Centre dedocumentation
scientifique

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)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 7 (July 2020) . - pp 4939 - 4950 Titre : Classification of hyperspectral and LiDAR data using coupled CNNs Type de document : Article/Communication Auteurs : Renlong Hang, Auteur ; Zhu Li, Auteur ; Pedram Ghamisi, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 4939 - 4950 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] données hétérogènes [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] fusion de données [Termes descripteurs IGN] Houston (Texas) [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] Perceptron multicouche [Termes descripteurs IGN] précision de la classification [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] Trente [Termes descripteurs IGN] utilisation du sol Résumé : (auteur) In this article, we propose an efficient and effective framework to fuse hyperspectral and light detection and ranging (LiDAR) data using two coupled convolutional neural networks (CNNs). One CNN is designed to learn spectral–spatial features from hyperspectral data, and the other one is used to capture the elevation information from LiDAR data. Both of them consist of three convolutional layers, and the last two convolutional layers are coupled together via a parameter-sharing strategy. In the fusion phase, feature-level and decision-level fusion methods are simultaneously used to integrate these heterogeneous features sufficiently. For the feature-level fusion, three different fusion strategies are evaluated, including the concatenation strategy, the maximization strategy, and the summation strategy. For the decision-level fusion, a weighted summation strategy is adopted, where the weights are determined by the classification accuracy of each output. The proposed model is evaluated on an urban data set acquired over Houston, USA, and a rural one captured over Trento, Italy. On the Houston data, our model can achieve a new record overall accuracy (OA) of 96.03%. On the Trento data, it achieves an OA of 99.12%. These results sufficiently certify the effectiveness of our proposed model. Numéro de notice : A2020-391 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2969024 date de publication en ligne : 06/02/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2969024 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95374 [article]

A history of laser scanning, Part 1: space and defense applications / Adam P. Spring in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 7 (July 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 7 (July 2020) . - pp 419-429 Titre : A history of laser scanning, Part 1: space and defense applications Type de document : Article/Communication Auteurs : Adam P. Spring, Auteur Année de publication : 2020 Article en page(s) : pp 419-429 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] balayage laser [Termes descripteurs IGN] capteur à balayage [Termes descripteurs IGN] défense nationale [Termes descripteurs IGN] histoire des sciences et techniques [Termes descripteurs IGN] navigation autonome [Termes descripteurs IGN] secteur spatial [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] véhicule sans pilote Résumé : (Auteur) This article presents the origins and evolution of midrange terrestrial laser scanning (TLS), spanning primarily from the 1950s to the time of publication. Particular attention is given to developments in hardware and software that document the physical dimensions of a scene as a point cloud. These developments include parameters for accuracy, repeatability, and resolution in the midrange—millimeter and centimeter levels when recording objects at building and landscape scales up to a kilometer away. The article is split into two parts: Part one starts with early space and defense applications, and part two examines the survey applications that formed around TLS technologies in the 1990s. The origins of midrange TLS, ironically, begin in space and defense applications, which shaped the development of sensors and information processing via autonomous vehicles. Included are planetary rovers, space shuttles, robots, and land vehicles designed for relative navigation in hostile environments like space and war zones. Key people in the midrange TLS community were consulted throughout the 10-year period over which this article was written. A multilingual and multidisciplinary literature review—comprising media written or produced in Chinese, English, French, German, Japanese, Italian, and Russian—was also an integral part of this research. Numéro de notice : A2020-381 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.7.419 date de publication en ligne : 01/07/2020 En ligne : https://doi.org/10.14358/PERS.86.7.419 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95426 [article]

