du corps afin d’acquérir des images au voisinage de points définissant la trajectoire. Ainsi, de proche en proche l’intégralité d’une surface d’un corps peut être traitée.

Dans un mode de réalisation, l’expression « image au voisinage d’un point » doit être comprise comme une image d’une surface de corps incluant ledit point.

Optique à focale variable

Selon un mode de réalisation, l’optique à focale variable 40 est avantageusement une lentille à focale variable, dite également lentille adaptative. Selon un mode de réalisation, la lentille utilisée est une lentille déformable par actionnement piézoélectrique. Selon un autre mode de réalisation, la lentille est une lentille à cristaux liquides. Ces dernières utilisent un changement de l'indice optique des cristaux liquides afin de modifier la focale de la lentille. Enfin, un autre mode de réalisation peut être mis en oeuvre à partir d’une lentille liquide dont la géométrie est contrôlable par des paramètres micro-fluidiques ou des paramètres mécaniques tels que des paramètres définissant la géométrie d’une membrane retenant un liquide ou encore une combinaison des deux. Selon un exemple, une lentille liquide comprend une membrane circulaire en polymère électroactif. La partie centrale de la membrane forme la lentille et la partie périphérique est surmontée d'une électrode annulaire. En appliquant une tension électrique entre cette électrode et le substrat, on crée une pression électrostatique, qui tend à déplacer le fluide vers la partie centrale, gonflant la membrane, et modifiant ainsi la courbure de la lentille. Ces dispositifs peuvent être contrôlés avec une tension de pilotage.

Ces paramètres peuvent être réglés, configurés ou pilotés à partir d’une consigne numérique provenant d’un capteur ou d’un calculateur ou de tout autre dispositif électronique.

Selon un autre mode de réalisation, l’optique à focale variable comporte un actionneur magnétique permettant de déplacer un élément optique, tel qu’une lentille, pour modifier la focale. Selon un exemple, l’élément optique se déplace par exemple dans un tube, la position dans le tube définissant une distance focale propre à configuration optique de la lentille. L’actionneur magnétique peut être commandé par un champ électromagnétique généré à partir d’un composant dédié. Le champ peut être réglé, configuré ou piloté à partir d’une consigne numérique de pilotage. Cette consigne numérique peut être générée par une loi de commande provenant d’un calculateur ou d’un capteur ou tout autre équipement électronique.

Selon un autre mode de réalisation, l’optique à focale variable comporte un actionneur mécanique permettant de déplacer un élément optique, tel qu’une lentille, pour modifier la focale. L’actionneur peut être commandé par un composant électronique permettant de recevoir une consigne numérique et de générer une consigne mécanique. Dans ce cas, cette consigne numérique peut être générée également par une loi de commande provenant d’un calculateur ou d’un capteur ou tout autre équipement électronique.

Un avantage de l’utilisation d’une optique à distance focale variable est de s’affranchir des défauts d’une macrophotographie qui acquiert des images avec une profondeur de champ relativement faible qui reste incompatible de l’acquisition d’images dans une portion de surface courbée par exemple sur le mollet ou le bras. Un autre avantage est d’avoir des temps de réponse très faibles, par exemple un temps de réponse inférieur à 25ms.

En conséquence, l’utilisation d’une optique à focale variable, par exemple en complément d’une optique avec une plus grande ouverture, permet d’acquérir une précision suffisante des images d’une surface d’un corps de manière à reconstituer une image globale nette par un algorithme de reconstruction d’images. Afin de guider la prise de vue automatiquement au voisinage d’un point de visée, l’invention permet de faire varier automatiquement la focale d’une optique selon une loi de commande afin de reconstituer une image nette du voisinage du point ciblé.

Cas de la lentille liquide

Dans le cas d’une lentille liquide, le contrôleur pilote la valeur numérique de la focale de la lentille. Dans cet exemple, la valeur numérique permet de faire varier la forme de la lentille.

Selon un mode de réalisation, le contrôle de la lentille liquide est réalisé au moyen d’un signal continu tel qu’une fonction trigonométrique, par exemple une fonction sinus ou une fonction linéaire, par exemple une fonction dont la forme est en dents-de-scie. Un tel contrôle permet d’optimiser la stabilisation du milieu constituant la lentille liquide. Un tel signal de commande permet de minimiser les effets non linéaires et de réduire les temps de relaxation ou les phases transitoires de modification du milieu de la lentille liquide. Une telle variation de la focale de la lentille est par ailleurs cohérente avec l’évolution de la courbure de la zone au voisinage du point cible Pi. En effet, il n’existe pas de discontinuité supposée, sauf effet d’artefact ou d’effets de bords de la surface du corps, ainsi une loi de commande de la focale peut être régulière et continue de sorte à faire correspondre les variations de topologies de surface avec les variations de la focale de la lentille.

Selon un exemple, l’acquisition d’image par la lentille liquide 20 est réalisée selon un échantillonnage prédéfini sur l’ensemble de la gamme de focales adressables par la lentille. Dans ce mode de réalisation, le nombre d’images acquises est constant selon une vitesse de déplacement du dispositif de prise d’images. Un intérêt de cette solution est de collecter le plus grand nombre d’images possibles afin d’obtenir une stratification des images selon les différentes focales de la lentille. Un avantage de cette solution est d’obtenir une carte de profondeur régulière de l’ensemble des points définissant des pixels de l’image acquise.

Image

Selon un mode de réalisation, l’image acquise est une image couleur dans le spectre visible. La gamme de fréquences de l’image acquise peut être dans ce cas le visible, c’est-à-dire pour des longueurs d’onde comprise entre 380 nm et 700 nm. Selon des modes où des gammes s’étendent de part et d’autre du spectre visible, il est possible d’acquérir des images dans un spectre plus large à partir d’un équipement dédié. Selon un exemple, les images acquises le sont dans une gamme infrarouge, c’est-à-dire pour des longueurs d’onde comprises entre 700 nm et 1000 nm. Selon un autre exemple, les images acquises le sont dans une gamme ultraviolette, c’est-à-dire pour des longueurs d’onde comprises entre 10 nm et 380 nm.

