Descripteur
Termes IGN > 1-Candidats > semis de points
semis de points
Commentaire :
- Ensemble de points répartis de façon régulière ou quelconque sur une zone géographique donnée. (Glossaire de cartographie / CFC) Ces points peuvent être issus d'images ou de données lidar ...
Synonyme(s)nuage de pointsVoir aussi |
Documents disponibles dans cette catégorie (714)
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
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 (2022)
Titre : 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 Type de document : Mémoire Auteurs : Pauline Chardon, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2022 Importance : 105 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de soutenance de Diplôme d’Ingénieur INSA Spécialité TopographieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s)
[Termes IGN] carte d'intérieur
[Termes IGN] lidar mobile
[Termes IGN] maquette numérique
[Termes IGN] plan foncier
[Termes IGN] semis de points
[Termes IGN] télémètre laser terrestreIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Depuis 2020, Apple intègre désormais un capteur LiDAR dans ses smartphones et tablettes les plus récents. À l’origine dédiée à la réalité augmentée, son utilisation pour les relevés métriques présente aujourd’hui un intérêt croissant. Devant ce constat, la société FUTURMAP a fait le choix de mener une étude approfondie sur le sujet, en collaboration avec un grand groupe spécialisé dans le diagnostic immobilier. L’objectif de ce PFE est donc de mettre en place une nouvelle méthode d’acquisition basée sur les technologies LiDAR mobiles, dans le but d’établir un plan d’intérieur ou une maquette numérique 3D. Dans cette étude, nous avons ainsi approfondi la connaissance de ce système de numérisation afin de déterminer un processus de captation fiable des données. Plusieurs éléments ont été étudiés à la suite d’une série de tests afin de déterminer les limites et les contraintes de ce nouveau dispositif. Note de contenu : Introduction
1- Etat de l'art
2- Mise en place d’un processus d’acquisition via l’iPad Pro
3- Application du processus : génération du plan
Conclusion générale et perspectivesNuméro de notice : 24091 Affiliation des auteurs : non IGN Thématique : IMAGERIE/POSITIONNEMENT Nature : Mémoire ingénieur INSAS Organisme de stage : FUTURMAP (Lyon) En ligne : http://eprints2.insa-strasbourg.fr/4830/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102561 Classification of mediterranean shrub species from UAV point clouds / Juan Pedro Carbonell-Rivera in Remote sensing, vol 14 n° 1 (January-1 2022)
[article]
Titre : Classification of mediterranean shrub species from UAV point clouds Type de document : Article/Communication Auteurs : Juan Pedro Carbonell-Rivera, Auteur ; Jesus Torralba, Auteur ; Javier Estornell, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 199 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] apprentissage automatique
[Termes IGN] arbuste
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] Espagne
[Termes IGN] Extreme Gradient Machine
[Termes IGN] forêt méditerranéenne
[Termes IGN] image captée par drone
[Termes IGN] incendie de forêt
[Termes IGN] indice de végétation
[Termes IGN] modèle de simulation
[Termes IGN] modèle numérique de terrain
[Termes IGN] parc naturel
[Termes IGN] photogrammétrie aérienne
[Termes IGN] semis de pointsRésumé : (auteur) Modelling fire behaviour in forest fires is based on meteorological, topographical, and vegetation data, including species’ type. To accurately parameterise these models, an inventory of the area of analysis with the maximum spatial and temporal resolution is required. This study investigated the use of UAV-based digital aerial photogrammetry (UAV-DAP) point clouds to classify tree and shrub species in Mediterranean forests, and this information is key for the correct generation of wildfire models. In July 2020, two test sites located in the Natural Park of Sierra Calderona (eastern Spain) were analysed, registering 1036 vegetation individuals as reference data, corresponding to 11 shrub and one tree species. Meanwhile, photogrammetric flights were carried out over the test sites, using a UAV DJI Inspire 2 equipped with a Micasense RedEdge multispectral camera. Geometrical, spectral, and neighbour-based features were obtained from the resulting point cloud generated. Using these features, points belonging to tree and shrub species were classified using several machine learning methods, i.e., Decision Trees, Extra Trees, Gradient Boosting, Random Forest, and MultiLayer Perceptron. The best results were obtained using Gradient Boosting, with a mean cross-validation accuracy of 81.7% and 91.5% for test sites 1 and 2, respectively. Once the best classifier was selected, classified points were clustered based on their geometry and tested with evaluation data, and overall accuracies of 81.9% and 96.4% were obtained for test sites 1 and 2, respectively. Results showed that the use of UAV-DAP allows the classification of Mediterranean tree and shrub species. This technique opens a wide range of possibilities, including the identification of species as a first step for further extraction of structure and fuel variables as input for wildfire behaviour models. Numéro de notice : A2022-057 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/rs14010199 En ligne : https://doi.org/10.3390/rs14010199 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99462
in Remote sensing > vol 14 n° 1 (January-1 2022) . - n° 199[article]A comparison of linear-mode and single-photon airborne LiDAR in species-specific forest inventories / Janne Raty in IEEE Transactions on geoscience and remote sensing, vol 60 n° 1 (January 2022)
