Centre de documentation
scientifique

Voxel-based 3D point cloud semantic segmentation: unsupervised geometric and relationship featuring vs deep learning methods / Florent Poux in ISPRS International journal of geo-information, vol 8 n° 5 (May 2019)  

Public [article]  inISPRS International journal of geo-information > vol 8 n° 5 (May 2019) . - n° 213 Titre : Voxel-based 3D point cloud semantic segmentation: unsupervised geometric and relationship featuring vs deep learning methods Type de document : Article/Communication Auteurs : Florent Poux, Auteur ; Roland Billen, Auteur Année de publication : 2019 Article en page(s) : n° 213 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] arbre de décision [Termes IGN] classification dirigée [Termes IGN] classification non dirigée [Termes IGN] connexité (topologie) [Termes IGN] données localisées 3D [Termes IGN] extraction de traits caractéristiques [Termes IGN] segmentation sémantique [Termes IGN] semis de points [Termes IGN] voxel Résumé : (auteur) Automation in point cloud data processing is central in knowledge discovery within decision-making systems. The definition of relevant features is often key for segmentation and classification, with automated workflows presenting the main challenges. In this paper, we propose a voxel-based feature engineering that better characterize point clusters and provide strong support to supervised or unsupervised classification. We provide different feature generalization levels to permit interoperable frameworks. First, we recommend a shape-based feature set (SF1) that only leverages the raw X, Y, Z attributes of any point cloud. Afterwards, we derive relationship and topology between voxel entities to obtain a three-dimensional (3D) structural connectivity feature set (SF2). Finally, we provide a knowledge-based decision tree to permit infrastructure-related classification. We study SF1/SF2 synergy on a new semantic segmentation framework for the constitution of a higher semantic representation of point clouds in relevant clusters. Finally, we benchmark the approach against novel and best-performing deep-learning methods while using the full S3DIS dataset. We highlight good performances, easy-integration, and high F1-score (> 85%) for planar-dominant classes that are comparable to state-of-the-art deep learning. Numéro de notice : A2019-656 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3390/ijgi8050213 Date de publication en ligne : 07/05/2019 En ligne : https://doi.org/10.3390/ijgi8050213 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97890 [article]

A formalized 3D geovisualization illustrated to selectivity purpose of virtual 3D city model / Romain Neuville in ISPRS International journal of geo-information, vol 7 n° 5 (May 2018)  

Public [article]  inISPRS International journal of geo-information > vol 7 n° 5 (May 2018) Titre : A formalized 3D geovisualization illustrated to selectivity purpose of virtual 3D city model Type de document : Article/Communication Auteurs : Romain Neuville, Auteur ; Jacynthe Pouliot, Auteur ; Florent Poux, Auteur ; Laurent de Rudder, Auteur ; Roland Billen, Auteur Année de publication : 2018 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] 3D symbology encoding [Termes IGN] aide à la décision [Termes IGN] base de connaissances [Termes IGN] base de données localisées 3D [Termes IGN] logiciel de dessin [Termes IGN] logiciel SIG [Termes IGN] modèle 3D de l'espace urbain [Termes IGN] style cartographique [Termes IGN] style graphique [Termes IGN] web mapping [Vedettes matières IGN] Géovisualisation Résumé : (Auteur) Virtual 3D city models act as valuable central information hubs supporting many aspects of cities, from management to planning and simulation. However, we noted that 3D city models are still underexploited and believe that this is partly due to inefficient visual communication channels across 3D model producers and the end-user. With the development of a formalized 3D geovisualization approach, this paper aims to support and make the visual identification and recognition of specific objects in the 3D models more efficient and useful. The foundation of the proposed solution is a knowledge network of the visualization of 3D geospatial data that gathers and links mapping and rendering techniques. To formalize this knowledge base and make it usable as a decision-making system for the selection of styles, second-order logic is used. It provides a first set of efficient graphic design guidelines, avoiding the creation of graphical conflicts and thus improving visual communication. An interactive tool is implemented and lays the foundation for a suitable solution for assisting the visualization process of 3D geospatial models within CAD and GIS-oriented software. Ultimately, we propose an extension to OGC Symbology Encoding in order to provide suitable graphic design guidelines to web mapping services. Numéro de notice : A2018-341 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi7050194 Date de publication en ligne : 18/05/2018 En ligne : https://doi.org/10.3390/ijgi7050194 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90555 [article]

Segmentation semi-automatique pour le traitement de données 3D denses : application au patrimoine architectural / Florent Poux in XYZ, n° 141 (décembre 2014 - février 2015) 

Public [article]  inXYZ > n° 141 (décembre 2014 - février 2015) . - pp 69 - 75 Titre : Segmentation semi-automatique pour le traitement de données 3D denses : application au patrimoine architectural Type de document : Article/Communication Auteurs : Florent Poux, Auteur ; Pierre Hallot, Auteur ; Benoît Jonlet, Auteur ; et al., Auteur Année de publication : 2014 Article en page(s) : pp 69 - 75 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] cathédrale [Termes IGN] détection de contours [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] Liège [Termes IGN] modèle 3D du site [Termes IGN] modèle numérique du bâti [Termes IGN] modélisation 3D [Termes IGN] patrimoine immobilier [Termes IGN] précision millimétrique [Termes IGN] segmentation [Termes IGN] segmentation d'image [Termes IGN] semis de points Résumé : (Auteur) Les nouvelles techniques LIDAR et photogrammétriques permettent d'acquérir rapidement un volume important de données 3D. Actuellement, les phases de post-traitement restent très chronophages, allongeant le délai effectif entre l'acquisition et l'extraction des produits dérivés. Une partie importante de la recherche en lasergrammétrie et en photogrammétrie porte sur l'optimisation et l'amélioration des processus d'analyse et de production 3D. Parmi ceux-ci, la segmentation est une étape essentielle dans la chaîne de traitement de nuage de points. Son but est d'extraire d'un large volume de données 3D différents groupes qui partagent un lien logique pour les considérer comme une même entité. Elle définit la pertinence et la précision de la reconstruction d'un modèle 3D, tout en offrant un haut niveau d'analyse de la scène. Dans cette étude, une méthode semi-automatique de segmentation est développée basée sur une approche multi perspective adaptée tant au patrimoine architectural aux détails prononcés qu'aux scènes géométriques et industrielles. La méthode a été exploitée dans le cadre du projet de numérisation de la cathédrale Saint-Paul de Liège. Numéro de notice : A2014-683 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=75186 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2014041	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Documents numériques

en open access Segmentation semi-automatique pour le traitement de données 3D denses - pdf éditeur Adobe Acrobat PDF