Descripteur
Termes IGN > 1-Candidats > semis de points
semis de points
Commentaire :
- Ensemble de points répartis de façon régulière ou quelconque sur une zone géographique donnée. (Glossaire de cartographie / CFC) Ces points peuvent être issus d'images ou de données lidar ...
Synonyme(s)nuage de pointsVoir aussi |
Documents disponibles dans cette catégorie (460)
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
Tree annotations in LiDAR data using point densities and convolutional neural networks / Ananya Gupta in IEEE Transactions on geoscience and remote sensing, vol 58 n° 2 (February 2020)
[article]
Titre : Tree annotations in LiDAR data using point densities and convolutional neural networks Type de document : Article/Communication Auteurs : Ananya Gupta, Auteur ; Jonathan Byrne, Auteur ; David Moloney, Auteur Année de publication : 2020 Article en page(s) : pp 971 - 981 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] données lidar
[Termes IGN] Dublin (Irlande ; ville)
[Termes IGN] extraction d'arbres
[Termes IGN] image spectrale
[Termes IGN] Montréal (Québec)
[Termes IGN] segmentation
[Termes IGN] segmentation sémantique
[Termes IGN] semis de points
[Termes IGN] voxel
[Termes IGN] zone urbaineRésumé : (auteur) LiDAR provides highly accurate 3-D point clouds. However, data need to be manually labeled in order to provide subsequent useful information. Manual annotation of such data is time-consuming, tedious, and error prone, and hence, in this article, we present three automatic methods for annotating trees in LiDAR data. The first method requires high-density point clouds and uses certain LiDAR data attributes for the purpose of tree identification, achieving almost 90% accuracy. The second method uses a voxel-based 3-D convolutional neural network on low-density LiDAR data sets and is able to identify most large trees accurately but struggles with smaller ones due to the voxelization process. The third method is a scaled version of the PointNet++ method and works directly on outdoor point clouds and achieves an F score of 82.1% on the ISPRS benchmark data set, comparable to the state-of-the-art methods but with increased efficiency. Numéro de notice : A2020-095 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2942201 Date de publication en ligne : 11/10/2019 En ligne : https://doi.org/10.1109/TGRS.2019.2942201 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94658
in IEEE Transactions on geoscience and remote sensing > vol 58 n° 2 (February 2020) . - pp 971 - 981[article]Cartographie sémantique hybride de scènes urbaines à partir de données image et Lidar / Mohamed Boussaha (2020)
Titre : Cartographie sémantique hybride de scènes urbaines à partir de données image et Lidar Titre original : 3D hybrid urban scene semantic mapping from multi-modal data Type de document : Thèse/HDR Auteurs : Mohamed Boussaha , Auteur ; Bruno Vallet , Directeur de thèse ; Patrick Rives, Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2020 Projets : PLaTINUM / Gouet-Brunet, Valérie Note générale : bibliographie
Dissertation submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy delivered by Université Paris-EstLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] apprentissage dirigé
[Termes IGN] carte de profondeur
[Termes IGN] descripteur
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] fusion de données multisource
[Termes IGN] image panoramique
[Termes IGN] maillage par triangles
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] réflectance
[Termes IGN] scène intérieure
[Termes IGN] scène urbaine
[Termes IGN] segmentation sémantique
[Termes IGN] semis de points
[Termes IGN] système de numérisation mobile
[Termes IGN] texturage
[Termes IGN] traitement de semis de pointsIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Avec la démocratisation des applications collaboratives d'assistance à la navigation et l'avènement de robots autonomes, la cartographie mobile suscite ces dernières années une attention croissante, tant dans les milieux académiques qu'industriels. La numérisation de l'environnement offre non seulement une connaissance fine et exhaustive permettant aux usagers d'anticiper et de planifier leurs déplacements, mais garantit aussi la disponibilité d'informations fiables notamment en cas d'éventuelle défaillance des capteurs visuels d'un véhicule autonome. S'agissant d'un enjeu crucial pour une navigation fiable, la cartographie mobile soulève en revanche de nombreux défis en matière de robustesse, de précision et de passage à l'échelle. Cette problématique fait appel à des méthodes qui requièrent une capacité de traitement de données massives avec une précision centimétrique tout en gérant les spécificités de l'acquisition (la variabilité du niveau de détails, des occultations et des fortes variations de luminosité).
