Descripteur
Termes descripteurs IGN > 1- Descripteurs géographiques > monde (géographie politique) > Europe (géographie politique) > Union Européenne > Irlande > Dublin (Irlande ; ville)
Dublin (Irlande ; ville) |



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 descripteurs IGN] classification par réseau neuronal convolutif
[Termes descripteurs IGN] données lidar
[Termes descripteurs IGN] Dublin (Irlande ; ville)
[Termes descripteurs IGN] étiquette
[Termes descripteurs IGN] extraction d'arbres
[Termes descripteurs IGN] image spectrale
[Termes descripteurs IGN] Montréal (Québec)
[Termes descripteurs IGN] segmentation
[Termes descripteurs IGN] semis de points
[Termes descripteurs IGN] voxel
[Termes descripteurs 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]
Titre : WeCount, le trafic compté par les citoyens Type de document : Mémoire Auteurs : Victor Oxombre, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 34 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes descripteurs IGN] bicyclette
[Termes descripteurs IGN] comptage
[Termes descripteurs IGN] détection d'objet
[Termes descripteurs IGN] détection de piéton
[Termes descripteurs IGN] Dublin (Irlande ; ville)
[Termes descripteurs IGN] image infrarouge
[Termes descripteurs IGN] image thermique
[Termes descripteurs IGN] Raspberry Pi
[Termes descripteurs IGN] temps réel
[Termes descripteurs IGN] trafic routier
[Termes descripteurs IGN] visualisation de donnéesIndex. décimale : PROJET Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’objectif principal du projet Européen WeCount est d’optimiser le processus de comptage du trafic en direct en dotant les communautés locales de capteurs à faible coût. Le projet fournira aux communautés locales de 5 villes Européennes des capteurs entièrement automatisés, appelés Telraam, capables de compter les voitures, les piétons, les vélos et les véhicules lourds. Le Spatial Dynamics Lab a pour mission d’impliquer les communautés locales dans des activités de science citoyenne avec le capteur dans les rues de Dublin. Mon superviseur Mr Francesco PILLA, le directeur du laboratoire, souhaite apporter des améliorations sur le capteur. Ces modifications permettront d’avoir un comptage durant la journée et la nuit, et une meilleure qualité de comptage. Ainsi, des données plus significatives sur le trafic en direct seront envoyées au gouvernement local. Pour cela, une étude documentaire sera effectuée sur la possibilité de détecter des objets de nuit. Ensuite, la faisabilité pratique de la théorie sera étudiée. Enfin, une plate-forme de visualisation locale sera mise en place. Note de contenu : Introduction
1. Détection d’objets par la caméra et installation
1.1 Détection d’objets en vidéo
1.2 Choix de caméra
1.3 Installation du capteur
2. Comptage avec le Telraam
2.1 Détection et traçage d’objets du Telraam
2.2 Adaptation à une caméra infrarouge
2.3 Détection de nuit
3. Version locale de Kepler.gl
3.1 Principe de Kepler.gl
3.2 React et Redux
3.3 Site obtenu
ConclusionNuméro de notice : 26354 Affiliation des auteurs : non IGN Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Spatial Dynamics Lab Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95785 Documents numériques
peut être téléchargé
WeCount, le trafic compté par les citoyens - pdf auteurAdobe Acrobat PDFIntegration of lidar data and GIS data for point cloud semantic enrichment at the point level / Harith Aljumaily in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 1 (January 2019)
![]()
[article]
Titre : Integration of lidar data and GIS data for point cloud semantic enrichment at the point level Type de document : Article/Communication Auteurs : Harith Aljumaily, Auteur ; Debra F. Laefer, Auteur ; Dolores Cuadra, Auteur Année de publication : 2019 Article en page(s) : pp 29 - 42 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes descripteurs IGN] analyse de groupement
[Termes descripteurs IGN] détection du bâti
[Termes descripteurs IGN] données lidar
[Termes descripteurs IGN] données localisées 3D
[Termes descripteurs IGN] Dublin (Irlande ; ville)
[Termes descripteurs IGN] enrichissement sémantique
[Termes descripteurs IGN] étiquetage sémantique
[Termes descripteurs IGN] extraction de la végétation
[Termes descripteurs IGN] extraction du réseau routier
[Termes descripteurs IGN] flore urbaine
[Termes descripteurs IGN] image multibande
[Termes descripteurs IGN] information sémantique
[Termes descripteurs IGN] interpolation linéaire
[Termes descripteurs IGN] OpenStreetMap
[Termes descripteurs IGN] réseau routier
[Termes descripteurs IGN] segmentation
[Termes descripteurs IGN] semis de points
[Termes descripteurs IGN] système de gestion de base de données
