Centre dedocumentation
scientifique

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 descripteurs IGN] Agisoft Photoscan [Termes descripteurs IGN] contrôle qualité [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] lasergrammétrie [Termes descripteurs IGN] modélisation 3D [Termes descripteurs IGN] monument historique [Termes descripteurs IGN] patrimoine immobilier [Termes descripteurs IGN] segmentation [Termes descripteurs 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 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	En circulation Exclu du prêt

Semi-automated framework for generating cycling lane centerlines on roads with roadside barriers from noisy MLS data / Yang Ma in ISPRS Journal of photogrammetry and remote sensing, vol 167 (September 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 167 (September 2020) . - pp 396 - 417 Titre : Semi-automated framework for generating cycling lane centerlines on roads with roadside barriers from noisy MLS data Type de document : Article/Communication Auteurs : Yang Ma, Auteur ; Yubing Zheng, Auteur ; Said Easa, Auteur ; Jianchuan Cheng, Auteur Année de publication : 2020 Article en page(s) : pp 396 - 417 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] bicyclette [Termes descripteurs IGN] classification par nuées dynamiques [Termes descripteurs IGN] classification semi-dirigée [Termes descripteurs IGN] numérisation automatique [Termes descripteurs IGN] rastérisation [Termes descripteurs IGN] sécurité routière [Termes descripteurs IGN] segmentation [Termes descripteurs IGN] télémétrie laser mobile [Termes descripteurs IGN] tracé routier Résumé : (auteur) Cycling lane centerlines (CLC) play an important role in the evaluation of safety-related conditions and guiding systems for cyclists along road corridors. The unavailability of design files or undocumented changes in the road infrastructures after improvements has created great difficulty in delineating CLC on existing roads. In this study, mobile laser scanning (MLS) data are introduced into this domain and a four-step semi-automated framework is proposed for generating CLC on roads with roadside barriers (RB). First, MLS data are restructured into the aligned scan-pattern grid using the mapping trajectory data. Second, a rasterization-based clustering approach is applied to segment the off-ground objects from the reorganized MLS data. Third, the RB amongst the segmented objects are identified using a sequential application of the k-Means clustering method and the proposed unidirectional growing method. Finally, the moving average technique and natural cubic spline are applied to generate CLC from the critical positions alongside the identified RB. Testing on three road sections with different types of RB demonstrated that the developed framework can successfully generate CLC from MLS data in the presence of considerable noises. The results also show that the proposed procedure shows better accuracy performance on processing roads with wide RB than a road with narrow RB. Numéro de notice : A2020-550 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.07.009 date de publication en ligne : 04/08/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.07.009 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95779 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020091	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020093	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020092	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Vehicle detection of multi-source remote sensing data using active fine-tuning network / Xin Wu in ISPRS Journal of photogrammetry and remote sensing, vol 167 (September 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 167 (September 2020) . - pp 39 - 53 Titre : Vehicle detection of multi-source remote sensing data using active fine-tuning network Type de document : Article/Communication Auteurs : Xin Wu, Auteur ; Wei Li, Auteur ; Danfeng Hong, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 39 - 53 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] Allemagne [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] données multisources [Termes descripteurs IGN] étiquette [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] modèle stéréoscopique [Termes descripteurs IGN] segmentation [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] véhicule Résumé : (auteur) Vehicle detection in remote sensing images has attracted increasing interest in recent years. However, its detection ability is limited due to lack of well-annotated samples, especially in densely crowded scenes. Furthermore, since a list of remotely sensed data sources is available, efficient exploitation of useful information from multi-source data for better vehicle detection is challenging. To solve the above issues, a multi-source active fine-tuning vehicle detection (Ms-AFt) framework is proposed, which integrates transfer learning, segmentation, and active classification into a unified framework for auto-labeling and detection. The proposed Ms-AFt employs a fine-tuning network to firstly generate a vehicle training set from an unlabeled dataset. To cope with the diversity of vehicle categories, a multi-source based segmentation branch is then designed to construct additional candidate object sets. The separation of high quality vehicles is realized by a designed attentive classifications network. Finally, all three branches are combined to achieve vehicle detection. Extensive experimental results conducted on two open ISPRS benchmark datasets, namely the Vaihingen village and Potsdam city datasets, demonstrate the superiority and effectiveness of the proposed Ms-AFt for vehicle detection. In addition, the generalization ability of Ms-AFt in dense remote sensing scenes is further verified on stereo aerial imagery of a large camping site. Numéro de notice : A2020-546 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.06.016 date de publication en ligne : 13/07/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.06.016 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95772 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020091	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020093	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020092	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

