Centre de documentation
scientifique

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

A Powerful Correspondence Selection Method for Point Cloud Registration Based on Machine Learning / Wuyong Tao in Photogrammetric Engineering & Remote Sensing, PERS, vol 89 n° 11 (November 2023)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 89 n° 11 (November 2023) . - pp 703 - 712 Titre : A Powerful Correspondence Selection Method for Point Cloud Registration Based on Machine Learning Type de document : Article/Communication Auteurs : Wuyong Tao, Auteur ; Dong Xu, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 703 - 712 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] appariement de points [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] semis de points Résumé : (auteur) Correspondence selection is an indispensable process in point cloud registration. The success of point cloud registration largely depends on a good correspondence selection method. For this purpose, a novel correspondence selection method is proposed in this paper. First, two geometric constraints, one of which is proposed in this paper, are used to compute the compatibility score between two correspondences. Then, the feature vectors of the correspondences are constructed according to the compatibility scores between the correspondence and others. A support vector machine classifier is trained to classify the correct and incorrect correspondences by using the feature vectors. The experimental results demonstrate that our method can choose the right correspondences well and get high precision and F-score performance. Also, our method has the best robustness to noise, pointdensity variation, and partial overlap compared to the other methods. Numéro de notice : A2023-237 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.23-00046R2 En ligne : https://doi.org/10.14358/PERS.23-00046R2 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103597 [article]

Automated extraction and validation of Stone Pine (Pinus pinea L.) trees from UAV-based digital surface models / Asli Ozdarici-Ok in Geo-spatial Information Science, vol 26 n° inconnu ([01/08/2023])  

Public [article]  inGeo-spatial Information Science > vol 26 n° inconnu [01/08/2023] Titre : Automated extraction and validation of Stone Pine (Pinus pinea L.) trees from UAV-based digital surface models Type de document : Article/Communication Auteurs : Asli Ozdarici-Ok, Auteur ; Ali Ozgun Ok, Auteur ; et al., Auteur Année de publication : 2023 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] image captée par drone [Termes IGN] modèle numérique de surface [Termes IGN] Pinus pinea [Termes IGN] semis de points [Termes IGN] Turquie Résumé : (auteur) Stone Pine (Pinus pinea L.) is currently the pine species with the highest commercial value with edible seeds. In this respect, this study introduces a new methodology for extracting Stone Pine trees from Digital Surface Models (DSMs) generated through an Unmanned Aerial Vehicle (UAV) mission. We developed a novel enhanced probability map of local maxima that facilitates the computation of the orientation symmetry by means of new probabilistic local minima information. Four test sites are used to evaluate our automated framework within one of the most important Stone Pine forest areas in Antalya, Turkey. A Hand-held Mobile Laser Scanner (HMLS) was utilized to collect the reference point cloud dataset. Our findings confirm that the proposed methodology, which uses a single DSM as an input, secures overall pixel-based and object-based F1-scores of 88.3% and 97.7%, respectively. The overall median Euclidean distance revealed between the automatically extracted stem locations and the manually extracted ones is computed to be 36 cm (less than 4 pixels), demonstrating the effectiveness and robustness of the proposed methodology. Finally, the comparison with the state-of-the-art reveals that the outcomes of the proposed methodology outperform the results of six previous studies in this context. Numéro de notice : A2022-620 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10095020.2022.2090864 Date de publication en ligne : 21/07/2022 En ligne : https://doi.org/10.1080/10095020.2022.2090864 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101364 [article]

Integrating topographic knowledge into point cloud simplification for terrain modelling / Jun Chen in International journal of geographical information science IJGIS, vol 37 n° 5 (May 2023)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 37 n° 5 (May 2023) . - pp 988 - 1008 Titre : Integrating topographic knowledge into point cloud simplification for terrain modelling Type de document : Article/Communication Auteurs : Jun Chen, Auteur ; Liyang Xiong, Auteur ; Bowen Yin, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 988 - 1008 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] données topographiques [Termes IGN] lissage de données [Termes IGN] modèle numérique de surface [Termes IGN] semis de points [Termes IGN] Triangulated Irregular Network Résumé : (auteur) Terrain models are widely used to depict the shape of the Earth’s surface. With the development of photogrammetric methods, point cloud data have become one of the most popular data sources for terrain modelling. However, the obtained point clouds are of high density, which often increases redundancy rather than improving accuracy. Therefore, point cloud simplification should be a core component of terrain modelling. This paper proposes a point cloud simplification method by integrating topographic knowledge into terrain modelling (TKPCS). The method contains two steps: (1) topographic knowledge recognition and construction and (2) point cloud simplification using this topographic knowledge for terrain modelling. The proposed approach is benchmarked against improved versions of existing methods to validate its capability and accuracy in digital elevation model construction and terrain derivative extraction. The results show that the simplified points of the TKPCS method can generate finer resolution terrain models with higher accuracy and greater information entropy. The good performance of the TKPCS method is also stable at different scales. This work endeavours to transform perceptive topographic knowledge into a process of point cloud simplification and can benefit future research related to terrain modelling. Numéro de notice : A2023-204 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/13658816.2023.2180801 Date de publication en ligne : 28/02/2023 En ligne : https://doi.org/10.1080/13658816.2023.2180801 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103138 [article]

