Descripteur
Documents disponibles dans cette catégorie (4931)
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
Contributions of multi-temporal airborne LiDAR data to mapping carbon stocks and fluxes in tropical forests / Claudia Milena Huertas Garcia (2022)
Titre : Contributions of multi-temporal airborne LiDAR data to mapping carbon stocks and fluxes in tropical forests Type de document : Thèse/HDR Auteurs : Claudia Milena Huertas Garcia, Auteur ; Grégoire Vincent, Directeur de thèse ; Raphaël Pélissier, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2022 Importance : 155 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée pour l'obtention du Doctorat de l'Université de Montpellier, Spécialité Ecologie et BiodiversitéLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] allométrie
[Termes IGN] biomasse forestière
[Termes IGN] capteur aérien
[Termes IGN] cartographie écologique
[Termes IGN] données de terrain
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données multitemporelles
[Termes IGN] dynamique de la végétation
[Termes IGN] forêt tropicale
[Termes IGN] Guyane française
[Termes IGN] modèle numérique de surface de la canopée
[Termes IGN] productivité biologique
[Termes IGN] puits de carboneIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Le changement climatique actuel affecte le fonctionnement des forêts tropicales de nombreuses façons et pourrait mettre en péril leur rôle de puits de carbone mondial. La documentation précise des flux de carbone forestier à une échelle significative est donc un défi urgent. Le LIDAR aéroporté, qui peut fournir une description fine de la structure et de la dynamique de la canopée, a un grand potentiel à cet égard. Cette thèse explore les capacités et les limites du LiDAR multitemporel aéroporté (ALS) pour cartographier les modèles de flux de carbone (mortalité et productivité) dans l'espace et le temps afin de réduire l'incertitude des modèles globaux de stocks et de flux de carbone dans les forêts tropicales. Nous nous sommes appuyés sur la combinaison de survols ALS répétés sur une période de 10 ans d'une part et d'un large réseau de parcelles totalisant plus de 1,2 km2 d'inventaires de terrain réalisés à la Station Permanente de Recherche de Paracou (Guyane française) d'autre part. Trois chapitres principaux sont présentés sous forme d'articles scientifiques. Le premier chapitre (Q1. Modélisation de l'efflux - Mortalité) traite de la possibilité de développer des estimations fiables de la perte de biomasse, de surface terrière et de nombre de tiges (efflux) à partir des changements observés de la hauteur de la canopée lors de survols répétés de la SLA et évalue en outre si ces modèles de perte sont liés à la hauteur de la canopée locale et à la topographie locale. Le deuxième chapitre (Q2. Allométrie et stock de carbone) quantifie la réduction de l'erreur obtenue dans les estimations de l'AGB au niveau de la parcelle en utilisant des allométries Hauteur-Diamètre ajustées localement. Ces allométries sont établies en fusionnant les inventaires de terrain et les modèles de hauteur de canopée dérivés de l'ALS et en incorporant la hauteur de canopée locale et l'identité des espèces comme prédicteurs. Le troisième chapitre (Q3. Modélisation de l'afflux - Productivité) examine si le gain de hauteur de canopée dérivé de l'ALS répété peut être utilisé pour cartographier la productivité primaire nette ligneuse aérienne (AWNPP) sur un site présentant différentes caractéristiques de structure et de dynamique dans des parcelles non perturbées et perturbées comme Paracou. Un dernier chapitre synthétise les principales conclusions des trois premiers articles, et développe une réflexion critique sur les travaux menés pendant ces trois années et demie. Note de contenu : Introduction
