Descripteur
Documents disponibles dans cette catégorie (997)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Titre : Benefiting from local rigidity in 3D point cloud processing Type de document : Thèse/HDR Auteurs : Zan Gojcic, Auteur Editeur : Zurich : Eidgenossische Technische Hochschule ETH - Ecole Polytechnique Fédérale de Zurich EPFZ Année de publication : 2021 Importance : 141 p. Format : 21 x 30 cm Note générale : bibliographie
A thesis submitted to attain the degree of Doctor of Sciences of ETH ZurichLangues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] capteur actif
[Termes IGN] champ vectoriel
[Termes IGN] déformation d'image
[Termes IGN] données lidar
[Termes IGN] effondrement de terrain
[Termes IGN] enregistrement de données
[Termes IGN] filtrage du bruit
[Termes IGN] flux
[Termes IGN] image 3D
[Termes IGN] navigation autonome
[Termes IGN] orientation du capteur
[Termes IGN] segmentation
[Termes IGN] semis de points
[Termes IGN] téléphone intelligent
[Termes IGN] traitement de semis de points
[Termes IGN] voxelIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Incorporating 3D understanding and spatial reasoning into (intelligent) algorithms is crucial for solving several tasks in fields such as engineering geodesy, risk assessment, and autonomous driving. Humans are capable of reasoning about 3D spatial relations even from a single 2D image. However, making the priors that we rely on explicit and integrating them into computer programs is very challenging. Operating directly on 3D input data, such as 3D point clouds, alleviates the need to lift 2D data into a 3D representation within the task-specific algorithm and hence reduces the complexity of the problem. The 3D point clouds are not only a better-suited input data representation, but they are also becoming increasingly easier to acquire. Indeed, nowadays, LiDAR sensors are even integrated into consumer devices such as mobile phones. However, these sensors often have a limited field of view, and hence multiple acquisitions are required to cover the whole area of interest. Between these acquisitions, the sensor has to be moved and pointed in a different direction. Moreover, the world that surrounds us is also dynamic and might change as well. Reasoning about the motion of both the sensor and the environment, based on point clouds acquired in two-time steps, is therfore an integral part of point cloud processing. This thesis focuses on incorporating rigidity priors into novel deep learning based approaches for dynamic 3D perception from point cloud data. Specifically, the tasks of point cloud registration, deformation analysis, and scene flow estimation are studied. At first, these tasks are incorporated into a common framework where the main difference is in the level of rigidity assumptions that are imposed on the motion of the scene or
the acquisition sensor. Then, the tasks specific priors are proposed and incorporated into novel deep learning architectures. While the global rigidity can be assumed in point cloud registration, the motion patterns in deformation analysis and scene flow estimation are more complex. Therefore, the global rigidity prior has to be relaxed to local or instancelevel rigidity, respectively. Rigidity priors not only add structure to the aforementioned tasks, which prevents physically implausible estimates and improves the generalization of the algorithms, but in some cases also reduce the supervision requirements. The proposed approaches were quantitatively and qualitatively evaluated on several datasets, and they yield favorable performance compared to the state-of-the-art.Numéro de notice : 28660 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Note de thèse : PhD : Sciences : ETH Zurich : 2021 DOI : sans En ligne : https://www.research-collection.ethz.ch/handle/20.500.11850/523368 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99817 Building extraction from Lidar data using statistical methods / Haval Abdul-Jabbar Sadeq in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 1 (January 2021)
[article]
Titre : Building extraction from Lidar data using statistical methods Type de document : Article/Communication Auteurs : Haval Abdul-Jabbar Sadeq, Auteur Année de publication : 2021 Article en page(s) : pp 33 - 42 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] analyse de données
[Termes IGN] classification orientée objet
[Termes IGN] détection du bâti
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] Ransac (algorithme)
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsRésumé : (Auteur) In this article, a straightforward, intuitive method for lidar data classification and building extraction, based on statistical analysis, is presented. The classification of the point cloud into ground and nonground is begun by individually testing each point within the point cloud using the statistical mean height. In this operation, various window sizes are specified, and the mean is obtained at each size. The points that are above the mean are saved and divided by the number of windows to obtain the proportion. Points are considered non-ground if their proportion is higher than the assigned threshold, and otherwise ground. An algorithm for classifying the obtained nonground point cloud into buildings and trees is also illustrated in this article. First the nonground points are labeled, then each label is tested individually. The process begins with segmenting each label. Then comes testing of whether each segment of points can be fitted within a specific plane. The label of the point cloud is considered a building if the number of segments considered as planes is larger than those considered as nonplanes; otherwise it is classified as a tree. Numéro de notice : A2021-055 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.1.33 Date de publication en ligne : 01/01/2021 En ligne : https://doi.org/10.14358/PERS.87.1.33 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96760
in Photogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 1 (January 2021) . - pp 33 - 42[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2021011 SL Revue Centre de documentation Revues en salle Disponible Calcul de la largeur à pleins bords de grands cours d’eau à partir de MNT LiDAR / Nicolas Fermen (2021)
Titre : Calcul de la largeur à pleins bords de grands cours d’eau à partir de MNT LiDAR Type de document : Mémoire Auteurs : Nicolas Fermen, Auteur Editeur : Le Mans : Ecole Supérieure des Géomètres et Topographes ESGT Année de publication : 2021 Importance : 75 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire présenté en vue d'obtenir le diplôme d'ingénieur ESGT, spécialité Géomètre et TopographeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] cartographie automatique
[Termes IGN] Cher (rivière)
[Termes IGN] cours d'eau
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] hydrologie
[Termes IGN] lit majeur
[Termes IGN] modèle numérique de terrain
[Termes IGN] semis de pointsIndex. décimale : ESGT Mémoires d'ingénieurs de l'ESGT Résumé : (auteur) À partir de la première moitié du XIXe siècle, les activités humaines en milieu aquatique (canalisation, barrage, extractions de granulats) n’ont cessé de s’intensifier, engendrant les pressions anthropiques aujourd’hui bien connues. L’étude hydromorphologique du lit des cours d’eau, à travers la géométrie à plein bord (niveau, largeur), permet d’analyser leur réponse érosive et leur adaptation aux divers facteurs perturbant leur dynamique. Il s’agit d’indicateurs essentiels à la compréhension de l’équilibre écologique d’un milieu afin d’assurer le bon état de celui-ci au sens de la Directive Cadre sur l’eau. L’utilisation d’un MNT LiDAR pour l’identification automatique des paramètres à plein bords a permis d’obtenir une cartographie continue des largeurs sur l’ensemble d’une plaine alluviale de grand cours d’eau français. Une approche par profondeur hydraulique reprenant les principes décrits par Faux et al (2009) et De Rosa et al (2019) a été mise en place. L’introduction de nouveaux critères de sélection du niveau à plein bords semble permettre d’appliquer cette méthodologie de manière efficace sur des sites à morphologie complexe. Note de contenu : Introduction
1- Contexte scientifique et sites d’études
2- Méthodes
3- Résultats, discussion et perspectives
ConclusionNuméro de notice : 15287 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire ingénieur ESGT Organisme de stage : Laboratoire Géomatique et Foncier En ligne : https://dumas.ccsd.cnrs.fr/dumas-03545779/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101471 Convex hull: another perspective about model predictions and map derivatives from remote sensing data / Jean-Pierre Renaud (2021)
Titre : Convex hull: another perspective about model predictions and map derivatives from remote sensing data Type de document : Article/Communication Auteurs : Jean-Pierre Renaud , Auteur ; Ankit Sagar , Auteur ; Pierre Barbillon, Auteur ; Olivier Bouriaud , Auteur ; Christine Deleuze, Auteur ; Cédric Vega , Auteur Editeur : Vienne [Autriche] : Technische Universität Wien Année de publication : 2021 Collection : Geowissenschaftliche Mitteilungen, ISSN 1811-8380 num. 104 Projets : ARBRE / AgroParisTech (2007 -) Conférence : SilviLaser 2021, 17th conference on Lidar Applications for Assessing and Managing Forest Ecosystems 28/09/2021 30/09/2021 Vienne + online Autriche open access proceedings Projets : DEEPSURF / Pironon, Jacques Importance : pp 71 - 73 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] attribut non spatial
[Termes IGN] convexité
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] échantillonnage
[Termes IGN] erreur systématique
[Termes IGN] modèle de simulation
[Termes IGN] modèle linéaireMots-clés libres : enveloppe convexe Résumé : (auteur) [introduction] In forest inventories as well as in the process of building models, obtaining an efficient sample is a central goal to reach precise estimates of forest attributes (Hawbaker et al. 2009, Frazer et al. 2011, Grafström et al. 2014, Saarela et al. 2015, Bouvier et al. 2019). In a model-based approach, a plots sample must cover adequately the variability of the considered forest attributes in order to minimise prediction error. Different strategies have been proposed to efficiently distribute the field sampling units in the auxiliary space of the remote sensing data (e.g. Hawbaker et al. 2009, Grafström et al. 2014). Some authors have proposed to stratify Airborne Laser Scanning data (ALS) to optimize sampling (Hawbaker et al. 2009, Frazer et al. 2011), and Maltamo et al. (2011) compared different field plot selection strategies in order to optimise models precision. Interestingly, White et al. (2013) applied convex hull approach to show uncovered forest structures by the field calibration sampling units, since large prediction errors could be associated with model extrapolations, resulting in potentially biased map derivatives. In this research, we use convex hull to identify the proportion of extrapolated pixels, computed their distance to the calibration domain and estimated bias associated to the linear model predictions on an ALS case study. Numéro de notice : C2021-030 Affiliation des auteurs : LIF+Ext (2020- ) Thématique : FORET/IMAGERIE/MATHEMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.34726/wim.1919 Date de publication en ligne : 01/12/2021 En ligne : https://doi.org/10.34726/wim.1919 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98997 Correction radiométrique et recalage de nuages de points pour la reconstruction tridimensionnelle d'oeuvres du patrimoine culturel / Nathan Sanchiz (2021)
