Descripteur
Termes IGN > géomatique > base de données localisées > jeu de données localisées
jeu de données localiséesVoir aussi |
Documents disponibles dans cette catégorie (90)
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 : Registration of heterogenous data for urban modeling Type de document : Thèse/HDR Auteurs : Rahima Djahel, Auteur ; Pascal Monasse, Directeur de thèse ; Bruno Vallet , Directeur de thèse Editeur : Champs-sur-Marne : Ecole des Ponts ParisTech Année de publication : 2022 Projets : BIOM / Vallet, Bruno Importance : 160 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse soutenue pour obtenir le grade de Docteur à l'École des Ponts ParisTech, spécialité InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] données hétérogènes
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] espace intérieur
[Termes IGN] état de l'art
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] jeu de données localisées
[Termes IGN] méthode robuste
[Termes IGN] modélisation 3D du bâti BIM
[Termes IGN] primitive géométrique
[Termes IGN] Ransac (algorithme)
[Termes IGN] recalage d'image
[Termes IGN] scène urbaine
[Termes IGN] segment de droiteIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Cette thèse fait partie du projet Modelisation Intérieur/Extérieur de Bâtiments (BIOM) qui vise à la modélisation automatique et simultanée de l’intérieur et de l’extérieur de bâtiments à partir de données hétérogènes. L'hétérogénéité est à la fois dans le type de données (image et Light Detection and Ranging (LiDAR)) et la plate-forme d'acquisition: acquisition terrestre intérieure/extérieure ou aérienne. Le premier enjeu d'une telle modélisation est donc de recaler précisément ces données. Les travaux menés ont confirmé que l'environnement et le type de données conditionnent le choix de l'algorithme de recalage. Notre contribution consiste à exploiter les propriétés fondamentales des données et des plateformes d'acquisition afin de proposer des solutions potentielles à tous les problèmes de recalage rencontrés par le projet. Comme dans un environnement de bâtiments la plupart des objets sont composés de primitives géométriques (polygones planaires, lignes droites, ouvertures), nous avons choisi d'introduire des algorithmes de recalage reposant sur ces primitives. L'idée de base de ces algorithmes consiste en la définition d'une énergie globale entre les primitives extraites à partir des jeux de données à recaler et la proposition d'une méthode robuste pour optimiser cette énergie basée sur le paradigme RANSAC. Notre contribution va de la proposition de méthodes robustes pour extraire les primitives sélectionnées à l'intégration de ces primitives dans un cadre de recalage efficace. Nos solutions ont dépassé les limites des algorithmes existants et ont prouvé leur efficacité pour résoudre les problèmes rencontrés par le projet, tels que le recalage intérieur/extérieur, le recalage d'image/LiDAR et le recalage aérien/terrestre. Note de contenu : 1. Context and research problem
1.1 Introduction
1.2 BIOM project
1.3 Objectives
1.4 Building Information Modeling
1.5 Registration problem
1.6 Images registration
1.7 Point clouds registration
1.8 Contributions
1.9 Thesis outline
1.10 Publication List
2. Data description
2.1 Introduction
2.2 Image data
2.3 LiDAR data
2.4 Conclusion
3. Primitives detection
3.1 Introduction
3.2 Classification of primitives extraction methods
3.3 Performance evaluation
3.4 Planar polygons extraction
3.5 3D line segment detection from LIDAR data
3.6 3D lines segments detection and reconstruction from image data
3.7 Openings detection
3.8 Conclusion
4. Indoor/Outdoor Registration
4.1 Introduction
4.2 State of the art
4.3 Data
4.4 Planar polygons based registration
4.5 Openings based registration
4.6 Hybrid solution
4.7 Conclusion
5. Image/LiDAR data Registration 104
5.1 Introduction
5.2 State of the art
5.3 Overview and contributions
5.4 3D Segment Extraction
5.5 3D segments based registration
5.6 Iterative Closest Line (ICL)
5.7 Evaluation and discussion
5.8 Conclusion
6. Aerial/Terrestrial registration
6.1 Introduction
6.2 State of the art
6.3 3D segment extraction from heterogeneous image data
6.4 3D segments based algorithm adaptation
6.5 Evaluation and discussion
6.6 Conclusion
7. Conclusion
7.1 Contributions
7.2 Future work
Appendices
A. Implementation
B. MLSD ImprovementNuméro de notice : 26842 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : ENPC : 2022 Organisme de stage : Laboratoire d'Informatique Gaspard-Monge LIGM nature-HAL : Thèse DOI : sans Date de publication en ligne : 30/08/2022 En ligne : https://pastel.hal.science/tel-03764907/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101526 Three-dimensional reconstruction of single input image based on point cloud / Yu Hou in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 7 (July 2021)
[article]
Titre : Three-dimensional reconstruction of single input image based on point cloud Type de document : Article/Communication Auteurs : Yu Hou, Auteur ; Ruifeng Zhai, Auteur ; Xueyan Li, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 479 - 484 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] balayage laser
[Termes IGN] classification par réseau neuronal
[Termes IGN] données localisées 3D
[Termes IGN] jeu de données localisées
[Termes IGN] navigation autonome
[Termes IGN] réalité virtuelle
[Termes IGN] reconstruction 3D
