Descripteur
Termes IGN > 1-Candidats > génie civil
génie civilVoir aussi |
Documents disponibles dans cette catégorie (418)
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
Linear building pattern recognition in topographical maps combining convex polygon decomposition / Zhiwei Wei in Geocarto international, vol 38 n° inconnu ([01/01/2023])
[article]
Titre : Linear building pattern recognition in topographical maps combining convex polygon decomposition Type de document : Article/Communication Auteurs : Zhiwei Wei, Auteur ; Su Ding, Auteur ; Lu Cheng, Auteur ; et al., Auteur Année de publication : 2023 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] carte topographique
[Termes IGN] construction
[Termes IGN] décomposition
[Termes IGN] détection du bâti
[Termes IGN] forme linéaire
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] Ordnance Survey (UK)
[Termes IGN] polygone
[Termes IGN] reconnaissance de formesRésumé : (auteur) Building patterns are crucial for urban form understanding, automated map generalization, and 3 D city model visualization. The existing studies have recognized various building patterns based on visual perception rules in which buildings are considered as a whole. However, some visually aware patterns may fail to be recognized with these approaches because human vision is also proved as a part-based system. This paper first proposed an approach for linear building pattern recognition combining convex polygon decomposition. Linear building patterns including collinear patterns and curvilinear patterns are defined according to the proximity, similarity, and continuity between buildings. Linear building patterns are then recognized by combining convex polygon decomposition, in which a building can be decomposed into sub-buildings for pattern recognition. A novel node concavity is developed based on polygon skeletons which is applicable for building polygons with holes or not in the building decomposition. And building’s orthogonal features are also considered in the building decomposition. Two datasets collected from Ordnance Survey (OS) were used in the experiments to verify the effectiveness of the proposed approach. The results indicate that our approach achieves 25.57% higher precision and 32.23% higher recall in collinear pattern recognition and 15.67% higher precision and 18.52% higher recall in curvilinear pattern recognition when compared to existing approaches. Recognition of other kinds of building patterns including T-shaped and C-shaped patterns combining convex polygon decomposition are also discussed in this approach. Numéro de notice : A2022-263 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/10106049.2022.2055794 Date de publication en ligne : 27/03/2022 En ligne : https://doi.org/10.1080/10106049.2022.2055794 Format de la ressource électronique : 27/03/2022 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100260
in Geocarto international > vol 38 n° inconnu [01/01/2023][article]Des relevés sur mesure pour la sentinelle des Pyrénées / Marielle Mayo in Géomètre, n° 2209 (janvier 2023)
[article]
Titre : Des relevés sur mesure pour la sentinelle des Pyrénées Type de document : Article/Communication Auteurs : Marielle Mayo, Auteur Année de publication : 2023 Article en page(s) : pp 14 - 16 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] cartographie 3D
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] image captée par drone
[Termes IGN] infiltration
[Termes IGN] ouvrage d'art
[Termes IGN] Pyrénées-orientales (66)
[Termes IGN] surveillance d'ouvrageRésumé : (Auteur) A Villefranche-de-Conflent, une mission de diagnostic s’est appuyée sur les relevés d’un cabinet de géomètres-experts pour repérer les dégradions liées aux infiltrations d’eau subies par les fortifications de Vauban. Les restaurations vont pouvoir commencer... Numéro de notice : A2023-061 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/01/2023 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102353
in Géomètre > n° 2209 (janvier 2023) . - pp 14 - 16[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 063-2023011 RAB Revue Centre de documentation En réserve L003 Disponible Détermination de la déviation de la verticale sur le barrage de Plan d’Aval, sans aucune instrumentation spéciale, avec une précision de 0,4 mgon / Thomas Touzé in XYZ, n° 173 (décembre 2022)
[article]
Titre : Détermination de la déviation de la verticale sur le barrage de Plan d’Aval, sans aucune instrumentation spéciale, avec une précision de 0,4 mgon Type de document : Article/Communication Auteurs : Thomas Touzé, Auteur Année de publication : 2022 Article en page(s) : pp 30 - 34 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale
[Termes IGN] barrage