Selon un mode de réalisation, l’image est une image multispectrale. Dans ce dernier cas, un équipement d’imagerie spectrale peut être utilisé. Une configuration d’un tel équipement avec une focale variable pilotable peut être utilisée dans le cadre de l’invention. L’équipement utilisé pour l’acquisition peut être configuré pour acquérir des images dont le spectre est notamment réparti sur plusieurs bandes de fréquences espacées. Un intérêt est d’obtenir une image sur une plus large bande de fréquences incluant par exemple l’infrarouge, le proche infrarouge et l’ultraviolet.

Selon un autre exemple qui peut être combiné aux précédents modes, l’image acquise est une image hyperspectrale. Dans ce dernier cas, un spectromètre d’imagerie, également appelé un spectromètre imageur ou un imageur associé à un spectromètre, permet de générer une image hypespectrale. L’équipement utilisé pour l’acquisition peut être configuré pour acquérir des images dont le spectre est notamment réparti sur plusieurs bandes de fréquences contiguës. L’équipement utilisé peut être configuré avec une focale variable pilotable. Un intérêt est d’obtenir une image sur une plus large bande de fréquences avec un haut degré de résolution incluant par exemple l’infrarouge, le proche infrarouge et l’ultraviolet.

Selon un mode de réalisation, l’équipement est un imageur chimique ou un dispositif d’imagerie chimique configuré pour créer une image à partir d’un spectre fréquentiel acquis tel qu’un spectromètre et des informations spatiales et temporelles.

Moyen de mesure de la distance

Selon un mode de réalisation, le dispositif de prise d’image 20 comporte un moyen de mesure de la distance entre le dispositif optique à focale variable 40 et un premier point Pi de la surface du corps.

Ce moyen de mesure de la distance peut être un dispositif physique actif tel qu’un laser émis disposé à proximité de l’optique à focale variable 40. L’émission du faisceau laser permet de mesurer la distance au centre de l’image acquise. D’autres dispositifs pour mesurer la distance entre un point de la surface du corps et l’optique à focale variable 20 peuvent être utilisés, par exemple un télémètre radioélectrique, un télémètre optique ou encore un télémètre acoustique. D’autres exemples de dispositifs de mesure de la distance peuvent être utilisés dans le cadre de l’invention, tels qu’un Lidar un Radar, un Sonar ou encore un télémètre stadimétrique.

Afin de réaliser la mesure de distance, l’invention peut mettre en oeuvre un dispositif de mesure à point unique tel qu’un laser ou un système de mesure multipoints tel qu’un laser, un dispositif dit « Time-of-Flight matriciel », un lidar, un dispositif stéréoscopique active/passive, ou encore un dispositif comportant une projection d’une lumière structurée.

Selon une alternative, ou selon un mode complémentaire, le moyen de mesure de la distance entre l’optique à focale variable 40 et un premier point Pi de la surface du corps est un moyen logiciel mettant en oeuvre un calculateur traitant les images acquises pour en extraire une information de netteté ou de flou pour reconstruire à partir de cette donnée une information caractérisant la distance entre un point Pi de la surface et l’optique. Un exemple de réalisation peut être un algorithme détectant le ou les pixels les plus nets d’une image pour en déduire une information sur la distance entre un point Pi de la surface et l’optique en connaissant par ailleurs la focale de l’optique utilisée. Les gradients entre les pixels les plus nets et les autres pixels peuvent également être exploités afin de consolider la mesure de la distance entre un point Pi de la surface et l’optique. L’information de distance focale est alors utilisée pour traiter l’évaluation de la distance entre l’optique à focale variable et un point Pi de la surface du corps. L’ensemble des nuances de netteté ou de flou entre les pixels peut alors être utilisé pour consolider le calcul de la distance entre un point Pi de la surface et l’optique ou pour définir une carte de profondeur locale au voisinage du point Pi de visée ou d’un point dont la netteté est considérée comme la plus élevée.

Selon un exemple de réalisation, un algorithme peut être mis en oeuvre par une fonction apprenante, de type fonction entraînée par un apprentissage automatique, tel qu’un algorithme de deep learning. Dans ce mode de réalisation, un réseau de neurones convolutif de type CNN peut être utilisé. La fonction apprenante permet notamment de détecter le ou les pixels supposés être les plus nets de l’image et de déterminer une distance entre un point Pi de la surface et l’optique.

A cette fin, une carte de netteté, également appelée « defocus map » dans la terminologie anglosaxonne peut être établie pour chacune des images de la pile d’images en faisant varier la focale de l’optique. Une telle carte de netteté permet d’encoder une information de flou ou de netteté par exemple sur une échelle normalisée de 0 à 1 .

Lorsqu’une méthode classique est mise en oeuvre, la carte de netteté d’une zone est construite en considérant les pixels les plus nets de chaque image.

Méthodes de mesure de la distance à partir des images acquises

Selon un exemple de réalisation, la distance mesurée par un capteur peut être combinée à une autre mesure de la distance obtenue soit par un autre capteur soit par une autre méthode permettant d’évaluer la distance.

Parmi les autres méthodes, une première méthode consiste à évaluer la distance entre l’optique à focale variable 40 et un point Pi de la surface du corps à partir des images acquises et par un algorithme d’estimation de la netteté de différents points de l’image afin de reconstruire une information de distance entre au moins un point de la surface et l’optique. En effet, dans cette méthode les différences de netteté de différents points de différentes images ayant été acquises avec des distances focales différentes permettent d’obtenir une estimation de la distance de chacun de ces points par rapport à l’optique. Cette estimation peut être combinée ou non avec une autre méthode ou une donnée d’un capteur. Cette estimation peut être utilisée afin de définir une entrée d’une loi de commande Le de la distance focale de l’optique 40.

Parmi les méthodes, l’une d’entre elles peut être mise en oeuvre si une connaissance à priori du volume ou de la surface 12 du corps est connue. Selon un exemple de réalisation, l’invention comprend un composant permettant de générer un modèle de corps, notamment de la surface tridimensionnelle de ce corps. Cette surface peut être une surface définie dans l’espace ou elle peut être définie par un nuage de points ou un maillage. Le nuage de points peut être avantageusement connecté et orienté dans l’espace, on parle d’orientation spatiale dans l’espace. Lorsque le nuage de points est orienté, il est possible de repérer la surface du modèle de corps dans l’espace par exemple au sein d’un référentiel prédéterminé Ro. Lorsque le modèle de corps est repéré dans un référentiel Ro et que le dispositif d’acquisition d’images l’est aussi, il est alors possible de calculer une distance entre un point Pi de la surface 12 du corps et l’optique à focale variable 40 et d’utiliser cette distance pour mettre en œuvre une loi de commande Le pilotant automatiquement la distance focale df du dispositif à focale variable 20.

