Centre dedocumentation
scientifique

Dense stereo matching strategy for oblique images that considers the plane directions in urban areas / Jianchen Liu in IEEE Transactions on geoscience and remote sensing, vol 58 n° 7 (July 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 7 (July 2020) . - pp 5109 - 5116 Titre : Dense stereo matching strategy for oblique images that considers the plane directions in urban areas Type de document : Article/Communication Auteurs : Jianchen Liu, Auteur ; Linjing Zhang, Auteur ; Zhen Wang, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 5109 - 5116 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme d'appariement [Termes descripteurs IGN] appariement d'images [Termes descripteurs IGN] appariement semi-global [Termes descripteurs IGN] bati [Termes descripteurs IGN] carte de profondeur [Termes descripteurs IGN] corrélation épipolaire dense [Termes descripteurs IGN] distorsion d'image [Termes descripteurs IGN] erreur moyenne quadratique [Termes descripteurs IGN] image oblique [Termes descripteurs IGN] perspective [Termes descripteurs IGN] PLANEITE [Termes descripteurs IGN] zone urbaine Résumé : (auteur) The perspective distortion of oblique images has a substantial impact on dense matching, i.e., it reduces the matching precision. In this article, a strategy of dense matching in which the object plane direction is considered is proposed. According to many regular planes in urban areas, epipolar rectification with minimum distortions relative to the selected reference planes can be generated. The matching results of epipolar images relative to various reference planes are weighted and fused into a single depth map, which is a better matching result. The experimental results demonstrate that the perspective distortion has a substantial influence on the dense matching performance. The root-mean-square error (RMSE) of the flatness for horizontal objects is increased by approximately 30%, and the RMSE of the flatness for façades is increased by approximately 40%. Hence, the proposed matching strategy, in which the object plane is considered, can effectively improve the matching results. Numéro de notice : A2020-394 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2972312 date de publication en ligne : 20/02/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2972312 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95390 [article]

Enhanced 3D mapping with an RGB-D sensor via integration of depth measurements and image sequences / Bo Wu in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 9 (September 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 9 (September 2019) . - pp 633 - 642 Titre : Enhanced 3D mapping with an RGB-D sensor via integration of depth measurements and image sequences Type de document : Article/Communication Auteurs : Bo Wu, Auteur ; Xuming Ge, Auteur ; Linfu Xie, Auteur ; Wu Chen, Auteur Année de publication : 2019 Article en page(s) : pp 633 - 642 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] carte d'intérieur [Termes descripteurs IGN] carte de profondeur [Termes descripteurs IGN] cartographie 3D [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] intégration de données [Termes descripteurs IGN] modélisation 3D [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] séquence d'images [Termes descripteurs IGN] Simultaneous Localisation And Mapping [Termes descripteurs IGN] structure-from-motion Résumé : (Auteur) State-of-the-art visual simultaneous localization and mapping (SLAM) techniques greatly facilitate three-dimensional (3D) mapping and modeling with the use of low-cost red-green-blue-depth (RGB-D) sensors. However, the effective range of such sensors is limited due to the working range of the infra-red (IR) camera, which provides depth information, and thus the practicability of such sensors in 3D mapping and modeling is limited. To address this limitation, we present a novel solution for enhanced 3D mapping using a low-cost RGB-D sensor. We carry out state-of-the-art visual SLAM to obtain 3D point clouds within the mapping range of the RGB-D sensor and implement an improved structure-from-motion (SfM) on the collected RGB image sequences with additional constraints from the depth information to produce image-based 3D point clouds. We then develop a feature-based scale-adaptive registration to merge the gained point clouds to further generate enhanced and extended 3D mapping results. We use two challenging test sites to examine the proposed method. At these two sites, the coverage of both generated 3D models increases by more than 50% with the proposed solution. Moreover, the proposed solution achieves a geometric accuracy of about 1% in a measurement range of about 20 m. These positive experimental results not only demonstrate the feasibility and practicality of the proposed solution but also its potential. Numéro de notice : A2019-415 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.9.633 date de publication en ligne : 01/09/2019 En ligne : https://doi.org/10.14358/PERS.85.9.633 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93542 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019091	SL	Revue	Centre de documentation	Revues en salle	Disponible

