Centre de documentation
scientifique

n° 320 - septembre - octobre 2024 (Bulletin de Echanger)

Public [n° ou bulletin]  Titre : n° 320 - septembre - octobre 2024 Type de document : Périodique Année de publication : 2024 Importance : 32 p. Langues : Français (fre) Descripteur : [Termes IGN] cartographie numérique [Termes IGN] intelligence artificielle Numéro de notice : 156-202404 Affiliation des auteurs : IGN (2020- ) Nature : Numéro de périodique Permalink : https://documentation.ensg.eu/index.php?lvl=bulletin_display&id=35190 [n° ou bulletin]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
156-2024041	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Étude des outils permettant la classification d’un nuage de points LiDAR aérien et optimisation de la chaîne de traitement dans le cadre du programme national du LiDAR HD in XYZ, n° 179 (juin 2024)

Public [article]  inXYZ > n° 179 (juin 2024) . - pp. 35 - 42 Titre : Étude des outils permettant la classification d’un nuage de points LiDAR aérien et optimisation de la chaîne de traitement dans le cadre du programme national du LiDAR HD Type de document : Article/Communication Année de publication : 2024 Article en page(s) : pp. 35 - 42 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] classification [Termes IGN] image aérienne [Termes IGN] intelligence artificielle [Termes IGN] Lidar [Termes IGN] semis de points Résumé : Ce travail présente une étude portant sur la classification de nuages de points issus d’une acquisition aérienne, en se concentrant sur les données acquises dans le cadre du projet national LiDAR HD. Il réalise une analyse critique des outils proposés par Terrascan et des méthodes pa- ramétriques qui offrent un bon rapport temps/qualité, mais il subsiste des confusions qui demandent un temps de correction conséquent. De plus, les outils Terrascan sont limités à la classification du sol, des bâtiments et d’une partie de la végétation. Il n’est pas proposé de méthodes efficaces pour classifier des éléments de la classe du sursol pérenne, comme les pylônes électriques ou les éoliennes notamment. Pour y remédier, une autre méthode innovante, basée sur les descripteurs 3D est proposée. Cette méthode offre une meilleure détection des bâtiments et permet, en outre, de classifier des éléments du sursol pérenne. Enfin, il est étudié les synergies entre les différents outils testés. Puis les performances d’une IA sont introduites afin de discuter de l’avenir de la classification des nuages de points aériens. Numéro de notice : A2024-1792 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtSansCL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103658 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2024021	RAB	Revue	Centre de documentation	En réserve L003	Exclu du prêt

De pléiades à pléiades NEO: une analyse de l'amélioration de les restitution 3D / David Youssefi in Revue Française de Photogrammétrie et de Télédétection, n° 226 (2024)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 226 (2024) . - pp. 01-09 Titre : De pléiades à pléiades NEO: une analyse de l'amélioration de les restitution 3D Type de document : Article/Communication Auteurs : David Youssefi, Auteur ; E. Dubois, Auteur ; Jean-Marc Delvit, Auteur Année de publication : 2024 Article en page(s) : pp. 01-09 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Termes IGN] 3D analyst [Termes IGN] Centre national d'études spatiales [Termes IGN] code source libre [Termes IGN] modèle numérique de surface [Termes IGN] modèle numérique de terrain [Termes IGN] Pléiades-Neo Mots-clés libres : Pléiades, Pléiades Neo, Modèle Numérique de Surface, Modèle Numérique de Terrain, Code ouvert Résumé : Fort de son expertise en géométrie et en 3D, le Centre National d’Études Spatiales (CNES) développe de nouveaux outils open-source capitalisant une partie de son savoir-faire. Ils sont destinés à être au cœur du segment sol de la mission CO3D et à servir tout l’écosystème aval. Le traitement de ces données impose de concevoir des chaînes robustes, capables de passer à l’échelle. De ce fait, les outils 3D du CNES sont massivement parallélisables, utilisant des technologies multiprocesseurs voire multi-nœuds tout en restant agnostique au matériel utilisé. Ces logiciels proposent des interfaces simples afin de permettre également leur utilisation en dehors des chaînes de traitement opérationnelles. Ces outils sont capables de produire un Modèle Numérique de Surface (MNS) à partir de couples stéréoscopiques d’images (CARS) dont l’étape majeure repose sur la mise en correspondance (Pandora). Par la suite, ils permettent d’extraire un Modèle Numérique de Terrain (MNT) à partir du MNS produit (Bulldozer) et d’en dériver un Modèle Numérique de Hauteur (MNH). Suite à cela, des comparaisons entre tous ces modèles numériques d’élévation peuvent également être effectuées (Demcompare). Dans l’attente de l’arrivée des données CO3D, le CNES éprouve d’ores et déjà ces outils sur d’autres capteurs, dont Pléiades et plus récemment Pléiades Neo. Cet article qualifie l’amélioration de cette restitution 3D apportée par cette nouvelle génération de satellite. Les outils 3D du CNES sont sous licence libre et non contaminante (Licence Apache v2) afin de notamment permettre l’exploitation et la valorisation des données Pléiades et maintenant Pléiades Neo. Ils offrent enfin la possibilité de reproduire les résultats présentés dans cet article. Numéro de notice : A2024-19 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat En ligne : https://rfpt.sfpt.fr/index.php/RFPT/article/view/672/503 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103656 [article]

Cartographier l'anthropocène 2024 / IGN (2024)      