A partir des données suivantes : la position et l’orientation du corps en 3D dans Ro, la connaissance du modèle de corps et la position du dispositif optique dans Ro, il est possible de calculer en temps réel une loi de commande de l’optique en fonction de la position relative de celle-ci par rapport au corps.

Selon un premier cas, cette loi de commande peut être calculée en temps réel sans avoir préalablement à planifier une trajectoire de l’optique. Ce mode de réalisation, est particulièrement intéressant dans le cas d’une optique embarquée dans un dispositif mobile de type un pistolet, c’est-à-dire amovible selon les mouvements d’une main d’un opérateur par exemple.

Selon un second cas, cette loi de commande peut être calculée par exemple en planifiant une trajectoire préalable de l’optique. Ce mode de réalisation, est particulièrement intéressant dans le cas d’une optique embarquée dans un dispositif robotique de type un bras robot articulé et de manière plus générale un dispositif embarqué dans toute plateforme amovible.

Utilisation d’un modèle de corps

Lorsque l’invention met en œuvre une génération automatique du modèle de corps d’un individu, ce dernier peut être généré à partir d’un dispositif optique capturant des vues partielles ou des vues complètes du corps de l’individu. Les vues partielles peuvent ensuite être utilisées pour générer un modèle de corps par exemple à partir d’un algorithme mis en œuvre par une fonction apprenante, telle qu’une fonction ayant été entraînée par un apprentissage automatique. Un exemple est un réseau de neurones convolutif. Une telle fonction permet de générer en temps réel des modèles de corps en 3D d’un individu à partir de vues partielles acquises. Une telle possibilité permet de calculer des données topologiques au voisinage d’un point cible Pi de la surface du corps lors du balayage d’une trajectoire par le dispositif de prise d’images 20. Descripteur topologique

La connaissance de la topologie peut provenir de différents dispositifs ou méthodes de calcul d’au moins un descripteur topologique local au point Pi ciblé.

Selon un premier mode de réalisation, le descripteur provient d’un calcul effectué en temps réel à partir d’une image acquise. Ce calcul peut être effectué avec un second dispositif optique configuré avec une ouverture, une profondeur de champ ou une distance focale permettant une analyse locale de la carte de profondeur au voisinage du point Pi. Selon ce même exemple, le second dispositif optique peut comprendre une optique dans une gamme infrarouge. Selon un autre exemple de descripteur calculé en temps réel, un dispositif comportant une projection d’images dont on calcule la déformation permet de calculer une carte de profondeur. Un autre exemple consiste en l’utilisation de lumière structurée.

Selon un second mode de réalisation, le descripteur provient d’un calcul en temps réel à partir d’une image extraite d’un modèle de surface du corps humain qui est orienté et positionné dans l’espace. Un tel modèle de corps peut être par exemple généré en temps réel à partir d’une connaissance partielle ou totale du corps d’un patient. La connaissance à priori de la trajectoire qui a été planifiée et du modèle de corps du patient dont on souhaite obtenir des images locales de la peau et enfin la connaissance du dispositif de prise d’image 20 et de son agencement vis-à-vis du corps permettent de générer un ensemble de descripteurs locaux à priori avant le process d’acquisition des images au voisinage des points ciblés Pi. Une telle technique permet de configurer la loi de commande Le de l’optique à focale variable sans dépendre d’une contrainte temps réel. Par ailleurs, cette technique permet de gagner un temps de calcul en temps réel et permet d’optimiser le meilleur ratio d’images nécessaires à la reconstruction d’une image nette de toute ou partie du corps humain dont on souhaite obtenir une image nette.

Selon un mode de réalisation, au moins un descripteur de forme locale et/ou un descripteur de forme globale est calculé(s). Un descripteur peut être du type : « Wave Kernel Signature » (WKS) ou « Heat Kernel Signature » (HKS) ou « Gaussian Curvature ». A titre d’exemple, le descripteur HKS est notamment basé sur une solution de l’équation de chaleur, il est basé sur l’opérateur de Laplace - Beltrami. Un avantage est de définir des descripteurs de forme à partir d’une analyse spectrale de la région au voisinage d’un point. Un avantage est l’utilisation simplifiée d’équations ou d’opérateurs normalisés dont le traitement numérique peut être optimisé.

Selon un exemple, le calcul du vecteur normal à la surface au point Pi ciblé permet également de définir un descripteur de forme local.

Selon un autre exemple, la loi de commande est calculée en temps réel sur le corps de telle manière à ce la focale de l’optique balaie l’intégralité de la gamme de profondeur des points du maillage d’une zone locale considérée, c’est-à-dire entre les points les plus lointains de l’optique et les points les plus proches de l’optique. Ainsi, la connaissance à priori de la topologie locale du fait de la connaissance du modèle de corps permet de piloter la loi de commande manière optimale selon la zone inspectée. En d’autres termes, à partir du nuage de points d’une zone locale du modèle de corps, l’invention permet d’extraire une gamme de valeurs de focale permettant de commander la loi de commande de l’optique.

Lorsqu’au moins un descripteur de forme est calculé, la valeur de ce dernier permet de générer une gamme de valeur de la focale et de définir un échantillonnage de prise d’images de l’optique à focale variable au sein de cette gamme. Cet échantillonnage peut être prédéfini ou calculé en temps réel en fonction du cas d’espèce.

Selon un exemple lorsque plusieurs descripteurs de forme sont calculés localement, un coefficient de forme est calculé afin d’établir une règle simple de correspondance ne le coefficient de forme et une gamme de variation de la focale.

