Centre dedocumentation
scientifique

Assessment of the accuracy of DTM river bed model using classical surveying measurement and LiDAR: a case study in Poland / Pawel Kotlarz in Survey review, vol 52 n° 372 (May 2020)  

Public [article]  inSurvey review > vol 52 n° 372 (May 2020) . - pp 246 - 252 Titre : Assessment of the accuracy of DTM river bed model using classical surveying measurement and LiDAR: a case study in Poland Type de document : Article/Communication Auteurs : Pawel Kotlarz, Auteur ; Monika Siejka, Auteur ; Monika Mika, Auteur Année de publication : 2020 Article en page(s) : pp 246 - 252 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] Cracovie (Pologne) [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] lever direct [Termes descripteurs IGN] lit [Termes descripteurs IGN] modèle numérique de terrain [Termes descripteurs IGN] rivière Résumé : (Auteur) The aim of this paper is to show that natural watercourses surveying gives the best results using integrated measurement methods (classical surveying and LiDAR). The paper contains comparison of the riverbed DTM results obtained using LiDAR data in relation to data derived from direct measurements. The paper involved the performance of appropriate tests on selected structures using integrated measurement techniques – GNSS, tachymetry and LiDAR. The conducted studies showed some limitations method for acquiring data from LiDAR. This is because the method does not enable the determination of measuring points coordinates which describe the topography in places inaccessible for a laser beam. Numéro de notice : A2020-178 Thématique : IMAGERIE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00396265.2019.1696515 date de publication en ligne : 01/12/2019 En ligne : https://doi.org/10.1080/00396265.2019.1696515 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94840 [article]

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

Public [article]  inPhotogrammetric record > vol 35 n° 169 (March 2020) . - pp 40 - 57 Titre : An improved RANSAC algorithm for extracting roof planes from airborne lidar data Type de document : Article/Communication Auteurs : Sibel Canaz Sevgen, Auteur ; Fevzi Karsli, Auteur Année de publication : 2020 Article en page(s) : pp 40 - 57 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Algorithmique [Termes descripteurs IGN] bord décollé (toit) [Termes descripteurs IGN] contrôle qualité [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] Ransac (algorithme) [Termes descripteurs IGN] segmentation par croissance de régions [Termes descripteurs IGN] semis de points Résumé : (Auteur) The extraction of building roof planes from lidar data has become a popular research topic with random sample consensus (RANSAC) being one of the most commonly adopted algorithms. RANSAC extracts full planes, which is problematic when there are other points outside the plane boundary but within the plane space. This study proposes an improved RANSAC (I‐RANSAC) algorithm by removing points that do not belong to the roof plane. I‐RANSAC selects a random point from the extracted roof plane and then searches for its neighbours within a given threshold to identify and remove outliers. The new algorithm was tested with 14 buildings from two datasets, where quality control measures showed significant improvement over standard RANSAC. Numéro de notice : A2020-131 Thématique : IMAGERIE Nature : Numéro de périodique nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/phor.12296 date de publication en ligne : 13/11/2019 En ligne : https://doi.org/10.1111/phor.12296 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94815 [article]

A discriminative tensor representation model for feature extraction and classification of multispectral LiDAR data / Qingwang Wang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 3 (March 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 3 (March 2020) . - pp 1568 -1586 Titre : A discriminative tensor representation model for feature extraction and classification of multispectral LiDAR data Type de document : Article/Communication Auteurs : Qingwang Wang, Auteur ; Yanfeng Gu, Auteur Année de publication : 2020 Article en page(s) : pp 1568 -1586 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] Amérique du nord [Termes descripteurs IGN] analyse discriminante [Termes descripteurs IGN] calcul tensoriel [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification multibande [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] modèle géométrique [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] tenseur [Termes descripteurs IGN] vectorisation [Termes descripteurs IGN] voisinage (topologie) Résumé : (Auteur) Multispectral light detection and ranging (MS-LiDAR) systems open the door to the possibility in the 3-D land cover classification at a finer scale using only point cloud data. This article proposes a model based on the tensor representation for multispectral point cloud classification. The proposed method combines the 3-D local spatial structure of each multispectral point by characterizing the point with a second-order tensor. The first mode of the tensor indicates the spatial location and spectral information of each point (i.e., the row of the second-order tensor) and the second mode denotes the neighborhood geometric and spectral structures (i.e., the column of the second-order tensor). Then we develop a novel tensor manifold discriminant embedding (TMDE) algorithm to extract the geometric–spectral features for multispectral point clouds classification. TMDE solves the mapping matrices of each mode by preserving the intraclass samples’ distribution further making it more compact and maximizing the distance of different classes. Finally, the support vector machine classifier with the extracted features as input is used to implement the classification of multispectral point clouds. Experiments are conducted on two real multispectral point cloud data sets. The experimental results demonstrate that the proposed method can achieve significant improvements in classification accuracies in comparison with several state-of-the-art algorithms. Numéro de notice : A2020-086 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2947081 date de publication en ligne : 30/10/2019 En ligne : https://doi.org/10.1109/TGRS.2019.2947081 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94660 [article]

Hierarchical classification of pole‐like objects in mobile laser scanning point clouds / Rufei Liu in Photogrammetric record, vol 35 n° 169 (March 2020)  

