Centre de documentation
scientifique

Robust approach for urban road surface extraction using mobile laser scanning 3D point clouds / Abdul Nurunnabi (2022)  

Public Titre : Robust approach for urban road surface extraction using mobile laser scanning 3D point clouds Type de document : Article/Communication Auteurs : Abdul Nurunnabi, Auteur ; Felix Norman Teferle, Auteur ; Roderik Lindenbergh, Auteur ; J. Li, Auteur ; Sisi Zlatanova, Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2022 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B1 Conférence : ISPRS 2022, Commission 1, 24th ISPRS international congress, Imaging today, foreseeing tomorrow 06/06/2022 11/06/2022 Nice France OA ISPRS Archives Importance : pp 59 - 66 Note générale : bibliographie This study is supported by the Project 2019-05-030-24, SOLSTICE - Programme Fonds Européen de Développment Régional (FEDER)/Ministère de l’Economie of the G. D. of Luxembourg Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] extraction de couche [Termes IGN] méthode robuste [Termes IGN] navigation autonome [Termes IGN] régression [Termes IGN] réseau routier [Termes IGN] sécurité routière [Termes IGN] semis de points [Termes IGN] véhicule sans pilote Résumé : (auteur) Road surface extraction is crucial for 3D city analysis. Mobile laser scanning (MLS) is the most appropriate data acquisition system for the road environment because of its efficient vehicle-based on-road scanning opportunity. Many methods are available for road pavement, curb and roadside way extraction. Most of them use classical approaches that do not mitigate problems caused by the presence of noise and outliers. In practice, however, laser scanning point clouds are not free from noise and outliers, and it is apparent that the presence of a very small portion of outliers and noise can produce unreliable and non-robust results. A road surface usually consists of three key parts: road pavement, curb and roadside way. This paper investigates the problem of road surface extraction in the presence of noise and outliers, and proposes a robust algorithm for road pavement, curb, road divider/islands, and roadside way extraction using MLS point clouds. The proposed algorithm employs robust statistical approaches to remove the consequences of the presence of noise and outliers. It consists of five sequential steps for road ground and non-ground surface separation, and road related components determination. Demonstration on two different MLS data sets shows that the new algorithm is efficient for road surface extraction and for classifying road pavement, curb, road divider/island and roadside way. The success can be rated in one experiment in this paper, where we extract curb points; the results achieve 97.28%, 100% and 0.986 of precision, recall and Matthews correlation coefficient, respectively. Numéro de notice : C2022-019 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B1-2022-59-2022 Date de publication en ligne : 30/05/2022 En ligne : http://dx.doi.org/10.5194/isprs-archives-XLIII-B1-2022-59-2022 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100845

Learning sensor-specific spatial-spectral features of hyperspectral images via convolutional neural networks / Shaohui Mei in IEEE Transactions on geoscience and remote sensing, vol 55 n° 8 (August 2017)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 55 n° 8 (August 2017) . - pp 4520 - 4533 Titre : Learning sensor-specific spatial-spectral features of hyperspectral images via convolutional neural networks Type de document : Article/Communication Auteurs : Shaohui Mei, Auteur ; Jingyu Ji, Auteur ; Junhui Hou, Auteur ; et al., Auteur Année de publication : 2017 Article en page(s) : pp 4520 - 4533 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage dirigé [Termes IGN] apprentissage profond [Termes IGN] extraction de couche [Termes IGN] filtrage numérique d'image [Termes IGN] image AVIRIS [Termes IGN] image hyperspectrale [Termes IGN] image ROSIS [Termes IGN] réseau neuronal convolutif Résumé : (Auteur) Convolutional neural network (CNN) is well known for its capability of feature learning and has made revolutionary achievements in many applications, such as scene recognition and target detection. In this paper, its capability of feature learning in hyperspectral images is explored by constructing a five-layer CNN for classification (C-CNN). The proposed C-CNN is constructed by including recent advances in deep learning area, such as batch normalization, dropout, and parametric rectified linear unit (PReLU) activation function. In addition, both spatial context and spectral information are elegantly integrated into the C-CNN such that spatial-spectral features are learned for hyperspectral images. A companion feature-learning CNN (FL-CNN) is constructed by extracting fully connected feature layers in this C-CNN. Both supervised and unsupervised modes are designed for the proposed FL-CNN to learn sensor-specific spatial-spectral features. Extensive experimental results on four benchmark data sets from two well-known hyperspectral sensors, namely airborne visible/infrared imaging spectrometer (AVIRIS) and reflective optics system imaging spectrometer (ROSIS) sensors, demonstrate that our proposed C-CNN outperforms the state-of-the-art CNN-based classification methods, and its corresponding FL-CNN is very effective to extract sensor-specific spatial-spectral features for hyperspectral application Numéro de notice : A2017-499 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2017.2693346 En ligne : http://dx.doi.org/10.1109/TGRS.2017.2693346 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86441 [article]