Cette thèse porte sur le développement d'un référentiel global géolocalisé de l'environnement urbain constitué de représentations 3D géométriques, photométriques et sémantiques. Dans un premier temps, une investigation approfondie de la représentation la plus adaptée à un tel référentiel, permet une reconstruction d'une carte haute définition à large échelle sous forme d'un maillage 3D texturé. Cette représentation est mise en place par fusion multimodale d'images orientées et de balayages LiDAR géo-référencés acquis depuis une plateforme de cartographie mobile terrestre. Par la suite, nous proposons d'intégrer l'aspect sémantique au référentiel 3D reconstruit en exploitant la complémentarité entre les modalités d'acquisition photométriques et géométriques. À travers la riche littérature sur le sujet, nous identifions l'absence d'un jeu de données urbain multimodal annoté incluant un maillage texturé à large échelle. Nous abordons ce verrou par la production d'un jeu de données composé de nuages de point 3D, d'images 2D perspectives et panoramiques, de cartes de profondeur et de reflectance ainsi qu'un maillage texturé avec les annotations correspondantes à chaque modalité. Dans un second temps, nous considérons le référentiel comme un nuage de points structuré par un graphe d'adjacence. Nous introduisons une nouvelle approche de sur-segmentation par apprentissage supervisé. Cette méthode opère en deux temps: calcul de descripteurs locaux des points 3D par apprentissage profond de métrique, puis partition du nuage de points en zones uniformes, appelées superpoints. Les descripteurs sont appris de telle sorte qu'ils présentent de forts contrastes à l'interface entre objets, incitant la partition résultante à suivre leurs contours naturels. Nos expériences sur des scènes intérieures et extérieures montrent la nette supériorité de notre approche sur les méthodes de partition de nuage de points de l'état de l'art, qui ne reposaient pas jusqu'à là sur l'apprentissage machine. Nous montrons également que notre méthode peut être combinée à un algorithme de classification de superpoints pour obtenir d'excellents résultats en terme de segmentation sémantique, améliorant aussi l'état de l'art sur ce sujet. Enfin, nous étendons cette approche aux maillages texturés. Les triangles, structurés cette fois-ci par le graphe d'adjacence du maillage, sont partitionnés en groupes homogènes appelés superfacettes. À l'instar des nuages de points, des descripteurs locaux du maillage texturé sont appris de façon à ce que les frontières d'objets sémantiquement distincts présentent un contraste élevé. Ces descripteurs sont le résultat d'une fusion des descripteurs appris sur le maillage par convolution des arêtes d'une part, et des descripteurs de texture d'autre part. Les expériences réalisées sur notre jeu de données illustrent la supériorité de notre approche par rapport aux méthodes de l'état de l'art de sur-segmentation de maillage.Numéro de notice : 17674 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : Geographical Information Sciences and technologies : UPE : 2020 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse En ligne : https://hal.science/tel-03276242v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98009 Contribution à la segmentation et à la modélisation 3D du milieu urbain à partir de nuages de points / Tania Landes (2020)
Titre : Contribution à la segmentation et à la modélisation 3D du milieu urbain à partir de nuages de points : Habilitation à Diriger les Recherches Type de document : Thèse/HDR Auteurs : Tania Landes, Auteur ; Nicolas Paparoditis , Encadrant Editeur : Strasbourg : Université de Strasbourg Année de publication : 2020 Importance : 134 p. Format : 21 x 30 cm Note générale : Bibliographie
Synthèse des travaux en vue d'obtenir l'Habilitation à Diriger des Recherches délivrée par l'Université de Strasbourg, Sciences de l’Ingénieur, Spécialité Topographie, GéomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] acquisition de données
[Termes IGN] arbre urbain
[Termes IGN] climat urbain
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] espace intérieur
[Termes IGN] façade
[Termes IGN] jumeau numérique
[Termes IGN] maquette numérique
[Termes IGN] modèle 3D de l'espace urbain
