Centre dedocumentation
scientifique

Parsing of urban facades from 3D point clouds based on a novel multi-view domain / Wei Wang in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 4 (April 2021)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 4 (April 2021) . - pp 283-293 Titre : Parsing of urban facades from 3D point clouds based on a novel multi-view domain Type de document : Article/Communication Auteurs : Wei Wang, Auteur ; Yuan Xu, Auteur ; Yingchao Ren, Auteur ; Gang Wang, Auteur Année de publication : 2021 Article en page(s) : pp 283-293 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] façade [Termes descripteurs IGN] fusion de données [Termes descripteurs IGN] milieu urbain [Termes descripteurs IGN] précision de la classification [Termes descripteurs IGN] segmentation hiérarchique [Termes descripteurs IGN] segmentation multi-échelle [Termes descripteurs IGN] semis de points Résumé : (Auteur) Recently, performance improvement in facade parsing from 3D point clouds has been brought about by designing more complex network structures, which cost huge computing resources and do not take full advantage of prior knowledge of facade structure. Instead, from the perspective of data distribution, we construct a new hierarchical mesh multi-view data domain based on the characteristics of facade objects to achieve fusion of deep-learning models and prior knowledge, thereby significantly improving segmentation accuracy. We comprehensively evaluate the current mainstream method on the RueMonge 2014 data set and demonstrate the superiority of our method. The mean intersection-over-union index on the facade-parsing task reached 76.41%, which is 2.75% higher than the current best result. In addition, through comparative experiments, the reasons for the performance improvement of the proposed method are further analyzed. Numéro de notice : A2021-333 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.4.283 date de publication en ligne : 01/04/2021 En ligne : https://doi.org/10.14358/PERS.87.4.283 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97531 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2021041	SL	Revue	Centre de documentation	Revues en salle	Disponible

Building facade reconstruction using crowd-sourced photos and two-dimensional maps / Wu Jie in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 11 (November 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 11 (November 2020) . - pp 677 - 694 Titre : Building facade reconstruction using crowd-sourced photos and two-dimensional maps Type de document : Article/Communication Auteurs : Wu Jie, Auteur ; Junya Mao, Auteur ; Song Chen, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 677 - 694 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] Chine [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] données vectorielles [Termes descripteurs IGN] édition en libre accès [Termes descripteurs IGN] façade [Termes descripteurs IGN] image multi sources [Termes descripteurs IGN] implémentation (informatique) [Termes descripteurs IGN] reconstruction 2D du bâti [Termes descripteurs IGN] reconstruction 3D du bâti [Termes descripteurs IGN] semis de points Résumé : (Auteur) To address the high-cost problem of the current three-dimensional (3D) reconstruction for urban buildings, a new technical framework is proposed to generate 3D building facade information using crowd-sourced photos and two-dimensional (2D) building vector data in this paper. The crowd-sourced photos mainly consisted of Tencent street view images and other-source photos, which were collected from three platforms, including search engines, social media, and mobile phones. The photos were selected and grouped first, and then a structure from motion algorithm was used for 3D reconstruction. Finally, the reconstructed point clouds were registered with 2D building vector data. The test implementation was conducted in the Jianye District of Nanjing, China, and the generated point clouds showed a good fit with the true values. The proposed 3D reconstruction method represents a multi-sourced data integration process. The advantage of the proposed approach lies in the open source and low-cost data used in this study. Numéro de notice : A2020-708 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.11.677 date de publication en ligne : 01/11/2020 En ligne : https://doi.org/10.14358/PERS.86.11.677 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96393 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2020111	SL	Revue	Centre de documentation	Revues en salle	Disponible

Street-Frontage-Net: urban image classification using deep convolutional neural networks / Stephen Law in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 4 (April 2020) . - pp 681- 707 Titre : Street-Frontage-Net: urban image classification using deep convolutional neural networks Type de document : Article/Communication Auteurs : Stephen Law, Auteur ; Chanuki Illushka Seresinhe, Auteur ; Yao Shen, Auteur Année de publication : 2020 Article en page(s) : pp 681- 707 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] espace public [Termes descripteurs IGN] évaluation foncière [Termes descripteurs IGN] extraction de données [Termes descripteurs IGN] façade [Termes descripteurs IGN] habitat urbain [Termes descripteurs IGN] image Streetview [Termes descripteurs IGN] immobilier (secteur) [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] Londres [Termes descripteurs IGN] matrice de confusion [Termes descripteurs IGN] Paris (75) [Termes descripteurs IGN] paysage urbain [Termes descripteurs IGN] urbanisme [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) Quantifying aspects of urban design on a massive scale is crucial to help develop a deeper understanding of urban designs elements that contribute to the success of a public space. In this study, we further develop the Street-Frontage-Net (SFN), a convolutional neural network (CNN) that can successfully evaluate the quality of street frontage as either being active (frontage containing windows and doors) or blank (frontage containing walls, fences and garages). Small-scale studies have indicated that the more active the frontage, the livelier and safer a street feels. However, collecting the city-level data necessary to evaluate street frontage quality is costly. The SFN model uses a deep CNN to classify the frontage of a street. This study expands on the previous research via five experiments. We find robust results in classifying frontage quality for an out-of-sample test set that achieves an accuracy of up to 92.0%. We also find active frontages in a neighbourhood has a significant link with increased house prices. Lastly, we find that active frontage is associated with more scenicness compared to blank frontage. While further research is needed, the results indicate the great potential for using deep learning methods in geographic information extraction and urban design. Numéro de notice : A2020-110 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1555832 date de publication en ligne : 26/12/2018 En ligne : https://doi.org/10.1080/13658816.2018.1555832 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94712 [article]

