Descripteur
Documents disponibles dans cette catégorie (53)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesEtendre la recherche sur niveau(x) vers le bas
Utilisation de l'apprentissage profond dans la modélisation 3D urbaine [Partie 1] / Hamza Ben Addou in Géomatique expert, n° 135 (septembre 2021)
Titre : Utilisation de l'apprentissage profond dans la modélisation 3D urbaine [Partie 1] Type de document : Article/Communication Auteurs : Hamza Ben Addou, Auteur Année de publication : 2021 Article en page(s) : pp 11 - 20 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection du bâti
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] emprise au sol
[Termes IGN] fusion de données multisource
[Termes IGN] image aérienne
[Termes IGN] information sémantique
[Termes IGN] modèle 3D de l'espace urbain
[Termes IGN] segmentation d'image
[Termes IGN] semis de pointsRésumé : (Auteur) Partie I : Mise en place d’un processus de détection automatique des emprises de bâtiments par apprentissage profond Numéro de notice : A2021-660 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE/URBANISME Nature : Article nature-HAL : ArtSansCL DOI : sans date de publication en ligne : 01/09/2021 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98414
in Géomatique expert > n° 135 (septembre 2021) . - pp 11 - 20[article]
Titre : An improved computerized ionospheric tomography model fusing 3-D multisource ionospheric data enabled quantifying the evolution of magnetic storm Type de document : Article/Communication Auteurs : Jian Kong, Auteur ; Lulu Shan, Auteur ; Chen Zhou, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 3725 - 3736 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale
[Termes IGN] données GNSS
[Termes IGN] erreur absolue
[Termes IGN] filtre de Kalman
[Termes IGN] fusion de données multisource
[Termes IGN] modèle ionosphérique
[Termes IGN] modèle stochastique
[Termes IGN] perturbation ionosphérique
[Termes IGN] tempête magnétique
[Termes IGN] teneur totale en électrons
[Termes IGN] tomographieRésumé : (auteur) Global Navigation Satellite System (GNSS) ionospheric tomography is a typical ill-posed problem. Joint inversion with external observation data is one of the effective ways to mitigate the problem. In this article, by fusing 3-D multisource ionospheric data, and improving the stochastic model, an improved GNSS tomographic algorithm MFCIT [computerized ionospheric tomography (CIT) using mapping function] is presented. The accuracy of the algorithm is validated by selected data under different geomagnetic and solar conditions acquired in Europe. The results show that the estimated, statistically significant uncertainty for each of the layers is about 0.50–3.0TECU, with the largest absolute error within 6.0TECU. The advantage of the MFCIT is that it is based on the Kalman filter, which enables efficient near real-time 3-D monitoring of ionosphere. The temporal resolution can reach ~1 min level. Here, we apply the ionospheric tomography inversion to the magnetic storm on January 7, 2015, in the European region, and quantified the evolution of the storm. The results show that the difference of the core region between the MFCIT and CODE GIM is less than 1TECU. More importantly, during the initial phase of the storm, when the ionospheric disturbance is not evident in the single layer CODE GIM model, the MFCIT shows obvious positive disturbances in the upper ionosphere, although there is no disturbance in the F2 layer. The MFCIT further tracks the evolution of the magnetic storm that the ionospheric disturbance expands from the upper to the lower ionosphere layers, and at UT12:00, the disturbance continues to spread to the F2 layer. Numéro de notice : A2021-396 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3022949 date de publication en ligne : 24/09/2020 En ligne : https://doi.org/10.1109/TGRS.2020.3022949 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97686
in IEEE Transactions on geoscience and remote sensing > vol 59 n° 5 (May 2021) . - pp 3725 - 3736[article]
Titre : Structure from motion for complex image sets Type de document : Article/Communication Auteurs : Mario Michelini, Auteur ; Helmut Mayer, Auteur Année de publication : 2020 Article en page(s) : pp 140 - 152 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] appariement d'images
[Termes IGN] arbre aléatoire minimum
[Termes IGN] caméra numérique
[Termes IGN] distorsion d'image
[Termes IGN] étalonnage d'instrument
[Termes IGN] fusion de données multisource
[Termes IGN] itération
[Termes IGN] jeu de données
[Termes IGN] orientation
[Termes IGN] reconstruction 3D
[Termes IGN] SIFT (algorithme)