[Termes IGN] modélisation 3D du bâti BIM
[Termes IGN] qualité géométrique (image)
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] reconstruction d'objet
[Termes IGN] segmentation d'image
[Termes IGN] semis de pointsIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La modélisation 3D répond à la fois à un enjeu économique mais aussi environnemental, que ce soit à l'échelle du bâtiment ou de la ville. Ces dix dernières années, les techniques d'acquisitions ont considérablement évolué du point de vue de leur rapidité, du volume de données à gérer, de l’hétérogénéité des informations acquises par les systèmes multi-capteurs, de même que les méthodes de traitement des données. De nouveaux processus sont nés de ces bouleversements, comme le processus « scan-to-BIM » caractérisant les étapes menant du nuage de points à une maquette numérique intelligente. En adoptant la maquette numérique, intégrée dans un processus collaboratif BIM (Building Information Modeling), les acteurs du bâtiment sont en mesure d’effectuer des simulations et de réduire, en plus des coûts, l’impact environnemental lié aux interventions sur le bâtiment, tout au long de son cycle de vie. En pratique, pour aboutir à une maquette numérique intelligente du bâtiment à partir d’un relevé de l’existant, de nombreux verrous technologiques sont à lever. Dans ce contexte, j'ai eu la chance d’encadrer divers travaux de recherches portant sur les thématiques de l’acquisition de données 3D (généralement sous formes de nuages de points 3D) à leur traitement, jusqu’à la production de la maquette numérique. Au travers des thèses que j’ai eu l’occasion de suivre, j’ai participé à la création et la mise en œuvre de chaînes de traitements de nuages de points acquis par LiDAR aéroporté, LiDAR terrestre et autres capteurs 3D. Ces travaux ont permis d’aboutir au développement de systèmes d’acquisitions innovants (thèse Mittet, 2015), d’algorithmes de consolidations (thèses Hullo, 2013 et Lachat, 2019), de segmentation et de modélisations de nuages de points pour la reconstruction de bâtiments (thèse Tarsha-Kurdi, 2008), de façades (thèse Boulaassal, 2010) et d’intérieurs de bâtiments (thèse Macher, 2017). La question de l’évaluation de la qualité des modèles a été abordée dans chacune des thèses, en particulier à l’échelle du bâtiment entier (thèse Mohamed, 2013). Souhaitant mettre au profit de problématiques environnementales l’expérience acquise au travers de l’ensemble de ces travaux de la phase de relevés à celle de la production de la maquette numérique, le regard longtemps focalisé sur le bâtiment s’est alors tourné vers d’autres objets urbains que sont les arbres en ville, avec l’ambition de les reconstruire en 3D. Ce défi audacieux a été relevé, grâce à l’impulsion de spécialistes en climatologie urbaine de l’équipe ICube-TRIO. Il finalement permis de créer un nouvel axe de recherche au sein de notre équipe : l’apport de la lasergrammétrie à la modélisation du climat urbain. En répondant au besoin, pour les modèles de simulation du climat urbain, de disposer de reconstructions 3D fidèles des arbres, nous avons, par la même occasion, été initiés à l’impact des arbres sur la création de microclimats urbains. Débutée à l’échelle de l’arbre et d’un parc (thèse Bournez, 2018), l’étude se poursuit actuellement à l’échelle de la ville et de la région (thèse Philipps, en cours). Nous rappellerons, dans la première partie de ce mémoire, les avancées majeures dans chaque étape de la chaîne de traitements mise en place, avant de proposer des perspectives de recherche. Dans le processus du « scan-to-BIM », la segmentation essentiellement géométrique méritera d’être enrichie d’information sémantique pour aboutir à une maquette numérique de bâtiment intelligente, appelée également « jumeau numérique ». Les efforts que nous mènerons en ce sens seront également profitables aux modèles climatiques urbains, ces derniers exigeant notamment la connaissance de la géométrie urbaine. Le tout sera accompagné d’un souci permanent de maîtriser les erreurs affectant la chaîne de traitement et par voie de conséquence les modèles qui en découlent. Au vu de la sensibilité grandissante de nos pays européens à une économie verte, qui se traduit notamment par l’accompagnement de la transition énergétique, l’avenir laisse entrevoir de belles perspectives d’évolution aux thématiques de recherche de notre équipe. Note de contenu : Partie 1 : Synthèse des travaux de recherche