[Termes IGN] déviation de la verticale
[Termes IGN] données GNSS
[Termes IGN] incertitude de position
[Termes IGN] lever tachéométrique
[Termes IGN] surveillance d'ouvrageRésumé : (Editeur) Dans cet article, nous proposons une nouvelle méthode de détermination de la déviation de la verticale à partir de mesures tachéométriques corrigées de la réfraction et de lignes de base GNSS. Si l’état de l’art est bien respecté, une précision de l’ordre de 0,3 mgon (1’’) sur une visée de 1 km semble tout à fait atteignable. Nous présentons ainsi les résultats obtenus lors de la surveillance de deux barrages EDF dans les Alpes ayant permis de déterminer la déviation de la verticale avec une incertitude à 68 % de 0,4 mgon (1.3’’) et en cohérence avec la valeur déduite du géoïde. Numéro de notice : A2022-914 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102277
in XYZ > n° 173 (décembre 2022) . - pp 30 - 34[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 112-2022041 RAB Revue Centre de documentation En réserve L003 Disponible Semantic segmentation of bridge components and road infrastructure from mobile LiDAR data / Yi-Chun Lin in ISPRS Open Journal of Photogrammetry and Remote Sensing, vol 6 (December 2022)
[article]
Titre : Semantic segmentation of bridge components and road infrastructure from mobile LiDAR data Type de document : Article/Communication Auteurs : Yi-Chun Lin, Auteur ; Ayman Habib, Auteur Année de publication : 2022 Article en page(s) : n° 100023 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] autoroute
[Termes IGN] couplage GNSS-INS
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] lidar mobile
[Termes IGN] pont
[Termes IGN] réseau neuronal de graphes
[Termes IGN] réseau routier
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsRésumé : (auteur) Emerging mobile LiDAR mapping systems exhibit great potential as an alternative for mapping urban environments. Such systems can acquire high-quality, dense point clouds that capture detailed information over an area of interest through efficient field surveys. However, automatically recognizing and semantically segmenting different components from the point clouds with efficiency and high accuracy remains a challenge. Towards this end, this study proposes a semantic segmentation framework to simultaneously classify bridge components and road infrastructure using mobile LiDAR point clouds while providing the following contributions: 1) a deep learning approach exploiting graph convolutions is adopted for point cloud semantic segmentation; 2) cross-labeling and transfer learning techniques are developed to reduce the need for manual annotation; and 3) geometric quality control strategies are proposed to refine the semantic segmentation results. The proposed framework is evaluated using data from two mobile mapping systems along an interstate highway with 27 highway bridges. With the help of the proposed cross-labeling and transfer learning strategies, the deep learning model achieves an overall accuracy of 84% using limited training data. Moreover, the effectiveness of the proposed framework is verified through test covering approximately 42 miles along the interstate highway, where substantial improvement after quality control can be observed. Numéro de notice : A2022-814 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1016/j.ophoto.2022.100023 Date de publication en ligne : 24/10/2022 En ligne : https://doi.org/10.1016/j.ophoto.2022.100023 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101975
in ISPRS Open Journal of Photogrammetry and Remote Sensing > vol 6 (December 2022) . - n° 100023[article]Machine learning models applied to a GNSS sensor network for automated bridge anomaly detection / Nicolas Manzini in Journal of structural engineering, Vol 148 n° 11 (November 2022)
[article]
Titre : Machine learning models applied to a GNSS sensor network for automated bridge anomaly detection Type de document : Article/Communication Auteurs : Nicolas Manzini, Auteur ; André Orcesi, Auteur ; Christian Thom , Auteur ; Marc-Antoine Brossault, Auteur ; Serge Botton , Auteur ; Miguel Ortiz, Auteur ; John Dumoulin, Auteur Année de publication : 2022 Projets : 2-Pas d'info accessible - article non ouvert / Article en page(s) : n° 3469 Note générale : bibliographie
EN ATTENTE DU DOCUMENTLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Topographie
[Termes IGN] apprentissage automatique
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] détection d'anomalie
[Termes IGN] ouvrage d'art
[Termes IGN] pont
[Termes IGN] régression
[Termes IGN] série temporelle
[Termes IGN] surveillance d'ouvrage
