Descripteur
Documents disponibles dans cette catégorie (2115)
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
Introduction à la géomatique pour le statisticien : quelques concepts et outils innovants de gestion, traitement et diffusion de l’information spatiale / François Sémécurbe (2022)
Titre : Introduction à la géomatique pour le statisticien : quelques concepts et outils innovants de gestion, traitement et diffusion de l’information spatiale Type de document : Guide/Manuel Auteurs : François Sémécurbe, Auteur ; Elise Coudin, Auteur Editeur : Paris : Institut National de la Statistique et des Etudes Economiques INSEE Année de publication : 2022 Collection : Documents de travail num. 2022-01 Importance : 66 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] carte interactive
[Termes IGN] cartographie dynamique
[Termes IGN] cartographie thématique
[Termes IGN] données spatiotemporelles
[Termes IGN] données vectorielles
[Termes IGN] GeoServer
[Termes IGN] géostatistique
[Termes IGN] PostGIS
[Termes IGN] Python (langage de programmation)
[Termes IGN] R (langage)
[Termes IGN] stockage de données
[Termes IGN] système d'information géographique
[Termes IGN] traitement de données localiséesRésumé : (éditeur) Ce document vise une présentation simple à l’attention des statisticiens des outils géomatiques récents qui permettent de stocker, traiter et diffuser l’information spatiale. Les logiciels comme R ou Python intègrent désormais les caractéristiques géographiques rendant plus accessibles leur traitement. Pour autant, le foisonnement des technologies, les possibilités offertes par le web, les technologies web, sont autant d’obstacles à dépasser pour celles et ceux souhaitant réaliser des cartographies thématiques percutantes. Ce document propose une présentation unifiée des concepts géomatiques, avec des extraits de code en R, Python et PostGIS. Il se concentre sur les données vectorielles et décrit les traitements et manipulations classiques à connaître pour construire une statistique spatiale. Il aborde aussi les outils et les flux permettant une diffusion dynamique (cartes interactives) de l’information spatiale. Il discute enfin le rôle de la spatialisation dans la représentation des données statistiques. Note de contenu : Introduction
1- Les données spatiales
2- Traitement des données spatiales
3- Diffusion dynamique de l'information spatiale
Discussion : le territoire des statisticiensNuméro de notice : 28651 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Guide DOI : sans En ligne : https://www.insee.fr/fr/statistiques/6049652 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99778 Learning multi-view aggregation in the wild for large-scale 3D semantic segmentation / Damien Robert (2022)
Titre : Learning multi-view aggregation in the wild for large-scale 3D semantic segmentation Type de document : Article/Communication Auteurs : Damien Robert , Auteur ; Bruno Vallet , Auteur ; Loïc Landrieu , Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2022 Projets : 3-projet - voir note / Conférence : CVPR 2022, IEEE Conference on Computer Vision and Pattern Recognition 19/06/2022 24/06/2022 New Orleans Louisiane - Etats-Unis OA Proceedings Importance : pp 5575 - 5584 Note générale : bibliographie
This work was funded by ENGIE Lab CRIGEN and carried on in the LASTIG research unit of Universite Paris-Est. The authors wish to thank AI4GEO for sharing their computing resources.Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] chaîne de traitement
[Termes IGN] données localisées 2D
[Termes IGN] données localisées 3D
[Termes IGN] données massives
[Termes IGN] pixel
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsRésumé : (auteur) Recent works on 3D semantic segmentation propose to exploit the synergy between images and point clouds by processing each modality with a dedicated network and projecting learned 2D features onto 3D points. Merging large-scale point clouds and images raises several challenges, such as constructing a mapping between points and pixels, and aggregating features between multiple views. Current methods require mesh reconstruction or specialized sensors to recover occlusions, and use heuristics to select and aggregate available images. In contrast, we propose an end-to-end trainable multi-view aggregation model leveraging the viewing conditions of 3D points to merge features from images taken at arbitrary positions. Our method can combine standard 2D and 