Public Titre : Cartographier l'anthropocène 2024 : Altas IGN - A l'ère de l'intelligence artificielle Type de document : Atlas/Carte Auteurs : IGN, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2024 Importance : 90 p. Format : 31 x 21,5 cm Langues : Français (fre) Descripteur : [Vedettes matières IGN] Environnement [Vedettes matières IGN] Intelligence artificielle [Vedettes matières IGN] Urbanisme [Termes IGN] agriculture [Termes IGN] cartographie [Termes IGN] énergie [Termes IGN] forêt [Termes IGN] numérisation [Termes IGN] risque environnemental Index. décimale : 42.40 Histoire IGN Résumé : « Can machines think ?* » Lorsqu’en 1950 Alan Turing pose la question « les machines peuvent-elles penser ? », se doute-t-il que l’intelligence artificielle (IA), dont il sera l’un des pères fondateurs, nous permettra de remonter le temps en retraçant l’évolution de l’occupation des sols ? Imagine-t-il que l’IA permettra de suivre le changement climatique, de modéliser les risques et donc de mieux les anticiper ? Dans cette nouvelle édition de l'Atlas « Cartographier l'anthropocène », découvrez comment l'IA est devenue indispensable au pilotage de la transition écologique et dans quelle mesure elle offre de nouvelles perspectives d’exploration et d’innovation. Numéro de notice : 24113 Affiliation des auteurs : IGN (2020- ) Thématique : BIODIVERSITE/FORET/GEOMATIQUE/IMAGERIE Nature : Atlas En ligne : https://www.ign.fr/publications-de-l-ign/institut/kiosque/publications/atlas_ant [...] Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103781

Documents numériques

peut être téléchargé Cartographier l'anthropocène 2024 : Altas IGN - A l'ère de l'intelligence artificielle Adobe Acrobat PDF

A conceptual framework for developing dashboards for big mobility data / Lindsey Conrow in Cartography and Geographic Information Science, Vol 50 n° 5 (June 2023)  

Public [article]  inCartography and Geographic Information Science > Vol 50 n° 5 (June 2023) . - pp 495 - 514 Titre : A conceptual framework for developing dashboards for big mobility data Type de document : Article/Communication Auteurs : Lindsey Conrow, Auteur ; Cheng Fu, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 495 - 514 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] cadre conceptuel [Termes IGN] données massives [Termes IGN] mobilité humaine [Termes IGN] tableau de bord Résumé : (auteur) Dashboards are an increasingly popular form of data visualization. Large, complex, and dynamic mobility data present a number of challenges in dashboard design. The overall aim for dashboard design is to improve information communication and decision making, though big mobility data in particular require considering privacy alongside size and complexity. Taking these issues into account, a gap remains between wrangling mobility data and developing meaningful dashboard output. Therefore, there is a need for a framework that bridges this gap to support the mobility dashboard development and design process. In this paper we outline a conceptual framework for mobility data dashboards that provides guidance for the development process while considering mobility data structure, volume, complexity, varied application contexts, and privacy constraints. We illustrate the proposed framework’s components and process using example mobility dashboards with varied inputs, end-users and objectives. Overall, the framework offers a basis for developers to understand how informational displays of big mobility data are determined by end-user needs as well as the types of data selection, transformation, and display available to particular mobility datasets. Numéro de notice : A2023-236 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/15230406.2023.2190164 Date de publication en ligne : 11/04/2023 En ligne : https://doi.org/10.1080/15230406.2023.2190164 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103595 [article]

Research on map emotional semantics using deep learning approach / Daping Xi in Cartography and Geographic Information Science, Vol 50 n° 5 (June 2023)  

Permalink

Resilient GNSS real-time kinematic precise positioning with inequality and equality constraints / Zhetao Zhang in GPS solutions, vol 27 n° 3 (July 2023)  

Permalink

FORMS: Forest Multiple Source height, wood volume, and biomass maps in France at 10 to 30 m resolution based on Sentinel-1, Sentinel-2, and GEDI data with a deep learning approach / Martin Schwartz in Earth System Science Data, vol 15 n° inconnu (2023)  

Permalink

A minimal solution for image-based sphere estimation / Tekla Tóth in International journal of computer vision, vol 131 n° 6 (June 2023)  

Permalink

Optimized position estimation in mobile multipath environments using machine learning / Nesreen I. Ziedan in Navigation : journal of the Institute of navigation, vol 70 n° 2 (Summer 2023)  

Permalink

Deblurring low-light images with events / Chu Zhou in International journal of computer vision, vol 131 n° 5 (May 2023)  

Permalink

Detecting spatiotemporal propagation patterns of traffic congestion from fine-grained vehicle trajectory data / Haoyi Xiong in International journal of geographical information science IJGIS, vol 37 n° 5 (May 2023)  

Permalink

Transform paper-based cadastral data into digital systems using GIS and end-to-end deep learning techniques / Joseph Mango in International journal of geographical information science IJGIS, vol 37 n° 5 (May 2023)  

Permalink

Automatic generation of outline-based representations of landmark buildings with distinctive shapes / Peng Ti in International journal of geographical information science IJGIS, vol 37 n° 4 (April 2023)  

Permalink

Evaluating future railway-induced urban growth of twelve cities using multiple SLEUTH models with open-source geospatial inputs / Alvin Christopher G. Varquez in Sustainable Cities and Society, vol 91 (April 2023)  

Permalink