1. Introduction générale
2. Acquisition de données
3. Consolidation et/ou géoréférencement de nuages de points
4. Prétraitement de nuages de points
5. Segmentation et classification
6. Modélisation de nuages de points
7. Evaluation de la qualité des résultats
8. Conclusion générale et perspectives
9. Références citées dans le mémoire
10. Liste complète des travaux publiés depuis 1999
Partie 2 : Curriculum Vitae et synthèse des activités de maître de conférences
1. Curriculum vitae
2. Activités d’ENSEIGNEMENT
3. Activités de RECHERCHE
4. Activités ADMINISTRATIVES au sein de l’INSA Strasbourg
ANNEXESNuméro de notice : 26554 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE/URBANISME Nature : HDR Note de thèse : HDR : Topographie, Géomatique : Strasbourg : 2020 Organisme de stage : Laboratoire des Sciences de l’Ingénieur, de l’Informatique et de l’Imagerie (ICUBE, UMR 7357) nature-HAL : HDR Date de publication en ligne : 27/04/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03210034/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97904
Titre : Deep learning for semantic feature extraction in aerial imagery Type de document : Thèse/HDR Auteurs : Ananya Gupta, Auteur ; Hujun Yin, Directeur de thèse ; Simon Watson, Directeur de thèse Editeur : Manchester [Royaume-Uni] : University of Manchester Année de publication : 2020 Importance : 151 p. Format : 21 x 30 cm Note générale : bibliographie
A thesis submitted to the University of Manchester for the degree of Doctor of Philosophy in the faculty of Science and engineeringLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] apprentissage profond
[Termes IGN] cartographie d'urgence
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection d'arbres
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] Dublin (Irlande ; ville)
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image à très haute résolution
[Termes IGN] image aérienne
[Termes IGN] image multitemporelle
[Termes IGN] OpenStreetMap
[Termes IGN] réseau routier
[Termes IGN] segmentation sémantique
[Termes IGN] semis de points
[Termes IGN] voxelIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Remote sensing provides image and LiDAR data that can be useful for a number of tasks such as disaster mapping and surveying. Deep learning (DL) has been shown to provide good results in extracting knowledge from input data sources by the means of learning intermediate representation features. However, popular DL methods require large scaled datasets for training which are costly and time-consuming to obtain. This thesis investigates semantic knowledge extraction from remote sensing data using DL methods in regimes with limited labelled data. Firstly, semantic segmentation methods are compared and analysed on the task of aerial image segmentation. It is shown that pretraining on ImageNet improves the segmentation results despite the domain shift between ImageNet images and aerial images. A framework for mapping road networks in disaster struck areas is proposed. It uses pre and post disaster imagery and labels from OpenStreetMaps (OSM), forgoing the need for costly manually labelled data. Graph-based methods are used to update the pre-existing road maps from OSM. Experiments on a disaster dataset from Palu, Indonesia show the efficacy of the proposed method. A method for semantic feature extraction from aerial imagery is proposed which is shown to work well for multitemporal high resolution image registration. These feature are able to deal with temporal variations caused by seasonal changes. Methods for tree identification in LiDAR data have been proposed to overcome the need for manually labelled data. The first method works on high density point clouds and uses certain LiDAR data attributes for tree identification, achieving almost 90% accuracy. The second uses a voxel based 3D Convolutional Neural Network on low density LiDAR datasets and is able to identify most large trees. The third method is a scaled version of PointNet++ and achieves an F_score of 82.1 on the ISPRS benchmark, comparable to the state of the art methods but with increased efficiency. Finally, saliency methods used for explainability in image analysis are extended to work on 3D point clouds and voxel-based networks to help aid explainability in this area. It is shown that edge and corner features are deemed important by these networks for classification. These features are also demonstrated to be inherently sparse and pruned easily. Note de contenu : 1- Introduction