[article]
Titre : A comparison of linear-mode and single-photon airborne LiDAR in species-specific forest inventories Type de document : Article/Communication Auteurs : Janne Raty, Auteur ; Petri Varvia, Auteur ; Lauri Korhonen, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 4401514 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] altitude
[Termes IGN] analyse comparative
[Termes IGN] capteur linéaire
[Termes IGN] carte de la végétation
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] Finlande
[Termes IGN] forêt boréale
[Termes IGN] instrumentation Leica
[Termes IGN] instrumentation Riegl
[Termes IGN] inventaire forestier étranger (données)
[Termes IGN] photon
[Termes IGN] Pinophyta
[Termes IGN] semis de points
[Termes IGN] signal laserRésumé : (auteur) Single-photon airborne light detection and ranging (LiDAR) systems provide high-density data from high flight altitudes. We compared single-photon and linear-mode airborne LiDAR for the prediction of species-specific volumes in boreal coniferous-dominated forests. The LiDAR data sets were acquired at different flight altitudes using Leica SPL100 (single-photon, 17 points ⋅ m−2 ), Riegl VQ-1560i (linear-mode, 11 points ⋅ m−2 ), and Leica ALS60 (linear-mode, 0.6 points ⋅ m−2 ) LiDAR systems. Volumes were predicted at the plot-level using Gaussian process regression with predictor variables extracted from the LiDAR data sets and aerial images. Our findings showed that the Leica SPL100 produced a greater mean root-mean-squared error (RMSE) value (41.7 m3 ⋅ ha −1 ) than the Leica ALS60 (39.3 m3 ⋅ ha −1 ) in the prediction of species-specific volumes. Correspondingly, the Riegl VQ-1560i (mean RMSE = 33.0 m3 ⋅ ha −1 ) outperformed both the Leica ALS60 and the Leica SPL100. We found that the cumulative distributions of the first echo heights >1.3 m were rather similar among the data sets, whereas the last echo distributions showed larger differences. We conclude that the Leica SPL100 data set is suitable for area-based LiDAR inventory by tree species although the prediction errors are greater than with data obtained using the modern linear-mode LiDAR, such as Riegl VQ-1560i. Numéro de notice : A2022-026 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1109/TGRS.2021.3060670 Date de publication en ligne : 04/03/2021 En ligne : https://doi.org/10.1109/TGRS.2021.3060670 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99257
in IEEE Transactions on geoscience and remote sensing > vol 60 n° 1 (January 2022) . - n° 4401514[article]
Titre : Deep learning based 3D reconstruction: supervision and representation Type de document : Thèse/HDR Auteurs : François Darmon, Auteur ; Pascal Monasse, Directeur de thèse ; Mathieu Aubry, Directeur de thèse Editeur : Champs-sur-Marne : Ecole des Ponts ParisTech Année de publication : 2022 Importance : 115 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de doctorat de l'Ecole des Ponts ParisTech, spécialité informatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] appariement d'images
[Termes IGN] carte de profondeur
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] extraction
[Termes IGN] géométrie épipolaire
[Termes IGN] maillage
[Termes IGN] modèle stéréoscopique
[Termes IGN] point d'intérêt
[Termes IGN] Ransac (algorithme)
[Termes IGN] reconstruction 3D
[Termes IGN] reconstruction d'objet
[Termes IGN] semis de points
[Termes IGN] SIFT (algorithme)
[Termes IGN] structure-from-motion
[Termes IGN] voxelIndex. décimale : THESE Thèses et HDR Résumé : (auteur) 3D reconstruction is a long standing problem in computer vision. Yet, state-of-the-art methods still struggle when the images used have large illumination changes, many occlusions or limited textures. Deep Learning holds promises of improving 3D reconstruction in such setups, but classical methods still produce the best results. In this thesis we analyse the specificity of deep learning applied to multiview 3D reconstruction and introduce new deep learning based methods.The first contribution of this thesis is an analysis of the possible supervision for training Deep Learning models for sparse image matching. We introduce a two-step algorithm that first computes low resolution matches using deep learning and then matches classical local features inside the matches regions. We analyze several levels of supervision and show that our new epipolar supervision leads to the best results.The second contribution is also a study of supervision for Deep Learning but applied to another scenario: calibrated 3D reconstruction in the wild. We show that existing unsupervised methods do not work on such data and we introduce a new training technique that solves this issue. We then exhaustively compare unsupervised approach and supervised approaches with different network architectures and training data.Finally, our third contribution is about data representation. Neural implicit representation were recently used for image rendering. We adapt this representation to the multiview reconstruction problem and we introduce a new method that, similar to classical 3D reconstruction techniques, optimizes photo-consistency between projections of multiple images. Our approach outperforms state-of-the-art by a large margin. Note de contenu : 1- Introduction
2- Background
3- Deep learning for guiding keypoint matching
4- Deep Learning based Multi-View Stereo in the wild
5- Multi-view reconstruction with implicit surfaces and patch warping
6- ConclusionNuméro de notice : 24085 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Ponts ParisTech : 2022 Organisme de stage : Laboratoire d'Informatique Gaspard-Monge LIGM DOI : sans En ligne : https://www.theses.fr/2022ENPC0024 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102473