- General introduction
- Materials and methods: Site and LiDAR data characteristics
1. Mapping tree mortality rate in a tropical moist forest using multi-temporal LiDAR
1.1 Introduction
1.2 Methodology
1.3 Results
1.4 Discussion
1.5 Conclusions
2. Reducing bias and uncertainty in plot-level AGB by combining ground inventories and ALS
2.1 Introduction
2.2 Methodology & Materials
2.3 Height modeling
2.4 Results
2.5 Discussion
2.6 Conclusions
3. Can multitemporal airborne LiDAR data predict primary productivity in dense tropical forests?
3.1 Introduction
3.2 Materials and Methods
3.3 Results
3.4 Discussion
3.5. Conclusions
- Synthesis and perspectivesNuméro de notice : 26939 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Ecologie et Biodiversité : Montpellier : 2022 Organisme de stage : Institut de Recherche pour le Développement nature-HAL : Thèse DOI : sans Date de publication en ligne : 17/11/2022 En ligne : https://hal.inrae.fr/tel-03850769/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102079 Deep learning based 2D and 3D object detection and tracking on monocular video in the context of autonomous vehicles / Zhujun Xu (2022)
Titre : Deep learning based 2D and 3D object detection and tracking on monocular video in the context of autonomous vehicles Type de document : Thèse/HDR Auteurs : Zhujun Xu, Auteur ; Eric Chaumette, Directeur de thèse ; Damien Vivet, Directeur de thèse Editeur : Toulouse : Université de Toulouse Année de publication : 2022 Importance : 136 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, spécialité Informatique et TélécommunicationsLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] apprentissage semi-dirigé
[Termes IGN] architecture de réseau
[Termes IGN] détection d'objet
[Termes IGN] échantillonnage de données
[Termes IGN] objet 3D
[Termes IGN] segmentation d'image
[Termes IGN] véhicule automobile
[Termes IGN] vidéo
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The objective of this thesis is to develop deep learning based 2D and 3D object detection and tracking methods on monocular video and apply them to the context of autonomous vehicles. Actually, when directly using still image detectors to process a video stream, the accuracy suffers from sampled image quality problems. Moreover, generating 3D annotations is time-consuming and expensive due to the data fusion and large numbers of frames. We therefore take advantage of the temporal information in videos such as the object consistency, to improve the performance. The methods should not introduce too much extra computational burden, since the autonomous vehicle demands a real-time performance.Multiple methods can be involved in different steps, for example, data preparation, network architecture and post-processing. First, we propose a post-processing method called heatmap propagation based on a one-stage detector CenterNet for video object detection. Our method propagates the previous reliable long-term detection in the form of heatmap to the upcoming frame. Then, to distinguish different objects of the same class, we propose a frame-to-frame network architecture for video instance segmentation by using the instance sequence queries. The tracking of instances is achieved without extra post-processing for data association. Finally, we propose a semi-supervised learning method to generate 3D annotations for 2D video object tracking dataset. This helps to enrich the training process for 3D object detection. Each of the three methods can be individually applied to leverage image detectors to video applications. We also propose two complete network structures to solve 2D and 3D object detection and tracking on monocular video. Note de contenu : 1- Introduction
2- Video object detection avec la heatmap propagation (propagation de carte de chaleur)
3- Video instance segmentation with instance sequence queries
4- Semi-supervised learning of monocular 3D object detection with 2D video tracking annotations
5- Conclusions and perspectivesNuméro de notice : 24072 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique et Télécommunications : Toulouse : 2022 DOI : sans En ligne : https://www.theses.fr/2022ESAE0019 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102136
Titre : Deep learning based vehicle detection in aerial imagery Type de document : Monographie Auteurs : Lars Wilko Sommer, Éditeur scientifique Editeur : Karlsruhe [Allemagne] : KIT Scientific Publishing Année de publication : 2022 Importance : 276 p. Format : 15 x 21 cm ISBN/ISSN/EAN : 978-3-7315-1113-7 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] ancre
