Centre dedocumentation
scientifique

Automatic building extraction from high-resolution aerial images and LiDAR data using gated residual refinement network / Jianfeng Huang in ISPRS Journal of photogrammetry and remote sensing, vol 151 (May 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 151 (May 2019) . - pp 91 - 105 Titre : Automatic building extraction from high-resolution aerial images and LiDAR data using gated residual refinement network Type de document : Article/Communication Auteurs : Jianfeng Huang, Auteur ; Xinchang Zhang, Auteur ; Qinchuan Xin, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 91 - 105 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] résidu [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] zone urbaine Résumé : (Auteur) Automated extraction of buildings from remotely sensed data is important for a wide range of applications but challenging due to difficulties in extracting semantic features from complex scenes like urban areas. The recently developed fully convolutional neural networks (FCNs) have shown to perform well on urban object extraction because of the outstanding feature learning and end-to-end pixel labeling abilities. The commonly used feature fusion or skip-connection refine modules of FCNs often overlook the problem of feature selection and could reduce the learning efficiency of the networks. In this paper, we develop an end-to-end trainable gated residual refinement network (GRRNet) that fuses high-resolution aerial images and LiDAR point clouds for building extraction. The modified residual learning network is applied as the encoder part of GRRNet to learn multi-level features from the fusion data and a gated feature labeling (GFL) unit is introduced to reduce unnecessary feature transmission and refine classification results. The proposed model - GRRNet is tested in a publicly available dataset with urban and suburban scenes. Comparison results illustrated that GRRNet has competitive building extraction performance in comparison with other approaches. The source code of the developed GRRNet is made publicly available for studies. Numéro de notice : A2019-206 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.02.019 date de publication en ligne : 20/03/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.02.019 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92669 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019051	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019053	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019052	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Building detection and regularisation using DSM and imagery information / Yousif A. Mousa in Photogrammetric record, vol 34 n° 165 (March 2019)  

Public [article]  inPhotogrammetric record > vol 34 n° 165 (March 2019) . - pp 85 - 107 Titre : Building detection and regularisation using DSM and imagery information Type de document : Article/Communication Auteurs : Yousif A. Mousa, Auteur ; Petra Helmholz, Auteur ; David Belton, Auteur ; Dimitri Bulatov, Auteur Année de publication : 2019 Article en page(s) : pp 85 - 107 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] masque [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] polygone [Termes descripteurs IGN] régularisation [Termes descripteurs IGN] simplification de contour Résumé : (Auteur) An automatic method for the regularisation of building outlines is presented, utilising a combination of data‐ and model‐driven approaches to provide a robust solution. The core part of the method includes a novel data‐driven approach to generate approximate building polygons from a list of given boundary points. The algorithm iteratively calculates and stores likelihood values between an arbitrary starting boundary point and each of the following boundary points using a function derived from the geometrical properties of a building. As a preprocessing step, building segments have to be identified using a robust algorithm for the extraction of a digital elevation model. Evaluation results on a challenging dataset achieved an average correctness of 96·3% and 95·7% for building detection and regularisation, respectively. Numéro de notice : A2019-454 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/phor.12275 date de publication en ligne : 26/03/2019 En ligne : https://doi.org/10.1111/phor.12275 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92867 [article]

Repeated structure detection for 3D reconstruction of building façade from mobile lidar data / Yanming Chen in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 2 (February 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 2 (February 2019) . - pp 93 - 108 Titre : Repeated structure detection for 3D reconstruction of building façade from mobile lidar data Type de document : Article/Communication Auteurs : Yanming Chen, Auteur ; Xiaoqiang Liu, Auteur ; Mengru Yao, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 93 - 108 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] densité des points [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] façade [Termes descripteurs IGN] reconstruction 3D du bâti Résumé : (Auteur) This study proposes a new method for repeated structure detection and the three-dimensional (3D) reconstruction of building façades from mobile lidar data. Firstly, the building façade is divided and unrolled to simplify the complex façade structures, improving the automation of structure detection and building reconstruction. Subsequently, the unrolled façade is decomposed into tiles by analyzing the repeated structures. Tiles with strong similarities are matched and merged to restore the imperfect façade points. Based on the restored points and repeated structures, a 3D building façade can be reconstructed with a complete structure and fine detail. An analysis is conducted to compare the constructed 3D model with the lidar points of actual façade. The results of this analysis demonstrate that the proposed method can effectively deal with missing areas caused by occlusion, viewpoint limitation, and uneven point density, as well as realizing the highly complete 3D reconstruction of a building façade. Numéro de notice : A2019-059 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.2.93 date de publication en ligne : 01/02/2019 En ligne : https://doi.org/10.14358/PERS.85.2.93 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92108 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019021	SL	Revue	Centre de documentation	Revues en salle	Disponible