Improved camera distortion correction and depth estimation for lenslet light field camera / Changkun Yang in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 3 (March 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 3 (March 2019) . - pp 197 - 208 Titre : Improved camera distortion correction and depth estimation for lenslet light field camera Type de document : Article/Communication Auteurs : Changkun Yang, Auteur ; Zhaoqin Liu, Auteur ; Kaichang Di, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 197 - 208 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s) [Termes descripteurs IGN] carte de profondeur [Termes descripteurs IGN] chambre de prise de vue numérique [Termes descripteurs IGN] correction géométrique [Termes descripteurs IGN] distorsion d'image [Termes descripteurs IGN] modèle géométrique de prise de vue Résumé : (Auteur) A light field camera can capture both radiance and angular information, providing a novel solution for depth estimation. The paper proposes two improved methods including distortion model optimization and depth estimation refinement for a lenslet light field camera. For distortion model optimization, a novel 14-parameter distortion model that involves sub-aperture images generation is applied to correct the light field camera images. For depth estimation refinement, an algorithm reducing the high influence of outliers on depth estimation in weak texture regions is proposed based on multi-view stereo matching using the cost volume. Experimental results show the projection error has decreased by about 30% and the depth root-mean-squared error on real world images has decreased by about 42% with our distortion correction method and depth estimation method compared with state of art algorithms. It verifies the correctness and effectiveness of our proposed methods and show significant improvement on accuracy of depth map estimation. Numéro de notice : A2019-148 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.3.197 date de publication en ligne : 01/03/2019 En ligne : https://doi.org/10.14358/PERS.85.3.197 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92477 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Estimation de profondeur à partir d'images monoculaires par apprentissage profond / Michel Moukari (2019)

Public contenu dans HAL Hyper articles en ligne / Centre pour la Communication Scientifique Directe CCSD (2000)   Titre : Estimation de profondeur à partir d'images monoculaires par apprentissage profond Type de document : Thèse/HDR Auteurs : Michel Moukari, Auteur ; Frédéric Jurie, Directeur de thèse Editeur : Caen [France] : Université de Caen Normandie Année de publication : 2019 Importance : 182 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le diplôme de Doctorat, Spécialité Informatique, préparée au sein de l'Université Caen Normandie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Intelligence artificielle [Termes descripteurs IGN] acuité stéréoscopique [Termes descripteurs IGN] analyse multiéchelle [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] carte de profondeur [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] compréhension de l'image [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] image 3D [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] incertitude des données [Termes descripteurs IGN] traitement d'image [Termes descripteurs IGN] vision monoculaire [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) La vision par ordinateur est une branche de l'intelligence artificielle dont le but est de permettre à une machine d'analyser, de traiter et de comprendre le contenu d'images numériques. La compréhension de scène en particulier est un enjeu majeur en vision par ordinateur. Elle passe par une caractérisation à la fois sémantique et structurelle de l'image, permettant d'une part d'en décrire le contenu et, d'autre part, d'en comprendre la géométrie. Cependant tandis que l'espace réel est de nature tridimensionnelle, l'image qui le représente, elle, est bidimensionnelle. Une partie de l'information 3D est donc perdue lors du processus de formation de l'image et il est d'autant plus complexe de décrire la géométrie d'une scène à partir d'images 2D de celle-ci.Il existe plusieurs manières de retrouver l'information de profondeur perdue lors de la formation de l'image. Dans cette thèse nous nous intéressons à l’estimation d'une carte de profondeur étant donné une seule image de la scène. Dans ce cas, l'information de profondeur correspond, pour chaque pixel, à la distance entre la caméra et l'objet représenté en ce pixel. L'estimation automatique d'une carte de distances de la scène à partir d'une image est en effet une brique algorithmique critique dans de très nombreux domaines, en particulier celui des véhicules autonomes (détection d’obstacles, aide à la navigation).Bien que le problème de l'estimation de profondeur à partir d'une seule image soit un problème difficile et intrinsèquement mal posé, nous savons que l'Homme peut apprécier les distances avec un seul œil. Cette capacité n'est pas innée mais acquise et elle est possible en grande partie grâce à l'identification d'indices reflétant la connaissance a priori des objets qui nous entourent. Par ailleurs, nous savons que des algorithmes d'apprentissage peuvent extraire ces indices directement depuis des images. Nous nous intéressons en particulier aux méthodes d’apprentissage statistique basées sur des réseaux de neurones profond qui ont récemment permis des percées majeures dans de nombreux domaines et nous étudions le cas de l'estimation de profondeur monoculaire. Note de contenu : 1- Introduction 2- État de l’art 3- Influence des hyperparamètres 4- Analyse multi-échelle 5- Évaluation de l’incertitude prédictive 6- Complétion de profondeur et estimation de confiance 7- Conclusions et perspectives Numéro de notice : 25834 Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Informatique : Caen : 2019 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95172

