Descripteur
Documents disponibles dans cette catégorie (1401)
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
JNRR'03, quatrièmes journées nationales de recherche en robotique, 8 - 10 Octobre 2003, Clermont-Ferrand, France / Philippe Bidaud (2003)
Titre : JNRR'03, quatrièmes journées nationales de recherche en robotique, 8 - 10 Octobre 2003, Clermont-Ferrand, France Type de document : Actes de congrès Auteurs : Philippe Bidaud, Éditeur scientifique ; Philippe Martinet, Éditeur scientifique Editeur : Paris, Toulouse, ... : Centre national de la recherche scientifique CNRS Année de publication : 2003 Autre Editeur : Paris : Ministère Délégué à la Recherche et aux Nouvelles Technologies Conférence : JNRR 2003, 4es journées nationales de recherche en robotique 08/10/2003 10/10/2003 Clermont-Ferrand France Importance : 196 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-2-9520495-0-4 Langues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage automatique
[Termes IGN] architecture logicielle
[Termes IGN] complexité
[Termes IGN] navigation autonome
[Termes IGN] réalité virtuelle
[Termes IGN] robotiqueNuméro de notice : 19860 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Actes DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86026 ContientRéservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 19860-01 CG2003 Livre Centre de documentation Congrès Disponible Documents numériques
en open access
Actes JNRR 2003Adobe Acrobat PDF
Titre : Reconstruction of 3D building models from aerial images and maps Type de document : Monographie Auteurs : I. Süveg, Auteur Editeur : Delft : Netherlands Geodetic Commission NGC Année de publication : 2003 Collection : Netherlands Geodetic Commission Publications on Geodesy, ISSN 0165-1706 num. 53 Importance : 143 p. Format : 17 x 24 cm ISBN/ISSN/EAN : 978-90-6132-280-1 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes IGN] arbre de décision
[Termes IGN] base de données urbaines
[Termes IGN] bibliothèque de formes
[Termes IGN] contour
[Termes IGN] fusion de données
[Termes IGN] image aérienne
[Termes IGN] modèle 3D de l'espace urbain
[Termes IGN] modélisation 3D
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] segmentation
[Termes IGN] zone urbaineIndex. décimale : 33.30 Photogrammétrie numérique Résumé : (Auteur) The 3D reconstruction of buildings has numerous applications in areas that include urban planning, construction, environment, communication, transportation, energy and property management, tourism, and virtual tours of cities. In this thesis, the reconstruction of 3D building models from aerial images is addressed. The approach presented in this thesis integrates the aerial images analysis with information from a GIS database and domain knowledge.
The problem of automatic 3D building reconstruction has been a central research topic in computer vision and image understanding communities as well as in digital photogrammetry for many years. A variety of approaches has been suggested for the reconstruction of buildings from aerial images. Despite considerable research effort, there is no complete system that can reliably perform autonomous 3D building reconstruction in a wide variety of scene domains. This is particularly true in complex urban areas containing buildings with different shapes and roof types as well as in complicated underlying terrain. Of course, some progress has been made, but there is room for improvement. This improvement can be achieved by fusing multiple data sources and some a priori information.
In this project, largescale 2D GIS databases were used as additional information source. Combination of image data and map data turned out to improve the reliability of the reconstruction. Generic knowledge about the shape of the buildings is also incorporated in the system. Since most buildings can be described as an aggregation of simple building types, the knowledge about the problem domain can be represented in a building library containing simple building models. Therefore, a building library was defined containing the most common building primitives, such as flat roof, and different types of gable roofs.
The building reconstruction process was formulated as a multilevel hypothesis generation and verification scheme and it was implemented as a search tree. A method that can localize the buildings in images using map information has been developed. Also, a method for generating building hypotheses corresponding to the primitives defined in the building library has been developed. This implies stereo matching of image features (corners, lines) which correspond to map primitives and fitting of the building hypotheses to images.
A further contribution is the definition of a metric for evaluating the generated building hypotheses in order to select the one which best describes the image. The metric is based on the formulation of the mutual information between the building model and the images. Methods for the estimation of the mutual information from training samples were analyzed. This metric has been rigorously derived from information theory and does not require a priori information about the surface properties of the object and is robust with respect to variations of illumination. Also, no assumption about the shape of the objects are made. As result the method is quite general and may be used in a wide variety of applications.
