Centre dedocumentation
scientifique

Vectorial integer bootstrapping: flexible integer estimation with application to GNSS / Peter J.G. Teunissen in Journal of geodesy, vol 95 n° 9 (September 2021)  

Public [article]  inJournal of geodesy > vol 95 n° 9 (September 2021) . - n° 99 Titre : Vectorial integer bootstrapping: flexible integer estimation with application to GNSS Type de document : Article/Communication Auteurs : Peter J.G. Teunissen, Auteur ; L. Massarweh, Auteur ; S. Verhagen, Auteur Année de publication : 2021 Article en page(s) : n° 99 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie spatiale [Termes IGN] ambiguïté entière [Termes IGN] Bootstrap (statistique) [Termes IGN] estimateur [Termes IGN] mesurage de phase [Termes IGN] phase GNSS [Termes IGN] positionnement par GNSS [Termes IGN] résolution d'ambiguïté [Termes IGN] transformation en Z Résumé : (auteur) In this contribution, we extend the principle of integer bootstrapping (IB) to a vectorial form (VIB). The mathematical definition of the class of VIB-estimators is introduced together with their pull-in regions and other properties such as probability bounds and success rate approximations. The vectorial formulation allows sequential block-by-block processing of the ambiguities based on a user-chosen partitioning. In this way, flexibility is created, where for specific choices of partitioning, tailored VIB-estimators can be designed. This wide range of possibilities is discussed, supported by numerical simulations and analytical examples. Further guidelines are provided, as well as the possible extension to other classes of estimators. Numéro de notice : A2021-620 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s00190-021-01552-2 Date de publication en ligne : 16/08/2021 En ligne : https://doi.org/10.1007/s00190-021-01552-2 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98236 [article]

A practical method for calculating reliable integer float estimator in GNSS precise positioning / Xianwen Yu in Survey review, Vol 53 n° 377 (February 2021)  

Public [article]  inSurvey review > Vol 53 n° 377 (February 2021) . - pp 97 - 107 Titre : A practical method for calculating reliable integer float estimator in GNSS precise positioning Type de document : Article/Communication Auteurs : Xianwen Yu, Auteur ; Siqi Xia, Auteur ; Wang Gao, Auteur Année de publication : 2021 Article en page(s) : pp 97 - 107 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie spatiale [Termes IGN] estimateur [Termes IGN] matrice [Termes IGN] positionnement par GNSS [Termes IGN] précision du positionnement [Termes IGN] résolution d'ambiguïté [Termes IGN] variance Résumé : (auteur) To overcome the problem that a fixed estimator is contaminated by a system error for the ambiguity be misjudged in the GNSS precise positioning, a reliable integer float estimator is recommended. Accordingly, the method for determining a finite number of integer vectors based on a given reliability probability is proposed, the formula for calculating the variance matrix of the recommended estimator is derived, and the judgment method of the estimator’s availability is proposed. The detailed process and the effect of the method are also demonstrated using examples to facilitate user application. Numéro de notice : A2021-193 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00396265.2020.1718268 Date de publication en ligne : 29/01/2020 En ligne : https://doi.org/10.1080/00396265.2020.1718268 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97127 [article]

Échantillonnage et estimation dans l'Inventaire Forestier National / Olivier Bouriaud (2020)  

Public Titre : Échantillonnage et estimation dans l'Inventaire Forestier National : Essai de reconstruction et formalisation Type de document : Rapport Auteurs : Olivier Bouriaud , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2020 Projets : 1-Pas de projet / Langues : Français (fre) Descripteur : [Termes IGN] analyse de variance [Termes IGN] échantillonnage de données [Termes IGN] estimateur [Termes IGN] estimation statistique [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] sondage statistique [Termes IGN] stratification de données [Termes IGN] variance [Vedettes matières IGN] Inventaire forestier Résumé : (auteur) Ce document présente les éléments principaux de l’échantillonnage et les méthodes d’estimation mises en œuvre dans l’Inventaire Forestier National (IFN) depuis sa réforme en 2004, à l’origine de la « nouvelle méthode d’inventaire ». Il reconstitue le raisonnement logique permettant d’aboutir aux estimateurs statistiques implémentés depuis 2005 et représente ainsi un effort de formalisation conforme à la théorie des sondages. L'enquête IFN est très complexe car à la fois spatiale, temporelle, portant sur une population dynamique et ayant de très nombreux attributs à évaluer simultanément. Elle a donc déployé des méthodes d'échantillonnage et d'estimation spécifiques et originales, essentiellement basées sur un échantillonnage en deux phases et l'emploi poussé de la post-stratification. Numéro de notice : 14254 Affiliation des auteurs : LIF (2020- ) Thématique : FORET/MATHEMATIQUE Nature : Rapport de recherche nature-HAL : RappRech DOI : sans En ligne : https://hal.archives-ouvertes.fr/hal-03039886 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96848