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

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 165 (July 2020) . - pp 86 - 97 Titre : Unsupervised semantic and instance segmentation of forest point clouds Type de document : Article/Communication Auteurs : Di Wang, Auteur Année de publication : 2020 Article en page(s) : pp 86 - 97 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] étiquetage sémantique [Termes descripteurs IGN] hauteur des arbres [Termes descripteurs IGN] houppier [Termes descripteurs IGN] indice foliaire [Termes descripteurs IGN] interprétation automatique [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] télémètre laser terrestre Résumé : (auteur) Terrestrial Laser Scanning (TLS) has been increasingly used in forestry applications including forest inventory and plant ecology. Tree biophysical properties such as leaf area distributions and wood volumes can be accurately estimated from TLS point clouds. In these applications, a prerequisite is to properly understand the information content of large scale point clouds (i.e., semantic labelling of point clouds), so that tree-scale attributes can be retrieved. Currently, this requirement is undergoing laborious and time consuming manual works. In this work, we jointly address the problems of semantic and instance segmentation of forest point clouds. Specifically, we propose an unsupervised pipeline based on a structure called superpoint graph, to simultaneously perform two tasks: single tree isolation and leaf-wood classification. The proposed method is free from restricted assumptions of forest types. Validation using simulated data resulted in a mean Intersection over Union (mIoU) of 0.81 for single tree isolation, and an overall accuracy of 87.7% for leaf-wood classification. The single tree isolation led to a relative root mean square error (RMSE%) of 2.9% and 19.8% for tree height and crown diameter estimations, respectively. Comparisons with existing methods on other benchmark datasets showed state-of-the-art results of our method on both single tree isolation and leaf-wood classification tasks. We provide the entire framework as an open-source tool with an end-user interface. This study closes the gap for using TLS point clouds to quantify tree-scale properties in large areas, where automatic interpretation of the information content of TLS point clouds remains a crucial challenge. Numéro de notice : A2020-347 Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.04.020 date de publication en ligne : 28/05/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.04.020 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95228 [article]

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

Public [article]  inXYZ > n° 163 (juin 2020) . - pp 37 - 43 Titre : Hétérogénéité des distances : quel impact sur la qualité des relevés lidar aériens et terrestres ? Type de document : Article/Communication Auteurs : Laurent Polidori, Auteur ; Tania Landes, Auteur ; Jérome Verdun, Auteur ; Michel Kasser, Auteur Année de publication : 2020 Article en page(s) : pp 37 - 43 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] lever aérien [Termes descripteurs IGN] précision des données [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] télémétrie laser aéroporté [Termes descripteurs IGN] télémétrie laser terrestre Résumé : (Auteur) La spécification de qualité d'un nuage de points laser est plus pertinente si tous les points ont des qualités individuelles similaires. Pourtant, en pratique, des hétérogénéités de qualité sont causées par la présence de différents matériaux et par la géométrie de la scène qui engendre des hétérogénéités de distances. Cet article s'intéresse à l'hétérogénéité des distances et à son impact sur l'hétérogénéité de la qualité dans un nuage de points. Les acquisitions aussi bien terrestres qu'aériennes sont considérées. Un indicateur simple est proposé pour caractériser l'hétérogénéité des distances et ses effets sur différents critères de qualité. L'analyse de levés lidar terrestre et aérien typiques montre que l'impact de l'hétérogénéité des distances est plus critique dans le cas terrestre. Finalement, des stratégies sont évoquées pour limiter l'hétérogénéité des distances dans un levé lidar, ainsi que des recommandations pour la mise en œuvre des levés. Numéro de notice : A2020-389 Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95487 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2020021	SL	Revue	Centre de documentation	Revues en salle	Disponible
112-2020022	SL	Revue	Centre de documentation	Revues en salle	Disponible