Public [article]  inPhotogrammetric record > vol 35 n° 169 (March 2020) . - pp 81 - 107 Titre : Hierarchical classification of pole‐like objects in mobile laser scanning point clouds Type de document : Article/Communication Auteurs : Rufei Liu, Auteur ; Peng Wang, Auteur ; Zhaojin Yan, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 81 - 107 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] analyse de la valeur [Termes descripteurs IGN] classification ascendante hiérarchique [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] lidar mobile [Termes descripteurs IGN] milieu urbain [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] valeur propre Résumé : (Auteur) For the classification of pole‐like objects (trees, lamp posts, traffic lights and traffic signs) in mobile laser scanning (MLS) point clouds, a hierarchical classification method is proposed. The method consists of three major steps. (1) The objects’ cylindrical column sections are detected based on the characteristics of arc‐like points using RANSAC after denoising. (2) These detected objects are roughly classified into trees and man‐made poles based on the azimuthal coverage of point clouds above the cylindrical column. (3) Eigenvalue analysis and the principal direction of the upper pole projections are used to differentiate lamp posts, traffic lights and traffic signs. Experimental analysis shows that the method can effectively identify different types of pole‐like objects. Numéro de notice : A2020-133 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/phor.12307 date de publication en ligne : 10/01/2020 En ligne : https://doi.org/10.1111/phor.12307 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94819 [article]

Learning sequential slice representation with an attention-embedding network for 3D shape recognition and retrieval in MLS point clouds / Zhipeng Luo in ISPRS Journal of photogrammetry and remote sensing, vol 161 (March 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 161 (March 2020) . - pp 147 - 163 Titre : Learning sequential slice representation with an attention-embedding network for 3D shape recognition and retrieval in MLS point clouds Type de document : Article/Communication Auteurs : Zhipeng Luo, Auteur ; Di Liu, Auteur ; Jonathan Li, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 147 - 163 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] balayage laser [Termes descripteurs IGN] données laser [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] graphe [Termes descripteurs IGN] reconnaissance de formes [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] réseau routier [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] télémétrie laser mobile Résumé : (Auteur) The representation of 3D data is the key issue for shape analysis. However, most of the existing representations suffer from high computational cost and structure information loss. This paper presents a novel sequential slice representation with an attention-embedding network, named RSSNet, for 3D point cloud recognition and retrieval in road environments. RSSNet has two main branches. Firstly, a sequential slice module is designed to map disordered 3D point clouds to ordered sequence of shallow feature vectors. A gated recurrent unit (GRU) module is applied to encode the spatial and content information of these sequential vectors. The second branch consists of a key-point based graph convolution network (GCN) with an embedding attention strategy to fuse the sequential and global features to refine the structure discriminability. Three datasets were used to evaluate the proposed method, one acquired by our mobile laser scanning (MLS) system and two public datasets (KITTI and Sydney Urban Objects). Experimental results indicated that the proposed method achieved better performance than recognition and retrieval state-of-the-art methods. RSSNet provided recognition rates of 98.08%, 95.77% and 70.83% for the above three datasets, respectively. For the retrieval task, RSSNet obtained excellent mAP values of 95.56%, 87.16% and 69.99% on three datasets, respectively. Numéro de notice : A2020-064 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.01.003 date de publication en ligne : 22/01/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.01.003 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94582 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020031	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020033	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020032	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Object-based incremental registration of terrestrial point clouds in an urban environment / Xuming Ge in ISPRS Journal of photogrammetry and remote sensing, vol 161 (March 2020)  

Permalink

Poststack seismic data denoising based on 3-D convolutional neural network / Dawei Liu in IEEE Transactions on geoscience and remote sensing, vol 58 n° 3 (March 2020)  

Permalink

Automated extraction of lane markings from mobile LiDAR point clouds based on fuzzy inference / Heidar Rastiveis in ISPRS Journal of photogrammetry and remote sensing, vol 160 (February 2020)  

Permalink

Three-dimensional photogrammetric mapping of cotton bolls in situ based on point cloud segmentation and clustering / Shangpeng Sun in ISPRS Journal of photogrammetry and remote sensing, vol 160 (February 2020)  

Permalink

Validation and verification procedures for defining legal 3D boundaries using terrestrial laser scanners / Sam Rondeel in Survey review, Vol 52 n°370 (January 2020)  

Permalink

Deep learning for conifer/deciduous classification of airborne LiDAR 3D point clouds representing individual trees / Hamid Hamraz in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)  

Permalink

Inside the ice shelf: using augmented reality to visualise 3D lidar and radar data of Antarctica / Alexandra L. Boghosian in Photogrammetric record, vol 34 n° 168 (December 2019)  

Permalink

Nouvelle donne aérienne / Marielle Mayo in Géomètre, n° 2175 (décembre 2019)

Permalink

Numérisation, restitution et visualisation en 3D de sites patrimoniaux / Jonathan Chemla in XYZ, n° 161 (décembre 2019)

Permalink

Analysing the positional accuracy of GNSS multi-tracks obtained from VGI sources to generate improved 3D mean axes / Antonio Tomás Mozas-Calvache in International journal of geographical information science IJGIS, vol 33 n°11 (November 2019)  

Permalink