A framework for supervised image classification with incomplete training samples / Q. Guo in Photogrammetric Engineering & Remote Sensing, PERS, vol 78 n° 6 (June 2012)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 78 n° 6 (June 2012) . - pp 595 - 604 Titre : A framework for supervised image classification with incomplete training samples Type de document : Article/Communication Auteurs : Q. Guo, Auteur ; W. Li, Auteur ; J. Chen, Auteur Année de publication : 2012 Article en page(s) : pp 595 - 604 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] carte d'occupation du sol [Termes IGN] classification dirigée [Termes IGN] classification par maximum de vraisemblance [Termes IGN] échantillonnage d'image [Termes IGN] extraction de couche Résumé : (Auteur) For traditional supervised classification methods, all land-cover types need to be exhaustively labeled to train the classifier. However, there are situations where the training sample classes are incomplete due to a lack of understanding of ground cover types in the image. In this study we propose a one-by-one (OBO) classification framework to address this incomplete training sample problem. The OBO approach is based on a one-class classifier (positive and unlabeled learning algorithm), and it extracts the land-cover type from the image one at a time. The performance of the proposed method was compared with a traditional supervised classifier using a high spatial resolution image. The average accuracy of the new method is 76.34 percent across different training sample sizes, whereas the accuracy of the classical approach is 66.46 percent, with an increase of 9.88 percent. The results demonstrate that the proposed new framework provides significantly higher classification accuracy than the classical approach at the 95 percent confidence level, and shows promise in dealing with the incomplete training sample problem for supervised image classification. Numéro de notice : A2012-249 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.78.6.595 En ligne : https://doi.org/10.14358/PERS.78.6.595 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=31695 [article]

A layered stereo matching algorithm using segmentation and global visibility constraints / M. Bleyer in ISPRS Journal of photogrammetry and remote sensing, vol 59 n° 3 (May 2005)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 59 n° 3 (May 2005) . - pp 128 - 150 Titre : A layered stereo matching algorithm using segmentation and global visibility constraints Type de document : Article/Communication Auteurs : M. Bleyer, Auteur ; M. Gelautz, Auteur Année de publication : 2005 Article en page(s) : pp 128 - 150 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique [Termes IGN] algorithme de décalage moyen [Termes IGN] algorithme glouton [Termes IGN] appariement de données localisées [Termes IGN] compensation par moindres carrés [Termes IGN] couche thématique [Termes IGN] détection de partie cachée [Termes IGN] extraction de couche [Termes IGN] fenêtre (informatique) [Termes IGN] graphe planaire [Termes IGN] programmation par contraintes [Termes IGN] segmentation d'image [Termes IGN] visibilité [Termes IGN] visualisation 3D [Termes IGN] zone tampon Résumé : (Auteur) This work describes a stereo algorithm that takes advantage of image segmentation, assuming that disparity varies smoothly inside a segment of homogeneous colour and depth discontinuities coincide with segment borders. Image segmentation allows our method to generate correct disparity estimates in large untextured regions and precisely localize depth boundaries. The disparity inside a segment is represented by a planar equation. To derive the plane model, an initial disparity map is generated. We use a window-based approach that exploits the results of segmentation. The size of the match window is chosen adaptively. A segment's planar model is then derived by robust least squared error fitting using the initial disparity map. In a layer extraction step, disparity segments that are found to be similar according to a plane dissimilarity measurement are combined to form a single robust layer. We apply a modified mean-shift algorithm to extract clusters of similar disparity segments. Segments of the same cluster build a layer, the plane parameters of which are computed from its spatial extent using the initial disparity map. We then optimize the assignment of segments to layers using a global cost function. The quality of the disparity map is measured by warping the reference image to the second view and comparing it with the real image. Z-buffering enforces visibility and allows the explicit detection of occlusions. The cost function measures the colour dissimilarity between the warped and real views, and penalizes occlusions and neighbouring segments that are assigned to different layers. Since the problem of finding the assignment of segments to layers that minimizes this cost function is NP-complete, an efficient greedy algorithm is applied to find a local minimum. Layer extraction and assignment are alternately applied. Qualitative and quantitative results obtained for benchmark image pairs show that the proposed algorithm outperforms most state-of-the-art matching algorithms currently listed on the Middlebury stereo evaluation website. The technique achieves particularly good results in areas with depth discontinuities and related occlusions, where missing stereo information is substituted from surrounding regions. Furthermore, we apply the algorithm to a self-recorded image set and show 3D visualizations of the derived results. Numéro de notice : A2005-229 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2005.02.008 En ligne : https://doi.org/10.1016/j.isprsjprs.2005.02.008 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27366 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-05011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Lecture automatique de cartes, 1. Thèse / Marc Pierrot-Deseilligny (1994)