Integration of lidar data and GIS data for point cloud semantic enrichment at the point level / Harith Aljumaily in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 1 (January 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 1 (January 2019) . - pp 29 - 42 Titre : Integration of lidar data and GIS data for point cloud semantic enrichment at the point level Type de document : Article/Communication Auteurs : Harith Aljumaily, Auteur ; Debra F. Laefer, Auteur ; Dolores Cuadra, Auteur Année de publication : 2019 Article en page(s) : pp 29 - 42 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] Dublin (Irlande ; ville) [Termes descripteurs IGN] enrichissement sémantique [Termes descripteurs IGN] étiquetage sémantique [Termes descripteurs IGN] extraction de la végétation [Termes descripteurs IGN] extraction du réseau routier [Termes descripteurs IGN] flore urbaine [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] information sémantique [Termes descripteurs IGN] interpolation linéaire [Termes descripteurs IGN] OpenStreetMap [Termes descripteurs IGN] réseau routier [Termes descripteurs IGN] segmentation [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] système de gestion de base de données [Termes descripteurs IGN] zone urbaine Résumé : (auteur) Commercial aerial laser scanning is generally delivered with point-by-point metadata for object identification, but current vendor-generated classification approaches (which rely exclusively on that data) generate high misclassification rates in urban areas. To overcome this problem and provide a fully scalable solution that harnesses distributed computing capabilities, this paper introduces a novel system, employing a MapReduce framework and existing GIS-based data, to provide more detailed and accurate classification. The approach goes beyond traditional gross-level classification (roads, buildings, trees, noise) by enriching the point cloud metadata with detailed semantic information about the object type. The approach was evaluated using two datasets of differing point density, separated by eight years for the same study area in Dublin, Ireland. As evaluated against manually classified data, classification quality ranged from 76% to 91% depending upon category and only 8% remained unclassified, as opposed to the commercial vendor's classification quality which ranged from 43% to 78% with 82% left unclassified. Numéro de notice : A2019-027 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.1.29 date de publication en ligne : 01/01/2019 En ligne : https://doi.org/10.14358/PERS.85.1.29 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91964 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Automatic building rooftop extraction from aerial images via hierarchical RGB-D priors / Shibiao Xu in IEEE Transactions on geoscience and remote sensing, vol 56 n° 12 (December 2018)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 56 n° 12 (December 2018) . - pp 7369 - 7387 Titre : Automatic building rooftop extraction from aerial images via hierarchical RGB-D priors Type de document : Article/Communication Auteurs : Shibiao Xu, Auteur ; Xingjia Pan, Auteur ; Er Li, Auteur ; et al., Auteur Année de publication : 2018 Article en page(s) : pp 7369 - 7387 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] champ aléatoire conditionnel [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] itération [Termes descripteurs IGN] scène urbaine [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] segmentation hiérarchique [Termes descripteurs IGN] toit [Termes descripteurs IGN] zone saillante 3D Résumé : (auteur) Accurate building rooftop extraction from high-resolution aerial images is of crucial importance in a wide range of applications. Owing to the varying appearance and large-scale range of scene objects, especially for building rooftops in different scales and heights, single-scale or individual prior-based extraction technique is insufficient in pursuing efficient, generic, and accurate extraction results. The trend toward integrating multiscale or several cue techniques appears to be the best way; thus, such integration is the focus of this paper. We first propose a novel salient rooftop detector integrating four correlative RGB-D priors (depth cue, uniqueness prior, shape prior, and transition surface prior) for improved rooftop extraction to address the preceding complex issues mentioned. Then, these correlative cues are computed from image layers created by our multilevel segmentation and further fused into the state-of-the-art high-order conditional random field (CRF) framework to locate the rooftop. Finally, an iterative optimization strategy is applied for high-quality solving, which can robustly handle varying appearance of building rooftops. Performance evaluations in the SZTAKI-INRIA benchmark data sets show that our method outperforms the traditional color-based algorithm and the original high-order CRF algorithm and its variants. The proposed algorithm is also evaluated and found to produce consistently satisfactory results for various large-scale, real-world data sets. Numéro de notice : A2018-558 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2018.2850972 date de publication en ligne : 26/07/2018 En ligne : http://dx.doi.org/10.1109/TGRS.2018.2850972 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91664 [article]

A greyscale voxel model for airborne lidar data applied to building detection / Liying Wang in Photogrammetric record, vol 33 n° 164 (December 2018)  

Permalink

Novel fusion approach on automatic object extraction from spatial data: case study Worldview-2 and TOPO5000 / Umut G. Sefercik in Geocarto international, vol 33 n° 10 (October 2018)  

Permalink

Extraction of building roof planes with stratified random sample consensus / André C. Carrilho in Photogrammetric record, vol 33 n° 163 (September 2018)  

Permalink

Fusion of images and point clouds for the semantic segmentation of large-scale 3D scenes based on deep learning / Rui Zhang in ISPRS Journal of photogrammetry and remote sensing, vol 143 (September 2018)  

Permalink

Fusion tardive d’images SPOT 6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl in Revue Française de Photogrammétrie et de Télédétection, n° 217-218 (juin - septembre 2018)

Permalink

Decision fusion of SPOT6 and multitemporal Sentinel2 images for urban area detection / Cyril Wendl (2018)  

Permalink

Localisation par l'image en milieu urbain : application à la réalité augmentée / Antoine Fond (2018)  

Permalink

Building extraction from fused LiDAR and hyperspectral data using Random Forest Algorithm / Saeid Parsian in Geomatica [en ligne], vol 71 n° 4 (December 2017)  

Permalink

Extraction du bâti sur le territoire de la wilaya de Blida (Algérie) / Siham Bougdour in Géomatique expert, n° 119 (novembre - décembre 2017)

Permalink

Simultaneous extraction of roads and buildings in remote sensing imagery with convolutional neural networks / Rasha Alshehhi in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)  

Permalink