Centre dedocumentation
scientifique

See the forest and the trees: Effective machine and deep learning algorithms for wood filtering and tree species classification from terrestrial laser scanning / Zhouxin Xi in ISPRS Journal of photogrammetry and remote sensing, vol 168 (October 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 168 (October 2020) . - pp 1 - 16 Titre : See the forest and the trees: Effective machine and deep learning algorithms for wood filtering and tree species classification from terrestrial laser scanning Type de document : Article/Communication Auteurs : Zhouxin Xi, Auteur ; Christopher Hopkinson, Auteur ; Stewart B. Rood, Auteur ; Derek R. Peddle, Auteur Année de publication : 2020 Article en page(s) : pp 1 - 16 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] espèce végétale [Termes descripteurs IGN] gestion forestière [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] télémétrie laser terrestre [Termes descripteurs IGN] variation saisonnière Résumé : (auteur) Determining tree species composition in natural forests is essential for effective forest management. Species classification at the individual tree level requires fine-scale traits which can be derived through terrestrial laser scanning (TLS) point clouds. A generalizable species classification framework also needs to decouple seasonal foliage variation from deciduous species, for which wood filtering is applicable. Different machine learning and deep learning models are feasible for wood filtering and species classification. We investigated 13 machine learning and deep learning classifiers for 9 species, and 15 classifiers for filtering wood points from TLS plot scans. Each classifier was evaluated using the criteria of mean Intersection over Union accuracy (mIoU), training stability and time cost. On average, deep learning classifiers outperformed machine learning classifiers by 10% and 5% in terms of wood and species classification mIoU, respectively. PointNet++ provided the best species classifier, with the highest mIoU (0.906), stability, and moderate time cost. Among wood classifiers, UNet achieved the top mIoU (0.839) while ResNet-50 was recommended for rapid trial and error testing. Across the classifications, the factors of input resolution, attributes and features were also analyzed. Hot zones of species classification with PointNet++ were visualized to indicate how AI interpret species traits. Numéro de notice : A2020-533 Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.08.001 date de publication en ligne : 10/08/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.08.001 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95718 [article]

Relevé 3D et classification de nuages de points de patrimoine bâti / Arnadi Murtiyoso in XYZ, n° 164 (septembre 2020)

Public [article]  inXYZ > n° 164 (septembre 2020) Titre : Relevé 3D et classification de nuages de points de patrimoine bâti Type de document : Article/Communication Auteurs : Arnadi Murtiyoso, Auteur Année de publication : 2020 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] Agisoft Photoscan [Termes descripteurs IGN] contrôle qualité [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] lasergrammétrie [Termes descripteurs IGN] modélisation 3D [Termes descripteurs IGN] monument historique [Termes descripteurs IGN] patrimoine immobilier [Termes descripteurs IGN] segmentation [Termes descripteurs IGN] semis de points Résumé : (auteur) La documentation du patrimoine bâti a beaucoup évolué ces dernières années grâce au développement de nouveaux capteurs 3D et de nouvelles techniques de relevé 3D. Les données 3D contribuent à la création d'archives fiables et tangibles des sites et des monuments historiques. Vu l'importance des données 3D dans la documentation du patrimoine bâti, le contrôle de qualité est un aspect primordial qui devrait être abordé avant d'entreprendre le traitement du nuage de points. L'étude est ainsi divisée en deux parties. La première partie concerne principalement l'acquisition et le contrôle de qualité des données. Un point important sera l'intégration de la photogrammétrie et de la lasergrammétrie dans le contexte de la documentation d'un site historique à différentes échelles. La deuxième partie de l'article va aborder le traitement de nuages de points, plus particulièrement la segmentation et la classification de nuages de points. L'aspect échelles de notre approche est importante, car dans beaucoup de cas, un bâtiment remarquable se situe dans un quartier historique qui nécessite une segmentation échelles. En combinant ces deux parties, nous avons considéré l'ensemble du processus allant de l'acquisition de données 3D jusqu'à la segmentation et la classification en entités à plusieurs échelles. Numéro de notice : A2020-553 Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95821 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2020031	SL	Revue	Centre de documentation	Revues en salle	Disponible
112-2020032	SL	Revue	Centre de documentation	Revues en salle	En circulation Exclu du prêt

