Descripteur
Documents disponibles dans cette catégorie (86)
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
Activity recognition in residential spaces with Internet of things devices and thermal imaging / Kshirasagar Naik in Sensors, vol 21 n° 3 (February 2021)
[article]
Titre : Activity recognition in residential spaces with Internet of things devices and thermal imaging Type de document : Article/Communication Auteurs : Kshirasagar Naik, Auteur ; Tejas Pandit, Auteur ; Nitin Naik, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 988 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] compréhension de l'image
[Termes IGN] contrôle par télédétection
[Termes IGN] détection d'événement
[Termes IGN] espace intérieur
[Termes IGN] image RVB
[Termes IGN] image thermique
[Termes IGN] intelligence artificielle
[Termes IGN] internet des objets
[Termes IGN] itération
[Termes IGN] modèle stéréoscopique
[Termes IGN] objet mobile
[Termes IGN] reconnaissance automatique
[Termes IGN] reconnaissance d'objets
[Termes IGN] scène 3DRésumé : (auteur) In this paper, we design algorithms for indoor activity recognition and 3D thermal model generation using thermal images, RGB images, captured from external sensors, and the internet of things setup. Indoor activity recognition deals with two sub-problems: Human activity and household activity recognition. Household activity recognition includes the recognition of electrical appliances and their heat radiation with the help of thermal images. A FLIR ONE PRO camera is used to capture RGB-thermal image pairs for a scene. Duration and pattern of activities are also determined using an iterative algorithm, to explore kitchen safety situations. For more accurate monitoring of hazardous events such as stove gas leakage, a 3D reconstruction approach is proposed to determine the temperature of all points in the 3D space of a scene. The 3D thermal model is obtained using the stereo RGB and thermal images for a particular scene. Accurate results are observed for activity detection, and a significant improvement in the temperature estimation is recorded in the 3D thermal model compared to the 2D thermal image. Results from this research can find applications in home automation, heat automation in smart homes, and energy management in residential spaces. Numéro de notice : A2021-159 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/s21030988 Date de publication en ligne : 02/02/2021 En ligne : https://doi.org/10.3390/s21030988 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97075
in Sensors > vol 21 n° 3 (February 2021) . - n° 988[article]Aleatoric uncertainty estimation for dense stereo matching via CNN-based cost volume analysis / Max Mehltretter in ISPRS Journal of photogrammetry and remote sensing, vol 171 (January 2021)
[article]
Titre : Aleatoric uncertainty estimation for dense stereo matching via CNN-based cost volume analysis Type de document : Article/Communication Auteurs : Max Mehltretter, Auteur ; Christian Heipke, Auteur Année de publication : 2021 Article en page(s) : pp 63 - 75 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] appariement d'images
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] corrélation épipolaire dense
[Termes IGN] couple stéréoscopique
[Termes IGN] courbe épipolaire
[Termes IGN] disparité
[Termes IGN] effet de profondeur cinétique
[Termes IGN] image RVB
[Termes IGN] modèle d'incertitude
[Termes IGN] modèle stochastique
[Termes IGN] voxelRésumé : (auteur) Motivated by the need to identify erroneous disparity estimates, various methods for the estimation of aleatoric uncertainty in the context of dense stereo matching have been presented in recent years. Especially, the introduction of deep learning based methods and the accompanying significant improvement in accuracy have greatly increased the popularity of this field. Despite this remarkable development, most of these methods rely on features learned from disparity maps only, neglecting the corresponding 3-dimensional cost volumes. However, conventional hand-crafted methods have already demonstrated that the additional information contained in such cost volumes are beneficial for the task of uncertainty estimation. In this paper, we combine the advantages of deep learning and cost volume based features and present a new Convolutional Neural Network (CNN) architecture to directly learn features for the task of aleatoric