Multiple point clouds registration with deep learning : Application to single molecule localization microscopy

Les nuages de points sont devenus une représentation clé en vision par ordinateur et en microscopie computationnelle, permettant de modéliser efficacement des structures 3D complexes. Un problème central est le recalage rigide, qui vise à estimer rotation et translation pour aligner plusieurs nuages. Cette étape est cruciale pour la reconstruction 3D, la fusion multimodale et l’analyse quantitative, mais devient difficile en présence de bruit, d’occlusions ou de structures parasites. Cette thèse s’intéresse au recalage de nuages fortement dégradés, avec un focus sur la microscopie SMLM. Après une revisite des fondements mathématiques et algorithmiques, deux contributions sont proposées : une optimisation globale par multistart, simple et efficace, et une approche générative pour le recalage simultané multivues sans correspondances explicites. Le manuscrit offre également une synthèse structurée du domaine.