[Termes IGN] semis de pointsRésumé : (Auteur) Three-dimensional reconstruction from a single image has excellent future prospects. The use of neural networks for three-dimensional reconstruction has achieved remarkable results. Most of the current point-cloud-based three-dimensional reconstruction networks are trained using nonreal data sets and do not have good generalizability. Based on the Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago ()data set of large-scale scenes, this article proposes a method for processing real data sets. The data set produced in this work can better train our network model and realize point cloud reconstruction based on a single picture of the real world. Finally, the constructed point cloud data correspond well to the corresponding three-dimensional shapes, and to a certain extent, the disadvantage of the uneven distribution of the point cloud data obtained by light detection and ranging scanning is overcome using the proposed method. Numéro de notice : A2021-570 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.7.479 Date de publication en ligne : 01/07/2021 En ligne : https://doi.org/10.14358/PERS.87.7.479 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98162
in Photogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 7 (July 2021) . - pp 479 - 484[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2021071 SL Revue Centre de documentation Revues en salle Disponible Quality assessment of heterogeneous training data sets for classification of urban area with Landsat imagery / Neema Nicodemus Lyimo in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 5 (May 2021)
[article]
Titre : Quality assessment of heterogeneous training data sets for classification of urban area with Landsat imagery Type de document : Article/Communication Auteurs : Neema Nicodemus Lyimo, Auteur ; Fang Luo, Auteur ; Qimin Cheng, Auteur ; Hao Peng, Auteur Année de publication : 2021 Article en page(s) : pp 339-348 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] appariement d'images
[Termes IGN] distance euclidienne
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] données hétérogènes
[Termes IGN] données localisées des bénévoles
[Termes IGN] données massives
[Termes IGN] données ouvertes
[Termes IGN] image Landsat
[Termes IGN] incertitude des données
[Termes IGN] jeu de données localisées
[Termes IGN] qualité des données
[Termes IGN] système à base de connaissances
[Termes IGN] zone urbaineRésumé : (Auteur) Quality assessment of training samples collected from heterogeneous sources has received little attention in the existing literature. Inspired by Euclidean spectral distance metrics, this article derives three quality measures for modeling uncertainty in spectral information of open-source heterogeneous training samples for classification with Landsat imagery. We prepared eight test case data sets from volunteered geographic information and open government data sources to assess the proposed measures. The data sets have significant variations in quality, quantity, and data type. A correlation analysis verifies that the proposed measures can successfully rank the quality of heterogeneous training data sets prior to the image classification task. In this era of big data, pre-classification quality assessment measures empower research scientists to select suitable data sets for classification tasks from available open data sources. Research findings prove the versatility of the Euclidean spectral distance function to develop quality metrics for assessing open-source training data sets with varying characteristics for urban area classification. Numéro de notice : A2021-366 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.5.339 Date de publication en ligne : 01/05/2021 En ligne : https://doi.org/10.14358/PERS.87.5.339 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97695
in Photogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 5 (May 2021) . - pp 339-348[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2021051 SL Revue Centre de documentation Revues en salle Disponible An anchor-based graph method for detecting and classifying indoor objects from cluttered 3D point clouds / Fei Su in ISPRS Journal of photogrammetry and remote sensing, vol 172 (February 2021)
[article]
Titre : An anchor-based graph method for detecting and classifying indoor objects from cluttered 3D point clouds Type de document : Article/Communication Auteurs : Fei Su, Auteur ; Haihong Zhu, Auteur ; Taoyi Chen, Auteur Année de publication : 2021 Article en page(s) : pp 114 - 131 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] adjacence
[Termes IGN] appariement de graphes
[Termes IGN] arc
[Termes IGN] bloc d'ancrage
[Termes IGN] classification orientée objet
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] jeu de données localisées
[Termes IGN] méthode du maximum de vraisemblance (estimation)
[Termes IGN] noeud
[Termes IGN] objet 3D
[Termes IGN] orientation
[Termes IGN] positionnement en intérieur