uncertainty estimation from volumetric 3D data. Furthermore, we discuss and apply three different uncertainty models to train our CNN without the need to provide ground truth for uncertainty. In an extensive evaluation on three datasets using three common dense stereo matching methods, we investigate the effects of these uncertainty models and demonstrate the generality and state-of-the-art accuracy of the proposed method. Numéro de notice : A2021-012 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.11.003 Date de publication en ligne : 18/11/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.11.003 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96415
in ISPRS Journal of photogrammetry and remote sensing > vol 171 (January 2021) . - pp 63 - 75[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2021011 SL Revue Centre de documentation Revues en salle Disponible 081-2021013 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2021012 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Cartographie dense et compacte par vision RGB-D pour la navigation d’un robot mobile / Bruce Canovas (2021)
Titre : Cartographie dense et compacte par vision RGB-D pour la navigation d’un robot mobile Type de document : Thèse/HDR Auteurs : Bruce Canovas, Auteur ; Michèle Rombaut, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 148 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le titre de Docteur en Sciences de l'Université Grenoble Alpes, spécialité Signal, Image, Parole, TélécomsLangues : Français (fre) Descripteur : [Vedettes matières IGN] Informatique
[Termes IGN] algorithme ICP
[Termes IGN] cartographie et localisation simultanées
[Termes IGN] image 3D
[Termes IGN] image RVB
[Termes IGN] instrument embarqué
[Termes IGN] modélisation 3D
[Termes IGN] navigation autonome
[Termes IGN] Ransac (algorithme)
[Termes IGN] robot mobile
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les capacités de perception et de localisation sont des enjeux majeurs de la robotique mobile, nécessaires dans la réalisation de missions impliquant des processus décisionnels autonomes. Elles s'appuient sur les mesures d'un ou plusieurs capteurs embarqués sur la plateforme robotique mobile en question. Dans cette thèse, on s'intéresse à des techniques de perception visuelle basées sur une caméra RGB-D pour permettre la navigation d'un robot compagnon dans un milieu intérieur inconnu. Afin de pouvoir se déplacer de façon autonome, ce robot doit avoir accès à une carte représentative de la structure de son environnement et être capable de s'y repérer.Bien que de nombreuses méthodes de localisation et cartographie simultanées (SLAM - Simultaneous Localization And Mapping) RGB-D capables de résultats impressionnants aient été développées, elles sont bien souvent trop coûteuses en termes de ressources informatiques pour être exécutées sur les cartes embarquées de robots mobiles d'intérieur. Elles font aussi la plupart du temps l'hypothèse que la scène observée par la caméra est statique, ce qui limite leur utilisation dans de nombreuses situations où des personnes sont présentes. De plus, les cartes qu'elles produisent sont souvent inadéquates pour la planification de trajectoires et ne peuvent pas être utilisées directement pour de tâches de navigation.Dans le but de répondre à ces problèmes, nous proposons une nouvelle forme de représentation 3D pour la reconstruction basse résolution, mais compacte rapide et légère d'environnements, au contraire des approches conventionnelles qui se focalisent sur la production de modèles 3D complexes avec un haut niveau détails. Un système de SLAM RGB-D dense complet, robuste aux éléments dynamiques, est conçu autour de cette représentation, puis porté sur une plateforme robotique mobile à conduite différentielle. En outre, une stratégie de navigation efficace est proposée en couplant l'algorithme de SLAM développé à un planificateur de trajectoires. Les différentes solutions proposées sont évaluées et comparées avec les méthodes de l'état de l'art, pour les valider et montrer leurs forces et faiblesses. Note de contenu : 1- Introduction générale
2- Prérequis
3- Modélisation 3D compacte à partir de caméra RGB-D
4- SLAM RGB-D dense, rapide et léger en milieu dynamique
5- Application de SupersurfelFusion à la navigation autonome d’un robot mobile
