Centre de documentation
scientifique

Fast weakly supervised detection of railway-related infrastructures in lidar acquisitions / Stéphane Guinard in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-2-2021 (July 2021)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > vol V-2-2021 (July 2021) . - pp 27 - 34 Titre : Fast weakly supervised detection of railway-related infrastructures in lidar acquisitions Type de document : Article/Communication Auteurs : Stéphane Guinard , Auteur ; Jean-Philippe Riant, Auteur ; Jean-Christophe Michelin , Auteur ; Sofia Costa d’Aguiar, Auteur Année de publication : 2021 Conférence : ISPRS 2021, Commission 2, 24th ISPRS Congress, Imaging today foreseeing tomorrow 05/07/2021 09/07/2021 Nice Virtuel France OA Annals Commission 2 Article en page(s) : pp 27 - 34 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] algorithme Cut Pursuit [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] réseau ferroviaire [Termes IGN] segmentation Résumé : (auteur) Railroad environments are peculiar, as they combine dense urban areas, along with rural parts. They also display a very specific spatial organization. In order to monitor a railway network a at country scale, LiDAR sensors can be equipped on a running train, performing a full acquisition of the network. Then most processing steps are manually done. In this paper, we propose to improve performances and production flow by creating a classification of the acquired data. However, there exists no public benchmark, and little work on LiDAR data classification in railroad environments. Thus, we propose a weakly supervised method for the pointwise classification of such data. We show that our method can be improved by using the l0-cut pursuit algorithm and regularize the noisy pointwise classification on the produced segmentation. As production is envisaged in our context, we designed our implementation such that it is computationally efficient. We evaluate our results against a manual classification, and show that our method can reach a FScore of 0.96 with just a few samples of each class. Numéro de notice : A2021-615 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-V-2-2021-27-2021 Date de publication en ligne : 17/06/2021 En ligne : http://dx.doi.org/10.5194/isprs-annals-V-2-2021-27-2021 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97953 [article]

Planar polygons detection in lidar scans based on sensor topology enhanced Ransac / Stéphane Guinard in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-2-2020 (August 2020)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > vol V-2-2020 (August 2020) . - pp 343 - 350 Titre : Planar polygons detection in lidar scans based on sensor topology enhanced Ransac Type de document : Article/Communication Auteurs : Stéphane Guinard , Auteur ; Zoumana Mallé, Auteur ; Oussama Ennafii , Auteur ; Pascal Monasse, Auteur ; Bruno Vallet , Auteur Année de publication : 2020 Projets : BIOM / Vallet, Bruno Conférence : ISPRS 2020, Commission 2, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Annals Commission 2 Article en page(s) : pp 343 - 350 Note générale : biblographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] polygone [Termes IGN] Ransac (algorithme) [Termes IGN] segmentation en régions [Termes IGN] semis de points [Termes IGN] topologie capteur [Termes IGN] traitement de semis de points [Termes IGN] transformation de Hough Résumé : (auteur) Detecting planar structures in point clouds is a very central step of the point cloud processing pipeline as many Lidar scans, in particular in anthropic environments, present such planar structures. Many improvements have been proposed to RANSAC and the Hough transform, the two major types of plane detection methods. An important limitation however is that these methods detect planes running across the whole scene instead of more localized planar patches. Moreover, they do not exploit the sensor information that often comes with Lidar point cloud (sensor topology and optical center position in particular). In this paper we address both issues: we aim at detecting planar polygons that have a limited spatial extent, and we exploit sensor topology. The latter is used to enhance a RANSAC framework on two aspects: to make seed points selection more local and to define more compact sets of inliers through sensor space region growing. Numéro de notice : A2020-502 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-V-2-2020-343-2020 Date de publication en ligne : 03/08/2020 En ligne : https://doi.org/10.5194/isprs-annals-V-2-2020-343-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95643 [article]

Simplicial complexes reconstruction and generalisation of 3d lidar data in urban scenes / Stéphane Guinard (2020)  

