Descripteur
Documents disponibles dans cette catégorie (1240)
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
Détection d’ouvertures par segmentation sémantique de nuages de points 3D : apport de l’apprentissage profond / Camille Lhenry (2021)
Titre : Détection d’ouvertures par segmentation sémantique de nuages de points 3D : apport de l’apprentissage profond Type de document : Mémoire Auteurs : Camille Lhenry, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2021 Importance : 106 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] base de données dérivée
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] fenêtre (bâtiment)
[Termes IGN] image RVB
[Termes IGN] image thermique
[Termes IGN] modélisation 3D du bâti BIM
[Termes IGN] Python (langage de programmation)
[Termes IGN] réseau neuronal de graphes
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Grâce au développement rapide des techniques d’acquisition 3D, les nuages de points sont de plus en plus utilisés dans divers domaines. Ils sont notamment la donnée de départ pour le développement de BIM (Building Information Modeling) de bâtiments existants, processus permettant le travail collaboratif des différents corps de métier. Néanmoins, le traitement de cette donnée est une étape majoritairement manuelle, longue et chronophage. Ce projet de fin d’études s’inscrit donc dans une problématique d’automatisation des traitements menant du nuage de points au BIM et se concentre sur la segmentation automatique des ouvertures des bâtiments. Cette problématique a été abordée par de multiples auteurs avec des méthodes algorithmiques ou d’apprentissage machine, qui nécessitent une certaine implication de l’utilisateur. Profitant de l’expansion du domaine de l’apprentissage profond, le réseau de neurones PointNet++ (Qi, Yi, Su & Guibas 2017) a été utilisé pour répondre à l’objectif de l’étude. Malgré les difficultés inhérentes à la nature des éléments à segmenter (transparence des matériaux, variabilité des styles architecturaux), la qualité de segmentation des ouvertures est prometteuse, notamment en couplant l’information thermique au nuage de points. Le défi majeur mis en évidence par l’étude est le manque de bases de données d’apprentissage, indispensables à l’utilisation de réseaux de neurones. Face à cet obstacle, une solution semi-automatique nécessitant la labellisation manuelle d’une portion limitée du bâtiment est présentée. Note de contenu : Introduction
1- Etat de l'art
2- Développement de la méthode
3- Résultats et discussions
Conclusions et perspectivesNuméro de notice : 28682 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : Laboratoire ICUBE En ligne : http://eprints2.insa-strasbourg.fr/4492/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99976 Détection/reconnaissance d'objets urbains à partir de données 3D multicapteurs prises au niveau du sol, en continu / Younes Zegaoui (2021)
Titre : Détection/reconnaissance d'objets urbains à partir de données 3D multicapteurs prises au niveau du sol, en continu Type de document : Thèse/HDR Auteurs : Younes Zegaoui, Auteur ; Marc Chaumont, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2021 Importance : 182 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le grade de Docteur de l'Université de Montpellier, spécialité InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] classification dirigée
[Termes IGN] classification orientée objet
[Termes IGN] détection d'objet
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] mobilier urbain
[Termes IGN] objet géographique urbain
[Termes IGN] segmentation sémantique
[Termes IGN] semis de points
[Termes IGN] zone urbaine denseIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Le développement des dispositifs d'acquisition LiDAR mobiles terrestres, montés sur véhicule ou drone, rendent possible la numérisation de villes entières sous la forme de nuages de points tridimensionnels géo-référencés. L'exploitation de ces données par les gestionnaires de ville permettent le recensement ainsi que le suivi au cours du temps des objets urbains qu'ils soient fixes (lampadaires, abribus…), mobiles (containers de poubelle) ou naturels (arbres) afin de pouvoir intervenir en cas de disparition, déplacement, détérioration ou de danger potentiel. Cette approche nécessite d'être en mesure de traiter des grands nuages pouvant compter plusieurs centaines de millions de points et réunir des milliers d'objets. Il devient donc nécessaire d'automatiser les traitements appliqués aux nuages de points afin de pouvoir extraire et