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection d'objet
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] filtre
[Termes IGN] image aérienne
[Termes IGN] véhiculeRésumé : (éditeur) This book proposes a novel deep learning based detection method, focusing on vehicle detection in aerial imagery recorded in top view. The base detection framework is extended by two novel components to improve the detection accuracy by enhancing the contextual and semantical content of the employed feature representation. To reduce the inference time, a lightweight CNN architecture is proposed as base architecture and a novel module that restricts the search area is introduced. Note de contenu : 1- Introduction
2- Related work
3- Concept
4- Experimental setup
5- Base framework
6- Integration of contextual knowledge
7- Runtime optimization
8- Evaluation
9- Conclusions and outlookNuméro de notice : 28685 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.5445/KSP/1000135415 En ligne : https://doi.org/10.5445/KSP/1000135415 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100015
Titre : Deep learning for radar data exploitation of autonomous vehicle Type de document : Thèse/HDR Auteurs : Arthur Ouaknine, Auteur ; Florence Tupin, Directeur de thèse ; Patrick Pérez, Directeur de thèse ; Alasdair Newson, Directeur de thèse Editeur : Paris : Institut Polytechnique de Paris Année de publication : 2022 Importance : 195 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l’Institut Polytechnique de Paris, Spécialité Signal, Images, Automatique et robotiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données radar
[Termes IGN] fusion de données multisource
[Termes IGN] réseau neuronal convolutif
[Termes IGN] scène urbaine
[Termes IGN] segmentation sémantique
[Termes IGN] semis de points
[Termes IGN] véhicule sans piloteIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La conduite autonome exige une compréhension détaillée de scènes de conduite complexes. La redondance et la complémentarité des capteurs du véhicule permettent une compréhension précise et robuste de l'environnement, augmentant ainsi le niveau de performance et de sécurité. Cette thèse se concentre sur le RADAR automobile, qui est un capteur actif à faible coût mesurant les propriétés des objets environnants, y compris leur vitesse relative, et qui a l'avantage de ne pas être affecté par des conditions météorologiques défavorables.Avec les progrès rapides de l'apprentissage profond et la disponibilité d'ensembles de données publiques sur la conduite, la capacité de perception des systèmes de conduite basés sur la vision (par exemple, la détection d'objets ou la prédiction de trajectoire) s'est considérablement améliorée. Le capteur RADAR est rarement utilisé pour la compréhension de scène en raison de sa faible résolution angulaire, de la taille, du bruit et de la complexité des données brutes RADAR ainsi que du manque d'ensembles de données disponibles. Cette thèse propose une étude approfondie de la compréhension de scènes RADAR, de la construction d'un jeu de données annotées à la conception d'architectures d'apprentissage profond adaptées.Tout d'abord, cette thèse détaille des approches permettant de remédier au manque de données. Une simulation simple ainsi que des méthodes génératives pour créer des données annotées seront présentées. Elle décrit également le jeu de données CARRADA, composé de données synchronisées de caméra et de RADAR avec une méthode semi-automatique générant des annotations sur les représentations RADAR.%Aujourd'hui, le jeu de données CARRADA est le seul jeu de données fournissant des données RADAR brutes annotées pour des tâches de détection d'objets et de segmentation sémantique.Cette thèse présente ensuite un ensemble d'architectures d'apprentissage profond avec leurs fonctions de perte associées pour la segmentation sémantique RADAR.Elle décrit également une méthode permettant d'ouvrir la recherche sur la fusion des capteurs LiDAR et RADAR pour la compréhension de scènes.Enfin, cette thèse expose une contribution collaborative, le jeu de données RADIal avec RADAR haute définition (HD), LiDAR et caméra synchronisés. Une architecture d'apprentissage profond est également proposée pour estimer le pipeline de traitement du signal RADAR tout en effectuant simultanément un apprentissage multitâche pour la détection d'objets et la segmentation de l'espace libre de conduite. Note de contenu : 1. Introduction