6- Conclusion et perspectivesNuméro de notice : 15283 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Image, Parole, Télécoms : Grenoble : 2021 Organisme de stage : Laboratoire Grenoble Images Parole Signal Automatique DOI : sans En ligne : https://tel.hal.science/tel-03647103 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101409 Détection d’ouvertures par segmentation sémantique de nuages de points 3D : apport de l’apprentissage profond / Camille Lhenry (2021)
Titre : Détection d’ouvertures par segmentation sémantique de nuages de points 3D : apport de l’apprentissage profond Type de document : Mémoire Auteurs : Camille Lhenry, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2021 Importance : 106 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] base de données dérivée
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] fenêtre (bâtiment)
[Termes IGN] image RVB
[Termes IGN] image thermique
[Termes IGN] modélisation 3D du bâti BIM
[Termes IGN] Python (langage de programmation)
[Termes IGN] réseau neuronal de graphes
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Grâce au développement rapide des techniques d’acquisition 3D, les nuages de points sont de plus en plus utilisés dans divers domaines. Ils sont notamment la donnée de départ pour le développement de BIM (Building Information Modeling) de bâtiments existants, processus permettant le travail collaboratif des différents corps de métier. Néanmoins, le traitement de cette donnée est une étape majoritairement manuelle, longue et chronophage. Ce projet de fin d’études s’inscrit donc dans une problématique d’automatisation des traitements menant du nuage de points au BIM et se concentre sur la segmentation automatique des ouvertures des bâtiments. Cette problématique a été abordée par de multiples auteurs avec des méthodes algorithmiques ou d’apprentissage machine, qui nécessitent une certaine implication de l’utilisateur. Profitant de l’expansion du domaine de l’apprentissage profond, le réseau de neurones PointNet++ (Qi, Yi, Su & Guibas 2017) a été utilisé pour répondre à l’objectif de l’étude. Malgré les difficultés inhérentes à la nature des éléments à segmenter (transparence des matériaux, variabilité des styles architecturaux), la qualité de segmentation des ouvertures est prometteuse, notamment en couplant l’information thermique au nuage de points. Le défi majeur mis en évidence par l’étude est le manque de bases de données d’apprentissage, indispensables à l’utilisation de réseaux de neurones. Face à cet obstacle, une solution semi-automatique nécessitant la labellisation manuelle d’une portion limitée du bâtiment est présentée. Note de contenu : Introduction
1- Etat de l'art
2- Développement de la méthode
3- Résultats et discussions
Conclusions et perspectivesNuméro de notice : 28682 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : Laboratoire ICUBE En ligne : http://eprints2.insa-strasbourg.fr/4492/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99976
Titre : Operational monitoring of gravitational movements with image time series Titre original : Surveillance opérationnelle de mouvements gravitaires par séries temporelles d’images Type de document : Thèse/HDR Auteurs : Mathilde Desrues, Auteur ; Jean-Philippe Malet, Directeur de thèse Editeur : Strasbourg : Université de Strasbourg Année de publication : 2021 Importance : 231 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée en vue de l’obtention du grade en Géosciences - Géophysique de Docteur de l’Université de StrasbourgLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse diachronique
[Termes IGN] données géologiques
[Termes IGN] effondrement de terrain
[Termes IGN] état de l'art
[Termes IGN] Hautes-Alpes (05)
[Termes IGN] image RVB
[Termes IGN] image terrestre
[Termes IGN] Isère (38)
[Termes IGN] modèle stéréoscopique
[Termes IGN] prise de vues en accéléré
[Termes IGN] risque naturel
[Termes IGN] Savoie (73)
[Termes IGN] série temporelle
[Termes IGN] structure géologique