Titre : Deep learning-based point cloud compression Titre original : Compression de nuages de points par apprentissage profond Type de document : Thèse/HDR Auteurs : Maurice Quach, Auteur ; Frédéric Dufaux, Directeur de thèse ; Giuseppe Valenzise, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2022 Importance : 165 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de Doctorat de l'Université de Saclay, spécialité Traitement du signal et des imagesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] attribut
[Termes IGN] compression d'image
[Termes IGN] compression de données
[Termes IGN] géométrie
[Termes IGN] semis de points
[Termes IGN] stockage de donnéesIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Point clouds are becoming essential in key applications with advances in capture technologies leading to large volumes of data.Compression is thus essential for storage and transmission.Point Cloud Compression can be divided into two parts: geometry and attribute compression.In addition, point cloud quality assessment is necessary in order to evaluate point cloud compression methods.Geometry compression, attribute compression and quality assessment form the three main parts of this dissertation.The common challenge across these three problems is the sparsity and irregularity of point clouds.Indeed, while other modalities such as images lie on a regular grid, point cloud geometry can be considered as a sparse binary signal over 3D space and attributes are defined on the geometry which can be both sparse and irregular.First, the state of the art for geometry and attribute compression methods with a focus on deep learning based approaches is reviewed.The challenges faced when compressing geometry and attributes are considered, with an analysis of the current approaches to address them, their limitations and the relations between deep learning and traditional ones.We present our work on geometry compression: a convolutional lossy geometry compression approach with a study on the key performance factors of such methods and a generative model for lossless geometry compression with a multiscale variant addressing its complexity issues.Then, we present a folding-based approach for attribute compression that learns a mapping from the point cloud to a 2D grid in order to reduce point cloud attribute compression to an image compression problem.Furthermore, we propose a differentiable deep perceptual quality metric that can be used to train lossy point cloud geometry compression networks while being well correlated with perceived visual quality and a convolutional neural network for point cloud quality assessment based on a patch extraction approach.Finally, we conclude the dissertation and discuss open questions in point cloud compression, existing solutions and perspectives. We highlight the link between existing point cloud compression research and research problems to relevant areas of adjacent fields, such as rendering in computer graphics, mesh compression and point cloud quality assessment. Note de contenu : 1- Introduction
2- State of the Art on point cloud compression
3- Convolutional neural networks for lossy PCGC
4- Deep generative model for lossless PCGC
5- Deep multiscale lossless PCGC
6- Folding-based PCAC
7- Deep perceptual point cloud quality metric
8- Convolutional Neural Network for PCQANuméro de notice : 24081 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de doctorat : Traitement du signal et des images : Paris-Saclay : 2022 Organisme de stage : Laboratoire des signaux et systèmes DOI : sans En ligne : https://theses.hal.science/tel-03894261 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102331 PermalinkPermalinkPermalinkGlobal canopy height regression and uncertainty estimation from GEDI LIDAR waveforms with deep ensembles / Nico Lang in Remote sensing of environment, vol 268 (January 2022)PermalinkLearning multi-view aggregation in the wild for large-scale 3D semantic segmentation / Damien Robert (2022)PermalinkPermalinkPermalinkLevé et numérisation du château de Lichtenberg en vue d’une proposition de visite virtuelle du site à des périodes remarquables / Maxime Rocha (2022)PermalinkPermalinkPhotogrammetric 3D mobile mapping of rail tracks / Philipp Glira in ISPRS Journal of photogrammetry and remote sensing, vol 183 (January 2022)PermalinkPhotogrammetric point clouds: quality assessment, filtering, and change detection / Zhenchao Zhang (2022)PermalinkPermalinkRobust approach for urban road surface extraction using mobile laser scanning 3D point clouds / Abdul Nurunnabi (2022)PermalinkScaling up and evaluating surface reconstruction from point clouds of open scenes / Yanis Marchand (2022)PermalinkThree-dimensional simulations of rockfalls in Ischia, Southern Italy, and preliminary susceptibility zonation / Massimiliano Alvioli in Geomatics, Natural Hazards and Risk, vol 13 (2022)PermalinkPermalinkApplication of a hand-held LiDAR scanner for the urban cadastral detail survey in digitized cadastral area of Taiwan urban city / Shih-Hong Chio in Remote sensing, vol 13 n° 24 (December-2 2021)PermalinkModeling post-logging height growth of black spruce-dominated boreal forests by combining airborne LiDAR and time since harvest maps / Batistin Bour in Forest ecology and management, vol 502 (December-15 2021)PermalinkLa 3D dans tous ses états [à Cergy-Pontoise] / Marielle Mayo in Géomètre, n° 2197 (décembre 2021)PermalinkAssessing the agreement of ICESat-2 terrain and canopy height with airborne lidar over US ecozones / Lonesome Malambo in Remote sensing of environment, vol 266 (December 2021)Permalink