Génération d’une trajectoire

Selon un exemple, l’invention comprend le guidage d’un dispositif de prise d’image 20 selon une trajectoire ou une surface à parcourir à la surface du corps d’un individu. Le procédé permet donc de traiter une pluralité de points cibles Pi le long d’une trajectoire. La trajectoire peut être planifiée initialement à la surface d’un modèle de corps calculé d’un individu puis cette trajectoire peut être recalculée ou déformée pendant le guidage du dispositif de prise d’image 20 en fonction des déplacements ou des mouvements de l’individu. Dans ce cas, la position dans l’espace d'au moins un point de la surface peut être recalculée afin d’asservir la trajectoire de déplacement du dispositif de prise d’images. Dans cet exemple, les descripteurs topologiques peuvent être recalculés aux points de la trajectoire asservie, par exemple si le mouvement implique une déformation de la surface du corps. Selon un autre cas, les valeurs des descripteurs en première approximation peuvent être conservées aux points situés sur la trajectoire ayant changé de position.

Selon un exemple, un algorithme de détection de forme peut être mis en œuvre. Cet algorithme peut être, par exemple, mis en œuvre pour reconnaître des postures {assise, debout, bras levés, etc.} ou encore des mouvements typiques. Selon une alternative, un opérateur peut initier un changement de modes de prises d’images imposant un recalcul du modèle de corps et de sa position dans l’espace.

Dans cet exemple, le dispositif optique est déplacé en une pluralité de points formant une trajectoire du dispositif optique. Le dispositif optique peut être déplacé le long d’une trajectoire prédéfinie de manière automatisée, par exemple par un bras robotique.

Dans un autre exemple, le dispositif optique est guidé directement par un utilisateur. Dans ce cas, le dispositif optique peut comprendre un manche pour être attrapé par la main de l’utilisateur.

Dans un mode de réalisation, la trajectoire doit être comprise comme une trajectoire relative par rapport à la surface de corps. Préférentiellement, le déplacement du dispositif optique le long de sa trajectoire est continu, c’est-à-dire que le déplacement par rapport au corps humain ne marque pas de pause. Le déplacement relatif du dispositif optique par rapport au corps humain n’est jamais nul le long de ladite trajectoire. Dans ce mode de réalisation, deux images successives sont prises depuis deux positions différentes. Les deux images acquises partageant un taux de recouvrement se chevauchent de manière à partager une portion d’image commune comme détaillée ultérieurement.

Dans une mode de réalisation, le déplacement du dispositif optique selon une trajectoire prédéterminée comprend une étape d’acquisition d’un nuage de point représentant la surface de la peau du sujet, une étape de mise à jour de manière continue dudit nuage de point en fonction des changements de géométrie tridimensionnelle de ladite surface due à l’action des muscles ou un mouvement du corps et optionnellement, la mise à jour de manière continue de ladite trajectoire en fonction du nuage de points actualisé. Loi de commande

Le dispositif de l’invention comprend un contrôleur électronique permettant de contrôler le dispositif à focale variable 40. Un intérêt de la mise en oeuvre d’une loi de commande Le est de faire varier la distance focale à chaque acquisition d’images au voisinage d’un point Pi d’une trajectoire 30 de la surface du corps tout en guidant le dispositif de prise d’image 20 le long d’une trajectoire à parcourir 32.

Selon un premier mode de réalisation, la loi de commande Le peut être planifiée à l’avance, c’est-à-dire avant la prise d’images. Ce mode de réalisation est possible lorsque le modèle de corps d’un individu est connu et lorsque la trajectoire de guidage du dispositif de prise d’images 20 est planifiée. Dans cette configuration, l’ensemble des variables de la loi de commande peuvent être précalculées afin que l’ensemble des images à acquérir puisse l’être afin de former l’image composite finale. Ce mode de réalisation peut être combiné avec des modifications locales de la position du corps et donc de la trajectoire des points ciblés et donc de la trajectoire de guidage du dispositif de prise d’image 20. Dans ce cas, la loi de commande n’est pas modifiée puisque la configuration du système {corps - dispositif de prise d’image} reste inchangée.

Selon un second mode de réalisation, la loi de commande Le est calculée en temps réel à partir des données acquises en temps réel. Ainsi, une trajectoire peut être planifiée à la surface du corps, mais la distance entre le dispositif de prise d’image 20 et la surface du corps n’est pas connue a priori ou encore la topologie locale du voisinage des points ciblés n’est pas connue et doit être découverte en temps réel. Lorsque la loi de commande Le est pilotée en temps réel, un calcul en temps réel est réalisé pour asservir l’optique à focale variable et la position du dispositif de prise d’image 20 de sorte que l’ensemble des images nécessaire à la reconstruction d’une image composite nette soit réalisée.

La loi de commande Le peut être configurée de sorte que le dispositif de prise d’image 20 balaie un ensemble de points pour acquérir des images nettes d’une zone complète de toute ou partie d’une surface du corps. Afin d’optimiser le nombre d’images acquises et la gamme de valeurs de la focale de l’optique à focale variable, la loi de commande Le peut prendre en compte une donnée de topologie au voisinage d’un point P1 dont on souhaite acquérir des images.

Lorsque la surface 12 du corps est relativement plane au voisinage du point P-i, les points au voisinage du point P1 sont dans une plage réduite de valeurs de la focale. Au sein de cette gamme, la focale de l’optique est pilotée pour acquérir des images nettes à proximité du point P1 . Typiquement, si la gamme de valeurs de la focale permet d’acquérir des images haute définition nettes dans une profondeur de champ de 1 mm, le nombre d’images à acquérir pour obtenir un ensemble d’images nettes au voisinage du point P1 peut être réduit. La prise d’images se limite à la variation de la focale sur une plage de valeurs de focales réduite. Une telle zone peut correspondre à celle d’un ventre plat d’une personne en forme et non en surpoids.

Lorsque la surface 12 du corps est relativement courbée au voisinage du point Pi, les points au voisinage du point Pi sont dans une large plage de valeurs de la focale. Au sein de cette gamme plus large que la gamme réduite, la focale de l’optique est pilotée pour acquérir des images nettes à proximité du point P1. Afin d’acquérir des images nettes sur une profondeur de champ plus importante, par exemple 20 mm, alors la gamme de valeurs de la focale est configurée de sorte à être élargie et le nombre d’images acquises dans cette zone est plus important que dans le cas précédent. Une telle zone peut correspondre à celle d’un mollet ou d’un bras.