Co‐registration of panoramic mobile mapping images and oblique aerial images / Phillipp Jende in Photogrammetric record, vol 34 n° 166 (June 2019)  

Public [article]  inPhotogrammetric record > vol 34 n° 166 (June 2019) . - pp 148 - 173 Titre : Co‐registration of panoramic mobile mapping images and oblique aerial images Type de document : Article/Communication Auteurs : Phillipp Jende, Auteur ; Francesco Nex, Auteur ; M. George Vosselman, Auteur ; Markus Gerke, Auteur Année de publication : 2019 Article en page(s) : pp 148 - 173 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] façade [Termes descripteurs IGN] image aérienne oblique [Termes descripteurs IGN] image panoramique [Termes descripteurs IGN] image terrestre [Termes descripteurs IGN] point d'appui [Termes descripteurs IGN] semis de points clairsemés [Termes descripteurs IGN] superposition d'images Résumé : (Auteur) Mobile mapping relies on satellite‐based positioning, which suffers from line‐of‐sight and multipath issues. As an alternative, this paper presents a fully automatic approach for the co‐registration of mobile mapping and oblique aerial images to introduce highly accurate and reliable ground control for mobile mapping data adjustment. An oblique view of a scene introduces similarities as well as challenges regarding co‐registration with mobile mapping images, which is supported by mutual planes in both datasets. Façade planes from a sparse point cloud are used as projection surfaces for the mobile mapping and aerial datasets, overcoming large perspective differences between them to simplify the registration. The performance of the procedure indicates an inlier rate of around 80%. Numéro de notice : A2019-245 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/phor.12276 date de publication en ligne : 29/04/2019 En ligne : https://doi.org/10.1111/phor.12276 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92956 [article]

Semantic façade segmentation from airborne oblique images / Yaping Lin in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 6 (June 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 6 (June 2019) . - pp 425 - 433 Titre : Semantic façade segmentation from airborne oblique images Type de document : Article/Communication Auteurs : Yaping Lin, Auteur ; Francesco Nex, Auteur ; Michael Ying Yang, Auteur Année de publication : 2019 Article en page(s) : pp 425 - 433 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] champ aléatoire conditionnel [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] façade [Termes descripteurs IGN] image aérienne oblique [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] segmentation sémantique Résumé : (Auteur) In this paper, oblique airborne images with very high resolution are used to address the problem from aerial views in urban areas. Traditional classification method (i.e., random forests) is compared with state-of-the-art fully convolutional networks (FCNs). Random forests use hand-craft image features including red, green, blue (RGB), scale-invariant feature transform (SIFT), and Texton, and point cloud features consisting of normal vector and planarity extracted from different scales. In contrast, the inputs of FCNs are the RGB bands and the third components of normal vectors. In both cases, three-dimensional (3D) features are projected back into the image space to support the facade interpretation. Fully connected conditional random field (CRF) is finally taken as a post-processing of the FCN to refine the segmentation results. Several tests have been performed and the achieved results show that the models embedding the 3D component outperform the solution using only images. FCNs significantly outperformed random forests, especially for the balcony delineation. Numéro de notice : A2019-247 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.6.425 date de publication en ligne : 01/06/2019 En ligne : https://doi.org/10.14358/PERS.85.6.425 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93003 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019061	SL	Revue	Centre de documentation	Revues en salle	Disponible

Fusion of thermal imagery with point clouds for building façade thermal attribute mapping / Dong Lin in ISPRS Journal of photogrammetry and remote sensing, vol 151 (May 2019)  

Permalink

Developing an optimized texture mapping for photorealistic 3D buildings / Jungil Lee in Transactions in GIS, vol 23 n° 1 (February 2019)  

Permalink

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)  

Permalink

Recalage conjoint de données de cartographie mobile et de modèles 3D de bâtiments / Miloud Mezian (2019)  

Permalink

Construction control and documentation of facade elements using terrestrial laser scanning / Ján Erdélyi in Applied geomatics, vol 10 n° 2 (June 2018)  

Permalink

Accurate facade feature extraction method for buildings from three-dimensional point cloud data considering structural information / Yongzhi Wang in ISPRS Journal of photogrammetry and remote sensing, vol 139 (May 2018)  

Permalink

Use of LiDAR for calculating solar irradiance on roofs and façades of buildings at city scale: Methodology, validation, and analysis / Liang Cheng in ISPRS Journal of photogrammetry and remote sensing, vol 138 (April 2018)  

Permalink

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

Permalink

IMPRESS BIM methodology and software tools (iBIMm) for façade retrofitting using prefabricated concrete panels / Non-répertorié in International journal of 3-D information modeling, vol 6 n° 4 (October - December 2017)  

Permalink

Facade repetition detection in a fronto-parallel view with fiducial lines extraction / Hongfei Xiao in Neurocomputing, vol inconnu (2017)  

Permalink