[Termes IGN] structure-from-motionRésumé : (auteur) This paper presents an approach for Structure from Motion (SfM) for unorganized complex image sets. To achieve high accuracy and robustness, image triplets are employed and an (approximate) internal camera calibration is assumed to be known. The complexity of an image set is determined by the camera configurations which may include wide as well as weak baselines. Wide baselines occur for instance when terrestrial images and images from small Unmanned Aerial Systems (UAS) are combined. The resulting large (geometric/radiometric) distortions between images make image matching difficult possibly leading to an incomplete result. Weak baselines mean an insufficient distance between cameras compared to the distance of the observed scene and give rise to critical camera configurations. Inappropriate handling of such configurations may lead to various problems in triangulation-based SfM up to total failure. The focus of our approach lies on a complete linking of images even in case of wide or weak baselines. We do not rely on any additional information such as camera configurations, Global Positioning System (GPS) or an Inertial Navigation System (INS). As basis for generating suitable triplets to link the images, an iterative graph-based method is employed formulating image linking as the search for a terminal Steiner minimum tree in the line graph. SIFT (Lowe, 2004) descriptors are embedded into Hamming space for fast image similarity ranking. This is employed to limit the number of pairs to be geometrically verified by a computationally and more complex wide baseline matching method (Mayer et al., 2012). Critical camera configurations which are not suitable for geometric verification are detected by means of classification (Michelini and Mayer, 2019). Additionally, we propose a graph-based approach for the optimization of the hierarchical merging of triplets to efficiently generate larger image subsets. By this means, a complete, 3D reconstruction of the scene is obtained. Experiments demonstrate that the approach is able to produce reliable orientation for large image sets comprising wide as well as weak baseline configurations. Numéro de notice : A2020-355 Affiliation des auteurs : non IGN Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.05.020 date de publication en ligne : 12/06/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.05.020 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95242
in ISPRS Journal of photogrammetry and remote sensing > vol 166 (August 2020) . - pp 140 - 152[article]Réservation
Réserver ce documentExemplaires (3)
Code-barres Cote Support Localisation Section Disponibilité 081-2020081 SL Revue Centre de documentation Revues en salle Disponible 081-2020083 DEP-RECP Revue LaSTIG Dépôt en unité Exclu du prêt 081-2020082 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Cartographie sémantique hybride de scènes urbaines à partir de données image et Lidar / Mohamed Boussaha (2020)
Titre : Cartographie sémantique hybride de scènes urbaines à partir de données image et Lidar Titre original : 3D hybrid urban scene semantic mapping from multi-modal data Type de document : Thèse/HDR Auteurs : Mohamed Boussaha Editeur : Champs/Marne : Université Paris-Est Année de publication : 2020 Projets : PLaTINUM / Gouet-Brunet, Valérie Note générale : bibliographie
Dissertation submitted in partial fulfillment of the requirements for the degree of Doctor of Philosophy delivered by Université Paris-EstLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] apprentissage dirigé
[Termes IGN] carte de profondeur
[Termes IGN] descripteur
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] fusion de données multisource
[Termes IGN] image panoramique
[Termes IGN] maillage par triangles
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] réflectance
[Termes IGN] scène intérieure
[Termes IGN] scène urbaine
[Termes IGN] segmentation sémantique
[Termes IGN] système de numérisation mobile
[Termes IGN] texturageRésumé : (auteur) Avec la démocratisation des applications collaboratives d'assistance à la navigation et l'avènement de robots autonomes, la cartographie mobile suscite ces dernières années une attention croissante, tant dans les milieux académiques qu'industriels. La numérisation de l'environnement offre non seulement une connaissance fine et exhaustive permettant aux usagers d'anticiper et de planifier leurs déplacements, mais garantit aussi la disponibilité d'informations fiables notamment en cas d'éventuelle défaillance des capteurs visuels d'un véhicule autonome. S'agissant d'un enjeu crucial pour une navigation fiable, la cartographie mobile soulève en revanche de nombreux défis en matière de robustesse, de précision et de passage à l'échelle. Cette problématique fait appel à des méthodes qui requièrent une capacité de traitement de données massives avec une précision centimétrique tout en gérant les spécificités de l'acquisition (la variabilité du niveau de détails, des occultations et des fortes variations de luminosité).