Certaines zones peuvent avoir une courbure encore plus importante telles que le coude plié, le nez, les oreilles ou les orteils.

La loi de commande Le peut également avoir une influence sur la vitesse de déplacement du dispositif de prise d’image 20 selon le nombre d’images à acquérir localement au voisinage d’un point Pi et plus généralement pour l’ensemble des points Pi d’une trajectoire. Enfin, cette loi de commande Le peut être configurée à priori ou en temps réel en fonction du taux de recouvrement souhaité des images acquises de la surface du corps humain. Le taux de recouvrement peut être une valeur en pourcentage définissant la proportion de la surface d’image recouverte par exemple sur les bords des images afin de reconstruire une image globale. Le taux de recouvrement peut également être calculé de sorte qu’il définisse une statistique de proportion d’images nettes à un facteur de précision donnée avec un facteur d’erreur donné. Le taux de recouvrement peut également être défini de proche en proche entre deux acquisitions successives. A titre d’exemple, le taux de recouvrement peut être un pourcentage de la proportion d’une image répétée au sein d’une image en fonction d’une image précédemment acquise.

Un intérêt de cette dernière configuration est d’obtenir une zone recouvrée avec deux images acquises obtenues avec des focales différentes. Dans cette réalisation, il est possible de reconstruire un gradient pour générer une image reconstruite qui sera nette sur une plus grande dimension que chaque image acquise séparément.

Par « taux de recouvrement entre deux images successives » on entend ainsi que deux images successives se chevauchent partiellement en une portion commune, c’est-à-dire que les portions communes de deux images successives peuvent être superposées. Le but de ce taux de recouvrement sera ainsi d’utiliser deux images différentes pour former une unique image continue comprenant les portions communes et les portions non communes desdites images acquises. Deux images successives partageant un taux de recouvrement peuvent être acquises avec des distances focales du dispositif optique différentes.

Dans un exemple, le dispositif optique est déplacé le long de la trajectoire, en une première position puis en une seconde position. La loi de commande déclenche l’acquisition d’au moins une image du point P1 depuis la première position puis d’au moins une image depuis la seconde position. La première position et la seconde position sont suffisamment proches l’une de l’autre pour permettre le chevauchement partiel des images successives acquises en ces deux positions.

Dans un premier mode de réalisation, la loi de commande génère l’acquisition d’un premier groupe d’images depuis la position puis d’un second groupe d’images depuis la seconde position. Dans ce mode, les images du premier groupe et les images du second groupe se chevauchent partiellement en une portion commune comme décrit précédemment. Le premier groupe d’images et le second groupe d’images comprennent chacun une pluralité d’images acquises avec des distances focales différentes. Un avantage est d’obtenir une première image multifocale et une seconde image multifocale à partir de respectivement du premier groupe d’images et du second groupe d’images. Dans un second mode de réalisation préférentiel, une première image est acquise depuis la première position et une seconde image est acquise depuis la seconde position. La première et la seconde image sont alors acquises avec des distances focales différentes. Dans ce mode de réalisation, la première image et la seconde image partagent un taux de recouvrement. Préférentiellement, le mouvement du dispositif optique par rapport est continu. On entend par mouvement continu un mouvement n’atteignant pas une vitesse nulle. Dans ce cas, chaque image est acquise depuis une position différente.

Dans un mode de réalisation, le taux de recouvrement est strictement inférieur à 100%. Autrement dit, les deux images successives ne se chevauchent que partiellement et comprennent chacune une portion commune, mais également une portion non compris dans l’autre image. Préférentiellement, le taux de recouvrement est strictement inférieur à 99%.

Dans un mode de réalisation, le taux de recouvrement est supérieur à 75% et strictement inférieur à 100% ou 99%. Au moins 75 % de la surface de l’image sera en commun avec au moins une autre image. L’avantage d’un tel taux de recouvrement est, pour chaque point de la surface de corps, d’acquérir une pluralité d’images. L’avantage est de pouvoir acquérir une pluralité d’images acquises avec des distances focales différentes, augmentant les chances d’avoir au moins une portion nette dudit point pour la construction d’une image nette à partir de la pluralité d’images acquises de ladite surface 12 telle que décrite ci-après. Autrement dit, un point de la surface de corps du sujet est capturé par une pluralité d’images acquises, même lorsque le dispositif optique était en mouvement entre la prise d’images acquises successives.

Préférentiellement, les distances focales d’acquisition de deux images successives présentant un taux de recouvrement sont différentes l’une de l’autre.

Lorsque la courbure de la zone augmente, l’acquisition des images peut être réalisée de manière plus rapide avec un échantillonnage d’une plage plus importante de la focale de l’optique à focale variable, le mouvement du dispositif de prise d’image 20 peut ralentir et le recouvrement peut être configuré de sorte à être plus important entre deux images successives. Ainsi selon un exemple la loi de commande Le peut être configurée avec les variables suivantes :

- La vitesse de déplacement V _d est sélectionnée dans une gamme de vitesse [Vdmin ; V _m ax] ;

- Le taux de recouvrement d’image TR est sélectionné dans une gamme de taux de recouvrement d’image [Tmin ; Tmax] ;

- La focale de l’optique à focale variable Fv est sélectionnée dans une gamme de focales [Fmin ; F _ma x] ;

- Le descripteur topologique ou le coefficient de forme local calculé à partir de plusieurs descripteurs topologiques locaux Cf Fv est sélectionné dans une gamme de coefficients de forme [Cmin Cmax]

- La distance df entre l’optique à focale variable et le point de visée Pi de la surface 12 du corps est sélectionnée dans une gamme de distance [dmin ; d _ma x].

- La vitesse d’acquisition ou de délai entre deux acquisitions successives TA est sélectionné dans une gamme de durées

[Tmin Tmax]·

Dans un mode d’exemple, l’angle de vue et la taille d’image sont considérés comme prédéfinis. Toutefois, selon d’autres exemples, les dimensions d’images et les angles de vues peuvent varier comme des paramètres.

Selon différents modes de réalisation, l’une ou plusieurs de ces variables sont utilisées pour définir ou paramétrer la loi de commande Le permettant d’acquérir les images. La loi de commande Le peut être elle-même une loi de commande complexe dépendant de plusieurs lois de commande Lc1 , Lc2, etc. selon la prise en compte des variables d’entrées.