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

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 164 (June 2020) . - pp 41 - 60 Titre : Under-canopy UAV laser scanning for accurate forest field measurements Type de document : Article/Communication Auteurs : Eric Hyyppä, Auteur ; Juha Hyyppä, Auteur ; Teemu Hakala, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 41 - 60 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] balayage laser [Termes descripteurs IGN] canopée [Termes descripteurs IGN] densité du bois [Termes descripteurs IGN] diamètre à hauteur de poitrine [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] erreur moyenne quadratique [Termes descripteurs IGN] Finlande [Termes descripteurs IGN] forêt boréale [Termes descripteurs IGN] hauteur à la base du houppier [Termes descripteurs IGN] hauteur des arbres [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] inventaire forestier local [Termes descripteurs IGN] modèle de croissance [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] Simultaneous Localisation And Mapping [Termes descripteurs IGN] télédétection aérienne [Termes descripteurs IGN] télémètre laser terrestre [Termes descripteurs IGN] télémétrie laser aéroporté [Termes descripteurs IGN] tronc Résumé : (auteur) Surveying and robotic technologies are converging, offering great potential for robotic-assisted data collection and support for labour intensive surveying activities. From a forest monitoring perspective, there are several technological and operational aspects to address concerning under-canopy flying unmanned airborne vehicles (UAV). To demonstrate this emerging technology, we investigated tree detection and stem curve estimation using laser scanning data obtained with an under-canopy flying UAV. To this end, we mounted a Kaarta Stencil-1 laser scanner with an integrated simultaneous localization and mapping (SLAM) system on board an UAV that was manually piloted with the help of video goggles receiving a live video feed from the onboard camera of the UAV. Using the under-canopy flying UAV, we collected SLAM-corrected point cloud data in a boreal forest on two 32 m 32 m test sites that were characterized as sparse ( = 42 trees) and obstructed ( = 43 trees), respectively. Novel data processing algorithms were applied for the point clouds in order to detect the stems of individual trees and to extract their stem curves and diameters at breast height (DBH). The estimated tree attributes were compared against highly accurate field reference data that was acquired semi-manually with a multi-scan terrestrial laser scanner (TLS). The proposed method succeeded in detecting 93% of the stems in the sparse plot and 84% of the stems in the obstructed plot. In the sparse plot, the DBH and stem curve estimates had a root-mean-squared error (RMSE) of 0.60 cm (2.2%) and 1.2 cm (5.0%), respectively, whereas the corresponding values for the obstructed plot were 0.92 cm (3.1%) and 1.4 cm (5.2%). By combining the stem curves extracted from the under-canopy UAV laser scanning data with tree heights derived from above-canopy UAV laser scanning data, we computed stem volumes for the detected trees with a relative RMSE of 10.1% in both plots. Thus, the combination of under-canopy and above-canopy UAV laser scanning allowed us to extract the stem volumes with an accuracy comparable to the past best studies based on TLS in boreal forest conditions. Since the stems of several spruces located on the test sites suffered from severe occlusion and could not be detected with the stem-based method, we developed a separate work flow capable of detecting trees with occluded stems. The proposed work flow enabled us to detect 98% of trees in the sparse plot and 93% of the trees in the obstructed plot with a 100% correction level in both plots. A key benefit provided by the under-canopy UAV laser scanner is the short period of time required for data collection, currently demonstrated to be much faster than the time required for field measurements and TLS. The quality of the measurements acquired with the under-canopy flying UAV combined with the demonstrated efficiency indicates operational potential for supporting fast and accurate forest resource inventories. Numéro de notice : A2020-240 Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.03.021 date de publication en ligne : 11/04/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.03.021 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94994 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020061	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020063	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020062	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Delineating minor landslide displacements using GPS and terrestrial laser scanning-derived terrain surfaces and trees: a case study of the Slumgullion landslide, Lake City, Colorado / Jin Wang 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

Modeling strawberry biomass and leaf area using object-based analysis of high-resolution images / Zhen Guan in ISPRS Journal of photogrammetry and remote sensing, vol 163 (May 2020)  

Permalink

A point cloud feature regularization method by fusing judge criterion of field force / Xijiang Chen in IEEE Transactions on geoscience and remote sensing, vol 58 n° 5 (May 2020)  

Permalink

Directionally constrained fully convolutional neural network for airborne LiDAR point cloud classification / Congcong Wen in ISPRS Journal of photogrammetry and remote sensing, vol 162 (April 2020)  

Permalink

Multitemporal analysis of gully erosion in olive groves by means of digital elevation models obtained with aerial photogrammetric and LIDAR data / Tomás Fernández in ISPRS International journal of geo-information, vol 9 n° 4 (April 2020)  

Permalink

Using multi-scale and hierarchical deep convolutional features for 3D semantic classification of TLS point clouds / Zhou Guo in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Permalink

An improved RANSAC algorithm for extracting roof planes from airborne lidar data / Sibel Canaz Sevgen in Photogrammetric record, vol 35 n° 169 (March 2020)  

Permalink

A discriminative tensor representation model for feature extraction and classification of multispectral LiDAR data / Qingwang Wang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 3 (March 2020)  

Permalink