Centre dedocumentation
scientifique

Automatic training data generation in deep learning-aided semantic segmentation of heritage buildings / Arnadi Murtiyoso in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-2-2022 (2022 edition)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > vol V-2-2022 (2022 edition) . - pp 317 - 324 Titre : Automatic training data generation in deep learning-aided semantic segmentation of heritage buildings Type de document : Article/Communication Auteurs : Arnadi Murtiyoso, Auteur ; Francesca Matrone, Auteur ; M.C. Martini, Auteur ; Andrea Lingua, Auteur ; Pierre Grussenmeyer, Auteur ; Roberto Pierdicca, Auteur Année de publication : 2022 Article en page(s) : pp 317 - 324 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] apprentissage profond [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] monument historique [Termes IGN] segmentation sémantique [Termes IGN] semis de points Résumé : (auteur) In the geomatics domain the use of deep learning, a subset of machine learning, is becoming more and more widespread. In this context, the 3D semantic segmentation of heritage point clouds presents an interesting and promising approach for modelling automation, in light of the heterogeneous nature of historical building styles and features. However, this heterogeneity also presents an obstacle in terms of generating the training data for use in deep learning, hitherto performed largely manually. The current generally low availability of labelled data also presents a motivation to aid the process of training data generation. In this paper, we propose the use of approaches based on geometric rules to automate to a certain degree this task. One object class will be discussed in this paper, namely the pillars class. Results show that the approach managed to extract pillars with satisfactory quality (98.5% of correctly detected pillars with the proposed algorithm). Tests were also performed to use the outputs in a deep learning segmentation setting, with a favourable outcome in terms of reducing the overall labelling time (−66.5%). Certain particularities were nevertheless observed, which also influence the result of the deep learning segmentation. Numéro de notice : A2022-430 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.5194/isprs-annals-V-2-2022-317-2022 Date de publication en ligne : 17/05/2022 En ligne : https://doi.org/10.5194/isprs-annals-V-2-2022-317-2022 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100736 [article]

Relevé 3D et classification de nuages de points de patrimoine bâti / Arnadi Murtiyoso in XYZ, n° 164 (septembre 2020)

Public [article]  inXYZ > n° 164 (septembre 2020) Titre : Relevé 3D et classification de nuages de points de patrimoine bâti Type de document : Article/Communication Auteurs : Arnadi Murtiyoso, Auteur Année de publication : 2020 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] Agisoft Photoscan [Termes IGN] contrôle qualité [Termes IGN] données lidar [Termes IGN] lasergrammétrie [Termes IGN] modélisation 3D [Termes IGN] monument historique [Termes IGN] patrimoine immobilier [Termes IGN] segmentation [Termes IGN] semis de points Résumé : (auteur) La documentation du patrimoine bâti a beaucoup évolué ces dernières années grâce au développement de nouveaux capteurs 3D et de nouvelles techniques de relevé 3D. Les données 3D contribuent à la création d'archives fiables et tangibles des sites et des monuments historiques. Vu l'importance des données 3D dans la documentation du patrimoine bâti, le contrôle de qualité est un aspect primordial qui devrait être abordé avant d'entreprendre le traitement du nuage de points. L'étude est ainsi divisée en deux parties. La première partie concerne principalement l'acquisition et le contrôle de qualité des données. Un point important sera l'intégration de la photogrammétrie et de la lasergrammétrie dans le contexte de la documentation d'un site historique à différentes échelles. La deuxième partie de l'article va aborder le traitement de nuages de points, plus particulièrement la segmentation et la classification de nuages de points. L'aspect échelles de notre approche est importante, car dans beaucoup de cas, un bâtiment remarquable se situe dans un quartier historique qui nécessite une segmentation échelles. En combinant ces deux parties, nous avons considéré l'ensemble du processus allant de l'acquisition de données 3D jusqu'à la segmentation et la classification en entités à plusieurs échelles. Numéro de notice : A2020-553 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95821 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2020031	SL	Revue	Centre de documentation	Revues en salle	Disponible
112-2020032	SL	Revue	Centre de documentation	Revues en salle	Disponible

Geospatial recording and point cloud classification of heritage buildings / Arnadi Murtiyoso (2020)  

