Descripteur
Documents disponibles dans cette catégorie (1084)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Développement d’outils et de méthodes permettant l’acquisition, le traitement et la diffusion de données issues de levés par drone / Guillaume Feuillatre (2022)
Titre : Développement d’outils et de méthodes permettant l’acquisition, le traitement et la diffusion de données issues de levés par drone Type de document : Mémoire Auteurs : Guillaume Feuillatre, Auteur Editeur : Paris : Université de Paris 1 Panthéon Sorbonne Année de publication : 2022 Autre Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Importance : 56 p. Format : 21 x 30 cm Note générale : Sitographie
Mémoire de licence professionnelle Géomatique et environnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Photogrammétrie
[Termes IGN] Agisoft Photoscan
[Termes IGN] bâtiment
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] image captée par drone
[Termes IGN] maillage
[Termes IGN] modèle numérique de surface
[Termes IGN] orthophotographie
[Termes IGN] photogrammétrie aérienne
[Termes IGN] positionnement cinématique en temps réel
[Termes IGN] spécification de processus
[Termes IGN] webGLIndex. décimale : LPGE Mémoires de Licence professionnelle géomatique et environnement Résumé : (auteur) [...] L’Eurométropole de Strasbourg (EMS) s’est très tôt tournée vers la géomatique. Dès les années 90, la collectivité a su percevoir l’intérêt de cette discipline pour son espace contribuant grandement à la modernisation et à l'efficience du service public. Différentes actions y ont été menées, comme l’inventaire géographique du patrimoine, la connaissance des réseaux, la distribution spatiale d’une donnée statistique, la réalisation de cartes et la diffusion en Open Data de l’intégralité des données. Dans le cadre du projet SIG 3D, la collectivité de Strasbourg oeuvre pour passer d’une représentation plane de son territoire à une représentation en trois dimensions. C’est notamment dans ce cadre qu’est apparue la volonté de mettre en place une chaîne d’acquisition/traitement/diffusion de données issues de drones. Les objectifs de mon stage étaient nombreux. En effet, l’apparition d’une nouvelle compétence au sein de la collectivité a impliqué de nouvelles acquisitions de matériels ainsi que la formation d’une partie de ses agents. Mon principal travail a été de rendre viables et pérennes les procédures de cette chaîne, via mes connaissances et la collaboration avec les agents du service. De plus, il m’a également été confié un travail de développement dans d’autres domaines de captation d’informations géographiques. Note de contenu : Introduction
1- Intérêt d'un LIDAR sur drône
2- Mise en place des procédures drône
3- Traitement des données
4- Diffusion et mise à jour des produits
ConclusionNuméro de notice : 28887 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire licence Organisme de stage : Eurométropole de Strasbourg Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101628 Documents numériques
en open access
Développement d’outils... - pdf auteur -Adobe Acrobat PDF
Titre : EuroSDR annual report 2021 Type de document : Rapport Auteurs : European Spatial Data Research EuroSDR, Auteur Editeur : Dublin : European Spatial Data Research EuroSDR Année de publication : 2022 Collection : EuroSDR annual report num. 2021 Importance : 42 p. Format : 21 x 30 cm Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] carte d'occupation du sol
[Termes IGN] détection de changement
[Termes IGN] détection du bâti
[Termes IGN] données lidar
[Termes IGN] données localisées 3DNuméro de notice : 17729 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE/INFORMATIQUE Nature : Rapport d'activité DOI : sans En ligne : http://www.eurosdr.net/sites/default/files/uploaded_files/eurosdr_annual_report_ [...] Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100480 Gaining insight into the allometric scaling of trees by utilizing 3d reconstructed tree models - a SimpleForest study / Jan Hackenberg (2022)
Titre : Gaining insight into the allometric scaling of trees by utilizing 3d reconstructed tree models - a SimpleForest study Type de document : Article/Communication Auteurs : Jan Hackenberg , Auteur ; Mathias I. Disney, Auteur ; Jean-Daniel Bontemps , Auteur Editeur : BioRxiv Année de publication : 2022 Projets : 1-Pas de projet / Importance : 18 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] données allométriques
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] modèle de croissance végétale
[Termes IGN] modélisation de la forêt
[Termes IGN] volume en bois
[Vedettes matières IGN] ForesterieRésumé : (auteur) Forestry utilizes volume predictor functions utilizing as input the diameter at breast height. Some of those functions take the power form Y = a ∗ Xb. In fact this function is fundamental for the biology field of allometric scaling theories founded round about a century ago. The theory describes the relationships between organs/body parts and the complete body of organisms.
With digital methods we can generate 3d forest point clouds non destructively in short time frames. SimpleForest is one free available tool which generates fully automated ground and tree models from high resoluted forest plots. Generated topological ordered cylinder models are called commonly QSMs.
We use SimpleForest QSMs an build a function which estimates the total supported wood volume at any given point of the tree. As input we use the supported soft wood volume for those query points. Instead of measuring directly the soft wood volume we use as a proxy the number of supported twigs. We argue with the pipe model theory for the correctness of the proxy.
We can use the named relationship to also filter our QSMs made of an open data set of tree clouds. The filter corrects overestimated radii. And we compare the corrected QSM volume against the harvested reference data for 66 felled trees. We also found QSM data of TreeQSM, a competitive and broadly accepted QSM modeling tool. Our RMSE was less than 40% of the tree QSM RMSE. And for other error measures, the r2adj. and the CCC, the relative improvement looked even better with 27% and 21% respectively.