[Termes IGN] surveillance géologiqueIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Understanding the dynamics and the behavior of gravitational slope movements is essential to anticipate catastrophic failures and thus to protect lives and infrastructures. Several geodetic techniques already bring some information on the displacement / deformation fields of the unstable slopes. These techniques allow the analysis of the geometrical properties of the moving masses and of the mechanical behavior of the slopes. By combining time series of passive terrestrial imagery and these classical techniques, the amount of collected information is densified and spatially distributed. Digital passive sensors are increasingly used for the detection and the monitoring of gravitational motion. They provide both qualitative information, such as the detection of surface changes, and a quantitative characterization, such as the quantification of the soil displacement by correlation techniques. Our approach consists in analyzing time series of terrestrial images from either a single fixed camera or pair-wise cameras, the latter to obtain redundant and additional information. The time series are processed to detect the areas in which the Kinematic behavior is homogeneous. The slope properties, such as the sliding volume and the thickness of the moving mass, are part of the analysis results to obtain an overview which is as complete as possible. This work is presented around the analysis of four landslides located in the French Alps. It is part of a CIFRE/ANRT agreement between the SAGE Society - Société Alpine de Géotechnique (Gières, France) and the IPGS - Institut de Physique du Globe de Strasbourg / CNRS UMR 7516 (Strasbourg, France). Note de contenu : 1. Remote sensing methods for the monitoring of gravitational movements
1.1 Gravitational movements: risk and challenges
1.2 Landslide monitoring: in-situ measurements and remote sensing
1.3 Time-lapse photography
1.4 Presentation of the use cases: technologies and data
Conclusions
2. Image time series analysis for a monoscopic model
2.1 Introduction
2.2 Methodology
2.3 Combination strategies for processing large image datasets
2.4 Application to use cases: the Chambon and the Pas de l’Ours landslides
2.5 Sensitivity analysis
2.6 Results and Discussion
2.7 Advantages and Limitations of TSM Pipeline
Conclusions
3. A stereoscopic model for landslide analysis: Application to the Montgombert landslide (Savoie, French Alps)
3.1 Foreword
3.2 Stereoscopic model
3.3 Landslide displacement estimation
3.4 Landslide deformation estimation
Conclusions
4. Pre- and post-event monitoring analysis: application to the Cliets rockslide (Savoie, French Alps)
4.1 Case study in the context of monitoring and early-warning
4.2 Time-lapse image analysis
Conclusions
5. Conclusions and perspectives
5.1 General conclusions
5.2 Perspectives
A Caractéristiques des caméras II
B Analyse de sensibilité des paramétres externes sur les résultats de TSM VII
C Série temporelle des déplacements détéctés post événement - glissement des ClietsNuméro de notice : 26767 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géosciences - Géophysique : Strasbourg : 2021 Organisme de stage : Institut de physique du globe de Strasbourg IPGS nature-HAL : Thèse DOI : sans Date de publication en ligne : 13/10/2021 En ligne : https://hal.science/tel-03376927/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99864 Real-time multimodal semantic scene understanding for autonomous UGV navigation / Yifei Zhang (2021)PermalinkPermalinkThe challenge of robust trait estimates with deep learning on high resolution RGB images / Etienne David (2021)PermalinkCNN-based tree species classification using high resolution RGB image data from automated UAV observations / Sebastian Egli in Remote sensing, vol 12 n° 23 (December-2 2020)PermalinkAutomatic building footprint extraction from UAV images using neural networks / Zoran Kokeza in Geodetski vestnik, vol 64 n° 4 (December 2020 - February 2021)PermalinkConvolutional Neural Networks accurately predict cover fractions of plant species and communities in Unmanned Aerial Vehicle imagery / Teja Kattenborn in Remote sensing in ecology and conservation, vol 6 n° 4 (December 2020)PermalinkMapping forest tree species in high resolution UAV-based RGB-imagery by means of convolutional neural networks / Felix Schiefer in ISPRS Journal of photogrammetry and remote sensing, vol 170 (December 2020)PermalinkTextural classification of remotely sensed images using multiresolution techniques / Rizwan Ahmed Ansari in Geocarto international, vol 35 n° 14 ([15/10/2020])Permalink3D hand mesh reconstruction from a monocular RGB image / Hao Peng in The Visual Computer, vol 36 n° 10 - 12 (October 2020)PermalinkTrajectory drift–compensated solution of a stereo RGB-D mapping system / Shengjun Tang in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 6 (June 2020)Permalink