[Termes IGN] topométrie de précisionRésumé : (auteur) Structural health monitoring (SHM) based on global navigation satellite systems (GNSS) is an interesting solution to provide absolute positions at different locations of a structure in a global reference frame. In particular, low-cost GNSS stations for large-scale bridge monitoring have gained increasing attention these last years because recent experiments showed the ability to achieve a subcentimeter accuracy for continuous monitoring with adequate combinations of antennas and receivers. Technical solutions now allow displacement monitoring of long bridges with a cost-effective deployment of GNSS sensing networks. In particular, the redundancy of observations within the GNSS network with various levels of correlations between the GNSS time series makes such monitoring solution a good candidate for anomaly detection based on machine learning models, using several predictive models for each sensor (based on environmental conditions, or other sensors as input data). This strategy is investigated in this paper based on GNSS time series, and an anomaly indicator is proposed to detect and locate anomalous structural behavior. The proposed concepts are applied to a cable-stayed bridge for illustration, and the comparison between multiple tools highlights recurrent neural networks (RNN) as an effective regression tool. Coupling this tool with the proposed anomaly detection strategy enables one to identify and localize both real and simulated anomalies in the considered data set. Numéro de notice : A2022-672 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1061/(ASCE)ST.1943-541X.0003469 En ligne : https://doi.org/10.1061/(ASCE)ST.1943-541X.0003469 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101615
in Journal of structural engineering > Vol 148 n° 11 (November 2022) . - n° 3469[article]Parcel Manager: A parcel reshaping model incorporating design rules of residential development / Maxime Colomb in Transactions in GIS, vol 26 n° 6 (September 2022)PermalinkPositioning performance of GNSS-PPP and PPP-AR methods for determining the vertical displacements / Burak Akpinar in Survey review, vol 55 n° 388 (January 2023)PermalinkMixed geographically and temporally weighted regression for spatio-temporal deformation modelling / Zhijia Yang in Survey review, vol 54 n° 385 (July 2022)PermalinkAjustement en bloc des données de stations totales et de récepteurs GNSS dans les études de déformation / Joël Van Cranenbroeck in XYZ, n° 171 (juin 2022)PermalinkA GIS-based approach for identification of optimum runoff harvesting sites and storage estimation: a study from Subarnarekha-Kangsabati Interfluve, India / Manas Karmakar in Applied geomatics, vol 14 n° 2 (June 2022)PermalinkEfficient dike monitoring using terrestrial SFM photogrammetry / Laurent Froideval in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-2-2022 (2022 edition)PermalinkPerformance analysis of low-cost GNSS stations for structural health monitoring of civil engineering structures / Nicolas Manzini in Structure and Infrastructure Engineering, vol 18 n° 5 ([01/05/2022])PermalinkEvaluating the 3D integrity of underwater structure from motion workflows / Ian M. Lochhead in Photogrammetric record, vol 37 n° 177 (March 2022)PermalinkAn extended patch-based cellular automaton to simulate horizontal and vertical urban growth under the shared socioeconomic pathways / Yimin Chen in Computers, Environment and Urban Systems, vol 91 (January 2022)PermalinkApport des nouveaux systèmes GNSS de cartographie du niveau marin à l’exploitation des données altimétriques en zone côtière / Clémence Chupin (2022)PermalinkProceedings of the 1st Conference of the European Association on Quality Control of Bridges and Structures : EUROSTRUCT 2021. An automated machine learning-based approach for structural novelty detection based on SHM / Nicolas Manzini (2022)PermalinkGPRInvNet: Deep learning-based ground-penetrating radar data inversion for tunnel linings / Bin Liu in IEEE Transactions on geoscience and remote sensing, vol 59 n° 10 (October 2021)PermalinkCombining photogrammetric and bathymetric data to build a 3D model of a canal tunnel / Emmanuel Moisan in Photogrammetric record, Vol 36 n° 175 (September 2021)Permalink3D reconstruction of bridges from airborne laser scanning data and cadastral footprints / Steffen Goebbels in Journal of Geovisualization and Spatial Analysis, vol 5 n° 1 (June 2021)PermalinkDetection of suitable sites for rainwater harvesting planning in an arid region using geographic information system / Hadeel Qays Hashim in Applied geomatics, vol 13 n° 2 (June 2021)PermalinkIndoor mapping and modeling by parsing floor plan images / Yijie Wu in International journal of geographical information science IJGIS, vol 35 n° 6 (June 2021)PermalinkRécepteurs GNSS bas coût pour la surveillance