Par exemple, pour un point de la trajectoire comprenant une pluralité de points cible Pi, on peut écrire par exemple que la focale est définie par une première loi de commande Lc1 définie par une relation de type : Fv = Lc1 (df, Cf). Et pour une trajectoire donnée, le délai entre deux acquisitions TA et la vitesse de déplacement V _d du dispositif de prise d’images 20 sont commandés selon une seconde loi de commande Lc2 définie par une relation de type : {V _{d ;} T _A }= LC2(TR, Cf}. Dans un mode de réalisation, la plateforme transportant le dispositif optique est déplacée le long d’une trajectoire à une vitesse de déplacement Vd comprise entre 4 cm/s et 30 cm/s.

Préférentiellement, le dispositif optique réalise des acquisitions d’images de la structure de la peau du sujet à une fréquence comprise entre 5 images par seconde et 200 images par seconde (soit un délai entre deux acquisitions compris entre 0,2 s et 5 ms) pendant le déplacement de l’optique. Dans un mode de réalisation, la loi de commande fait varier, entre deux acquisitions successives, la distance focale de l’optique à focale variable.

Le déplacement de l’optique couplé à la vitesse d’acquisition et la variation de distance focale entre deux acquisitions successives permettent avantageusement l’acquisition d’images successives partageant une portion commune à différente distance focale.

Lors de la génération d’une image nette, la portion commune peut ainsi être composée à partir des pixels de différentes images acquises en fonction de l’indice de netteté de chaque pixel pour chaque image acquise.

Construction d’une image nette

Selon un mode de réalisation, l’invention comporte une étape de construction d’une image nette de toute ou partie de la surface 12 du corps 10 à partir de la pluralité d’images acquises de ladite surface 12. Cette image est une image composite formée à partir d’une pluralité de portions d’images acquises par le dispositif de prise d’image 20.

Afin de sélectionner les portions d’images ou les groupes de pixels, voire un pixel d’une image, le procédé de l’invention comprend une étape de comparaison d’un critère de netteté de chaque pixel ou chaque groupe de pixels d’une image avec ceux d’une autre image comportant un recouvrement de ce ou ces pixel(s). Lorsqu’un pixel ayant une netteté suffisante est détecté, par exemple lorsque la valeur du critère est supérieure à un seuil prédéfini, alors le pixel est retenu dans l’image composite. Lorsqu'aucun pixel n’a une netteté suffisante, c’est-à-dire dont le critère de netteté dépasse un certain seuil, alors le pixel le plus net est sélectionné.

Afin de comparer la netteté ou le flou de pixels d’images différentes couvrant une même zone, un algorithme d’alignement des images peut être utilisé pour calibrer les images entre elles et plus particulièrement les portions d’images couvrant les mêmes zones de la surface du corps. La construction d’une image nette comprend un découpage d’images acquises selon leurs portions les plus nettes tout en contrôlant que les zones découpées non retenues sont comprises dans d’autres images acquises recouvrant la partie retirée d’une image. Ce contrôle peut être réalisé automatiquement à partir du taux de recouvrement des images acquises et d’un marquage des zones recouvrées.

L’invention permet de générer une carte de netteté de chaque image de la pile d’images afin de sélectionner les pixels les plus nets de la pile d’images acquises recouvrant une zone donnée. Il est donc possible de générer une image à partir de la ou des carte(s) de netteté dans laquelle les pixels les plus nets sont sélectionnés.

Selon un mode de réalisation, une étape d’estimation de la netteté est réalisée pour générer des zones nettes et retirer les zones floues. Afin de réaliser cette étape, un algorithme d’estimation de la netteté peut être mis en œuvre. Parmi les algorithmes possiblement utilisables au sein de l’invention, différentes solutions peuvent être mises en œuvre telles qu’un calcul de la moyenne ou la variance d’un gradient. Une autre méthode peut être mise en œuvre au moyen d’un apprentissage automatique à partir d’une fonction apprenante. La fonction apprenante peut être un apprentissage de type deep learning. Selon un exemple, un réseau de neurones convolutif CNN peut être mis en œuvre. Un tel algorithme permet de générer des cartes de netteté de l’ensemble des images afin de permettre d’identifier dans un second temps les pixels les plus nets pour générer une image 3D entièrement nette ou du moins la plus nette possible. Un tel algorithme de deep learning, i.e. d’apprentissage profond, peut également mis en œuvre pour traiter l’alignement des images acquises successivement. Lorsqu’un réseau de neurones est utilisé de cette manière il est dit fonctionnel dans la présente demande dans la mesure où il permet de réaliser une fonction intermédiaire telle que la génération d’une carte de netteté ou une carte de profondeur ou encore pour réaligner des images.

La prise d’images successives ayant un taux de recouvrement entre elles permet d’améliorer l’estimation de la netteté. Enfin, la connaissance à priori d’une part de la distance entre le point cible Pi et l’optique à focale variable 20 et d’autre part de la focale permet également de réaliser une bonne estimation de la netteté puisqu’il existe des zones références pouvant être définies comme nette.

Lorsque les zones les plus nettes sont identifiées et les images découpées selon ces zones, le procédé de l’invention comprend une étape d’assemblage des zones nettes pour construire une image nette de la surface de toute ou partie du corps.

L’étape d’assemblage peut être vue comme une étape d’agrégation de portion d’image provenant de différentes prises de vues. Une autre manière de réaliser un assemblage est de réaliser une fusion des zones de recouvrement en adressant chaque point par les pixels les plus nets et en supprimant les pixels de ces zones de recouvrement les plus flous.

Dans un mode de réalisation, la superficie de la surface de corps représentée par l’image nette générée est supérieure à la superficie de la surface de corps représentée par l’une des images acquises ayant permis de générer ladite image nette.

Selon un mode de réalisation, les images assemblées peuvent l’être dans un espace de deux dimensions ou dans un espace de trois dimensions. En effet, connaissant l’information de profondeur soit à partir d’un modèle de corps soit à partir d’une estimation lors de l’acquisition des images, une image 3D peut être automatiquement reconstruite.

L’image 3D peut être reconstruite consécutivement à l’assemblage lors d’un traitement appliqué à l’image finale agrégée.