Shallow water bathymetry derived from green wavelength terrestrial laser scanner / Theodore Panagou in Marine geodesy, Vol 43 n° 5 (September 2020)  

Public [article]  inMarine geodesy > Vol 43 n° 5 (September 2020) . - pp 472 - 492 Titre : Shallow water bathymetry derived from green wavelength terrestrial laser scanner Type de document : Article/Communication Auteurs : Theodore Panagou, Auteur ; Adonis F. Velegrakis, Auteur Année de publication : 2020 Article en page(s) : pp 472 - 492 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] angle d'incidence [Termes descripteurs IGN] balayage laser [Termes descripteurs IGN] bathymétrie laser [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] filtrage de points [Termes descripteurs IGN] longueur d'onde [Termes descripteurs IGN] profondeur [Termes descripteurs IGN] réfraction [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] surveillance du littoral [Termes descripteurs IGN] télémétrie laser terrestre Résumé : (auteur) Shallow water bathymetry has proved to be a challenging task for remote sensing applications. In this work, Green-Wavelength Terrestrial Laser Scanning (GWTLS) is employed to survey nearshore bathymetry under clear atmospheric and water conditions. First, the obtained seabed points were corrected for refraction and then geo-registration, and filtering processes were exerted to obtain an accurate bathymetric surface. Terrain analysis was performed with respect to a reference surface derived from classical surveying techniques. The overall analysis has shown that the best results stem from 35° to 50° incident angles, whereas for angles higher than 65° measurements are not acceptable, although for the same angle in front and close to the instrument accuracy is considered acceptable due to the high laser power. Also, high resolution micro-topography, shallower than 1 m water depth, was managed to be captured. Systematic experimental approaches are expected to improve the GWTLS technique to detect bathymetry, which is anticipated to assist in mapping very shallow foreshore, tidal, and deltaic environments, to contribute conceptual into developing hybrid observation systems for coastal monitoring, and also to be applied in various maritime applications. Numéro de notice : A2020-482 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/01490419.2020.1737602 date de publication en ligne : 18/03/2020 En ligne : https://doi.org/10.1080/01490419.2020.1737602 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95634 [article]

Planar polygons detection in lidar scans based on sensor topology enhanced Ransac / Stéphane Guinard in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2 (August 2020)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > V-2 (August 2020) . - pp 343 - 350 Titre : Planar polygons detection in lidar scans based on sensor topology enhanced Ransac Type de document : Article/Communication Auteurs : Stéphane Guinard , Auteur ; Zoumana Mallé, Auteur ; Oussama Ennafii , Auteur ; Pascal Monasse, Auteur ; Bruno Vallet , Auteur Congrès : Congrès: ISPRS 2020, virtual Congress Imaging today foreseeing tomorrow (31 aout - 2 septembre 2020; Nice, France), Commanditaire Année de publication : 2020 Projets : Biom / Vallet, Bruno Article en page(s) : pp 343 - 350 Note générale : biblographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] polygone [Termes descripteurs IGN] Ransac (algorithme) [Termes descripteurs IGN] segmentation par croissance de régions [Termes descripteurs IGN] topologie capteur [Termes descripteurs IGN] traitement de nuage de points [Termes descripteurs IGN] transformation de Hough Résumé : (auteur) Detecting planar structures in point clouds is a very central step of the point cloud processing pipeline as many Lidar scans, in particular in anthropic environments, present such planar structures. Many improvements have been proposed to RANSAC and the Hough transform, the two major types of plane detection methods. An important limitation however is that these methods detect planes running across the whole scene instead of more localized planar patches. Moreover, they do not exploit the sensor information that often comes with Lidar point cloud (sensor topology and optical center position in particular). In this paper we address both issues: we aim at detecting planar polygons that have a limited spatial extent, and we exploit sensor topology. The latter is used to enhance a RANSAC framework on two aspects: to make seed points selection more local and to define more compact sets of inliers through sensor space region growing. Numéro de notice : A2020-502 Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-V-2-2020-343-2020 date de publication en ligne : 03/08/2020 En ligne : https://doi.org/10.5194/isprs-annals-V-2-2020-343-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95643 [article]