[Termes descripteurs IGN] zone urbaineRésumé : (auteur) Commercial aerial laser scanning is generally delivered with point-by-point metadata for object identification, but current vendor-generated classification approaches (which rely exclusively on that data) generate high misclassification rates in urban areas. To overcome this problem and provide a fully scalable solution that harnesses distributed computing capabilities, this paper introduces a novel system, employing a MapReduce framework and existing GIS-based data, to provide more detailed and accurate classification. The approach goes beyond traditional gross-level classification (roads, buildings, trees, noise) by enriching the point cloud metadata with detailed semantic information about the object type. The approach was evaluated using two datasets of differing point density, separated by eight years for the same study area in Dublin, Ireland. As evaluated against manually classified data, classification quality ranged from 76% to 91% depending upon category and only 8% remained unclassified, as opposed to the commercial vendor's classification quality which ranged from 43% to 78% with 82% left unclassified. Numéro de notice : A2019-027 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.1.29 date de publication en ligne : 01/01/2019 En ligne : https://doi.org/10.14358/PERS.85.1.29 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91964
in Photogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 1 (January 2019) . - pp 29 - 42[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 105-2019011 SL Revue Centre de documentation Revues en salle Disponible Mapping uncertainty from multi-criteria analysis of land development suitability, the case of Howth, Dublin / Bernadette Quinn in Journal of maps, vol 11 n° 3 ([01/07/2015])
![]()
[article]
Titre : Mapping uncertainty from multi-criteria analysis of land development suitability, the case of Howth, Dublin Type de document : Article/Communication Auteurs : Bernadette Quinn, Auteur ; Kerry Schiel, Auteur ; Geoffrey Caruso, Auteur Année de publication : 2015 Article en page(s) : pp 487 - 495 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie thématique
[Termes descripteurs IGN] analyse bivariée
[Termes descripteurs IGN] analyse multicritère
[Termes descripteurs IGN] carte thématique
[Termes descripteurs IGN] Dublin (Irlande ; ville)
[Termes descripteurs IGN] incertitude des données
[Termes descripteurs IGN] méthode de Monte-Carlo
[Termes descripteurs IGN] pondérationRésumé : (auteur) This paper presents a method for determining and mapping suitable locations for development using Multi Criteria Analysis and the Analytical Hierarchy Process and considering uncertainties in the process. The method is applied to the case study of Howth (Dublin), where development suitability is assessed against specific protection and conservation areas as well as ground water vulnerability. Uncertainty is incorporated using a Monte Carlo simulation into the Analytical Hierarchy Process calculations to determine criteria weightings. A map is derived, which includes, for all locations, both site suitability for development and the level of uncertainty attached to this suitability. The map combines a double categorization of suitability and uncertainty. The method allows for increased transparency in decision making regarding site suitability for development, as well as increased confidence in decision making to allow for reduced risk in terms of the potential impact of development. Numéro de notice : A2015-545 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article En ligne : http://www.tandfonline.com/doi/full/10.1080/17445647.2014.978907 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=77516
in Journal of maps > vol 11 n° 3 [01/07/2015] . - pp 487 - 495[article]
Titre : Traffic prediction and analysis using a big data and visualisation approach Type de document : Article/Communication Auteurs : Declan McHugh, Auteur Editeur : Leeds [Royaume-Uni] : University of Leeds Année de publication : 2015 Importance : pp 408 - 420 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] analyse géovisuelle
[Termes descripteurs IGN] Dublin (Irlande ; ville)
[Termes descripteurs IGN] exploration de données géographiques
[Termes descripteurs IGN] modèle de simulation
[Termes descripteurs IGN] prévision
[Termes descripteurs IGN] régression multiple
[Termes descripteurs IGN] trafic routier
[Termes descripteurs IGN] Twitter
[Vedettes matières IGN] GéovisualisationRésumé : (auteur) This abstract illustrates an approach of using big data, visualisation and data mining techniques used to predict and analyse traffic. The objective is to understand Traffic patterns in Dublin City. The prediction model was used as an estimator to identify unusual traffic patterns. The generic model was designed using data mining techniques, multivariate regression algorithms, ARIMA and visually correlated with real-time traffic tweets. Using the prediction model and tweet event detection. The result is a high-performance web application containing over 500,000,000,000 traffic observations that produce analytical dashboard providing traffic prediction and analysis. Numéro de notice : C2015-049 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Communication Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83863 Documents numériques
en open access
Traffic prediction and analysisAdobe Acrobat PDFLes réseaux techniques comme vecteurs de distribution des risques en milieu urbain / Serge Lhomme in Cartes & Géomatique, n° 215 (mars 2013)
Permalink