classer automatiquement les éléments qui correspondent à des objets urbains. La diversité ainsi que le grand nombre d'objets urbains présents dans les villes sont un réel défi pour le développement d'approches automatisées. Dans cette thèse, nous explorons la piste récente de l'apprentissage profond appliqué aux données non structurées pour réaliser la localisation et la reconnaissance automatique d'objets urbains dans un nuage de points 3D. En s'inspirant des avancées récentes permises par le réseau PointNet, nous proposons de réaliser un apprentissage supervisé directement à partir des nuages de points sans passer par des transformations intermédiaires. Nous avons ainsi développé une architecture neuronale 3D que nous avons basée sur une couche originale permettant simultanément de regrouper des points et d'en extraire des caractéristiques. A partir de cette architecture, nous présentons les résultats que nous avons obtenues sur la tâche de détection d'objets urbains dans des nuages de points LiDAR obtenus dans des rues de grandes villes. Note de contenu : 1- Introduction
2- Etat de l’art
3- Architecture par clustering
4- Application à la détection d’objets en milieu urbain
5- Conclusion
6- PerspectivesNuméro de notice : 24108 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse de Doctorat : Informatique : Montpellier : 2021 Organisme de stage : Laboratoire LIRMM DOI : sans En ligne : https://tel.hal.science/tel-03589031/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100629 Détection et reconstruction 3D d’arbres urbains par segmentation de nuages de points : apport de l’apprentissage profond / Victor Alteirac (2021)
Titre : Détection et reconstruction 3D d’arbres urbains par segmentation de nuages de points : apport de l’apprentissage profond Type de document : Mémoire Auteurs : Victor Alteirac, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2021 Importance : 115 p. Format : 21 x 30 cm Note générale : bibliographie
mémoire de fin d'études INSA Strasbourg, Spécialité : Topographie et Master IRIVLangues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] arbre urbain
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection d'arbres
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] graphe
[Termes IGN] ilot thermique urbain
[Termes IGN] microclimat
[Termes IGN] modélisation 3D
[Termes IGN] reconstruction 3D
[Termes IGN] reconstruction d'objet
[Termes IGN] segmentation
[Termes IGN] semis de pointsIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Les avancées technologiques de ces dernières années ont permis à l’intelligence artificielle de se démocratiser et de devenir de plus en plus performante. Présente dans de nombreux domaines comme l’automobile, l’aviation ou encore la médecine, cette dernière est très sollicitée. Les laboratoires de recherche tels que ICube abordent des problèmes complexes nécessitant des données tridimensionnelles. Au cours de ce projet de fin d'études, des recherches sont réalisées concernant la segmentation d'arbres urbains pour la modélisation et la prédiction d'ilots de chaleur en ville. Après un état de l'art, le réseau de neurones retenu est PointNet ++. À la suite du paramétrage de ce dernier, une acquisition est effectuée dans la ville de Strasbourg. Le nuage de points ainsi récupéré est donc segmenté en utilisant l’entrainement du réseau. Des résultats de près de 96% de bonnes segmentations sont obtenus sur la détection d’arbres, avec un résultat global de 85%. Pour finir, les segmentations sont alors récupérées pour la modélisation d'arbres afin d’amorcer leur insertion dans des modèles de microclimat. Tout cela apporte des perspectives très prometteuses pour l’automatisation de la segmentation d’arbres urbains grâce aux techniques d’apprentissage profond. Note de contenu : 1- Présentation de l’étude
2- Etat de l’art, segmentation automatique
3- Choix et implémentation du réseau de neurones
4- Application et adaptation du réseau
ConclusionNuméro de notice : 15271 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : Laboratoire ICube En ligne : http://eprints2.insa-strasbourg.fr/4493/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99408
Titre : Efficiently distributed watertight surface reconstruction Type de document : Article/Communication Auteurs : Laurent Caraffa , Auteur ; Yanis Marchand , Auteur ; Mathieu Brédif , Auteur ; Bruno Vallet , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2021 Projets : 1-Pas de projet / Conférence : 3DV 2021, International Conference on 3D Vision 01/12/2021 03/12/2021 Londres online Royaume-Uni Proceedings IEEE Importance : pp 1432 - 1441 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] algorithme Graph-Cut