1.1 Context
1.2 Motivations
1.3 Contributions and outlines
2. Background
2.1 RADAR theory
2.2 Recordings and signal processing
2.3 Artificial neural networks
2.4 Convolutional neural network
2.5 Recurrent neural network
2.6 Deep learning
3. Related work
3.1 Diverse applications
3.2 Automotive RADAR datasets
3.3 RADAR object detection
3.4 RADAR semantic segmentation
3.5 Sensor fusion
3.6 Conclusions
4. Proposed automotive RADAR datasets
4.1 RADAR simulation
4.2 RADAR data generation
4.3 CARRADA dataset
4.4 Conclusions
5. RADAR scene understanding
5.1 Multi-view RADAR semantic segmentation
5.2 Sensor fusion
5.3 Conclusions
6. High-definition RADAR
6.1 Motivations
6.2 RADIal dataset
6.3 Proposed method
6.4 Experiments and Results
6.5 Conclusions and discussions
7 Conclusion 125
7.1 Contributions
7.2 Future workNuméro de notice : 26803 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : Signal, Images, Automatique et robotique : Palaiseau : 2022 Organisme de stage : Télécom Paris nature-HAL : Thèse DOI : sans Date de publication en ligne : 11/03/2022 En ligne : https://tel.hal.science/tel-03606384 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100125 Developing the potential of airborne lidar systems for the sustainable management of forests / Karun Dayal (2022)
Titre : Developing the potential of airborne lidar systems for the sustainable management of forests : accounting for and managing the impacts of lidar scan angle on ABA model predictions of forest attributes Type de document : Thèse/HDR Auteurs : Karun Dayal, Auteur ; Sylvie Durrieu, Directeur de thèse ; Marc Bouvier, Directeur de thèse Editeur : Paris, Nancy, ... : AgroParisTech (2007 -) Année de publication : 2022 Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l’Institut national des sciences et industries du vivant et de l'environnement - AgroParisTech, Spécialité GéomatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s)
[Termes IGN] analyse comparative
[Termes IGN] angle de visée
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] forêt alpestre
[Termes IGN] forêt ripicole
[Termes IGN] gestion durable
[Termes IGN] inventaire forestier national (données France)
[Termes IGN] jeu de données localisées
[Termes IGN] ligne de visée
[Termes IGN] modèle numérique de surface de la canopée
[Termes IGN] peuplement forestier
[Termes IGN] précision géométrique (imagerie)
[Termes IGN] prédiction
[Termes IGN] réseau neuronal artificiel
[Termes IGN] télémètre laser à balayage
[Termes IGN] télémètre laser aéroportéIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) L’information mesurée par Lidar aéroporté dépend de la végétation observée et de la géométrie de l'acquisition lidar, elle-même fonction des paramètres d'acquisition et des propriétés du terrain. Cette thèse vise à comprendre la relation entre la géométrie d'acquisition du lidar et les prédictions d'attributs forestiers en se focalisant sur l'évaluation et la gestion des impacts de l'angle de balayage du lidar sur les métriques lidar et les modèles construits à l’échelle du peuplement (i.e. approches surfaciques ou ABA). Quatre types de forêts différents ont été étudiés, dont trois types de forêts (feuillus, conifères et mixtes) en terrain montagneux et un type de forêt (ripisylve) en terrain relativement plat . La thèse est divisée en trois parties. La première partie évalue l'effet de l'angle de balayage du lidar sur les mesures lidar couramment utilisées dans les prédictions de type ABA. On a ainsi montré que les différentes métriques lidar ne sont pas impactées de la même façon par des changements d'angle de balayage. La deuxième partie de l'étude s’intéresse aux conséquences sur la qualité des modèles de l’introduction dans ces modèles de métriques lidar présentant des sensibilités différentes à l'angle de balayage. Un modèle basé sur un jeu de métriques Lidar prédéfinies, plus ou moins sensibles aux angles de balayage, est utilisé.Les jeux de données lidar existants sont ré-échantillonnés selon les lignes de vol pour 1) simuler des acquisitions lidar avec différentes configurations de balayage, 2) construire des modèles pour une série de configurations de balayage différentes, et 3) comparer la qualité des estimations qui résultent de chaque configuration d’acquisition. Ces comparaisons montrent que l’introduction de métriques sensibles à l’angle de balayage diminue la robustesse des modèles. De plus, la variation de la précision des modèles ABA s’est révélée être plus élevée pour les jeux de données composés de nuages de points acquis