The produced approach is able to meet most of the requirements of an automatic 3D building reconstruction system. The developed system has been used in urban and suburban areas to reconstruct buildings and showed good results. Experiments were carried out on two data sets with different characteristics. The system was able to reconstruct more than 80% of the buildings and the accuracy of the reconstruction is good enough for mapping purposes.Numéro de notice : 15043 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Monographie DOI : sans En ligne : https://ncgeo.nl/downloads/53Suveg.pdf Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=55049 Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 15043-02 33.30 Livre Centre de documentation Photogrammétrie - Lasergrammétrie Disponible 15043-01 33.30 Livre Centre de documentation Photogrammétrie - Lasergrammétrie Disponible Spatial databases integration : interpretation of multiple representations by using machine learning techniques / David Sheeren (2003)
Titre : Spatial databases integration : interpretation of multiple representations by using machine learning techniques Type de document : Article/Communication Auteurs : David Sheeren , Auteur Editeur : International Cartographic Association ICA - Association cartographique internationale ACI Année de publication : 2003 Conférence : ICC 2003, 21st International Cartographic Conference of ICA 10/08/2003 16/08/2003 Durban Afrique du sud Importance : pp 235 - 245 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage dirigé
[Termes IGN] base de données localisées
[Termes IGN] intégration de données
[Termes IGN] représentation multipleRésumé : (Auteur) Many geographical databases exist to represent a same part of the world, seen at different levels of detail and with different points of view. The use and management of these databases sometimes require that they be integrated in a single database. An important issue for integration is the ability of analyzing and understanding differences among multiple representations. These differences can be explained by various specifications and updates but can also be due to errors during data capture. In this paper, we describe an approach to detect differences in representation between two geographical datasets and we expose experiments made to acquire rules by an inductive learning process, meant to interpret in an automatic way these differences. Numéro de notice : C2003-024 Affiliation des auteurs : COGIT (1988-2011) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=65003 Documents numériques
peut être téléchargé
Spatial databases integration ... - scanAdobe Acrobat PDF Utilisation de connaissances d'experts pour l'automatisation de la caractérisation des alignemnts de bâtiments / Anne Ruas (2003)
Titre : Utilisation de connaissances d'experts pour l'automatisation de la caractérisation des alignemnts de bâtiments Type de document : Article/Communication Auteurs : Anne Ruas , Auteur ; Florence Holzapfel, Auteur Editeur : International Cartographic Association ICA - Association cartographique internationale ACI Année de publication : 2003 Conférence : ICC 2003, 21st International Cartographic Conference of ICA 10/08/2003 16/08/2003 Durban Afrique du sud Importance : 12 p. ; pp 1604 - 1615 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] AGENT
[Termes IGN] alignement
[Termes IGN] apprentissage dirigé
[Termes IGN] base de données cartographiques
[Termes IGN] base de données localisées
[Termes IGN] bati
[Termes IGN] Lamps2
[Vedettes matières IGN] GénéralisationRésumé : (Auteur) Afin d'automatiser le processus de généralisation de données géographiques, il faut que le logiciel de généralisation soit capable d'identifier les objets qui doivent être généralisés afin de choisir le bon traitement pour chaque objet. Des recherches antérieures ont déjà montré que l'identification de groupes d'objets permet au système de généraliser conjointement des objets qui partagent des propriétés ou qui, collectivement, sont porteur d'un sens géographique. Les groupes tels que les villes ou les îlots ont déjà fait l'objet d'études antérieures. Ces objets, détectés et caractérisés automatiquement, sont intégrés au logiciel de généralisation automatique AGENT. Ce papier se concentre sur le cas particulier des alignements de bâtiments. Un papier précédant a déjà présenté une méthode de détection automatique de ces structures. Celui-ci présente l'étape suivante qui est la méthode de caractérisation automatique des alignements. Cette caractérisation permet d'identifier automatiquement