Centre dedocumentation
scientifique

A feature-preserving point cloud denoising algorithm for LiDAR-derived DEM construction / Chuanfa Chen in Survey review, Vol 53 n° 377 (February 2021)  

Public [article]  inSurvey review > Vol 53 n° 377 (February 2021) . - pp146 - 157 Titre : A feature-preserving point cloud denoising algorithm for LiDAR-derived DEM construction Type de document : Article/Communication Auteurs : Chuanfa Chen, Auteur ; Yuan Gao, Auteur ; Yanyan Li, Auteur Année de publication : 2021 Article en page(s) : pp146 - 157 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] algorithme de filtrage [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] filtrage de points [Termes IGN] filtrage du bruit [Termes IGN] interpolation [Termes IGN] modèle numérique de surface [Termes IGN] semis de points Résumé : (auteur) To attenuate positional errors of LiDAR-derived datasets for constructing digital elevation models (DEMs), a feature-preserving point denoising algorithm (F-PDA) is developed in this paper. F-PDA includes three main steps: surface normal estimation, normal filtering and point position update. Numerical tests with two simulated surfaces indicate that F-PDA is always more accurate than kriging and natural neighbour. Furthermore, F-PDA has a high effectiveness of preserving feature lines. Real-world examples of interpolating LiDAR samples demonstrate that F-PDA can best retain both prominent and subtle terrain features, while faithfully removing errors in mountainous and flat regions. Moreover, it outperforms some well-known interpolation methods. Numéro de notice : A2021-235 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00396265.2019.1704562u date de publication en ligne : 23/12/2019 En ligne : https://doi.org/10.1080/00396265.2019.1704562u Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97242 [article]

Semantic trajectory segmentation based on change-point detection and ontology / Yuan Gao in International journal of geographical information science IJGIS, vol 34 n° 12 (December 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 12 (December 2020) . - pp 2361 - 2394 Titre : Semantic trajectory segmentation based on change-point detection and ontology Type de document : Article/Communication Auteurs : Yuan Gao, Auteur ; Longfei Huang, Auteur ; Jun Feng, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 2361 - 2394 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] cible mobile [Termes IGN] détection de changement [Termes IGN] information sémantique [Termes IGN] modèle dynamique [Termes IGN] objet mobile [Termes IGN] ontologie [Termes IGN] point d'intérêt [Termes IGN] probabilité [Termes IGN] segmentation sémantique [Termes IGN] trajectoire Résumé : (auteur) Trajectory segmentation is a fundamental issue in GPS trajectory analytics. The task of dividing a raw trajectory into reasonable sub-trajectories and annotating them based on moving subject’s intentions and application domains remains a challenge. This is due to the highly dynamic nature of individuals’ patterns of movement and the complex relationships between such patterns and surrounding points of interest. In this paper, we present a framework called SEMANTIC-SEG for automatic semantic segmentation of trajectories from GPS readings. For the decomposition component of SEMANTIC-SEG, a moving pattern change detection (MPCD) algorithm is proposed to divide the raw trajectory into segments that are homogeneous in their movement conditions. A generic ontology and a spatiotemporal probability model for segmentation are then introduced to implement a bottom-up ontology-based reasoning for semantic enrichment. The experimental results on three real-world datasets show that MPCD can more effectively identify the semantically significant change-points in a pattern of movement than four existing baseline methods. Moreover, experiments are conducted to demonstrate how the proposed SEMANTIC-SEG framework can be applied. Numéro de notice : A2020-689 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1798966 date de publication en ligne : 04/08/2020 En ligne : https://doi.org/10.1080/13658816.2020.1798966 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96226 [article]

Multi-sensor information fusion / Xue-Bo Jin (2020)  

Public Titre : Multi-sensor information fusion Type de document : Monographie Auteurs : Xue-Bo Jin, Editeur scientifique ; Yuan Gao, Editeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2020 Importance : 602 p. ISBN/ISSN/EAN : 978-3-03928-303-3 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s) [Termes IGN] apprentissage profond [Termes IGN] classification semi-dirigée [Termes IGN] filtre de Kalman [Termes IGN] fusion de données multisource [Termes IGN] série temporelle [Termes IGN] temps réel Résumé : (Editeur) This book includes papers from the section “Multisensor Information Fusion”, from Sensors between 2018 to 2019. It focuses on the latest research results of current multi-sensor fusion technologies and represents the latest research trends, including traditional information fusion technologies, estimation and filtering, and the latest research, artificial intelligence involving deep learning. Numéro de notice : 26505 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-03928-303-3 En ligne : https://doi.org/10.3390/books978-3-03928-303-3 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97083