Selon un autre exemple, un algorithme apprenant de bout-en-bout peut être utilisé pour générer à partir d’une pile d’images acquises, également appelée dans la terminologie anglosaxonne « stack » d’images, correspondant à la pluralité d’images collectée, en sortie une image nette d’une part et une carte de profondeur d’autre part. L’apprentissage d’une telle fonction apprenante, par exemple de type CNN, peut être réalisé à partir d’une part d’images acquises par une optique ou d'images générées par un calculateur d’un corps ou d’un modèle de corps et d’autre part une image 3D totalement nette obtenue à partir de l’ensemble des images. On parle alors ici d’un réseau de neurones de bout-en-bout pour désigner un réseau de neurones capable de générer directement en sortie une image 3D nette en tout point. Le passage par la carte de netteté de chacune des images de la pile d’images acquise est alors implicite dans la mise en œuvre d’un tel algorithme de bout en bout. Selon un mode de réalisation, ce dernier algorithme peut être entraîné sur des données synthétiques.

On a en entrée les images de la pile de la zone au voisinage proche du point Pi acquise et en sortie une image composite de cette même zone et la carte de profondeur. Un réseau de type réseau neuronal convolutif CNN peut être par exemple mis en œuvre.

L’ensemble des données d’apprentissage permet d’entraîner le réseau de neurones pour obtenir une fonction apprenante configurée ou apprise avec des coefficients de pondération. Dans ce cas de figure, l’image 3D totalement nette peut être calculée à partir d’un autre algorithme de manière à superviser l’apprentissage du réseau de neurones. Un tel apprentissage peut également entraîner la génération d’une carte de profondeur.

Le réseau de neurones utilisé qu’il soit de type fonctionnel ou de type bout-en-bout peut être configuré de différentes manières.

Selon un mode de réalisation, la configuration du réseau de neurones CNN peut comprendre :

^■ Des convolutions ou des couches de réseau de neurones comportant une pluralité de multiplications de matrices comportant des coefficients de pondération obtenus à partir d’un procédé d’apprentissage ;

^■ des opérations non-linéaires.

Selon un mode de réalisation, la configuration du réseau de neurones CNN comprend en entrées des images acquises par l’optique.

Le réseau de neurones CNN peut comprendre dans ses premières couches des convolutions puis des couches de neurones entièrement connectées, dite « fully connected layers » à la fin du modèle. Dans ce dernier cas, ce sont des neurones connectés à tous les neurones de la couche précédente et connectés à tous ceux de la couche suivante.

Les couches de convolutions peuvent comprendre un balayage d’une matrice d’entrée produisant une série de calculs matriciels. Les autres couches du réseau de neurones comprennent, elles généralement des calculs matriciels sur la taille de la matrice d’entrée. Selon un exemple, chaque convolution comprend un produit de matrice entre une matrice d’entrées et une matrice de poids et la prise en compte d’un biais additionnel.

L’application d’un traitement par couches successives au sein du réseau de neurones CNN comprend l’application d’une série de multiplications matricielles qui sont suivies d’une fonction non linéaire pour produire une sortie de ladite couche. La succession de ces opérations définit la profondeur du réseau de neurones.

Selon un exemple de réalisation, le réseau de neurones est un perceptron multicouche, connu sous l’acronyme MLP et dans la terminologie anglo-saxonne par « multi-layers perceptron ». Selon un exemple, le réseau de neurones peut être un réseau équivalent au MLP.

Un avantage de l’invention est également de reconstruire une carte de profondeur relative de toute ou partie du corps. Par « carte de profondeur relative », on entend une carte où chaque point de l’image, par exemple chaque pixel, peut être positionné vis-à-vis d’un autre point de l’image reconstruite. Un des avantages de cette caractéristique est de permettre de supprimer les effets de perspective ou de déformation des images liés à l’angle de vue ou à l’optique elle-même. Un autre avantage de cette méthode est d’obtenir une estimation précise de la géométrie locale de la surface imagée. Cela permet d’augmenter et d’affiner le modèle 3D de corps lorsque ce dernier modèle de corps est disponible en entrée du système. Ces informations de profondeur estimée peuvent avoir une résolution comprise entre 500um et 1cm. Le modèle de corps en entrée peut alors être affiné afin de définir un modèle de corps 3D de haute résolution.

Plateformes

Selon un exemple de réalisation, le dispositif de prise d’image 20 est monté sur une plateforme mobile. Selon un premier mode de réalisation, la plateforme mobile peut être agencée au bout d’un bras robotique mobile dans l’espace et comportant une pluralité de degré de liberté. Selon un second mode de réalisation, la plateforme est un drone commandé par une télécommande sans fil.

Selon un autre mode de réalisation, la plateforme est un pistolet manuel comportant un embout distal sur lequel est agencé le dispositif de prise d’image 20 et notamment l’optique à focale variable. Le pistolet comprend en outre une manette destinée à être prise en main par l’examinateur, par exemple à l’extrémité proximale du pistolet.

Selon un autre mode, le dispositif est fixe et le patient est tourné au moyen d’une plateforme tournante ou inversement. L’invention s’adresse à tout type de plateforme mobile dynamique comportant un embout distal sur lequel est agencée l’optique à focale variable.

Dans un mode de réalisation, la plateforme mobile comprend un rail ou un moyen de guidage selon une trajectoire prédéfinie et le dispositif optique est monté mobile sur ledit rail ou moyen de guidage entre deux positions. Préférentiellement, l’invention comprend en outre une cabine comprenant un emplacement destiné à recevoir un sujet, notamment un sujet humain et ladite plateforme mobile. La cabine peut comprendre au moins un rail pour donner à la plateforme mobile une trajectoire courbe autour dudit sujet placé dans ledit emplacement. Dans un mode de réalisation, le rail est mobile en translation. Dans un autre mode de réalisation, la cabine comprend une pluralité de rail et une pluralité de plateforme pour réaliser des images de la peau dudit sujet.

Utilisation d’un capteur photographique simple

L’optique à focale variable comprend un capteur photographique. Ce dernier capteur photographique comprend un composant électronique photosensible et sert à convertir un rayonnement électromagnétique passant au travers de l’optique à focale variable pour le convertir en un signal analogique ou numérique. Le capteur photographique peut intégrer selon les modes de réalisations différents composants permettant de filtrer ou d’amplifier le signal converti.