depuis une seule ligne de vol que pour ceux composés de nuages de points obtenus en combinant les mesures de plusieurs lignes de vol.Nous avons aussi tenté de normaliser les métriques lidar en utilisant des méthodes de voxellisation pour limiter les impacts des changements d’angles de balayage. Les métriques issues des données voxellisées contribuent à augmenter la précision des prédictions ou à augmenter leur justesse, ou, dans certains cas, les deux en même temps. Dans la dernière partie de l'étude, les propriétés du terrain (topographie) et les paramètres d'acquisition sont explicitement pris en compte dans les modèles. Comme les interactions entre les paramètres d'acquisition lidar, le terrain et les propriétés de la végétation peuvent être complexes, un réseau de neurone (perceptron multicouche) est utilisé pour modéliser les relations entre les attributs forestiers et les métriques lidar en tenant compte de ces interactions entre métriques lidar et géométrie d'acquisition. Cela a permis d'améliorer significativement les prédictions ABA. Note de contenu : Chapter 1: Introduction
1.1 Sustainable Forest Management
1.2 The role of remote sensing in enhancing forest inventory
1.3 Enhanced forest inventory with lidar
1.4 Understanding the role of lidar scan angle in forestry applications
1.5 Research questions and objectives
1.6 Overview of the thesis
Chapter 2: Scan angle impact on lidar-derived metrics used in ABA models for prediction of forest
stand characteristics: a grid based analysis
2.1 Introduction
2.2 Materials
2.3 Methods
2.4 Results
2.5 Discussion
2.6 Conclusions
2.7 Acknowledgement
Chapter 3: An investigation into lidar scan angle impacts on stand attribute predictions in different
forest environments
3.1 Introduction
3.2 Materials and methods
3.3 Results
3.5 Conclusion
3.6 Acknowledgements
Chapter 4: Improving ABA models for forest attribute prediction using neural networks by considering effects of terrain and scan angles on 3D lidar point clouds
4.1 Introduction
4.2 Materials and methods
4.3 Results
4.4 Discussion
4.5 Conclusion
Chapter 5: Conclusion
5.1 Synthesis of the thesis
5.2 Limitations and PerspectivesNuméro de notice : 26957 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géomatique : Université Paris-Saclay : 2022 Organisme de stage : UMR TETIS - Territoires, Environnement, Télédétection et Information Spatiale nature-HAL : Thèse DOI : sans Date de publication en ligne : 24/01/2023 En ligne : https://hal.science/tel-03954492 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102527 PermalinkFusion de données hyperspectrales et panchromatiques dans le domaine réflectif / Yohann Constans (2022)PermalinkGenerating GPS decoupled clock products for precise point positioning with ambiguity resolution / Shuai Liu in Journal of geodesy, vol 96 n° 1 (January 2022)PermalinkGlobal canopy height regression and uncertainty estimation from GEDI LIDAR waveforms with deep ensembles / Nico Lang in Remote sensing of environment, vol 268 (January 2022)PermalinkHigh-resolution canopy height map in the Landes forest (France) based on GEDI, Sentinel-1, and Sentinel-2 data with a deep learning approach / Martin Schwartz (2022)PermalinkHistograms of oriented mosaic gradients for snapshot spectral image description / Lulu Chen in ISPRS Journal of photogrammetry and remote sensing, vol 183 (January 2022)PermalinkLarge-scale dimensional metrology for geodesy: First results from the European GeoMetre project / Florian Pollinger (2022)PermalinkMulti-frequency quadrifilar helix antennas for cm-accurate GNSS positioning / Lambert Wanninger in Journal of applied geodesy, vol 16 n° 1 (January 2022)PermalinkA multipath and thermal noise joint error characterization and exploitation for low-cost GNSS PVT estimators in urban environment / Eustachio Roberto Matera (2022)PermalinkNon-linear GNSS signal processing applied to land observation with high-rate airborne reflectometry / Hamza Issa (2022)PermalinkA novel unmixing-based hypersharpening method via convolutional neural network / Xiaochen Lu in IEEE Transactions on geoscience and remote sensing, vol 60 n° 1 (January 2022)PermalinkOn-orbit BDS signals and transmit antenna gain analysis for a geostationary satellite / Meng Wang in Advances in space research, vol 69 n° 7 (April 2022)PermalinkPredicting AIS reception using tropospheric propagation forecast and machine learning / Zackary Vanche (2022)PermalinkRecursive Gauss-Helmert model with equality constraints applied to the efficient system calibration of a 3D laser