Learning stereo reconstruction with deep neural networks / Stepan Tulyakov (2020)  

Public Titre : Learning stereo reconstruction with deep neural networks Type de document : Thèse/HDR Auteurs : Stepan Tulyakov, Auteur ; François Fleuret, Directeur de thèse ; Anton Ivanov, Directeur de thèse Editeur : Lausanne : Ecole Polytechnique Fédérale de Lausanne EPFL Année de publication : 2020 Importance : 139 p. Format : 21 x 30 cm Note générale : bibliographie Thèse présentée à l'Ecole Polytechnique Fédérale de Lausanne pour l’obtention du grade de Docteur ès Sciences Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] classification semi-dirigée [Termes IGN] contrainte géométrique [Termes IGN] couple stéréoscopique [Termes IGN] entropie [Termes IGN] estimateur [Termes IGN] étalonnage géométrique [Termes IGN] modèle stéréoscopique [Termes IGN] profondeur [Termes IGN] réalité de terrain [Termes IGN] reconstruction 3D [Termes IGN] reconstruction d'image [Termes IGN] vision par ordinateur [Termes IGN] vision stéréoscopique Résumé : (auteur) Stereo reconstruction is a problem of recovering a 3d structure of a scene from a pair of images of the scene, acquired from different viewpoints. It has been investigated for decades and many successful methods were developed. The main drawback of these methods, is that they typically utilize a single depth cue, such as parallax, defocus blur or shading, and thus are not as robust as a human visual system that simultaneously relies on a range of monocular and binocular cues. This is mainly because it is hard to manually design a model, accounting for multiple depth cues. In this work, we address this problem by focusing on deep learning-based stereo methods that can discover a model for multiple depth cues directly from training data with ground truth depth. The complexity of deep learning-based methods, however, requires very large training sets with ground truth depth, which is often hard or costly to collect. Furthermore, even when training data is available it is often contaminated with noise, which reduces the effectiveness of supervised learning. In this work, in Chapter 3 we show that it is possible to alleviate this problem by using weakly supervised learning, that utilizes geometric constraints of the problem instead of ground truth depth. Besides the large training set requirement, deep stereo methods are not as application-friendlyas traditional methods. They have a large memory footprint and their disparity range is fixed at training time. For some applications, such as satellite stereo i magery, these are serious problems since satellite images are very large, often reaching tens of megapixels, and have a variable baseline, depending on a time difference between stereo images acquisition. In this work, in Chapter 4 we address these problems by introducing a novel network architecture with a bottleneck, capable of processing large images and utilizing more context, and an estimator that makes the network less sensitive to stereo matching ambiguities and applicable to any disparity range without re-training. Because deep learning-based methods discover depth cues directly from training data, they can be adapted to new data modalities without large modifications. In this work, in Chapter 5 we show that our method, developed for a conventional frame-based camera, can be used with a novel event-based camera, that has a higher dynamic range, smaller latency, and low power consumption. Instead of sampling intensity of all pixels with a fixed frequency, this camera asynchronously reports events of significant pixel intensity changes. To adopt our method to this new data modality, we propose a novel event sequence embedding module, that firstly aggregates information locally, across time, using a novel fully-connected layer for an irregularly sampled continuous domain, and then across discrete spatial domain. One interesting application of stereo is a reconstruction of a planet’s surface topography from satellite stereo images. In this work, in Chapter 6 we describe a geometric calibration method, as well as mosaicing and stereo reconstruction tools that we developed in the framework of the doctoral project for Color and Stereo Surface Imaging System onboard of ESA’s Trace Gas Orbiter, orbiting Mars. For the calibration, we propose a novel method, relying on starfield images because large focal lengths and complex optical distortion of the instrument forbid using standard methods. Scientific and practical results of this work are widely used by a scientific community. Note de contenu : 1- Introduction 2- Background 3- Weakly supervised learning of deep patch-matching cost 4- Applications-friendly deep stereo 5- Dense deep event-based stereo 6- Calibration of a satellite stereo system 7- Conclusions Numéro de notice : 25795 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Note de thèse : Thèse de Doctorat : Sciences : Lausanne : 2020 En ligne : https://infoscience.epfl.ch/record/275342?ln=fr Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95025