Public Titre de série : Lecture automatique de cartes, 1 Titre : Thèse Type de document : Thèse/HDR Auteurs : Marc Pierrot-Deseilligny , Auteur ; Georges Stamon, Directeur de thèse Editeur : Paris : Université de Paris 5 René Descartes Année de publication : 1994 Importance : 207 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse présentée en vue de l'obtention du grade de docteur de l'Université René Descartes Paris 5, discipline Sciences de la Vie et de la Matière, spécialité Informatique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] base de données localisées [Termes IGN] carte numérisée [Termes IGN] connexité (topologie) [Termes IGN] détection du bâti [Termes IGN] écriture cartographique [Termes IGN] état de l'art [Termes IGN] extraction automatique [Termes IGN] extraction de couche [Termes IGN] limite administrative [Termes IGN] réseau de transport [Termes IGN] réseau électrique [Termes IGN] réseau hydrographique [Termes IGN] réseau routier [Termes IGN] système d'information géographique [Termes IGN] vectorisation Index. décimale : THESE Thèses et HDR Résumé : (auteur) Cette thèse étudie le problème de la lecture automatique de cartes pour la création de données pour les systèmes d'informations géographiques (SIG). Apres avoir justifié en introduction (ch. 1) l'intérêt opérationnel de cette démarche, les chapitres sont structures en fonction des couches d'information présentes sur la carte : - ch. 2 : traitements de bas niveau ; - ch. 3 : lecture automatique des écritures, la méthode de reconnaissance présentée est invariante aux similitudes, les résultats obtenus en automatique sont suffisants pour satisfaire aux spécifications d'une chaine de saisie manuelle; - ch. 4 : extraction des réseaux, on présente notamment une méthode de reconstruction à haut niveau permettant d'obtenir un graphe topologiquement correct ; cette reconstruction, qui s'appuie sur des règles inter-couches issues de connaissances sur la rédaction cartographique, utilise les résultats de la lecture des écritures ; - ch. 5 : extraction des bâtiments. En conclusion (ch. 6), on étudie le problème de la création automatique de liens inter-couches, qui constitue l'étape ultime pour l'intégration de données dans un SIG, et on évalue la faisabilité d'un système opérationnel de lecture automatique de cartes. Numéro de notice : 19263A Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de doctorat : Informatique : Paris 5 : 1994 nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=82290

Est accompagné de

• Lecture automatique de cartes, 2. Annexes / Marc Pierrot-Deseilligny (1994)

Exemplaires(3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
19263-01A	THESE	Livre	Centre de documentation	Thèses	Disponible
19263-02A	THESE	Livre	Centre de documentation	Thèses	Disponible
19263-03A	THESE	Livre	Centre de documentation	Thèses	Disponible