We consider this manuscript as highly impactful because of the magnitude of quality improvement we do. The relation between soft volume and total volume distributions seems to be really strong and tree data can easily also be used as example data for the generic field of allometric scaling.Numéro de notice : P2022-008 Affiliation des auteurs : LIF+Ext (2020- ) Thématique : FORET/MATHEMATIQUE Nature : Preprint nature-HAL : Préprint DOI : 10.1101/2022.05.05.490069 Date de publication en ligne : 05/05/2022 En ligne : https://doi.org/10.1101/2022.05.05.490069 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101945 Global canopy height regression and uncertainty estimation from GEDI LIDAR waveforms with deep ensembles / Nico Lang in Remote sensing of environment, vol 268 (January 2022)
[article]
Titre : Global canopy height regression and uncertainty estimation from GEDI LIDAR waveforms with deep ensembles Type de document : Article/Communication Auteurs : Nico Lang, Auteur ; Nicolai Kalischek, Auteur ; John Armston, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n* 112760 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] biomasse aérienne
[Termes IGN] classification dirigée
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] estimation bayesienne
[Termes IGN] forme d'onde
[Termes IGN] Global Ecosystem Dynamics Investigation lidar
[Termes IGN] modèle numérique de surface de la canopée
[Termes IGN] semis de pointsRésumé : (auteur) NASA's Global Ecosystem Dynamics Investigation (GEDI) is a key climate mission whose goal is to advance our understanding of the role of forests in the global carbon cycle. While GEDI is the first space-based LIDAR explicitly optimized to measure vertical forest structure predictive of aboveground biomass, the accurate interpretation of this vast amount of waveform data across the broad range of observational and environmental conditions is challenging. Here, we present a novel supervised machine learning approach to interpret GEDI waveforms and regress canopy top height globally. We propose a probabilistic deep learning approach based on an ensemble of deep convolutional neural networks (CNN) to avoid the explicit modelling of unknown effects, such as atmospheric noise. The model learns to extract robust features that generalize to unseen geographical regions and, in addition, yields reliable estimates of predictive uncertainty. Ultimately, the global canopy top height estimates produced by our model have an expected RMSE of 2.7 m with low bias. Numéro de notice : A2022-086 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.rse.2021.112760 Date de publication en ligne : 03/11/2021 En ligne : https://doi.org/10.1016/j.rse.2021.112760 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99495
in Remote sensing of environment > vol 268 (January 2022) . - n* 112760[article]Learning multi-view aggregation in the wild for large-scale 3D semantic segmentation / Damien Robert (2022)
Titre : Learning multi-view aggregation in the wild for large-scale 3D semantic segmentation Type de document : Article/Communication Auteurs : Damien Robert , Auteur ; Bruno Vallet , Auteur ; Loïc Landrieu , Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2022 Projets : 3-projet - voir note / Conférence : CVPR 2022, IEEE Conference on Computer Vision and Pattern Recognition 19/06/2022 24/06/2022 New Orleans Louisiane - Etats-Unis OA Proceedings Importance : pp 5575 - 5584 Note générale : bibliographie
This work was funded by ENGIE Lab CRIGEN and carried on in the LASTIG research unit of Universite Paris-Est. The authors wish to thank AI4GEO for sharing their computing resources.Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] chaîne de traitement
[Termes IGN] données localisées 2D
[Termes IGN] données localisées 3D
[Termes IGN] données massives
[Termes IGN] pixel
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsRésumé : (auteur) Recent works on 3D semantic segmentation propose to exploit the synergy between images and point clouds by processing each modality with a dedicated network and projecting learned 2D features onto 3D points. Merging large-scale point clouds and images raises several challenges, such as constructing a mapping between points and pixels, and aggregating features between multiple views. Current methods require mesh reconstruction or specialized sensors to recover occlusions, and use heuristics to select and aggregate available images. In contrast, we propose an end-to-end trainable multi-view aggregation model leveraging the viewing conditions of 3D points to merge features from images taken at arbitrary positions. Our method can combine standard 2D and 3D networks and outperforms both 3D models operating on colorized point clouds and hybrid 2D/3D networks without requiring colorization, meshing, or true depth maps. We set a new state-of-the-art for large-scale indoor/ outdoor semantic segmentation on S3DIS (74.7 mIoU 6-Fold) and on KITTI360 (58.3 mIoU). Our full pipeline is accessible at https: //github.com/drprojects/DeepViewAgg, and only requires raw 3D scans and a set of images and poses. Numéro de notice : C2022-006 Affiliation des auteurs : UGE-LASTIG (2020- ) Autre URL associée : vers CVF/vers ArXiv Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.48550/arXiv.2204.07548 Date de publication en ligne : 15/04/2022 En ligne : https://doi.org/10.1109/CVPR52688.2022.00549 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100490 PermalinkMonitoring forest-savanna dynamics in the Guineo-Congolian transition area of the centre region of Cameroon / Le Bienfaiteur Sagang Takougoum (2022)PermalinkPermalinkPermalinkPermalinkPhotogrammetric point clouds: quality assessment, filtering, and change detection / Zhenchao Zhang (2022)PermalinkPermalinkPermalinkPermalinkRobust approach for urban road surface extraction using mobile laser scanning 3D point clouds / Abdul Nurunnabi (2022)Permalink