Descripteur
Documents disponibles dans cette catégorie (132)
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
Using UAVs for map creation and updating: A case study in Rwanda / Mila Koeva in Survey review, vol 50 n° 361 (July 2018)
[article]
Titre : Using UAVs for map creation and updating: A case study in Rwanda Type de document : Article/Communication Auteurs : Mila Koeva, Auteur ; M. Muneza, Auteur ; Caroline M. Gevaert, Auteur ; Markus Gerke, Auteur ; Francesco Nex, Auteur Année de publication : 2018 Article en page(s) : pp 312 - 325 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes IGN] image captée par drone
[Termes IGN] orthophotoplan numérique
[Termes IGN] précision centimétrique
[Termes IGN] Rwanda
[Termes IGN] scène urbaine
[Termes IGN] zone urbaineRésumé : (Auteur) Aerial or satellite images are conventionally used for geospatial data collection. However, unmanned aerial vehicles (UAVs) are emerging as a suitable technology for providing very high spatial and temporal resolution data at a low cost. This paper aims to show the potential of using UAVs for map creation and updating. The whole workflow is introduced in the paper, using a case study in Rwanda, where 954 images were collected with a DJI Phantom 2 Vision Plus quadcopter. An orthophoto covering 0.095 km2 with a spatial resolution of 3.3 cm was produced and used to extract features with a sub-decimetre accuracy. Quantitative and qualitative control of the UAV data products were performed, indicating that the obtained accuracies comply to international standards. Moreover, possible problems and further perspectives were also discussed. The results demonstrate that UAVs provide promising opportunities to create high-resolution and highly accurate orthophotos, thus facilitating map creation and updating. Numéro de notice : A2018-442 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00396265.2016.1268756 Date de publication en ligne : 30/12/2016 En ligne : https://doi.org/10.1080/00396265.2016.1268756 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91014
in Survey review > vol 50 n° 361 (July 2018) . - pp 312 - 325[article]A voxel- and graph-based strategy for segmenting man-made infrastructures using perceptual grouping laws: comparison and evaluation / Yusheng Xu in Photogrammetric Engineering & Remote Sensing, PERS, vol 84 n° 6 (juin 2018)
[article]
Titre : A voxel- and graph-based strategy for segmenting man-made infrastructures using perceptual grouping laws: comparison and evaluation Type de document : Article/Communication Auteurs : Yusheng Xu, Auteur ; Ludwig Hoegner, Auteur ; Sebastian Tuttas, Auteur ; Uwe Stilla, Auteur Année de publication : 2018 Article en page(s) : pp 377 - 391 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] bati
[Termes IGN] données localisées 3D
[Termes IGN] octree
[Termes IGN] partition des données
[Termes IGN] prise en compte du contexte
[Termes IGN] reconstruction 3D
[Termes IGN] scène urbaine
[Termes IGN] segmentation
[Termes IGN] semis de points
[Termes IGN] théorie des graphes
[Termes IGN] voxelRésumé : (auteur) In this paper, we report a novel strategy for segmenting 3D point clouds using a voxel structure and graph-based clustering with perceptual grouping laws. It provides a completely automatic solution for partitioning point clouds of man-made infrastructure. Two different segmentation methods using voxel and supervoxel structures are presented and evaluated. To increase the efficiency and the robustness of the segmentation process, the voxelization with octree-based structure is introduced, which can suppress effects of noise, outliers, and unevenly distributed point densities as well. The clustering of over-segmented voxels and supervoxels is achieved using graph theory on the basis of the local contextual information, which is commonly conducted merely with pairwise information in conventional clustering algorithms. The graphical model is constructed according to perceptual grouping laws, considering geometric information associated with points. Experiments using both laser scanning and photogrammetric point clouds have demonstrated that the proposed methods can achieve good results, especially complex scenes and nonplanar object surfaces, with F1-measures better than 0.67 for all the testing samples. Quantitative comparisons between the proposed approaches and other representative segmentation methods also confirm the effectiveness and the efficiency of the former. Moreover, a series of experiments is carried out, to investigate the methods' sensitivity with respect to various parameters on the segmentation results. Numéro de notice : A2018-231 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.84.6.377 Date de publication en ligne : 01/06/2018 En ligne : https://doi.org/10.14358/PERS.84.6.377 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90173
in Photogrammetric Engineering & Remote Sensing, PERS > vol 84 n° 6 (juin 2018) . - pp 377 - 391[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2018061 RAB Revue Centre de documentation En réserve L003 Disponible Sensor-topology based simplicial complex reconstruction from mobile laser scanning / Stéphane Guinard in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol IV-2 (June 2018)
