Centre dedocumentation
scientifique

Point cloud registration for LiDAR and photogrammetric data: A critical synthesis and performance analysis on classic and deep learning algorithms / Ningli Xu in ISPRS Open Journal of Photogrammetry and Remote Sensing, vol 8 (April 2023)  

Public [article]  inISPRS Open Journal of Photogrammetry and Remote Sensing > vol 8 (April 2023) . - n° 100032 Titre : Point cloud registration for LiDAR and photogrammetric data: A critical synthesis and performance analysis on classic and deep learning algorithms Type de document : Article/Communication Auteurs : Ningli Xu, Auteur ; Rongjun Qin, Auteur ; Shuang Song, Auteur Année de publication : 2023 Article en page(s) : n° 100032 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] algorithme ICP [Termes IGN] chevauchement [Termes IGN] données lidar [Termes IGN] processus gaussien [Termes IGN] recalage de données localisées [Termes IGN] semis de points [Termes IGN] superposition de données Résumé : (auteur) Three-dimensional (3D) point cloud registration is a fundamental step for many 3D modeling and mapping applications. Existing approaches are highly disparate in the data source, scene complexity, and application, therefore the current practices in various point cloud registration tasks are still ad-hoc processes. Recent advances in computer vision and deep learning have shown promising performance in estimating rigid/similarity transformation between unregistered point clouds of complex objects and scenes. However, their performances are mostly evaluated using a limited number of datasets from a single sensor (e.g. Kinect or RealSense cameras), lacking a comprehensive overview of their applicability in photogrammetric 3D mapping scenarios. In this work, we provide a comprehensive review of the state-of-the-art (SOTA) point cloud registration methods, where we analyze and evaluate these methods using a diverse set of point cloud data from indoor to satellite sources. The quantitative analysis allows for exploring the strengths, applicability, challenges, and future trends of these methods. In contrast to existing analysis works that introduce point cloud registration as a holistic process, our experimental analysis is based on its inherent two-step process to better comprehend these approaches including feature/keypoint-based initial coarse registration and dense fine registration through cloud-to-cloud (C2C) optimization. More than ten methods, including classic hand-crafted, deep-learning-based feature correspondence, and robust C2C methods were tested. We observed that the success rate of most of the algorithms are fewer than 40% over the datasets we tested and there are still are large margin of improvement upon existing algorithms concerning 3D sparse corresopondence search, and the ability to register point clouds with complex geometry and occlusions. With the evaluated statistics on three datasets, we conclude the best-performing methods for each step and provide our recommendations, and outlook future efforts. Numéro de notice : A2023-149 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.ophoto.2023.100032 Date de publication en ligne : 16/02/2023 En ligne : https://doi.org/10.1016/j.ophoto.2023.100032 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102808 [article]

Analyse des performances de levers LiDAR via l’iPad Pro en vue de la réalisation de plans d’intérieurs et de maquettes numériques de bâtiments / Pauline Chardon in XYZ, n° 174 (mars 2023)

Public [article]  inXYZ > n° 174 (mars 2023) . - pp 39 - 43 Titre : Analyse des performances de levers LiDAR via l’iPad Pro en vue de la réalisation de plans d’intérieurs et de maquettes numériques de bâtiments Type de document : Article/Communication Auteurs : Pauline Chardon, Auteur Année de publication : 2023 Article en page(s) : pp 39 - 43 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] espace intérieur [Termes IGN] lidar mobile [Termes IGN] maquette numérique [Termes IGN] modélisation 3D [Termes IGN] semis de points [Termes IGN] téléphone intelligent Résumé : (Auteur) Depuis 2020, Apple intègre désormais un capteur LiDAR dans ses smartphones et tablettes les plus récents. À l’origine dédiée à la réalité augmentée, son utilisation pour les relevés métriques présente aujourd’hui un intérêt croissant. Devant ce constat, la société FUTURMAP a fait le choix de mener une étude approfondie sur le sujet, en collaboration avec un grand groupe spécialisé dans le diagnostic immobilier. L’objectif de cette étude est donc de mettre en place une nouvelle méthode d’acquisition basée sur les technologies LiDAR mobiles, dans le but d’établir un plan d’intérieur ou une maquette numérique 3D. Dans cette étude, nous avons ainsi approfondi la connaissance de ce système de numérisation afin de déterminer un processus de captation fiable des données. Plusieurs éléments ont été étudiés à la suite d’une série de tests afin de déterminer les limites et les contraintes de ce nouveau dispositif. Numéro de notice : A2023-170 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/03/2023 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102851 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2023011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Point cloud data processing optimization in spectral and spatial dimensions based on multispectral Lidar for urban single-wood extraction / Shuo Shi in ISPRS International journal of geo-information, vol 12 n° 3 (March 2023)  