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] reconstruction d'objet
[Termes IGN] scène
[Termes IGN] semis de points
[Termes IGN] Spark
[Termes IGN] triangulation de DelaunayRésumé : (auteur) We present an out-of-core and distributed surface reconstruction algorithm which scales efficiently on arbitrarily large point clouds (with optical centres) and produces a 3D watertight triangle mesh representing the surface of the underlying scene. Surface reconstruction from a point cloud is a difficult problem and existing state of the art approaches are usually based on complex pipelines making use of global algorithms (i.e. Delaunay triangulation, graph-cut optimisation). For one of these approaches, we investigate the distribution of all the steps (in particular Delaunay triangulation and graph-cut optimisation) in order to propose a fully scalable method. We show that the problem can be tiled and distributed across a cloud or a cluster of PCs by paying a careful attention to the interactions between tiles and using Spark computing framework. We confirm the efficiency of this approach with an in-depth quantitative evaluation and the successful reconstruction of a surface from a very large data set which combines more than 350 million aerial and terrestrial LiDAR points. Numéro de notice : C2021-037 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/3DV53792.2021.00150 En ligne : https://doi.org/10.1109/3DV53792.2021.00150 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99167 Étude sur la réalisation d’un levé d’intérieur par photogrammétrie via un smartphone / Maxence Augé (2021)
Titre : Étude sur la réalisation d’un levé d’intérieur par photogrammétrie via un smartphone Type de document : Mémoire Auteurs : Maxence Augé, Auteur Editeur : Le Mans : Ecole Supérieure des Géomètres et Topographes ESGT Année de publication : 2021 Importance : 76 p. Format : 21 x 30 cm Note générale : Bibliographie
Mémoire présenté en vue d'obtenir le diplôme de Master « Sciences, Technologies, Santé », Mention « Identification, Aménagement et gestion du Foncier »Langues : Français (fre) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes IGN] acquisition d'images
[Termes IGN] Agisoft Photoscan
[Termes IGN] données localisées 3D
[Termes IGN] espace intérieur
[Termes IGN] étalonnage d'instrument
[Termes IGN] semis de points
[Termes IGN] téléphone intelligent
[Termes IGN] visualisation 2DIndex. décimale : ESGT Mémoires d'ingénieurs de l'ESGT Résumé : (auteur) Le nuage de points 3D pour réaliser des plans d’intérieur est un enjeu majeur. De nos jours, c’est le scanner laser qui prédomine dans ce domaine, mais son cout d’investissement reste élevé et non accessible pour certaines entreprises. La photogrammétrie est une méthode de travail permettant d’acquérir des données en 3D via des photographies. La combinaison de cette méthode de travail avec des photos prises par un smartphone peut être la solution pour obtenir un nuage de points 3D à moindre cout. Nous devons nous intéresser aux caractéristiques techniques du smartphone pour obtenir des photos de qualité qui permettront de créer un plan 2D. À travers des essais nous avons démontré qu’il est possible d’obtenir un nuage de points 3D et ainsi effectuer des plans 2D. Note de contenu : Introduction
1- Etat de l'art
2- Elaboration du cahier des charges
3- Expérimentations et phases de tests réalisées
4- Levé d'intérieur en condition professionnelle
ConclusionNuméro de notice : 28697 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire ingénieur ESGT En ligne : https://dumas.ccsd.cnrs.fr/MEMOIRES-CNAM/dumas-03479615v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100468 PermalinkPermalinkFOSTER - An R package for forest structure extrapolation / Martin Queinnec in Plos one, vol 16 n° 1 (January 2021)PermalinkGeometric computer vision: omnidirectional visual and remotely sensed data analysis / Pouria Babahajiani (2021)PermalinkGeoreferencing with self-calibration for airborne full-waveform Lidar data using digital elevation model / Qinghua Li in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 1 (January 2021)PermalinkHow do users interact with Virtual Geographic Environments? Users’ behavior evaluation in urban participatory planning / Thibaud Chassin (2021)PermalinkImproving GEDI footprint geolocation using a high resolution digital terrain model / Anouk Schleich (2021)PermalinkPermalinkPermalinkPermalink