scanner / Sören Vogel in Journal of applied geodesy, vol 16 n° 1 (January 2022)PermalinkPermalinkRobust approach for urban road surface extraction using mobile laser scanning 3D point clouds / Abdul Nurunnabi (2022)PermalinkPermalinkShipborne GNSS acquisition of sea surface heights in the Baltic Sea / Aive Lilibusk in Journal of geodetic science, vol 12 n° 1 (January 2022)PermalinkSimulation of dispersion effects by considering interactions of pedestrians and bicyclists using an agent space model / Mingwei Liu in Computers, Environment and Urban Systems, vol 91 (January 2022)PermalinkSpécification et qualité du réseau cyclable, application à la recherche d’itinéraires / Raphaël Bres (2022)PermalinkPermalinkTowards urban flood susceptibility mapping using data-driven models in Berlin, Germany / Omar Seleem in Geomatics, Natural Hazards and Risk, vol 13 (2022)PermalinkPermalinkPermalinkApplication of a hand-held LiDAR scanner for the urban cadastral detail survey in digitized cadastral area of Taiwan urban city / Shih-Hong Chio in Remote sensing, vol 13 n° 24 (December-2 2021)PermalinkAtelier LiDAR mobile & aéroporté / Pierre Assali in XYZ, n° 169 (décembre 2021)PermalinkBaseline-dependent clock offsets in VLBI data analysis / Hana Krásná in Journal of geodesy, vol 95 n° 12 (December 2021)PermalinkEstimation of individual tree stem biomass in an uneven-aged structured coniferous forest using multispectral LiDAR data / Nikos Georgopoulos in Remote sensing, vol 13 n° 23 (December-1 2021)PermalinkÉvaluer un récepteur GNSS RTK pour la topographie / Florian Birot in XYZ, n° 169 (décembre 2021)PermalinkLe Mont-Blanc mesuré au LiDAR héliporté / Mathieu Peyréga in XYZ, n° 169 (décembre 2021)PermalinkReal-time web map construction based on multiple cameras and GIS / Xingguo Zhang in ISPRS International journal of geo-information, vol 10 n° 12 (December 2021)PermalinkSemi-automatic reconstruction of object lines using a smartphone’s dual camera / Mohammed Aldelgawy in Photogrammetric record, Vol 36 n° 176 (December 2021)PermalinkUtility-pole detection based on interwoven column generation from terrestrial mobile Laser scanner data / Siamak Talebi Nahr in Photogrammetric record, Vol 36 n° 176 (December 2021)PermalinkLa campagne Caddiwa dans la région des îles du Cap-Vert / Cyrille Flamant in La Météorologie, n° 115 (2021)PermalinkA CNN-based approach for the estimation of canopy heights and wood volume from GEDI waveforms / Ibrahim Fayad in Remote sensing of environment, vol 265 (November 2021)PermalinkDiffuse attenuation coefficient (Kd) from ICESat-2 ATLAS spaceborne Lidar using random-forest regression / Forrest Corcoran in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 11 (November 2021)PermalinkFootprint size design of large-footprint full-waveform LiDAR for forest and topography applications: A theoretical study / Xuebo Yang in IEEE Transactions on geoscience and remote sensing, vol 59 n° 11 (November 2021)PermalinkIonospheric tomographic common clock model of undifferenced uncombined GNSS measurements / German Olivares-Pulido in Journal of geodesy, vol 95 n° 11 (November 2021)PermalinkMobile mapping et PCRS / Clément Benoît in Géomatique expert, n° 136 (novembre - décembre 2021)PermalinkA parameterization of the cloud scattering polarization signal derived from GPM observations for microwave fast radative transfer models / Victoria Sol Galligani in IEEE Transactions on geoscience and remote sensing, vol 59 n° 11 (November 2021)PermalinkPose estimation and 3D reconstruction of vehicles from stereo-images using a subcategory-aware shape prior / Maximilian Alexander Coenen in ISPRS Journal of photogrammetry and remote sensing, Vol 181 (November 2021)PermalinkEffect of using different satellite ephemerides on GPS PPP and post processing techniques / Khaled Mahmoud Abdel Aziz in Geodesy and cartography, vol 47 n° 3 (October 2021)PermalinkField scale wheat LAI retrieval from multispectral Sentinel 2A-MSI and LandSat 8-OLI imagery: effect of atmospheric correction, image resolutions and inversion techniques / Rajkumar Dhakar in Geocarto international, vol 36 n° 18 ([01/10/2021])PermalinkIntegrating spatio-temporal-spectral information for downscaling Sentinel-3 OLCI images / Yijie Tang in ISPRS Journal of photogrammetry and remote sensing, vol 180 (October 2021)PermalinkLeast squares adjustment with a rank-deficient weight matrix and Its applicability to image/Lidar data processing / Radhika Ravi in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 10 (October 2021)Permalink