Cette thèse porte sur le développement d'un référentiel global géolocalisé de l'environnement urbain constitué de représentations 3D géométriques, photométriques et sémantiques. Dans un premier temps, une investigation approfondie de la représentation la plus adaptée à un tel référentiel, permet une reconstruction d'une carte haute définition à large échelle sous forme d'un maillage 3D texturé. Cette représentation est mise en place par fusion multimodale d'images orientées et de balayages LiDAR géo-référencés acquis depuis une plateforme de cartographie mobile terrestre. Par la suite, nous proposons d'intégrer l'aspect sémantique au référentiel 3D reconstruit en exploitant la complémentarité entre les modalités d'acquisition photométriques et géométriques. À travers la riche littérature sur le sujet, nous identifions l'absence d'un jeu de données urbain multimodal annoté incluant un maillage texturé à large échelle. Nous abordons ce verrou par la production d'un jeu de données composé de nuages de point 3D, d'images 2D perspectives et panoramiques, de cartes de profondeur et de reflectance ainsi qu'un maillage texturé avec les annotations correspondantes à chaque modalité. Dans un second temps, nous considérons le référentiel comme un nuage de points structuré par un graphe d'adjacence. Nous introduisons une nouvelle approche de sur-segmentation par apprentissage supervisé. Cette méthode opère en deux temps: calcul de descripteurs locaux des points 3D par apprentissage profond de métrique, puis partition du nuage de points en zones uniformes, appelées superpoints. Les descripteurs sont appris de telle sorte qu'ils présentent de forts contrastes à l'interface entre objets, incitant la partition résultante à suivre leurs contours naturels. Nos expériences sur des scènes intérieures et extérieures montrent la nette supériorité de notre approche sur les méthodes de partition de nuage de points de l'état de l'art, qui ne reposaient pas jusqu'à là sur l'apprentissage machine. Nous montrons également que notre méthode peut être combinée à un algorithme de classification de superpoints pour obtenir d'excellents résultats en terme de segmentation sémantique, améliorant aussi l'état de l'art sur ce sujet. Enfin, nous étendons cette approche aux maillages texturés. Les triangles, structurés cette fois-ci par le graphe d'adjacence du maillage, sont partitionnés en groupes homogènes appelés superfacettes. À l'instar des nuages de points, des descripteurs locaux du maillage texturé sont appris de façon à ce que les frontières d'objets sémantiquement distincts présentent un contraste élevé. Ces descripteurs sont le résultat d'une fusion des descripteurs appris sur le maillage par convolution des arêtes d'une part, et des descripteurs de texture d'autre part. Les expériences réalisées sur notre jeu de données illustrent la supériorité de notre approche par rapport aux méthodes de l'état de l'art de sur-segmentation de maillage.Numéro de notice : 17674 Affiliation des auteurs : UGE-LaSTIG (2020- ) Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : Geographical Information Sciences and technologies : UPE : 2020 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse En ligne : https://hal.archives-ouvertes.fr/tel-03276242/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98009
Titre : Fusion of 3D point clouds and hyperspectral data for the extraction of geometric and radiometric features of trees Type de document : Thèse/HDR Auteurs : Eduardo Alejandro Tusa Jumbo, Auteur ; Jocelyn Chanussot, Directeur de thèse ; Jean-Matthieu Monnet, Encadrant ; Mauro Dalla Mura, Encadrant ; Jean-Baptiste Barré, Encadrant Editeur : Grenoble : Université de Grenoble Année de publication : 2020 Importance : 153 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de docteur de l'Université Grenoble Alpes, Signal image parole TelecomsLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] Alpes (France)
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] espèce végétale
[Termes IGN] extraction de la végétation
