Centre de documentation
scientifique

Semi-supervised adversarial recognition of refined window structures for inverse procedural façade modelling / Han Hu in ISPRS Journal of photogrammetry and remote sensing, vol 192 (October 2022)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 192 (October 2022) . - pp 215 - 231 Titre : Semi-supervised adversarial recognition of refined window structures for inverse procedural façade modelling Type de document : Article/Communication Auteurs : Han Hu, Auteur ; Xinrong Liang, Auteur ; Yulin Ding, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 215 - 231 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] classification semi-dirigée [Termes IGN] échantillonnage de données [Termes IGN] extraction de traits caractéristiques [Termes IGN] façade [Termes IGN] fenêtre (bâtiment) [Termes IGN] modélisation 3D du bâti BIM [Termes IGN] photographie aérienne oblique [Termes IGN] réseau antagoniste génératif Résumé : (auteur) Deep learning methods are typically data-hungry and require many labelled samples. Unfortunately, the amount of effort required to label the data has significantly hindered the application of deep learning methods, especially in 3D modelling tasks requiring heterogeneous samples. This paper proposes a semi-supervised adversarial recognition strategy embedded in the inverse procedural modelling engine to reduce data annotation costs for learning to model 3D façades. Beginning with textured level-of-details models, we use convolutional neural networks to recognise the types and estimate the parameters of windows from image patches. The window types and parameters are then assembled into the procedural grammar. A simple procedural engine is built inside off-the-shelf 3D modelling software, producing fine-grained window geometries. To obtain a useful model from a few labelled samples, we leverage a generative adversarial network to train the feature extractor in a semi-supervised manner. The adversarial training strategy exploits the unlabelled data to stabilise the training phase. Experiments using publicly available façade image datasets reveal that the proposed methods can improve classification accuracy and parameter estimation by approximately 10% and 50%, respectively, under the same network structure. In addition, performance gains are more pronounced when testing against unseen data featuring different façade styles. Numéro de notice : A2022-666 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2022.08.014 Date de publication en ligne : 30/08/2022 En ligne : https://doi.org/10.1016/j.isprsjprs.2022.08.014 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101528 [article]

Détection d’ouvertures par segmentation sémantique de nuages de points 3D : apport de l’apprentissage profond / Camille Lhenry (2021)  

Public Titre : Détection d’ouvertures par segmentation sémantique de nuages de points 3D : apport de l’apprentissage profond Type de document : Mémoire Auteurs : Camille Lhenry, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2021 Importance : 106 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] apprentissage profond [Termes IGN] base de données dérivée [Termes IGN] classification par Perceptron multicouche [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] fenêtre (bâtiment) [Termes IGN] image RVB [Termes IGN] image thermique [Termes IGN] modélisation 3D du bâti BIM [Termes IGN] Python (langage de programmation) [Termes IGN] réseau neuronal de graphes [Termes IGN] segmentation sémantique [Termes IGN] semis de points Index. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Grâce au développement rapide des techniques d’acquisition 3D, les nuages de points sont de plus en plus utilisés dans divers domaines. Ils sont notamment la donnée de départ pour le développement de BIM (Building Information Modeling) de bâtiments existants, processus permettant le travail collaboratif des différents corps de métier. Néanmoins, le traitement de cette donnée est une étape majoritairement manuelle, longue et chronophage. Ce projet de fin d’études s’inscrit donc dans une problématique d’automatisation des traitements menant du nuage de points au BIM et se concentre sur la segmentation automatique des ouvertures des bâtiments. Cette problématique a été abordée par de multiples auteurs avec des méthodes algorithmiques ou d’apprentissage machine, qui nécessitent une certaine implication de l’utilisateur. Profitant de l’expansion du domaine de l’apprentissage profond, le réseau de neurones PointNet++ (Qi, Yi, Su & Guibas 2017) a été utilisé pour répondre à l’objectif de l’étude. Malgré les difficultés inhérentes à la nature des éléments à segmenter (transparence des matériaux, variabilité des styles architecturaux), la qualité de segmentation des ouvertures est prometteuse, notamment en couplant l’information thermique au nuage de points. Le défi majeur mis en évidence par l’étude est le manque de bases de données d’apprentissage, indispensables à l’utilisation de réseaux de neurones. Face à cet obstacle, une solution semi-automatique nécessitant la labellisation manuelle d’une portion limitée du bâtiment est présentée. Note de contenu : Introduction 1- Etat de l'art 2- Développement de la méthode 3- Résultats et discussions Conclusions et perspectives Numéro de notice : 28682 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : Laboratoire ICUBE En ligne : http://eprints2.insa-strasbourg.fr/4492/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99976