2- Background and Literature Review
3- Aerial Image Segmentation with Open Data
4- Aerial Image Registration
5- Tree Annotations in LiDAR Data
6- 3D Point Cloud Feature Explanations
7- Conclusions and Future WorkNuméro de notice : 28302 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Note de thèse : PhD Thesis : Science and Engineering : University of Manchester : 2020 DOI : sans En ligne : https://www.research.manchester.ac.uk/portal/files/184627877/FULL_TEXT.PDF Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98051 Détection et vectorisation automatiqued’objets linéaires dans des nuages de points de voirie / Etienne Barçon (2020)
Titre : Détection et vectorisation automatiqued’objets linéaires dans des nuages de points de voirie Type de document : Mémoire Auteurs : Etienne Barçon, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2020 Importance : 110 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de fin d'études d'Ingénieur INSA, spécialité TopographieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] corrélation croisée normalisée
[Termes IGN] détection automatique
[Termes IGN] détection d'objet
[Termes IGN] détection de contours
[Termes IGN] données lidar
[Termes IGN] polyligne
[Termes IGN] réseau routier
[Termes IGN] segmentation
[Termes IGN] semis de points
[Termes IGN] seuillage d'image
[Termes IGN] trottoir
[Termes IGN] vectorisationIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Ce mémoire présente une méthode de détection automatique des marquages et des glissières dans un environnement autoroutier, à partir d'un nuage de points. L'approche employée utilise essentiellement des outils de traitement d'images. Le nuage de points est converti en images d’intensité et images d’altitudes par une projection verticale sur un plan. La détection des marquages au sol est effectuée par seuillage des images d’intensité. La détection des glissières s’effectue en plusieurs temps, une détection des objets linéaires en 2D puis une vectorisation 3D à partir de profils, à l’aide des images d’altitudes. Les résultats obtenus sont convaincants bien que perfectibles. La méthode mise en place est jugée généralisable à d’autres objets comme les murs et les bordures de trottoir. Note de contenu : Introduction
1- Etat de l'art
2- Développements
3- Résultats obtenus et analyse
4- Perspectives d'améliorations
ConclusionNuméro de notice : 28517 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : TT Géomètres-Experts (Paris) DOI : sans En ligne : http://eprints2.insa-strasbourg.fr/4144/ Format de la ressource électronique : url Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97292 Estimation of soil surface water contents for intertidal mudflats using a near-infrared long-range terrestrial laser scanner / Kai Tan in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)PermalinkFusion of 3D point clouds and hyperspectral data for the extraction of geometric and radiometric features of trees / Eduardo Alejandro Tusa Jumbo (2020)PermalinkPermalinkDe l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond / Lionel Matteo (2020)PermalinkIndividual tree detection and classification for mapping pine wilt disease using multispectral and visible color imagery acquired from unmanned aerial vehicle / Takeshi Hoshikawa in Journal of The Remote Sensing Society of Japan, vol 40 n° 1 (2020)PermalinkKalman filtering with state constraints applied to multi-sensor systems and georeferencing / Sören Vogel (2020)PermalinkPermalinkPermalinkMise en place d'un système d’auscultation par photogrammétrie aérienne et comparaison avec un scanner laser 3D / Benoît Brizard (2020)PermalinkMoving objects aware sensor mesh fusion for indoor reconstruction from a couple of 2D lidar scans / Teng Wu (2020)Permalink