Public [article]  inISPRS International journal of geo-information > vol 12 n° 3 (March 2023) . - n° 90 Titre : Point cloud data processing optimization in spectral and spatial dimensions based on multispectral Lidar for urban single-wood extraction Type de document : Article/Communication Auteurs : Shuo Shi, Auteur ; Xingtao Tang, Auteur ; Bowen Chen, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : n° 90 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] analyse spectrale [Termes IGN] arbre urbain [Termes IGN] détection d'objet [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] Houston (Texas) [Termes IGN] interpolation [Termes IGN] réflectance spectrale [Termes IGN] segmentation [Termes IGN] semis de points Résumé : (auteur) Lidar can effectively obtain three-dimensional information on ground objects. In recent years, lidar has developed rapidly from single-wavelength to multispectral hyperspectral imaging. The multispectral airborne lidar Optech Titan is the first commercial system that can collect point cloud data on 1550, 1064, and 532 nm channels. This study proposes a method of point cloud segmentation in the preprocessed intensity interpolation process to solve the problem of inaccurate intensity at the boundary during point cloud interpolation. The entire experiment consists of three steps. First, a multispectral lidar point cloud is obtained using point cloud segmentation and intensity interpolation; the spatial dimension advantage of the multispectral point cloud is used to improve the accuracy of spectral information interpolation. Second, point clouds are divided into eight categories by constructing geometric information, spectral reflectance information, and spectral characteristics. Accuracy evaluation and contribution analysis are also conducted through point cloud truth value and classification results. Lastly, the spatial dimension information is enhanced by point cloud drop sampling, the method is used to solve the error caused by airborne scanning and single-tree extraction of urban trees. Classification results showed that point cloud segmentation before intensity interpolation can effectively improve the interpolation and classification accuracies. The total classification accuracy of the data is improved by 3.7%. Compared with the extraction result (377) of single wood without subsampling treatment, the result of the urban tree extraction proved the effectiveness of the proposed method with a subsampling algorithm in improving the accuracy. Accordingly, the problem of over-segmentation is solved, and the final single-wood extraction result (329) is markedly consistent with the real situation of the region. Numéro de notice : A2023-159 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi12030090 Date de publication en ligne : 23/02/2023 En ligne : https://doi.org/10.3390/ijgi12030090 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102852 [article]

Programme LiDAR HD : vers une nouvelle cartographie 3D du territoire / Terry Moreau in XYZ, n° 174 (mars 2023)