Public Titre : Simplicial complexes reconstruction and generalisation of 3d lidar data in urban scenes Titre original : Reconstruction et généralisation de complexes simpliciaux à partir de scans lidar de scènes urbaines Type de document : Thèse/HDR Auteurs : Stéphane Guinard , Auteur ; Bruno Vallet , Directeur de thèse ; Laurent Caraffa , Encadrant Editeur : Champs/Marne : Université Paris-Est Année de publication : 2020 Note générale : bibliographie École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] classification basée sur les régions [Termes IGN] complexe simplicial [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] optimisation (mathématiques) [Termes IGN] reconstruction d'objet [Termes IGN] scène urbaine [Termes IGN] segmentation [Termes IGN] semis de points [Termes IGN] simplification de maillage Index. décimale : THESE Thèses et HDR Résumé : (auteur) Grâce à leur résolution et à leur accessibilité toujours meilleures, les capteurs LiDAR sont de plus en plus utilisés pour cartographier les villes. En effet, ces capteurs sont capables de réaliser efficacement des acquisitions à haut résolution, qui peuvent ensuite être utilisées pour produire des reconstructions géométriquement détaillées de scènes complexes. Cependant, une telle reconstruction nécessite d’organiser les données avec une structure de données adaptée, comme des nuages de points ou des maillages. Les nuages de points fournissent une représentation compacte des données, mais leur nature discrète empêche certaines applications telles que la visualisation ou la simulation. Les maillages permettent une représentation continue des surfaces, mais ne sont pas bien adaptés à la représentation d’objets complexes, dont le niveau de détail peut dépasser la résolution de l’acquisition. Pour remédier à ces limitations, nous proposons de reconstruire une géométrie continue uniquement lorsque suffisamment d’informations géométriques sont disponibles. Cela nous amène à créer une reconstruction mêlant triangles, arêtes et points. Nous appelons une telle collection d’objets un complexe simplicial. Dans cette thèse, nous étudions la création de modèles 3D de scènes urbaines géométriquement détaillés, basés sur des complexes simpliciaux. Nous montrons que les complexes simpliciaux sont une alternative appropriée aux maillages. En effet, ils sont rapides à calculer et peuvent être simplifiés tout en conservant une grande fidélité géométrique par rapport aux données d’entrée. Nous soutenons que les complexes simples transmettent de précieuses informations géométriques qui peuvent à leur tour être utilisées pour la sémantisation des nuages de points 3D. Nous pensons également qu’ils peuvent servir de base pour des reconstructions multi-échelles de scènes urbaines. Nous présentons d’abord un algorithme efficace pour le calcul de complexes simpliciaux à partir d’acquisitions LiDAR de scènes urbaines. Comme les complexes simpliciaux reconstruits peuvent être très lourds, ils peuvent être difficiles à traiter sur un ordinateur standard. Pour relever ce défi, nous étudions différentes approches pour les généraliser spatialement, en approximant de grandes zones géométriquement simples par des primitives simples. À cette fin, nous proposons un nouvel algorithme pour calculer des approximations planaires par morceaux de nuages de points 3D, basé sur une approche d’optimisation globale. Ensuite, nous proposons deux applications différentes des complexes simpliciaux. La première est une méthode de polygonalisation améliorant la création de modèles 3D légers mais géométriquement précis. La seconde est une méthode de classification faiblement supervisée utilisant des descripteurs 3D locaux et globaux. Numéro de notice : 17613 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse : Géographie, Sciences de l'information et de la communication : Paris-Est : 2020 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 30/09/2020 En ligne : https://theses.hal.science/tel-02953672 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95943

Piecewise-planar approximation of large 3D data as graph-structured optimization / Stéphane Guinard in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol IV-2/W5 (May 2019)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > vol IV-2/W5 (May 2019) . - pp 365 - 372 Titre : Piecewise-planar approximation of large 3D data as graph-structured optimization Type de document : Article/Communication Auteurs : Stéphane Guinard , Auteur ; Loïc Landrieu , Auteur ; Laurent Caraffa , Auteur ; Bruno Vallet , Auteur Année de publication : 2019 Projets : 1-Pas de projet / Vallet, Bruno Conférence : ISPRS 2019, Geospatial Week 10/06/2019 14/06/2019 Enschede Pays-Bas ISPRS OA Annals Article en page(s) : pp 365 - 372 Note générale : bibliographie The authors would like to acknowledge the DGA for their financial support of this work. Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] algorithme de décalage moyen [Termes IGN] analyse de groupement [Termes IGN] approximation [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] érosion anthropique [Termes IGN] erreur d'approximation [Termes IGN] extraction de traits caractéristiques [Termes IGN] graphe [Termes IGN] maillage [Termes IGN] Ransac (algorithme) [Termes IGN] semis de points [Termes IGN] surface plane Résumé : (auteur) We introduce a new method for the piecewise-planar approximation of 3D data, including point clouds and meshes. Our method is designed to operate on large datasets (e.g. millions of vertices) containing planar structures, which are very frequent in anthropic scenes. Our approach is also adaptive to the local geometric complexity of the input data. Our main contribution is the formulation of the piecewise-planar approximation problem as a non-convex optimization problem. In turn, this problem can be efficiently solved with a graph-structured working set approach. We compare our results with a state-of-the-art region-growing-based segmentation method and show a significant improvement both in terms of approximation error and computation efficiency. Numéro de notice : A2019-592 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-IV-2-W5-365-2019 Date de publication en ligne : 29/05/2019 En ligne : https://doi.org/10.5194/isprs-annals-IV-2-W5-365-2019 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94552 [article]

Les exceptions : comment gérer les erreurs en Python [diaporama] / Stéphane Guinard (2019)  

Public Titre : Les exceptions : comment gérer les erreurs en Python [diaporama] Type de document : Guide/Manuel Auteurs : Stéphane Guinard , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2019 Importance : 14 p. Format : 21 x 30 cm Langues : Français (fre) Descripteur : [Vedettes matières IGN] Langages informatiques [Termes IGN] erreur [Termes IGN] Python (langage de programmation) Numéro de notice : 25914 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Manuel de cours nature-HAL : Cours DOI : sans En ligne : https://hal.science/cel-02182401 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95939

Introduction à la programmation orientée objet / Stéphane Guinard (2019)  

Permalink

Weighted simplicial complex reconstruction from mobile laser scanning using sensor topology / Stéphane Guinard in Revue Française de Photogrammétrie et de Télédétection, n° 217-218 (juin - septembre 2018)  

Permalink

Sensor-topology based simplicial complex reconstruction from mobile laser scanning / Stéphane Guinard in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol IV-2 (June 2018)  

Permalink

Weighted simplicial complex reconstruction from mobile laser scanning using sensor topology / Stéphane Guinard (2018)    

Permalink

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

Permalink

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

Permalink

Segmenter pour mieux classifier des nuages de points / Stéphane Guinard (2016) 

Permalink