Selon un exemple, un capteur CMOS, dont l’acronyme dans la terminologie anglo-saxonne signifie « Complementary Metal-Oxide- Semiconductor », peut être utilisé. Selon un autre exemple, un capteur CCD, désignant « charge coupled device » dans la terminologie anglo-saxonne, c’est-à-dire un dispositif à transfert de charges, peut être utilisé. Un avantage important de l’invention est qu’il ne nécessite pas de capteur matériel spécifique devant mettre en oeuvre une configuration matérielle structurellement difficile à mettre en oeuvre ou coûteuse d’un point de vue de l’architecture matériel. En d’autres termes, un capteur photographique CMOS ou CCD est suffisant pour obtenir des images nettes en un temps très courts, les opérations pouvant être réalisées en temps réel.

Selon un mode de réalisation, une unique unité de calcul, tel qu’un unique processeur, adressant l’ensemble des pixels du capteur est mise en oeuvre. Le processeur est ainsi couplé à une mémoire physique. La mise en oeuvre d’un unique couple de {processeur, mémoire} permet une mise en oeuvre simplifiée du traitement logiciel traitant les images acquises.

Afin de simplifier les calculs logiciels, l’ensemble des pixels de l’image acquise sont considérés indépendamment et sont traités comme une unité au sein du même ensemble de pixels. Un avantage de l’invention est de ne pas avoir à traiter des sous-ensembles de pixels devant être adressés et associés physiquement à un matériel électronique dédié au sous-ensemble tel qu’un processeur ou une mémoire.

Ainsi, l’invention permet d’obtenir une image nette en tout point d’un volume, tel qu’un corps humain, et permet d’obtenir une information de profondeur en temps réel à une cadence élevée avec des composants du marché tel qu’un capteur CMOS ou CCD ne nécessitant pas une mise en oeuvre d’une architecture électronique complexe.

L’invention peut être mise en oeuvre avec un simple capteur photographique du fait des différentes possibilités suivantes permettant d’obtenir des temps de calculs rapides :

- la plage de valeurs de la variation de la distance focale peut être réduite du fait d’une connaissance à priori d’un modèle de corps pré-généré permettant de connaître localement la courbure du volume dont est acquis les images et/ou ;

- la distance entre le volume et l’optique peut être mesurée par un moyen tel qu’un laser pour estimer la distance entre d’une part l’optique et d’autre part le volume acquis, ce qui permet d’effectuer une variation de la distance focale circonscrite à une gamme de valeurs réduite.

Ainsi, à partir d’une connaissance à priori, i.e. le modèle de corps, ou d’une information calculée en temps réel, i.e. la distance entre l’optique et la surface, l’invention permet d’obtenir des données de profondeur et de netteté dans une gamme réduite de valeurs. Cette possibilité permet de reconstituer l’enveloppe tridimensionnelle et les images nettes de chaque point de cette enveloppe avec une grande performance d’acquisition en temps réel.

Apprentissage d’un réseau de neurones et classification à partir d’images nettes

L’invention comporte également la mise en oeuvre d’un réseau de neurones classifiant les images nettes de singularité de la peau d’un individu. Selon un autre mode, l’invention comporte une étape de détection ou une étape de segmentation de l’image ou une étape de régression ou encore une étape de génération d’une nouvelle image. Une étape de génération d’une nouvelle image peut être réalisée en modifiant la résolution de ladite image, en améliorant tout ou partie de l’image par un traitement donné, une transformation de l’image par exemple en changeant ses dimensions ou sa colorimétrie, sa netteté, ou tout autre paramètre de couleur, ou encore une étape d’augmentation par exemple d’échelle de l’image ou d’une partie seulement de l’image. Différentes tâches d’analyse peuvent ainsi être effectuées à partir des images nettes produites par le procédé de l’invention.

A cette fin, tout ou partie du volume du corps d’un individu est scanné par une optique à focale variable. Cette opération peut être réalisée par exemple à partir d’un bras robot évoluant automatiquement autour d’un corps humain afin de parcourir une trajectoire de guidage. Les images sont acquises et traitées selon le procédé de l’invention afin de collecter un ensemble d’images nettes du corps d’un patient. Un apprentissage automatique peut être réalisé à partir de photos de singularités de la peau, telles que des grains de beauté, des cicatrices, des mélanomes, des carcinomes, des taches de rousseur, etc.

Un avantage de l’invention est de permettre d’entrainer un réseau de neurones avec des images nettes en tout point afin d’obtenir de très bonnes performances de classification du fait de la résolution maximale obtenue par les images nettes.

L’invention concerne donc un procédé d’entrainement d’un réseau de neurones à partir d’images nettes obtenues par le procédé d’acquisition de l’invention. Le procédé d’entrainement est caractérisé par les données d’entrées du réseau de neurones qui sont des images obtenues par le procédé de l’invention. Le procédé s’applique par exemple à un réseau de neurones convolutif de type CNN et à tout autre type de réseau de neurones, notamment ceux décrits précédemment dans la présente description. Selon un mode de réalisation, un réseau de type « transformeur » utilisé seul ou en combinaison avec un ou des réseau(x) de neurones convolutif de type CNN. Un tel type de réseau permet notamment de pondérer de manière différentielle l’importance de chaque partie des données d’entrées.

L’entrainement peut classiquement utiliser des labels d’images permettant de classifier les différentes singularités visibles sur les images ou de réaliser toute autre tâche d’analyse précédemment énumérée. En outre, l’invention concerne un procédé de classification des images nettes en fonction des labels. Un tel procédé de classification peut être appliqué à l’ensemble des images acquises par le procédé de l’invention d’un corps d’un individu.

Ainsi, les images peuvent être représentées selon un regroupement d’images d’un même label avec une mention du membre du corps humain auquel se rapporte l’image ou une indication d’une position sur le corps humain ou un modèle de corps. Par exemple, l’invention peut représenter différentes échelles de zoom d’une zone d’intérêt d’une singularité afin qu’un utilisateur puisse apprécier la haute résolution de l’image d’une singularité donnée à côté d’une image plus large de la partie du corps sur laquelle est extraite la photo.