[Termes IGN] forêt alpestre
[Termes IGN] fusion de données multisource
[Termes IGN] image hyperspectrale
[Termes IGN] inventaire forestier (techniques et méthodes)
[Termes IGN] inventaire forestier local
[Termes IGN] semis de points
[Termes IGN] télédétection par lidar
[Termes IGN] télédétection spatialeIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Mountain forests provide environmental ecosystem services (EES) to communities: supplying of recreational landscapes, protection against natural hazards, supporting biodiversity conservation, among others. The preservation of these EES through space and time requires a good characterization of the resources. Especially in mountains, stands are very heterogeneous and timber harvesting is economically possible thanks to trees of higher value. This is why we want to be able to map each tree and estimate its characteristics, including quality, which is related to its shape and growth conditions. Field inventories are not able to provide a wall to wall cover of detailed tree-level information on a large scale. On the other hand, remote sensing tools seem to be a promising technology because of the time efficient and the affordable costs for studying forest areas. LiDAR data provide detailed information from the vertical distribution and location of the trees, but it is limited for mapping species. Hyperspectral data are associated to absorption features in the canopy reflectance spectrum, but is not effective for characterizing tree geometry. Hyperspectral and LiDAR systems provide independent and complementary data that are relevant for the assessment of biophysical and biochemical attributes of forest areas. This PhD thesis deals with the fusion of LiDAR and hyperspectral data to characterize individual forest trees. The leading idea is to improve methods to derive forest information at tree-level by extracting geometric and radiometric features. The contributions of this research work relies on: i) an updated review of data fusion methods of LiDAR and hyperspectral data for forest monitoring, ii) an improved 3D segmentation algorithm for delineating individual tree crowns based on Adaptive Mean Shift (AMS3D) and an ellipsoid crown shape model, iii) a criterion for feature selection based on random forests score, 5-fold cross validation and a cumulative error function for forest tree species classification. The two main methods used to derive forest information at tree level are tested with remote sensing data acquired in the French Alps. Note de contenu : 1 Introduction
1.1 Forest
1.2 Principles of remote sensing
1.3 Motivation
1.4 Objectives
1.5 Thesis structure
2. Data Fusion 15
2.1 Principles of fusion
2.2 Low-level
2.3 Medium-level
2.4 High-level
2.5 Applications
3. Material 32
3.1 Field data
3.2 Study areas
3.3 ALS and hyperspectral data
4 ITC Delineation
4.1 Introduction
4.2 MS segmentation
4.3 AMS3D based on crown shape model
4.4 Experimental analysis
4.5 Conclusion
5. Tree Species Classification
5.1 Introduction
5.2 Study area
5.3 Methodology
5.4 Results and discussion
5.5 Conclusions
6. Conclusion and work perspectives
6.1 How data processing methods are applied in each level of data fusion for forest monitoring?
6.2 How a crown shape model can improve the segmentation of individual tree crowns?
6.3 Which feature combination contribute to characterize the forest tree species composition?Numéro de notice : 26582 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal image parole Telecoms : Grenoble : 2020 Organisme de stage : Grenoble Images Parole Signal Automatique GIPSA-lab nature-HAL : Thèse DOI : sans date de publication en ligne : 30/07/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03212453/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98403 Multimodal scene understanding: algorithms, applications and deep learning, ch. 11. Decision fusion of remote-sensing data for land cover classification / Arnaud Le Bris (2019)
PermalinkPermalinkPermalinkPermalinkPermalinkPermalink