3D networks and outperforms both 3D models operating on colorized point clouds and hybrid 2D/3D networks without requiring colorization, meshing, or true depth maps. We set a new state-of-the-art for large-scale indoor/ outdoor semantic segmentation on S3DIS (74.7 mIoU 6-Fold) and on KITTI360 (58.3 mIoU). Our full pipeline is accessible at https: //github.com/drprojects/DeepViewAgg, and only requires raw 3D scans and a set of images and poses. Numéro de notice : C2022-006 Affiliation des auteurs : UGE-LASTIG (2020- ) Autre URL associée : vers CVF/vers ArXiv Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.48550/arXiv.2204.07548 Date de publication en ligne : 15/04/2022 En ligne : https://doi.org/10.1109/CVPR52688.2022.00549 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100490
Titre : Learning surface reconstruction from point clouds in the wild Type de document : Thèse/HDR Auteurs : Raphaël Sulzer , Auteur ; Renaud Marlet, Directeur de thèse ; Bruno Vallet , Directeur de thèse ; Loïc Landrieu , Encadrant Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2022 Importance : 139 p. Note générale : bibliographie
Thèse de doctorat de l'Université Gustave EiffelLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] apprentissage profond
[Termes IGN] données localisées 3D
[Termes IGN] reconstruction d'objet
[Termes IGN] réseau neuronal de graphes
[Termes IGN] scène 3D
[Termes IGN] scène urbaine
[Termes IGN] semis de points
[Termes IGN] triangulation de Delaunay
[Termes IGN] visibilitéIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les technologies d’acquisition 3D récentes permettent de représenter le monde sous la forme de nuages de points 3D. Cependant, ces nuages de points ne sont généralement pas suffisants pour modéliser des processus physiques complexes. Au contraire, de nombreuses applications en sciences et en ingénierie nécessitent une représentation sous la forme d’une surface continue. Dans cette thèse, nous considérons le problème de reconstruction de surface à partir de nuages de points par apprentissage profond supervisé. En particulier, nous nous intéressons à la reconstruction de surface à partir de nuages de points réels, c’est-à-dire générés à partir de mesures effectuées sur le terrain: soit directement avec des scanners 3D, soit indirectement par photogrammétrie. Ces nuages représentent souvent de grandes scènes contenant de multiples objets de formes diverses. Ces nuages peuvent aussi inclure des défauts tels que du bruit d’acquisition, des valeurs aberrantes, un échantillonnage non uniforme ou des données manquantes, ce qui complique la reconstruction d’une surface topologiquement et géométriquement précise. Après avoir été utilisé avec succès pour de nombreuses tâches de vision par ordinateur, l’apprentissage profond supervisé a récemment été appliqué au problème de reconstruction de surface. Cependant, les méthodes courantes souffrent encore de deux principales limitations. Tout d’abord, l’apprentissage profond supervisé nécessite souvent un grand nombre de données annotées. Les nuages de points réels décrivent des objets ou des scènes complexes, ce qui rend la collecte de surfaces réelles coûteuse, ambigüe ou mathématiquement difficile. Deuxièmement, les algorithmes d’apprentissage existants sont souvent trop gourmands en calcul et en mémoire pour traiter des millions de points simultanément. Nous abordons ces deux problèmes en introduisant de nouvelles méthodes d’apprentissage profond supervisé pour traiter des nuages de points à grande échelle avec des caractéristiques du monde réel tout en étant entrainées sur de petits ensembles de données synthétiques. Cette thèse comprend trois contributions principales. Tout d’abord, nous passons en revue et évaluons plusieurs méthodes de reconstruction de surface à partir de nuages de points. En plus des méthodes d’apprentissage, nous évaluons certaines des approches traditionnelles proposées au cours des trois dernières décennies. Pour rendre le problème tractable et produire des résultats géométriquement et topologiquement précis même dans des conditions difficiles, les méthodes sans apprentissage reposent souvent sur des hypothèses sur la structure des nuages de points en entrées ou des surfaces reconstruites. En revanche, les algorithmes de reconstruction de surfaces par apprentissage profond (DSR) apprennent ces hypothèses directement à partir d’un ensemble d’entrainement de nuages de points et des surfaces