[Termes IGN] semis de pointsRésumé : (auteur) Most of the existing 3D indoor object classification methods have shown impressive achievements on the assumption that all objects are oriented in the upward direction with respect to the ground. To release this assumption, great effort has been made to handle arbitrarily oriented objects in terrestrial laser scanning (TLS) point clouds. As one of the most promising solutions, anchor-based graphs can be used to classify freely oriented objects. However, this approach suffers from missing anchor detection since valid detection relies heavily on the completeness of an anchor’s point clouds and is sensitive to missing data. This paper presents an anchor-based graph method to detect and classify arbitrarily oriented indoor objects. The anchors of each object are extracted by the structurally adjacent relationship among parts instead of the parts’ geometric metrics. In the case of adjacency, an anchor can be correctly extracted even with missing parts since the adjacency between an anchor and other parts is retained irrespective of the area extent of the considered parts. The best graph matching is achieved by finding the optimal corresponding node-pairs in a super-graph with fully connecting nodes based on maximum likelihood. The performances of the proposed method are evaluated with three indicators (object precision, object recall and object F1-score) in seven datasets. The experimental tests demonstrate the effectiveness of dealing with TLS point clouds, RGBD point clouds and Panorama RGBD point clouds, resulting in performance scores of approximately 0.8 for object precision and recall and over 0.9 for chair precision and table recall. Numéro de notice : A2021-087 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.12.007 Date de publication en ligne : 29/12/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.12.007 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96852
in ISPRS Journal of photogrammetry and remote sensing > vol 172 (February 2021) . - pp 114 - 131[article]Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 081-2021021 SL Revue Centre de documentation Revues en salle Disponible 081-2021022 DEP-RECF Revue Nancy Bibliothèque Nancy IFN Exclu du prêt
Titre : AI4GEO: a data intelligence platform for 3D geospatial mapping Type de document : Article/Communication Auteurs : Pierre-Marie Brunet, Auteur ; Pierre Lassalle, Auteur ; Simon Baillarin, Auteur ; Bruno Vallet , Auteur ; Arnaud Le Bris , Auteur ; Gaëlle Romeyer , Auteur ; Guy Le Besnerais, Auteur ; Flora Weissgerber, Auteur ; Gilles Foulon, Auteur ; Vincent Gaudissart, Auteur ; Christophe Triquet, Auteur ; Michael Darques, Auteur ; Gwénaël Souillé, Auteur ; Laurent Gabet, Auteur ; Cedrik Ferrero, Auteur ; Thanh-Long Huynh, Auteur ; Emeric Lavergne, Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2021 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B2-2021 Projets : AI4GEO / Vallet, Bruno Conférence : ISPRS 2021, Commission 2, XXIV ISPRS Congress, Imaging today foreseeing tomorrow 05/07/2021 09/07/2021 Nice Virtuel France OA Archives Commission 2 Importance : pp 817 - 823 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes IGN] chaîne de traitement
[Termes IGN] données localisées 3D
[Termes IGN] données massives
[Termes IGN] jeu de données localisées
[Termes IGN] plateforme logicielle
[Termes IGN] segmentation sémantique
[Termes IGN] traitement de données localiséesRésumé : (auteur) The availability of 3D Geospatial information is a key issue for many expanding sectors such as autonomous vehicles, business intelligence and urban planning. Its production is now possible thanks to the abundance of available data (Earth observation satellite constellations, insitu data, …) but manual interventions are still needed to guarantee a high level of quality, which prevents mass production. New artificial intelligence and big data technologies adapted to 3D imagery can help to remove these obstacles. The AI4GEO project aims at developing an automatic solution for producing 3D geospatial information and new added-value services. This paper will first introduce AI4GEO initiative, context and overall objectives. It will then present the current status of the project and in particular it will focus on the innovative platform put in place to handle big 3D datasets for analytics needs and it will present the first results of 3D semantic segmentations and associated perspectives. Numéro de notice : C2021-015 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B2-2021-817-2021 Date de publication en ligne : 28/06/2021 En ligne : https://doi.org/10.5194/isprs-archives-XLIII-B2-2021-817-2021 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98067 Assessing the accuracy of remotely sensed fire datasets across the southwestern Mediterranean Basin / Luis Felipe Galizia in Natural Hazards and Earth System Sciences, vol 21 n° 1 (January 2021)PermalinkPermalinkFrom point clouds to high-fidelity models - advanced methods for image-based 3D reconstruction / Audrey Richard (2021)PermalinkGeometric and semantic joint approach for the reconstruction of digital models of buildings / Pierre-Alain Langlois (2021)PermalinkPermalinkPermalinkPermalinkBayesian transfer learning for object detection in optical remote sensing images / Changsheng Zhou in IEEE Transactions on geoscience and remote sensing, vol 58 n° 11 (November 2020)PermalinkAdvancing the theory and practice of system evaluation: a case study in geovisual analytics of social media / Alexander Savelyev in International journal of cartography, Vol 6 n° 2 (July 2020)PermalinkA review of techniques for 3D reconstruction of indoor environments / Zhizhong Kang in ISPRS International journal of geo-information, vol 9 n° 5 (May 2020)Permalink