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, V-2 (August 2020)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > V-2 (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 Congrès : Congrès: ISPRS 2020, virtual Congress Imaging today foreseeing tomorrow (31 aout - 2 septembre 2020; Nice, France), Commanditaire Année de publication : 2020 Projets : Biom / Vallet, Bruno Article en page(s) : pp 343 - 350 Note générale : biblographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] polygone [Termes descripteurs IGN] Ransac (algorithme) [Termes descripteurs IGN] segmentation par croissance de régions [Termes descripteurs IGN] topologie capteur [Termes descripteurs IGN] traitement de nuage de points [Termes descripteurs 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 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]

Exploring the potential of deep learning segmentation for mountain roads generalisation / Azelle Courtial in ISPRS International journal of geo-information, vol 9 n° 5 (May 2020)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 5 (May 2020) . - n° 338 ; 21 p. Titre : Exploring the potential of deep learning segmentation for mountain roads generalisation Type de document : Article/Communication Auteurs : Azelle Courtial , Auteur ; Achraf El Ayedi, Auteur ; Guillaume Touya , Auteur ; Xiang Zhang, Auteur Année de publication : 2020 Projets : 1-Pas de projet / Article en page(s) : n° 338 ; 21 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] 1:25.000 [Termes descripteurs IGN] 1:250.000 [Termes descripteurs IGN] Alpes (France) [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] données routières [Termes descripteurs IGN] données vectorielles [Termes descripteurs IGN] généralisation automatique de données [Termes descripteurs IGN] montagne [Termes descripteurs IGN] route [Termes descripteurs IGN] segmentation [Termes descripteurs IGN] symbole graphique [Termes descripteurs IGN] virage [Vedettes matières IGN] Généralisation Résumé : (auteur) Among cartographic generalisation problems, the generalisation of sinuous bends in mountain roads has always been a popular one due to its difficulty. Recent research showed the potential of deep learning techniques to overcome some remaining research problems regarding the automation of cartographic generalisation. This paper explores this potential on the popular mountain road generalisation problem, which requires smoothing the road, enlarging the bend summits, and schematising the bend series by removing some of the bends. We modelled the mountain road generalisation as a deep learning problem by generating an image from input vector road data, and tried to generate it as an output of the model a new image of the generalised roads. Similarly to previous studies on building generalisation, we used a U-Net architecture to generate the generalised image from the ungeneralised image. The deep learning model was trained and evaluated on a dataset composed of roads in the Alps extracted from IGN (the French national mapping agency) maps at 1:250,000 (output) and 1:25,000 (input) scale. The results are encouraging as the output image looks like a generalised version of the roads and the accuracy of pixel segmentation is around 65%. The model learns how to smooth the output roads, and that it needs to displace and enlarge symbols but does not always correctly achieve these operations. This article shows the ability of deep learning to understand and manage the geographic information for generalisation, but also highlights challenges to come. Numéro de notice : A2020-295 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi9050338 date de publication en ligne : 25/05/2020 En ligne : https://doi.org/10.3390/ijgi9050338 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95131 [article]

Recognizing linear building patterns in topographic data by using two new indices based on Delaunay triangulation / Xianjin He in ISPRS International journal of geo-information, vol 9 n° 4 (April 2020)  

Permalink

An improved RANSAC algorithm for extracting roof planes from airborne lidar data / Sibel Canaz Sevgen in Photogrammetric record, vol 35 n° 169 (March 2020)  

Permalink

Classifying physiographic regimes on terrain and hydrologic factors for adaptive generalization of stream networks / Lauwrence V. Stanislawski in International journal of cartography, Vol 6 n° 1 (March 2020)  

Permalink

A breakpoint detection in the mean model with heterogeneous variance on fixed time-intervals / Olivier Bock in Statistics and Computing, vol 29 n° 1 (February 2020)  

Permalink

Tree annotations in LiDAR data using point densities and convolutional neural networks / Ananya Gupta in IEEE Transactions on geoscience and remote sensing, vol 58 n° 2 (February 2020)  

Permalink

Identification of alpine glaciers in the central Himalayas using fully polarimetric L-Band SAR data / Guo-Hui Yao in IEEE Transactions on geoscience and remote sensing, vol 58 n° 1 (January 2020)  

Permalink

Measuring differential access to facilities between population groups using spatial Lorenz curves and related indices / Gordon A. Cromley in Transactions in GIS, Vol 23 n° 6 (November 2019)  

Permalink

Spatially constrained regionalization with multilayer perceptron / Michael Govorov in Transactions in GIS, Vol 23 n° 5 (October 2019)  

Permalink

A factor model approach for the joint segmentation with between‐series correlation / Xavier Collilieux in Scandinavian Journal of Statistics, vol 46 n° 3 (September 2019)  

Permalink

Structural segmentation and classification of mobile laser scanning point clouds with large variations in point density / Yuan Li in ISPRS Journal of photogrammetry and remote sensing, vol 153 (July 2019)  

Permalink