les alignements les plus réguliers afin de les conserver pendant le processus de changement d'échelle. L'objectif de ce travail est de calculer automatiquement une note pour chaque alignement qui traduit sa qualité perceptuelle. Si un alignement est constitué de bâtiments qui se ressemblent et dont l'agencement est régulier, alors on considère que cet alignement est important et qu'il doit être conservé. Nous verrons que le choix des mesures pour calculer chaque critère n'est pas difficile. De même, l'utilisation de l'écart type pour le calcul de la régularité est satisfaisante. Par contre, il est difficile de trouver les seuils qui dissocient pour chaque critère ce qui est régulier de ce qui ne l'est pas, et il est encore plus difficile de trouver une méthode d'agrégation satisfaisante qui permette de calculer une note globale à partir de l'ensemble des critères. Dans ce papier nous présentons un travail de recherche réalisé au laboratoire COGIT où nous proposons d'utiliser les connaissances d'experts cartographes pour construire ces fonctions. Nous présentons également le schéma de données sous jacent. Numéro de notice : C2003-023 Affiliation des auteurs : COGIT (1988-2011) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=65002 Voir aussiDocuments numériques
peut être téléchargé
Utilisation de connaissance d'experts pour l'automatisation ... - pdf auteurAdobe Acrobat PDF Le boosting : une méthode de classification non paramétrique / Michel Arnaud in Revue internationale de géomatique, vol 12 n° 4 (décembre 2002 – février 2003)
[article]
Titre : Le boosting : une méthode de classification non paramétrique Type de document : Article/Communication Auteurs : Michel Arnaud, Auteur ; Jean-Stéphane Bailly, Auteur ; G. Bourgeon, Auteur Année de publication : 2002 Article en page(s) : pp 399 - 420 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] analyse discriminante
[Termes IGN] classificateur non paramétrique
[Termes IGN] gestion des connaissances (organisation)
[Termes IGN] reconnaissance de formes
[Termes IGN] réseau neuronal artificielRésumé : (Auteur) Le boosting est une méthode de classification qui permet d'affecter un objet dans une classe définie a priori en fonction des valeurs prises par plusieurs variables. De caractère très général, cette méthode est susceptible d'être utilisée dans de nombreux domaines d'application (économie, agronomie, sociologie, géographie, pédologie, épidémiologie, télédétection ... ) et notamment dans ceux qui ont pour cadre l'espace géographique. Très puissante, cette méthode arrive à discriminer des groupes là où d'autres méthodes, comme les méthodes linéaires, échouent. En contrepartie, elle demande une grande prudence et l'examen attentif de certains critères comme l'évolution du poids des observations. Enfin, elle est très facile à intégrer dans les systèmes d'information géographiques. Numéro de notice : A2002-335 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3166/rig.12.399-420 En ligne : https://doi.org/10.3166/rig.12.399-420 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=22246
in Revue internationale de géomatique > vol 12 n° 4 (décembre 2002 – février 2003) . - pp 399 - 420[article]Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 047-02041 RAB Revue Centre de documentation En réserve L003 Disponible 047-02042 RAB Revue Centre de documentation En réserve L003 Disponible Calibration of stochastic cellular automata: the application to rural-urban land conversions / F. Wu in International journal of geographical information science IJGIS, vol 16 n° 8 (december 2002)PermalinkLe procédé de navigation spatiale Transmap (R) : application à l'imagerie territoriale / Franck Perdrizet in Bulletin [Société Française de Photogrammétrie et Télédétection], n° 168 (Octobre 2002)PermalinkL'appariement pour la constitution de bases de données géographiques multirésolutions. Vers une interprétation des différences de représentation / David Sheeren in Revue internationale de géomatique, vol 12 n° 2 (juin - août 2002)PermalinkNeural-network-based cellular automata for simulating multiple land use changes using GIS / X. Li in International journal of geographical information science IJGIS, vol 16 n° 4 (june 2002)PermalinkAutomated photogrammetric network design using genetic algorithms / G. Olague in Photogrammetric Engineering & Remote Sensing, PERS, vol 68 n° 5 (Mai 2002)PermalinkArtificial neural networks as a method of spatial interpolation for digital elevation models / D.A. Merwin in Cartography and Geographic Information Science, vol 29 n° 2 (April 