A new segmentation method for the homogenisation of GNSS-derived IWV time-series / Annarosa Quarello (2020)  

Public contenu dans ArXiv / Université Cornell (Etats-Unis) (1991)   Titre : A new segmentation method for the homogenisation of GNSS-derived IWV time-series Type de document : Article/Communication Auteurs : Annarosa Quarello , Auteur ; Olivier Bock , Auteur ; Emilie Lebarbier, Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2020 Importance : 25 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] algorithme d'homogénéisation [Termes IGN] analyse de variance [Termes IGN] changement climatique [Termes IGN] données GNSS [Termes IGN] estimateur [Termes IGN] inférence [Termes IGN] itération [Termes IGN] positionnement ponctuel précis [Termes IGN] programmation dynamique [Termes IGN] série temporelle [Termes IGN] surveillance météorologique [Termes IGN] teneur intégrée en vapeur d'eau [Termes IGN] variation saisonnière Résumé : (auteur) Homogenization is an important and crucial step to improve the usage of observational data for climate analysis. This work is motivated by the analysis of long series of GNSS Integrated Water Vapour (IWV) data which have not yet been used in this context. This paper proposes a novel segmentation method that integrates a periodic bias and a heterogeneous, monthly varying, variance. The method consists in estimating first the variance using a robust estimator and then estimating the segmentation and periodic bias iteratively. This strategy allows for the use of the dynamic programming algorithm that remains the most efficient exact algorithm to estimate the change-point positions. The statistical performance of the method is assessed through numerical experiments. An application to a real data set of 120 global GNSS stations is presented. The method is implemented in the R package GNSSseg that will be available on the CRAN. Numéro de notice : P2020-005 Affiliation des auteurs : UMR IPGP-Géod+Ext (2020- ) Thématique : POSITIONNEMENT Nature : Preprint nature-HAL : Préprint DOI : sans En ligne : https://arxiv.org/pdf/2005.04683.pdf Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95078

Correcting for nondetection in estimating forest characteristics from single-scan terrestrial laser measurements / Mikko Kuronen in Canadian Journal of Forest Research, vol 49 n° 1 (janvier 2019)  

Permalink

The French NFI : flexibility at the heart of the design / François Morneau (2019)

Permalink

Génération d'observations pour la validation ou la comparaison de logiciels d'ajustement de mesures par moindres carrés / Stéphane Durand in XYZ, n° 157 (décembre 2018 - février 2019)

Permalink

Estimating storm damage with the help of low-altitude photographs and different sampling designs and estimators / Pekka Hyvönen in Silva fennica, vol 52 n° 3 ([01/08/2018])  

Permalink

Design and implementation of a model predictive observer for AHRS / Jafar Keighobadi in GPS solutions, vol 22 n° 1 (January 2018)  

Permalink

A drift line bias estimator: ARMA-based filter or calibration method, and its application in BDS/GPS-based attitude determination / Zhang Liang in Journal of geodesy, vol 90 n° 12 (December 2016)  

Permalink

Taking correlations in GPS least squares adjustments into account with a diagonal covariance matrix / Gaël Kermarrec in Journal of geodesy, vol 90 n° 9 (September 2016)  

Permalink

MIDAS robust trend estimator for accurate GPS station velocities without step detection / Geoffrey Blewitt in Journal of geophysical research : Solid Earth, vol 121 n° 3 (March 2016)    

Permalink

Convex programming approach to robust estimation of a multivariate Gaussian model / Samuel Balmand (2016)    

Permalink

Filtrage de Kalman à bruits corrélés pour le positionnement précis / Ulrich Mambou Kuipou (2016) 

Permalink