réelles leur correspondant. Nous évaluons les méthodes d’apprentissage et traditionnelles pour la tâche de reconstruction d’objets à partir de nuages de points avec défauts scannés synthétiquement. Nos résultats montrent que les méthodes DSR sont capables de reconstruire des surfaces précises et complètes à partir de nuages de points présentant un degré modéré de défauts atténués, à condition que ces défauts soient présents pendant l’entrainement. Cependant, la qualité de la reconstruction pour les nuages de points avec défauts non présents dans l’ensemble d’entrainement est souvent moins bonne que celle des méthodes sans apprentissage. Les méthodes sans apprentissage, en revanche, sont d’une grande robustesse aux défauts, même avec une paramétrisation constante pour différentes entrées. Un autre défaut de la plupart des méthodes DSR est le fait qu’elles ignorent la pose des capteurs et n’opèrent que sur la position des points. La visibilité des capteurs contient pourtant des informations importantes sur l’occupation de l’espace et l’orientation de la surface. Nous présentons deux façons simples d’enrichir les nuages de points avec des informations de visibilité, qui peuvent être directement exploitées par des réseaux de reconstruction de surface en ne nécessitant qu’une adaptation minimale. Nous montrons que les modifications proposées améliorent systématiquement la précision des surfaces générées ainsi que la capacité des réseaux à généraliser à des nouveaux domaines. Nous publions également les versions scannées synthétiquement de base de données de formes 3D largement utilisées, afin d’encourager le développement d’algorithmes DSR capables d’utiliser les informations de visibilité. Enfin, nous présentons une nouvelle méthode de reconstruction de surface basée sur l’apprentissage et tenant compte de la visibilité pour les nuages de points réels à grande échelle. Notre méthode repose sur une triangulation 3D de Delaunay (3DT) dont les cellules sont classées comme intérieur ou extérieur de la surface recherchée par un réseau de convolution sur graphe (GNN) et un modèle énergétique résolvable avec une coupe de graphe. Le GNN utilise à la fois des attributs géométriques locaux et des informations de visibilité pour apprendre un modèle de visibilité à partir d’une petite quantité de données de formes synthétiques tout en généralisant aux acquisitions réelles. Numéro de notice : 17753 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/03/2023 En ligne : https://hal.science/tel-03968622v2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103164 Modalités et rythmes d'évolution des falaises des Vaches Noires (Normandie, France) : caractérisation et quantification des dynamiques hydrogravitaires par approches multi-scalaires / Thomas Roulland (2022)
Titre : Modalités et rythmes d'évolution des falaises des Vaches Noires (Normandie, France) : caractérisation et quantification des dynamiques hydrogravitaires par approches multi-scalaires Type de document : Thèse/HDR Auteurs : Thomas Roulland, Auteur ; Olivier Maquaire, Directeur de thèse ; Stéphane Costa, Directeur de thèse Editeur : Caen [France] : Université de Caen Normandie Année de publication : 2022 Importance : 357 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le diplôme de Doctorat, préparée au sein de l'Université de Caen Normandie, spécialité GéographieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] analyse spatio-temporelle
[Termes IGN] Calvados (14)
[Termes IGN] carte géomorphologique
[Termes IGN] cartographie des risques
[Termes IGN] données lidar
[Termes IGN] données spatiotemporelles
[Termes IGN] effondrement de terrain
[Termes IGN] érosion hydrique
[Termes IGN] falaise
[Termes IGN] modèle numérique de terrain
[Termes IGN] mouvement de terrain
[Termes IGN] structure-from-motion