Geometric camera pose refinement with learned depth maps / Nathan Piasco (2019)  

Public Titre : Geometric camera pose refinement with learned depth maps Type de document : Article/Communication Auteurs : Nathan Piasco , Auteur ; Désiré Sidibé, Auteur ; Cédric Demonceaux, Auteur ; Valérie Gouet-Brunet , Auteur Congrès : ICIP 2019, 26th IEEE International Conference on Image Processing (22 - 25 septembre 2019; Taipei, Taiwan), Commanditaire Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2019 Projets : PLaTINUM / Gouet-Brunet, Valérie Importance : 5 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme ICP [Termes descripteurs IGN] carte de profondeur [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] scène intérieure [Termes descripteurs IGN] semis de points Résumé : (auteur) We present a new method for image-only camera relocalisation composed of a fast image indexing retrieval step followed by pose refinement based on ICP (Iterative Closest Point). The first step aims to find an initial pose for the query by evaluating images similarity with low dimensional global deep descriptors. Subsequently, we predict with a fully convolutional deep encoder-decoder neural network a dense depth map from the image query. We use this depth map to create a local point cloud and refine the initial query pose using an ICP algorithm.We demonstrate the effectiveness of our new approach on various indoor scenes. Compared to learned pose regression methods, our proposal can be used on multiple scenes without the need of a specific weights-setup for each scene, while showing equivalent results. Numéro de notice : C2019-015 Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICIP.2019.8803014 date de publication en ligne : 26/08/2019 En ligne : https://doi.org/10.1109/ICIP.2019.8803014 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93279

Learning scene geometry for visual localization in challenging conditions / Nathan Piasco (2019)    

Permalink

Perspective-n-learned-point: pose estimation from relative depth / Nathan Piasco (2019)    

Permalink

EMVS : Event-based Multi-View Stereo : 3D reconstruction with an event camera in real-time / Henri Rebecq in International journal of computer vision, vol 126 n° 12 (December 2018)  

Permalink

3D reconstruction from multi-view VHR-satellite images in MicMac / Ewelina Rupnik in ISPRS Journal of photogrammetry and remote sensing, vol 139 (May 2018)  

Permalink

Global, dense multiscale reconstruction for a billion points / Benjamin Ummenhofer in International journal of computer vision, vol 125 n° 1-3 (December 2017)  

Permalink

Efficient edge-aware surface mesh reconstruction for urban scenes / András Bódis-Szomorú in Computer Vision and image understanding, vol 157 (April 2017)  

Permalink

Generalizing the prediction sum of squares statistic and formula, application to linear fractional image warp and surface fitting / Adrien Bartoli in International journal of computer vision, vol 122 n° 1 (March 2017)  

Permalink

Joint inpainting of depth and reflectance with visibility estimation / Marco Bevilacqua in ISPRS Journal of photogrammetry and remote sensing, vol 125 (March 2017)  

Permalink

Development of a SGM-based multi-view reconstruction framework for aerial imagery / Mathias Rothermel (2016) 

Permalink

Visibility estimation and joint inpainting of lidar depth maps / Marco Bevilacqua (2016)  

Permalink