des grands ponts / Nicolas Manzini in XYZ, n° 167 (juin 2021)PermalinkIncreasing efficiency of the robust deformation analysis methods using genetic algorithm and generalised particle swarm optimisation / Mehmed Batilović in Survey review, Vol 53 n° 378 (May 2021)PermalinkLearning from multimodal and multitemporal earth observation data for building damage mapping / Bruno Adriano in ISPRS Journal of photogrammetry and remote sensing, vol 175 (May 2021)PermalinkDecision making in the 4th dimension : exploring use cases and technical options for the integration of 4D BIM and GIS during construction / Huaqiu Liu Alyssa in ISPRS International journal of geo-information, vol 10 n° 4 (April 2021)PermalinkEvolution of the beaches in the regional Park of Salinas and Arenales of San Pedro del Pinatar (Southeast of Spain) (1899–2019) / Daniel Ibarra-Marinas in ISPRS International journal of geo-information, vol 10 n° 4 (April 2021)PermalinkComprehensive time-series analysis of bridge deformation using differential satellite radar interferometry based on Sentinel-1 / Matthias Schlögl in ISPRS Journal of photogrammetry and remote sensing, vol 172 (February 2021)PermalinkReclaimed-airport surface-deformation monitoring by improved permanent-scatterer interferometric synthetic-aperture radar: a case study of Shenzhen Bao'an international airport, China / Lu Miao in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 2 (February 2021)PermalinkBIM/GIS integration for web GIS-based bridge management / Junxiang Zhu in Annals of GIS, vol 27 n° 1 (January 2021)PermalinkPermalinkModélisation et reconstitution 3D de vestiges du Struthof en relation avec le PCR à partir d’éléments historiques / Yassine Seddik (2021)PermalinkPermalinkUrban construction waste with VHR remote sensing using multi-feature analysis and a hierarchical segmentation method / Qiang Chen in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkUsing remote sensing and modeling to monitor and understand harmful algal blooms. Application to Karaoun Reservoir (Lebanon) / Najwa Sharaf (2021)PermalinkA decade of modern bridge monitoring using terrestrial laser scanning: Review and future directions / Maria Rashidi in Remote sensing, vol 12 n° 22 (December-1 2020)PermalinkDu drone LiDAR à un nuage de points précis et exact : une chaîne de traitement LiDAR adaptée et quasi automatique / Maxime Lafleur in XYZ, n° 165 (décembre 2020)PermalinkLarge-scale stochastic flood hazard analysis applied to the Po River / A. Curran in Natural Hazards, vol 104 n° 3 (December 2020)PermalinkLes stations virtuelles au service de la cartographie mobile / Mathieu Regul in XYZ, n° 165 (décembre 2020)PermalinkStereophotogrammetry for 2-D building deformation monitoring using Kalman Filter / J.O. Odumosu in Reports on geodesy and geoinformatics, vol 110 n° 1 (December 2020)PermalinkDisplacement monitoring of upper Atbara dam based on time series InSAR / Q.Q. Wang in Survey review, vol 52 n° 375 (November 2020)PermalinkNon-stationary extreme value analysis of ground snow loads in the French Alps: a comparison with building standards / Erwann Le Roux in Natural Hazards and Earth System Sciences, vol 20 n° 11 (November 2020)PermalinkCombined InSAR and terrestrial structural monitoring of bridges / Sivasakthy Selvakumaran in IEEE Transactions on geoscience and remote sensing, vol 58 n° 10 (October 2020)PermalinkMining regional patterns of land use with adaptive adjacent criteria / Xinmeng Tu in Cartography and Geographic Information Science, Vol 47 n° 5 (September 2020)PermalinkMonitoring the deformation of a concrete dam: a case study on the Deriner Dam, Artvin, Turkey / Berkant Konakoglu in Geomatics, Natural Hazards and Risk, vol 11 n° 1 (2020)PermalinkPredicting displacement of bridge based on CEEMDAN-KELM model using GNSS monitoring data / Qian Fan in Journal of applied geodesy, vol 14 n° 3 (July 2020)PermalinkAnalysis of dam deformation with robust weight functions / Berkant Konakoglu in Geodetski vestnik, vol 64 n° 2 (June - August 2020)PermalinkGIS-based modeling for selection of dam sites in the Kurdistan region, Iraq / Arsalan Ahmed Othman in ISPRS International journal of geo-information, vol 9 n° 4 (April 2020)PermalinkComputer vision-based framework for extracting tectonic lineaments from optical remote sensing data / Ehsan Farahbakhsh in International Journal of Remote Sensing IJRS, vol 41 n°5 (01 - 08 février 2020)PermalinkA LiDAR–optical data fusion approach for identifying and measuring small stream impoundments and dams / Benjamin Swan in Transactions in GIS, Vol 24 n° 1 (February 2020)PermalinkDéveloppement d’une méthode d’intégration systématique des capteurs dans le BIM pour les constructions durables / Yasmine El Khadraoui (2020)Permalink