Provably consistent distributed Delaunay triangulation / Mathieu Brédif in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2 (August 2020)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > V-2 (August 2020) . - pp 195 - 202 Titre : Provably consistent distributed Delaunay triangulation Type de document : Article/Communication Auteurs : Mathieu Brédif , Auteur ; Laurent Caraffa , Auteur ; Murat Yirci, Auteur ; Pooran Memari, Auteur Congrès : Congrès: ISPRS 2020, virtual Congress Imaging today foreseeing tomorrow (31 aout - 2 septembre 2020; Nice, France), Commanditaire Année de publication : 2020 Projets : IQmulus / Brédif, Mathieu Article en page(s) : pp 195 - 202 Note générale : bibliographie Dans HAL https://hal.archives-ouvertes.fr/hal-02551509 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] géomètrie algorithmique [Termes descripteurs IGN] informatique en nuage [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] Spark [Termes descripteurs IGN] traitement de nuage de points [Termes descripteurs IGN] triangulation de Delaunay Résumé : (Auteur) This paper deals with the distributed computation of Delaunay triangulations of massive point sets, mainly motivated by the needs of a scalable out-of-core surface reconstruction workflow from massive urban LIDAR datasets. Such a data often corresponds to a huge point cloud represented through a set of tiles of relatively homogeneous point sizes. This will be the input of our algorithm which will naturally partition this data across multiple processing elements. The distributed computation and communication between processing elements is orchestrated efficiently through an uncentralized model to represent, manage and locally construct the triangulation corresponding to each tile. Initially inspired by the star splaying approach, we review the Tile\& Merge algorithm for computing Distributed Delaunay Triangulations on the cloud, provide a theoretical proof of correctness of this algorithm, and analyse the performance of our Spark implementation in terms of speedup and strong scaling in both synthetic and real use case datasets. A HPC implementation (e.g. using MPI), left for future work, would benefit from its more efficient message passing paradigm but lose the robustness and failure resilience of our Spark approach. Numéro de notice : A2020-410 Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-V-2-2020-195-2020 date de publication en ligne : 03/08/2020 En ligne : https://doi.org/10.5194/isprs-annals-V-2-2020-195-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94979 [article]

Assessment of USGS DEMs for modelling pothole inundation in the prairie pothole region of Iowa / Priyadarshi Upadhyay in Geocarto international, vol 35 n° 9 ([01/07/2020])  

Permalink

Classification of hyperspectral and LiDAR data using coupled CNNs / Renlong Hang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 7 (July 2020)  

Permalink

Unsupervised semantic and instance segmentation of forest point clouds / Di Wang in ISPRS Journal of photogrammetry and remote sensing, vol 165 (July 2020)  

Permalink

An integrated approach for detection and prediction of greening situation in a typical desert area in China and its human and climatic factors analysis / Lei Zhou in ISPRS International journal of geo-information, vol 9 n° 6 (June 2020)  

Permalink

Hétérogénéité des distances : quel impact sur la qualité des relevés lidar aériens et terrestres ? / Laurent Polidori in XYZ, n° 163 (juin 2020)

Permalink

Under-canopy UAV laser scanning for accurate forest field measurements / Eric Hyyppä in ISPRS Journal of photogrammetry and remote sensing, vol 164 (June 2020)  

Permalink

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)  

Permalink

Filtering of airborne LiDAR bathymetry based on bidirectional cloth simulation / Anxiu Yang in ISPRS Journal of photogrammetry and remote sensing, vol 163 (May 2020)  

Permalink

Improved supervised learning-based approach for leaf and wood classification from LiDAR point clouds of forests / Sruthi M. Krishna Moorthy in IEEE Transactions on geoscience and remote sensing, vol 58 n° 5 (May 2020)  

Permalink

Mapping urban grey and green structures for liveable cities using a 3D enhanced OBIA approach and vital statistics / E. Banzhaf in Geocarto international, vol 35 n° 6 ([01/05/2020])  

Permalink