Centre de documentation
scientifique

ISPRS Hannover Workshop: HRIGI 17 – CMRT 17 – ISA 17 – EuroCOW 17 / Christian Heipke (2017)  

Public Titre : ISPRS Hannover Workshop: HRIGI 17 – CMRT 17 – ISA 17 – EuroCOW 17 Type de document : Actes de congrès Auteurs : Christian Heipke, Éditeur scientifique ; Karsten Jacobsen, Éditeur scientifique ; Uwe Stilla, Éditeur scientifique ; Franz Rottensteiner, Éditeur scientifique ; Alper Yilmaz, Éditeur scientifique ; Michael Ying Yang, Éditeur scientifique ; Jan Skaloud, Éditeur scientifique ; Ismael Colomina, Éditeur scientifique Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2017 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 42-1/W1 Conférence : ISPRS 2017 Workshops HRIGI – CMRT – ISA – EuroCOW 06/06/2017 09/06/2017 Hanovre Allemagne ISPRS OA Archives Langues : Anglais (eng) Numéro de notice : 17447 Affiliation des auteurs : non IGN Nature : Actes En ligne : https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLII-1-W1/index. [...] Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89328

Contient

• Weakly supervised segmentation-aided classification of urban scenes from 3D LIDAR point clouds / Stéphane Guinard (2017)  
• A two-step decision fusion strategy: application to hyperspectral and multispectral images for urban classification / Walid Ouerghemmi (2017)  
• Second iteration of photogrammetric pipeline to enhance the accuracy of image pose estimation / Truong Giang Nguyen (2017)  

Second iteration of photogrammetric pipeline to enhance the accuracy of image pose estimation / Truong Giang Nguyen (2017)  

Public contenu dans ISPRS Hannover Workshop: HRIGI 17 – CMRT 17 – ISA 17 – EuroCOW 17 / Christian Heipke (2017)   Titre : Second iteration of photogrammetric pipeline to enhance the accuracy of image pose estimation Type de document : Article/Communication Auteurs : Truong Giang Nguyen , Auteur ; Marc Pierrot-Deseilligny , Auteur ; Jean-Michaël Muller , Auteur ; Christian Thom , Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2017 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 42-1/W1 Projets : 1-Pas de projet / Conférence : ISPRS 2017 Workshops HRIGI – CMRT – ISA – EuroCOW 06/06/2017 09/06/2017 Hanovre Allemagne ISPRS OA Archives Importance : pp 225 - 230 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique [Termes IGN] chaîne de traitement [Termes IGN] estimation de pose [Termes IGN] itération [Termes IGN] précision de l'estimation Résumé : (auteur) In classical photogrammetric processing pipeline, the automatic tie point extraction plays a key role in the quality of achieved results. The image tie points are crucial to pose estimation and have a significant influence on the precision of calculated orientation parameters. Therefore, both relative and absolute orientations of the 3D model can be affected. By improving the precision of image tie point measurement, one can enhance the quality of image orientation. The quality of image tie points is under the influence of several factors such as the multiplicity, the measurement precision and the distribution in 2D images as well as in 3D scenes. In complex acquisition scenarios such as indoor applications and oblique aerial images, tie point extraction is limited while only image information can be exploited. Hence, we propose here a method which improves the precision of pose estimation in complex scenarios by adding a second iteration to the classical processing pipeline. The result of a first iteration is used as a priori information to guide the extraction of new tie points with better quality. Evaluated with multiple case studies, the proposed method shows its validity and its high potiential for precision improvement. Numéro de notice : C2017-057 Affiliation des auteurs : LASTIG LOEMI (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLII-1-W1-225-201 En ligne : https://doi.org/10.5194/isprs-archives-XLII-1-W1-225-201 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97402

Weakly supervised segmentation-aided classification of urban scenes from 3D LIDAR point clouds / Stéphane Guinard (2017)  

Public contenu dans ISPRS Hannover Workshop: HRIGI 17 – CMRT 17 – ISA 17 – EuroCOW 17 / Christian Heipke (2017)   Titre : Weakly supervised segmentation-aided classification of urban scenes from 3D LIDAR point clouds Type de document : Article/Communication Auteurs : Stéphane Guinard , Auteur ; Loïc Landrieu , Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2017 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 42-1/W1 Conférence : ISPRS 2017 Workshops HRIGI – CMRT – ISA – EuroCOW 06/06/2017 09/06/2017 Hanovre Allemagne ISPRS OA Archives Importance : pp 151 - 157 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] carte de confiance [Termes IGN] champ aléatoire conditionnel [Termes IGN] classification dirigée [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] scène urbaine [Termes IGN] segmentation [Termes IGN] semis de points Résumé : (auteur) We consider the problem of the semantic classification of 3D LiDAR point clouds obtained from urban scenes when the training set is limited. We propose a non-parametric segmentation model for urban scenes composed of anthropic objects of simple shapes, partionning the scene into geometrically-homogeneous segments which size is determined by the local complexity. This segmentation can be integrated into a conditional random field classifier (CRF) in order to capture the high-level structure of the scene. For each cluster, this allows us to aggregate the noisy predictions of a weakly-supervised classifier to produce a higher confidence data term. We demonstrate the improvement provided by our method over two publicly-available large-scale data sets. Numéro de notice : C2017-034 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLII-1-W1-151-2017 Date de publication en ligne : 31/05/2017 En ligne : https://doi.org/10.5194/isprs-archives-XLII-1-W1-151-2017 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89327

Voir aussi

• Pré-segmentation pour la classification faiblement supervisée de scènes urbaines à partir de nuages de points 3D LIDAR / Stéphane Guinard (2017)