Public Titre : Geospatial recording and point cloud classification of heritage buildings Type de document : Thèse/HDR Auteurs : Arnadi Murtiyoso, Auteur ; Pierre Grussenmeyer, Directeur de thèse Editeur : Strasbourg : Université de Strasbourg Année de publication : 2020 Importance : 185 p. Format : 21 x 30 cm Note générale : bibliographie Thèse présentée pour obtenir le grade de Docteur de l'Université de Strasbourg en Sciences de l'Ingénieur, Topographie et Géomatique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] acquisition de données [Termes IGN] contrôle qualité [Termes IGN] lasergrammétrie [Termes IGN] modélisation 3D [Termes IGN] monument historique [Termes IGN] patrimoine immobilier [Termes IGN] segmentation [Termes IGN] semis de points Résumé : (auteur) The documentation of built heritage has seen a significant development these past few decades due to advancements in new 3D sensors and 3D recording techniques. 3D data serve as reliable and tangible archive for historical sites and monuments. Since 3D data have such importance in the field of heritage documentation, quality control is paramount and must be performed before any point cloud processing is even planned to be conducted. The thesis is therefore divided into two parts. The first part concerned mainly the data acquisition and quality control of the point cloud data using the two techniques most commonly used, i.e. photogrammetry and laser scanning. A particular emphasis was also put on the integration of photogrammetry and laser scanning within the context of a multi-scalar documentation of a heritage site. The second part will address the processing of the resulting point cloud, particularly its segmentation and classification. The multi-scalar approach proposed in this thesis is an important point to note, as in many cases a historical building of interest is located in a historical neighbourhood; thus the requirement for a multi-scalar segmentation. By combining these two parts, the thesis had attempted to address the 3D workflow of heritage sites in a holistic manner, from the 3D data acquisition up to the resulting point clouds' segmentation and classification into individual entities in various scale steps. Note de contenu : Introduction I- Geospatial recording and quality control 1- Geospatial recording for heritage 2- Quality control in photogrammetry 3- Integration of Photogrammetry and LaserScanning II- Point cloud processing algorithms 4- The M_HERACLES tool box 5- From Heritage Complex to Heritage buildings 6- From Heritage buildings to architectural elements Conclusions Numéro de notice : 28514 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de Doctorat : Topographie et Géomatique : Université de Strasbourg : 2020 Organisme de stage : Laboratoire ICube (Strasbourg) nature-HAL : Thèse DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-02953668/document Format de la ressource électronique : url Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97253

Flexible photogrammetric computations using modular bundle adjustment : The chain rule and the collinearity equations / Niclas Börlin in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 5 (May 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 5 (May 2019) . - pp 361 - 368 Titre : Flexible photogrammetric computations using modular bundle adjustment : The chain rule and the collinearity equations Type de document : Article/Communication Auteurs : Niclas Börlin, Auteur ; Arnadi Murtiyoso, Auteur ; Pierre Grussenmeyer, Auteur ; Fabio Menna, Auteur ; Erica Nocerino, Auteur Année de publication : 2019 Article en page(s) : pp 361 - 368 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique [Termes IGN] colinéarité [Termes IGN] compensation par faisceaux Résumé : (Auteur) The main purpose of this article is to show that photogram-metric bundle-adjustment computations can be sequentially organized into modules. Furthermore, the chain rule can be used to simplify the computation of the analytical Jacobians needed for the adjustment. Novel projection models can be flexibly evaluated by inserting, modifying, or swapping the order of selected modules. As a proof of concept, two variants of the pinhole projection model with Brown lens distortion were implemented in the open-source Damped Bundle Adjustment Toolbox and applied to simulated and calibration data for a nonconventional lens system. The results show a significant difference for the simulated, error-free, data but not for the real calibration data. The current flexible implementation incurs a performance loss. However, in cases where flexibility is more important, the modular formulation should be a useful tool to investigate novel sensors, data-processing techniques, and refractive models. Numéro de notice : A2019-439 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.5.361 Date de publication en ligne : 01/05/2019 En ligne : https://doi.org/10.14358/PERS.85.5.361 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92770 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019051	SL	Revue	Centre de documentation	Revues en salle	Disponible

Documentation of heritage buildings using close-range UAV images: dense matching issues, comparison and case studies / Arnadi Murtiyoso in Photogrammetric record, vol 32 n° 159 (September 2017)  

Public [article]  inPhotogrammetric record > vol 32 n° 159 (September 2017) . - pp 206 - 229 Titre : Documentation of heritage buildings using close-range UAV images: dense matching issues, comparison and case studies Type de document : Article/Communication Auteurs : Arnadi Murtiyoso, Auteur ; Pierre Grussenmeyer, Auteur Année de publication : 2017 Article en page(s) : pp 206 - 229 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] analyse comparative [Termes IGN] appariement dense [Termes IGN] capteur aérien [Termes IGN] drone [Termes IGN] image aérienne [Termes IGN] patrimoine immobilier [Termes IGN] photogrammétrie métrologique [Termes IGN] précision centimétrique [Termes IGN] reconstruction 3D du bâti [Termes IGN] structure-from-motion Résumé : (Auteur) Three-dimensional (3D) documentation of heritage buildings has long employed both image-based and range-based techniques. Unmanned aerial vehicles (UAVs) provide a particular advantage for image-based techniques in acquiring aerial views, which are difficult to attain using classical terrestrial-based methods. The technological development of optical sensors and dense matching algorithms also complement existing photogrammetric workflows for the documentation of heritage objects. In this paper, fundamental concepts in photogrammetry and 3D reconstruction based on structure from motion (SfM) will be briefly reviewed. Two case studies were performed using two types of UAVs, one being a state-of-the-art platform dedicated to obtaining close-range images. Comparisons with laser scanning data were performed and several issues regarding the aerial triangulation and dense matching results were assessed. The results show that although the dense matching of these UAV images may generate centimetre-level precision, a further increase in precision is often hampered by the quality of the onboard sensor. Numéro de notice : A2017-576 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1111/phor.12197 En ligne : http://dx.doi.org/10.1111/phor.12197 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86712 [article]