[article]
Titre : Sensor-topology based simplicial complex reconstruction from mobile laser scanning Type de document : Article/Communication Auteurs : Stéphane Guinard , Auteur ; Bruno Vallet , Auteur Année de publication : 2018 Projets : 1-Pas de projet / Conférence : ISPRS 2018, TC II Mid-term Symposium, Towards Photogrammetry 2020 04/06/2018 07/06/2018 Riva del Garda Italie ISPRS OA Annals Article en page(s) : pp 121 - 128 Note générale : bibliographie
The authors would like to acknowledge the DGA for their financial support of this work.Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] reconstruction 3D
[Termes IGN] scène
[Termes IGN] semis de points
[Termes IGN] voisinage (relation topologique)Mots-clés libres : The authors would like to acknowledge the DGA for their financial support of this work Résumé : (auteur) We propose a new method for the reconstruction of simplicial complexes (combining points, edges and triangles) from 3D point clouds from Mobile Laser Scanning (MLS). Our main goal is to produce a reconstruction of a scene that is adapted to the local geometry of objects. Our method uses the inherent topology of the MLS sensor to define a spatial adjacency relationship between points. We then investigate each possible connexion between adjacent points and filter them by searching collinear structures in the scene, or structures perpendicular to the laser beams. Next, we create triangles for each triplet of self-connected edges. Last, we improve this method with a regularization based on the co-planarity of triangles and collinearity of remaining edges. We compare our results to a naive simplicial complexes reconstruction based on edge length. Numéro de notice : A2018-271 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-IV-2-121-2018 Date de publication en ligne : 28/05/2018 En ligne : https://doi.org/10.5194/isprs-annals-IV-2-121-2018 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90347
in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > vol IV-2 (June 2018) . - pp 121 - 128[article]Large-scale supervised learning for 3D Point cloud labeling : Semantic3d.Net / Timo Hackel in Photogrammetric Engineering & Remote Sensing, PERS, vol 84 n° 5 (mai 2018)
[article]
Titre : Large-scale supervised learning for 3D Point cloud labeling : Semantic3d.Net Type de document : Article/Communication Auteurs : Timo Hackel, Auteur ; Jan Dirk Wegner, Auteur ; Nikolay Savinov, Auteur ; Lubor Ladicky, Auteur ; Konrad Schindler, Auteur ; Marc Pollefeys, Auteur Année de publication : 2018 Article en page(s) : pp 297 - 308 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage dirigé
[Termes IGN] apprentissage profond
[Termes IGN] classification
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] état de l'art
[Termes IGN] réseau neuronal convolutif
[Termes IGN] scène urbaine
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsRésumé : (Auteur) In this paper, we review current state-of-the-art in 3D point cloud classification, present a new 3D point cloud classification benchmark data set of single scans with over four billion manually labeled points, and discuss first available results on the benchmark. Much of the stunning recent progress in 2D image interpretation can be attributed to the availability of large amounts of training data, which have enabled the (supervised) learning of deep neural networks. With the data set presented in this paper, we aim to boost the performance of CNNs also for 3D point cloud labeling. Our hope is that this will lead to a breakthrough of deep learning also for 3D (geo-) data. The semantic3D.net data set consists of dense point clouds acquired with static terrestrial laser scanners. It contains eight semantic classes and covers a wide range of urban outdoor scenes, including churches, streets, railroad tracks, squares, villages, soccer fields, and castles. We describe our labeling interface and show that, compared to those already available to the research community, our data set provides denser and more complete point clouds, with a much higher overall number of labeled points. We further provide descriptions of baseline methods and of the first independent submissions, which are indeed based on CNNs, and already show remarkable improvements over prior art. We hope that semantic3D.net will pave the way for deep learning in 3D point cloud analysis, and for 3D representation learning in general. Numéro de notice : A2018-162 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.84.5.297 Date de publication en ligne : 01/05/2018 En ligne : https://doi.org/10.14358/PERS.84.5.297 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89795
in Photogrammetric Engineering & Remote Sensing, PERS > vol 84 n° 5 (mai 2018) . - pp 297 - 308[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2018051 RAB Revue Centre de documentation En réserve L003 Disponible Revue des descripteurs tridimensionnels (3D) pour la catégorisation des nuages de points acquis avec un système LiDAR de télémétrie mobile / Sylvie Daniel in Geomatica, vol 72 n° 1 (March 2018)