Détection de fenêtres dans un nuage de points de façade et positionnement semi-automatique dans un logiciel BIM / Julie Thierry (2019)  

Public Titre : Détection de fenêtres dans un nuage de points de façade et positionnement semi-automatique dans un logiciel BIM Type de document : Mémoire Auteurs : Julie Thierry, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2019 Format : 21 x 30 cm Note générale : bibliographie Mémoire de soutenance de diplôme d'ingénieur INSA, Topographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] apprentissage profond [Termes IGN] détection automatique [Termes IGN] détection d'objet [Termes IGN] détection de contours [Termes IGN] fenêtre (bâtiment) [Termes IGN] maquette numérique [Termes IGN] modélisation 3D du bâti BIM [Termes IGN] musée [Termes IGN] semis de points Index. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Le domaine de la modélisation des Informations du Bâtiment (BIM) a connu de nombreux progrès technologiques au cours des dernières années. A travers une maquette numérique, le BIM stocke toutes les informations d’un bâtiment et peut être utilisé pour de multiples applications. L’évolution des technologies tels que les scanners laser permettent de reconstituer en 3D un bâtiment en vue d’une modélisation BIM. Une multitude de données précises se trouve ainsi accessible de façon rapide. Cependant, le passage du nuage de points à la maquette reste une étape difficile à automatiser. Les défis d’aujourd’hui sont d’actualiser la méthode manuelle en développant un processus automatique dédié à la modélisation des maquettes numériques directement à partir du nuage de points. Cette problématique amène donc à expliquer les divers travaux appliqués aux traitements permettant d’extraire automatiquement le maximum d’informations du nuage de points. Nous nous intéressons plus particulièrement à la détection des fenêtres d’un bâtiment, car l’objectif de ce projet de fin d’études est de participer à l’automatisation de la création de maquette numérique en y intégrant un processus automatisé pour insérer les fenêtres. Nous présentons dans un premier temps un état de l’art sur les différentes méthodes de détection des fenêtres dans les nuages de points. Puis, nous détaillerons la méthode développée au cours de ce projet en considérant les nuages de points du musée zoologique de Strasbourg comme données de base. Le projet se divise en trois parties. La première se rapporte à la détection des ouvertures dans les nuages de points. Dans la seconde partie, nous soumettons une solution d’insertion semi-automatique des fenêtres dans un logiciel BIM à travers la réalisation d’une maquette numérique du musée zoologique. Enfin, nous évaluerons les résultats de la détection et de l’insertion afin de valider notre approche. Note de contenu : 1- Etat de l'Art 2- Détection de fenêtres 3- Insertion semi-automatique 4- Evaluation des résultats Conclusion du projet Numéro de notice : 28540 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : ICube DOI : sans En ligne : http://eprints2.insa-strasbourg.fr/3822/ Format de la ressource électronique : url Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97380