[Termes IGN] trait de côteIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Parmi les côtes rocheuses sédimentaires à recul rapide du littoral normand, les falaises des Vaches Noires constituent un secteur original à la morphologie de badlands, affecté par des processus hydrogravitaires de diverses natures (coulées de boue, glissements de terrain, chutes de blocs calcaires et crayeux, ravinement, …) emboités dans le temps et dans l’espace. Ce travail de thèse vise à améliorer les connaissances sur le fonctionnement et les modalités d’évolution passée et présente des falaises des Vaches Noires. En cela, l’étude a porté sur la caractérisation et la formalisation des relais des processus hydrogravitaires, sur la détermination des modalités et vitesses/rythmes d’évolution des différents compartiments des falaises, puis sur la définition des forçages hydro-météo-marins responsables du déclenchement. Par approche systémique, une analyse multi-méthodes a été mise en place en emboitant les échelles spatiales et temporelles (1) de la plus globale (sur l’intégralité du linéaire côtier) à des pas de temps historiques (1759 et 2016), mais également récents (1947/1955 et 2016) en comparant divers documents géo-spatiaux et d’archives afin d’analyser les dynamiques de mobilité de trois marqueurs morphologiques (escarpement principal, escarpement secondaire, escarpement basal), puis d’élaborer un inventaire des mouvements de terrain couplé à une analyse diachronique de l’occupation du sol pour formaliser les trajectoires d’évolution des falaises sur la base de cartes morphodynamiques ; (2) à la plus locale (comprenant une bande de 200 m correspondant à un site SNO DYNALIT entre 2014 et 2019) afin de suivre les déformations et déplacements de surface par scanner laser terrestre (TLS), photogrammétrie « structure from motion » (SfM), et suivi en continu à l’aide de capteurs GNSS Géocube à des pas de temps pluriannuels, saisonniers et journaliers. Note de contenu : Introduction générale
1- Contexte morpho-structural et processus hydrogravitaires des falaises des Vaches Noires
2- Les facteurs de déclenchement des mouvements gravitaires : les conditions météo-marines et hydrogéologiques
3- Analyse des vitesses d’évolution à échelle historique (257 ans) et récente (69 ans)
4- État d’activité et trajectoire d’évolution des versants à échelle récente (1955 – 2016) : mobilisation de la cartographie morphodynamique
5- Quantification des dynamiques hydrogravitaires saisonnières des ravines par suivi TLS
6- Analyse des dynamiques hydrogravitaires par la photogrammétrie « SfM » terrestre
7- Les cinématiques de versant à échelle journalière et détermination de seuils de déclenchement
Conclusion généraleNuméro de notice : 24075 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géographie : Caen : 2022 Organisme de stage : IDEES DOI : sans En ligne : https://theses.hal.science/tel-03827251 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102198 Monitoring forest-savanna dynamics in the Guineo-Congolian transition area of the centre region of Cameroon / Le Bienfaiteur Sagang Takougoum (2022)
Titre : Monitoring forest-savanna dynamics in the Guineo-Congolian transition area of the centre region of Cameroon Type de document : Thèse/HDR Auteurs : Le Bienfaiteur Sagang Takougoum, Auteur ; Bonaventure Sonké, Directeur de thèse ; Nicolas Barbier, Directeur de thèse Editeur : Yaoundé : Université de Yaoundé Année de publication : 2022 Importance : 166 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l'Université de Yaoundé 1, Spécialité Botanique-EcologieLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] biomasse aérienne
[Termes IGN] Cameroun
[Termes IGN] carte d'utilisation du sol
[Termes IGN] carte de la végétation
[Termes IGN] classification dirigée
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] données de terrain
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] dynamique de la végétation
[Termes IGN] écotone
[Termes IGN] flore locale
[Termes IGN] forêt
[Termes IGN] Google Earth Engine
[Termes IGN] image Landsat
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] incendie de forêt
[Termes IGN] modèle statistique
[Termes IGN] savane
[Termes IGN] surveillance forestièreIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Understanding the effects of global change (combining anthropic and climatic pressures) on biome distribution needs innovative approaches allowing to address the large spatial scales involved and the scarcity of available ground data. Characterizing vegetation dynamics at landscape to regional scale requires both a high level of spatial detail (resolution), generally obtained through precise field measurements, and a sufficient coverage of the land surface (extent) provided by satellite images. The difficulty usually lies between these two scales as both signal saturation from satellite data and ground sampling limitations contribute to inaccurate extrapolations. Airborne laser scanning (ALS) data has revolutionized the trade-off between spatial detail and landscape coverage as it gives accurate information of the