Public [article]  inXYZ > n° 174 (mars 2023) . - pp 45 - 49 Titre : Programme LiDAR HD : vers une nouvelle cartographie 3D du territoire Type de document : Article/Communication Auteurs : Terry Moreau, Auteur ; Hélène Buissart, Auteur ; Arnaud Allgeyer, Auteur ; Sofiane Kriat , Auteur ; Pierre-Yves Decavele, Auteur ; Romuald Dore, Auteur ; Gabrielle Roy, Auteur Année de publication : 2023 Article en page(s) : pp 45 - 49 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] acquisition de données [Termes IGN] cartographie 3D [Termes IGN] diffusion de données [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] France métropolitaine [Termes IGN] QGIS [Termes IGN] semis de points [Termes IGN] système d'information géographique [Termes IGN] télémétrie laser aéroporté Résumé : (Auteur) Le programme LiDAR HD est d’une ampleur inédite et porte un objectif ambitieux : acquérir des données LiDAR haute densité (HD) sur l’ensemble du territoire métropolitain et ultramarin (hors Guyane) pour en proposer la description 3D la plus fine jamais établie à l’échelle France entière. L’IGN coordonne ce programme et s’emploie à soutenir tous les usages de ce géocommun en devenir. Numéro de notice : A2023-171 Affiliation des auteurs : IGN (2020- ) Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/03/2023 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102856 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2023011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Validation of Island 3D-mapping based on UAV spatial point cloud optimization: a case study in Dongluo Island of China / Jian Wu in Photogrammetric Engineering & Remote Sensing, PERS, vol 89 n° 3 (March 2023)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 89 n° 3 (March 2023) . - pp 173 - 182 Titre : Validation of Island 3D-mapping based on UAV spatial point cloud optimization: a case study in Dongluo Island of China Type de document : Article/Communication Auteurs : Jian Wu, Auteur ; Shifeng Fu, Auteur ; Peng Chen, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 173 - 182 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] cartographie 3D [Termes IGN] Chine [Termes IGN] île [Termes IGN] image captée par drone [Termes IGN] modélisation 3D [Termes IGN] semis de points [Termes IGN] télédétection aérienne Résumé : (Auteur) The unmanned aerial vehicle (UAV) remote sensing is of small volume, low cost, fine timeliness, and high spatial resolution, and has the special advantage on island surveying. Focus on the inaccurate elevation of non-ground point cloud without lidar device, this study explored a methodology for island three-dimensional (3D) mapping and modelling based on spatial point clouds optimization with a K-Nearest Neighbors Adaptive Inverse Distance Weighted (K-AIDW) interpolation algorithm. By classifying the UAV point clouds into ground, vegatetation, and structure, the K-AIDW algorithm was applied to optimize the elevations of non-ground point clouds (vegetation and structure) to recalculate Z values. The aerophotogrammetry result was generated based on the optimized spatial point clouds. Finally, the 3D model of Dongluo Island was reconstructed and rendered in Metashape. The accuracy evaluation result shows that the max-errors of ground control points (–0.0154 in X, 0.0305 in Y, and 0.0133 in Z) and the checkpoints (–0.091 in X, –0.176 in Y, and 0.338 in Z) can meet the error-tolerance requirements of the corresponding terrain on the 1:500 scale set by the national standard of GB/T 23236-2009 in China. It is found that the K-AIDW algorithm displayed the best Z accuracy (root-mean-square error of 0.2538) compared with IDW (0.3668) and no-optimized (1.6012), proving it is an effective methodology for improving 3D-modelling accuracy of island. Numéro de notice : A2023-172 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.22-00109R2 Date de publication en ligne : 01/03/2023 En ligne : https://doi.org/10.14358/PERS.22-00109R2 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102923 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2023031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Topology-based individual tree segmentation for automated processing of terrestrial laser scanning point clouds / Xin Xu in International journal of applied Earth observation and geoinformation, vol 116 (February 2023)  

Permalink

A geometry-aware attention network for semantic segmentation of MLS point clouds / Jie Wan in International journal of geographical information science IJGIS, vol 37 n° 1 (January 2023)  

Permalink

A hierarchical multiview registration framework of TLS point clouds based on loop constraint / Hao Wu in ISPRS Journal of photogrammetry and remote sensing, vol 195 (January 2023)  

Permalink

Improvement of 3D LiDAR point cloud classification of urban road environment based on random forest classifier / Mahmoud Mohamed in Geocarto international, vol 38 n° inconnu ([01/01/2023])  

Permalink

Improving generalized models of forest structure in complex forest types using area- and voxel-based approaches from lidar / Andrew W. Whelan in Remote sensing of environment, vol 284 (January 2023)  

Permalink

Mobile mapping mesh change detection and update / Teng Wu (2023)  

Permalink

Prototype-guided multitask adversarial network for cross-domain LiDAR point clouds semantic segmentation / Zhimin Yuan in IEEE Transactions on geoscience and remote sensing, vol 61 n° 1 (January 2023)  

Permalink

Tree height-growth trajectory estimation using uni-temporal UAV laser scanning data and deep learning / Stefano Puliti in Forestry, an international journal of forest research, vol 96 n° 1 (January 2023)  

Permalink

Automatic registration of point cloud and panoramic images in urban scenes based on pole matching / Yuan Wang in International journal of applied Earth observation and geoinformation, vol 115 (December 2022)  

Permalink

A novel entropy-based method to quantify forest canopy structural complexity from multiplatform lidar point clouds / Xiaoqiang Liu in Remote sensing of environment, vol 282 (December 2022)  

Permalink