[article]
Titre : Revue des descripteurs tridimensionnels (3D) pour la catégorisation des nuages de points acquis avec un système LiDAR de télémétrie mobile Type de document : Article/Communication Auteurs : Sylvie Daniel, Auteur Année de publication : 2018 Article en page(s) : pp 1 - 15 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] classificateur
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] grande échelle
[Termes IGN] performance
[Termes IGN] scène urbaine
[Termes IGN] semis de pointsRésumé : (Auteur) La compréhension de nuage de points LiDAR consiste à reconnaitre les objets qui sont présents dans la scène et à associer des interprétations aux nuages d’objets qui le composent. Les données LiDAR acquises en milieu urbain dans des environnements à grande échelle avec des systèmes terrestres de télémétrie mobile présentent plusieurs difficultés propres à ce contexte : chevauchement entre les nuages de points, occlusions entre les objets qui ne sont vus que partiellement, variations de la densité des points. Compte tenu de ces difficultés, beaucoup de descripteurs tridimensionnels (3D) proposés dans la littérature pour la classification et la reconnaissance d’objets voient leurs performances se dégrader dans ce contexte applicatif, car ils ont souvent été introduits et évalués avec des jeux de données portant sur de petits objets. De plus, il y a un manque de comparaison approfondie entre les descripteurs 3D mis en œuvre dans des environnements à grande échelle, ce qui a pour conséquence un manque de connaissance au moment de sélectionner le descripteur 3D le plus adapté à un nuage de points LiDAR acquis dans de tels environnements. Le présent article propose une revue approfondie des travaux portant sur l’application des descripteurs 3D à des données LiDAR acquises en milieu urbain dans des environnements à grande échelle avec des systèmes terrestres de télémétrie mobile. Les principaux descripteurs 3D appliqués dans de tels contextes sont ainsi recensés. Une synthèse de leurs performances et limites est ensuite effectuée de manière comparative sur la base des travaux disponibles dans la littérature. Enfin, une discussion abordant les éléments impactant le plus les performances des descripteurs et des pistes d’amélioration vient compléter cette revue. Numéro de notice : A2018-338 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1139/geomat-2018-0001 Date de publication en ligne : 30/07/2018 En ligne : https://doi.org/10.1139/geomat-2018-0001 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90552
in Geomatica > vol 72 n° 1 (March 2018) . - pp 1 - 15[article]LRAGE : learning latent relationships with adaptive graph embedding for aerial scene classification / Yuebin Wang in IEEE Transactions on geoscience and remote sensing, vol 56 n° 2 (February 2018)PermalinkComparative study of visual saliency maps in the problem of classification of architectural images with Deep CNNs / Abraham Montoya Obeso (2018)PermalinkFusion tardive d’images SPOT-6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl (2018)PermalinkPermalinkA stixel approach for enhancing semantic image segmentation using prior map information / Sylvain Jonchery (2018)PermalinkSingle image dehazing via an improved atmospheric scattering model / Mingye Ju in The Visual Computer, vol 33 n° 12 (December 2017)PermalinkAn effective spherical panoramic LoD model for a mobile street view service / Xianxiong Liu in Transactions in GIS, vol 21 n° 5 (October 2017)PermalinkKinetic depth images: flexible generation of depth perception / Sujal Bista in The Visual Computer, vol 33 n° 10 (October 2017)PermalinkA structured regularization framework for spatially smoothing semantic labelings of 3D point clouds / Loïc Landrieu in ISPRS Journal of photogrammetry and remote sensing, vol 132 (October 2017)PermalinkRemote sensing scene classification by unsupervised representation learning / Xiaoqiang Lu in IEEE Transactions on geoscience and remote sensing, vol 55 n° 9 (September 2017)PermalinkSimultaneous 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)PermalinkDisocclusion of 3D LiDAR point clouds using range images / Pierre Biasutti in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol IV-1/W1 (May 2017)PermalinkEfficient edge-aware surface mesh reconstruction for urban scenes / András Bódis-Szomorú in Computer Vision and image understanding, vol 157 (April 2017)PermalinkPermalinkPermalinkPermalinkPermalinkPré-segmentation pour la classification faiblement supervisée de scènes urbaines à partir de nuages de points 3D LIDAR / Stéphane Guinard (2017)PermalinkSVM et réseaux neuronaux convolutifs pour la classification de scènes urbaines / Amaury Zarzelli (2017)PermalinkTélédétection pour l'observation des surfaces continentales, Ch. 2. Analyse de scènes urbaines avec un véhicule de cartographie mobile / Bruno Vallet (2017)Permalink