La cartographie du relief : Une gageure technique et des solutions / Laurent Polidori in Géomètre, n° 2212 (avril 2023)

Public [article]  inGéomètre > n° 2212 (avril 2023) . - pp 38 - 48 Titre : La cartographie du relief : Une gageure technique et des solutions Type de document : Article/Communication Auteurs : Laurent Polidori, Auteur Année de publication : 2023 Article en page(s) : pp 38 - 48 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] canopée [Termes IGN] crue [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] inondation [Termes IGN] modèle numérique de terrain [Termes IGN] nuage [Termes IGN] photogrammétrie aérienne [Termes IGN] photogrammétrie terrestre [Termes IGN] précision des données [Termes IGN] qualité du modèle [Termes IGN] représentation du relief [Termes IGN] semis de points [Termes IGN] télémétrie laser Résumé : (Editeur) La reconstruction d’éléments tridimensionnels a fait l’objet de nombreux développements, avec des applications dans des domaines aussi variés que l’architecture, la géologie et l’anatomie, mais c’est au relief terrestre que l’on s’inté?resse dans ce dossier. Ainsi, une grande variété de techniques de mesure (photogrammétrie, radar, lidar), mises en œuvre depuis des satellites, des avions, des drones ou à même le sol, adaptées aux différentes échelles et aux différents paysages, permettent de cartographier le relief terrestre sous la forme de nuages de points. Ceux-ci servent à construire des modèles numériques de terrain (sol) ou de surface (canopée forestière, toits), utilisés dans de nombreux domaines, pourvus qu’ils respectent des exigences de qualité comme la précision des altitudes ou la cohérence de l’hydrographie. L’évolution des instruments d’observation et des algorithmes de traitement étend les possibilités de production de modèles de relief et leur usage pour la gestion des territoires. Dans ce contexte, la formation technique constitue le nouvel enjeu pour améliorer le dialogue entre les producteurs et les consommateurs. Numéro de notice : A2023-174 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/04/2023 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102977 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
063-2023041	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Impacts of forest management on stand and landscape-level microclimate heterogeneity of European beech forests / Joscha H. Menge in Landscape ecology, vol 38 n° 4 (April 2023)  

Permalink

Point cloud registration for LiDAR and photogrammetric data: A critical synthesis and performance analysis on classic and deep learning algorithms / Ningli Xu in ISPRS Open Journal of Photogrammetry and Remote Sensing, vol 8 (April 2023)  

Permalink

Analyse des performances de levers LiDAR via l’iPad Pro en vue de la réalisation de plans d’intérieurs et de maquettes numériques de bâtiments / Pauline Chardon in XYZ, n° 174 (mars 2023)

Permalink

Generation of concise 3D building model from dense meshes by extracting and completing planar primitives / Xinyi Liu in Photogrammetric record, vol 38 n° 181 (March 2023)  

Permalink

Multi-sensor airborne lidar requires intercalibration for consistent estimation of light attenuation and plant area density / Grégoire Vincent in Remote sensing of environment, vol 286 (March 2023)  

Permalink

Point cloud data processing optimization in spectral and spatial dimensions based on multispectral Lidar for urban single-wood extraction / Shuo Shi in ISPRS International journal of geo-information, vol 12 n° 3 (March 2023)  

Permalink

Programme LiDAR HD : vers une nouvelle cartographie 3D du territoire / Terry Moreau in XYZ, n° 174 (mars 2023)

Permalink

Siamese KPConv: 3D multiple change detection from raw point clouds using deep learning / Iris de Gelis in ISPRS Journal of photogrammetry and remote sensing, vol 197 (March 2023)  

Permalink

Validation of Island 3D-mapping based on UAV spatial point cloud optimization: a case study in Dongluo Island of China / Jian Wu in Photogrammetric Engineering & Remote Sensing, PERS, vol 89 n° 3 (March 2023)  

Permalink

Improving quantitative structure models with an Huxley protocol based filter / Jan Hackenberg in Applied geomatics, vol 15 n° inconnu (2023)

Permalink