vegetation’s structure over large areas which can be used to calibrate satellite data. Also recent satellite data of improved spectral and spatial resolutions (Sentinel 2) allow for detailed characterizations of compositional gradients in the vegetation, notably in terms of the abundance of broad functional/optical plant types. Another major obstacle comes from the lack of a temporal perspective on dynamics and disturbances. Growing satellite imagery archives over several decades (45 years; Landsat) and available computing facilities such as Google Earth Engine (GEE) provide new possibilities to track long term successional trajectories and detect significant disturbances (i.e. fire) at a fine spatial detail (30m) and relate them to the current structure and composition of the vegetation. With these game changing tools our objective was to track long-term dynamics of forest-savanna ecotone in the Guineo-Congolian transition area of the Central Region of Cameroon with induced changes in the vegetatio structure and composition within two contrasted scenarios of anthropogenic pressures: 1) the Nachtigal area which is targeted for the dam construction and subject to intense agricultural activities and 2) the Mpem et Djim National Park (MDNP) which has no management plan. The maximum likelihood classification of the Spot 6/7 image aided with the information from the canopy height derived from ALS data discriminated the vegetation types within the Nachtigal area with good accuracy (96.5%). Using field plots data in upscaling aboveground biomass (AGB) form field plots estimates to the satellite estimates with model-based approaches lead to a systematic overestimation in AGB density estimates and a root mean squared prediction error (RMSPE) of up to 65 Mg.ha−1 (90%), whereas calibration with ALS data (AGBALS) lead to low bias and a drop of ~30% in RMSPE (down to 43 Mg.ha−1, 58%) with little effect of the satellite sensor used. However, these results also confirm that, whatever the spectral indices used and attention paid to sensor quality and pre-processing, the signal is not sufficient to warrant accurate pixel wise predictions, because of large relative RMSPE, especially above (200–250 Mg.ha−1). The design-based approach, for which average AGB density values were attributed to mapped land cover classes, proved to be a simple and reliable alternative (for landscape to region level estimations), when trained with dense ALS samples. AGB and species diversity measured within 74 field inventory plots (distributed along a savanna to forest successional gradient) were higher for the vegetation located in the MDNP compared to their pairs in the Nachtigal area. The automated unsupervised long-term (45 years) land cover change monitoring from Landsat image archives based on GEE captured a consistent and regular pattern of forest progression into savanna at an average rate of 1% (ca. 6 km².year-1). No fire occurrence was captured for savanna that transited to forest within five years of monitoring. Distinct assemblages of spectral species are apparent in forest vegetation which is consistent with the age of transition. As forest gets older AGBALS recovers at a rate of 4.3 Mg.ha-1.year-1 in young forest stands ( Note de contenu : Chapter 1. Generalities
1.1 Introduction
1.2 Literature Review
Chapter 2. Material And Methods
2.1 Material
2.2 Methods
Chapter 3. Results And Discussion
3.1 Results
3.2 Discussion
Chapter 4. Conclusion And Perspectives
4.1 Conclusion
4.2 PerspectivesNuméro de notice : 26820 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Thèse étrangère Note de thèse : Thèse de doctorat : Botanique-Ecologie : Yaoundé : 2022 Organisme de stage : Institut de Recherche pour le Développement IRD nature-HAL : Thèse DOI : sans Date de publication en ligne : 13/04/2022 En ligne : https://hal.inrae.fr/tel-03528875/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100465 PermalinkPermalinkPermalinkPhotogrammetric point clouds: quality assessment, filtering, and change detection / Zhenchao Zhang (2022)PermalinkPermalinkPermalinkPermalinkReprésentation et combinaison de l'information géographique pour l'apprentissage profond / Azelle Courtial (2022)PermalinkRepresenting vector geographic information as a tensor for deep learning based map generalisation / Azelle Courtial (2022)PermalinkRobust approach for urban road surface extraction using mobile laser scanning 3D point clouds / Abdul Nurunnabi (2022)Permalink