Titre : Correction radiométrique et recalage de nuages de points pour la reconstruction tridimensionnelle d'oeuvres du patrimoine culturel Type de document : Thèse/HDR Auteurs : Nathan Sanchiz, Auteur ; El-Mustapha Mouaddib, Directeur de thèse Editeur : Amiens [France] : Université de Picardie Jules Verne Année de publication : 2021 Importance : 123 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse en vue d'obtenir le grade de Docteur de l'Université de Picardie Jules Verne, Mention Sciences pour l'ingénieur, Spécialité RobotiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] Amiens
[Termes IGN] artefact
[Termes IGN] cathédrale
[Termes IGN] correction radiométrique
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] état de l'art
[Termes IGN] intensité lumineuse
[Termes IGN] patrimoine culturel
[Termes IGN] recalage d'image
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] semis de points
[Termes IGN] traitement de semis de pointsIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Pour la numérisation d'oeuvres du patrimoine à moyenne et grande échelle, un scanner LiDAR (Light Detection And Ranging) est généralement utilisé. Celui-ci crée une carte de distances (un nuage de points 3D) sur une sphère autour de la position de mesure. De nombreuses mesures sont faites dans la zone autour de l'objet à numériser pour capturer la scène sous différents points de vue d'acquisition. La principale difficulté de la reconstruction d'un modèle tri-dimensionnel à partir des nuages de points acquis, est l'étape dite de recalage. Celle-ci consiste à identifier les transformations géométriques permettant le regroupement des nuages dans un même repère. Pour ce faire, il est nécessaire d'identifier des correspondances entre les zones communes des nuages. Etape difficile qui concentre les efforts de la communauté de recherche. Nous abordons ce problème en utilisant une information secondairement acquise par le LiDAR, l'intensité, comme élement discriminant. Cette information est, par sa nature, insensible aux illuminations externes et liée à la réflectance des matériaux scannés. Cependant, l'intensité est peu utilisable en pratique. Sa dépendance aux paramètres géométriques de mesure et aux traitements internes de l'appareil, la rend fortement liée au point de vue de la mesure. Dans ce travail de recherche, nous proposons différentes méthodes de correction et de calibration radiométriques qui permettent, sous certaines conditions, de rendre l'intensité indépendante du point de vue et de la convertir sur une échelle linéaire. Dans un deuxième temps, nous étudions l'utilisation de cette information dans un processus de recalage. Les résultats montrent que l'intensité corrigée ou calibrée améliore l'identification de correspondances d'un nuage à l'autre. Note de contenu : 1. Introduction
1.1 Avant-propos
1.2 Contexte
1.3 Matériel et données
1.4 Campagnes de numérisation
1.5 Structure du document
2. Étude de l'intensité issue du LiDAR
2.1 Introduction
2.2 Les phénomènes en jeu
2.3 Bases théoriques
2.4 Conclusion
3. Correction radiométrique
3.1 État de l'art et approches proposées
3.2 Résultats expérimentaux
3.3 Linéarisation de l'intensité corrigée
3.4 Conclusion
4. Recalage de nuages de points basé intensité
4.1 Introduction
4.2 Vue d'ensemble
4.3 Recalage basé intensité
4.4 Résultats expérimentaux
4.5 Conclusion
5. Conclusions et perspectives
5.1 Récapitulatif
5.2 Contributions
5.3 Discussion & perspectives de rechercheNuméro de notice : 26561 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences pour l'ingénieur, Robotique : Picardie : 2021 Organisme de stage : Agence Nationale de la Recherche ANR nature-HAL : Thèse DOI : sans Date de publication en ligne : 31/07/2021 En ligne : https://hal.science/tel-03307700v2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98250 Détection d’ouvertures par segmentation sémantique de nuages de points 3D : apport de l’apprentissage profond / Camille Lhenry (2021)PermalinkDétection/reconnaissance d'objets urbains à partir de données 3D multicapteurs prises au niveau du sol, en continu / Younes Zegaoui (2021)PermalinkDétection et reconstruction 3D d’arbres urbains par segmentation de nuages de points : apport de l’apprentissage profond / Victor Alteirac (2021)PermalinkPermalinkExtraction of street pole-like objects based on plane filtering from mobile LiDAR data / Jingming Tu in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)PermalinkGeoreferencing with self-calibration for airborne full-waveform Lidar data using digital elevation model / Qinghua Li in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 1 (January 2021)PermalinkImproving GEDI footprint geolocation using a high resolution digital terrain model / Anouk Schleich (2021)PermalinkPermalinkPermalinkQualification des données LiDAR GEDI pour le suivi de l’impact climatique sur la forêt de Südharz / Iris Jeuffrard (2021)Permalink