2002)PermalinkDétection de changements par comparaison de couples stéréoscopiques / Franck Jung in Géomatique expert, n° 15 (01/04/2002)PermalinkL'appariement pour la constitution de bases de données géographiques multi-résolutions / David Sheeren (2002)PermalinkECAI 2002, 15th European Conference on Artificial Intelligence, July 21-26, Lyon, France / Frank Van Harmelen (2002)PermalinkGénéralisation et représentation multiple / Anne Ruas (2002)PermalinkGénéralisation et représentation multiple, ch. 20. Généralisation cartographique et apprentissage automatique à partir d'exemples / Sébastien Mustière (2002)PermalinkVision with non-traditional sensors, 26th workshop of the Austrian Association for Pattern Recognition (ÖAGM/AAPR), Graz, September 10 - 11, 2002 / Franz W. Leberl (2002)PermalinkWorkshop 12 Knowledge discovery from temporal and spatial data / Christophe Dousson (2002)PermalinkRetrieval of sea water optically active parameters from hyperspectral data by means of generalized radial basis function neural networks / P. Cipollini in IEEE Transactions on geoscience and remote sensing, vol 39 n° 7 (July 2001)PermalinkArtificial neural networks as a tool for spatial interpolation / J.P. Rigol in International journal of geographical information science IJGIS, vol 15 n° 4 (june 2001)PermalinkA neural network image interpretation system to extract rural and urban land use and land cover information from remote sensor data / J.R. Jensen in Geocarto international, vol 16 n° 1 (March - May 2001)PermalinkPermalinkComparison of different approaches to combine road generalisation algorithms: GALBE, AGENT and CartoLearn / Sébastien Mustière (2001)PermalinkContrôle de la qualité d'une base de données géographiques / Carlos Goncalves (2001)PermalinkPermalinkFifth ICA workshop on progress in automated map generalization, August 2 - 4, 2001, Beijing, China / Commission on map generalization ICA (2001)PermalinkGeoComputational modelling / Manfred M. Fischer (2001)PermalinkMapping the 21st century: the 20th International Cartographic Conference, ICC 2001, Beijing, China, August 6 - 10, 2001, vol 2. Proceedings / L. Li (2001)PermalinkPermalinkReconnaissance d'objets par focalisation et détection de changement / Franck Jung (2001)PermalinkSpatial databases : with applications to GIS / Philippe Rigaux (2001)PermalinkSpatial prediction of fire ignition probabilities: comparing logistic regression and neural networks / M.J. Perestrello De Vasconcelos in Photogrammetric Engineering & Remote Sensing, PERS, vol 67 n° 1 (January 2001)PermalinkAbstraction et changement de langage pour automatiser la généralisation cartographique / Sébastien Mustière (2000)PermalinkJournées data mining spatial et analyse du risque, Versailles, 24 - 25 février 2000 / Sylvain Lassarre (2000)PermalinkMachine learning techniques for determining parameters of cartographic generalisation algorithms / Lagrange (Enseigne de Vaisseau) (2000)PermalinkOptimising generalisation sequences using machine learning techniques / Nicolas Regnauld (2000)PermalinkPermalinkAdvanced polarimetric SAR data classification for cartographic information extraction / Manfred F. Buchroithner (31/05/1999)PermalinkApprentissage automatique / Marc Sebban (1999)PermalinkBeschreibung von Deformationsprozessen durch Volterra- und Fuzzy-Modelle sowie neuronale Netze / K. Heine (1999)PermalinkConférence d'apprentissage 99, actes de CAP'99, Ecole Polytechnique, Palaiseau, 15-18 juin 1999 / Michèle Sebag (1999)PermalinkElectromagnetic optimization by genetic algorithms / Yahya Rahmat-Samii (1999)PermalinkExperiments with Learning Techniques for Spatial Model Enrichment and Line Generalization / Corinne Plazanet in Geoinformatica, vol 2 n° 4 (December 1998)PermalinkThe ASTER polar cloud mask / A.M. Logar in IEEE Transactions on geoscience and remote sensing, vol 36 n° 4 (July 1998)PermalinkAnalyse d'images aériennes haute résolution : détection et modélisation du bâti en zone urbaine / Matthieu Cord (1998)PermalinkExtraction, par apprentissage supervisé, de textures sur cartes géographiques / Robert Mariani in Bulletin d'information de l'Institut géographique national, n° 68 (octobre 1997)PermalinkLes agents intelligents / Jean Sallantin (1997)PermalinkContribution à la lecture automatique de cartes / Robert Mariani (1997)PermalinkTriangulation de Delaunay et arbres multidimensionnels / Christophe Lemaire (1997)PermalinkUsing genetic learning neural networks for spatial decision making in GIS / J. Zhou in Photogrammetric Engineering & Remote Sensing, PERS, vol 62 n° 11 (november 1996)Permalink