Slicing method for curved façade and window extraction from point clouds / S.M. Iman Zolanvari in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 119 (September 2016) . - pp 334 - 346 Titre : Slicing method for curved façade and window extraction from point clouds Type de document : Article/Communication Auteurs : S.M. Iman Zolanvari, Auteur ; Debra F. Laefer, Auteur Année de publication : 2016 Article en page(s) : pp 334 - 346 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] analyse structurale [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] façade [Termes IGN] fenêtre (bâtiment) [Termes IGN] modèle numérique [Termes IGN] reconstruction 3D du bâti [Termes IGN] semis de points [Termes IGN] surveillance d'ouvrage [Termes IGN] traitement de semis de points Résumé : (Auteur) Laser scanning technology is a fast and reliable method to survey structures. However, the automatic conversion of such data into solid models for computation remains a major challenge, especially where non-rectilinear features are present. Since, openings and the overall dimensions of the buildings are the most critical elements in computational models for structural analysis, this article introduces the Slicing Method as a new, computationally-efficient method for extracting overall façade and window boundary points for reconstructing a façade into a geometry compatible for computational modelling. After finding a principal plane, the technique slices a façade into limited portions, with each slice representing a unique, imaginary section passing through a building. This is done along a façade’s principal axes to segregate window and door openings from structural portions of the load-bearing masonry walls. The method detects each opening area’s boundaries, as well as the overall boundary of the façade, in part, by using a one-dimensional projection to accelerate processing. Slices were optimised as 14.3 slices per vertical metre of building and 25 slices per horizontal metre of building, irrespective of building configuration or complexity. The proposed procedure was validated by its application to three highly decorative, historic brick buildings. Accuracy in excess of 93% was achieved with no manual intervention on highly complex buildings and nearly 100% on simple ones. Furthermore, computational times were less than 3 sec for data sets up to 2.6 million points, while similar existing approaches required more than 16 hr for such datasets. Numéro de notice : A2016-787 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2016.06.011 En ligne : https://doi.org/10.1016/j.isprsjprs.2016.06.011 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=82502 [article]

A method for detecting windows from mobile lidar data / R. Wang in Photogrammetric Engineering & Remote Sensing, PERS, vol 78 n° 11 (November 2012)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 78 n° 11 (November 2012) . - pp 1129 - 1140 Titre : A method for detecting windows from mobile lidar data Type de document : Article/Communication Auteurs : R. Wang, Auteur ; F. Ferrie, Auteur ; J. Macfarlane, Auteur Année de publication : 2012 Article en page(s) : pp 1129 - 1140 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] détection d'objet [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] façade [Termes IGN] fenêtre (bâtiment) [Termes IGN] semis de points Résumé : (Auteur) Mobile lidar (light detection and ranging) data collection is a rapidly emerging technology in which multiple georeferenced sensors (e.g., laser scanners, cameras) are mounted on a moving vehicle to collect real world data. The photorealistic modeling of large-scale real world scenes such as urban environments has become increasingly interesting to the vision, graphics, and photogrammetry communities. In this paper, we present an automatic approach to window and facade detection from mobile lidar data. The proposed method combines bottom-up with top-down strategies to extract facade planes from noisy lidar point clouds. The window detection is achieved through a two-step approach: potential window point detection and window localization. The facade pattern is automatically inferred to enhance the robustness of the window detection. Experimental results on six datasets result in 71.2 percent and 88.9 percent in the first two datasets, 100 percent for the rest four datasets in terms of completeness rate, and 100 percent correctness rate for all the tested datasets, which demonstrate the effectiveness of the proposed solution for planar facades with rectilinear windows. The application potential includes generation of building facade models with street-level details and texture synthesis for producing realistic occlusion-free facade texture. Numéro de notice : A2012-586 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.78.11.1129 En ligne : https://doi.org/10.14358/PERS.78.11.1129 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32032 [article]

Grouping of Persistent Scatterers in high-resolution SAR data of urban scenes / A. Schunert in ISPRS Journal of photogrammetry and remote sensing, vol 73 (September 2012)  

Permalink

Modélisation de façades par analyse conjointe d'images terrestres et de données laser / Antoine Pinte (2010) 

Permalink