Centre dedocumentation
scientifique

Point cloud registration for LiDAR and photogrammetric data: A critical synthesis and performance analysis on classic and deep learning algorithms / Ningli Xu in ISPRS Open Journal of Photogrammetry and Remote Sensing, vol 8 (April 2023)  

Public [article]  inISPRS Open Journal of Photogrammetry and Remote Sensing > vol 8 (April 2023) . - n° 100032 Titre : Point cloud registration for LiDAR and photogrammetric data: A critical synthesis and performance analysis on classic and deep learning algorithms Type de document : Article/Communication Auteurs : Ningli Xu, Auteur ; Rongjun Qin, Auteur ; Shuang Song, Auteur Année de publication : 2023 Article en page(s) : n° 100032 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] algorithme ICP [Termes IGN] chevauchement [Termes IGN] données lidar [Termes IGN] processus gaussien [Termes IGN] recalage de données localisées [Termes IGN] semis de points [Termes IGN] superposition de données Résumé : (auteur) Three-dimensional (3D) point cloud registration is a fundamental step for many 3D modeling and mapping applications. Existing approaches are highly disparate in the data source, scene complexity, and application, therefore the current practices in various point cloud registration tasks are still ad-hoc processes. Recent advances in computer vision and deep learning have shown promising performance in estimating rigid/similarity transformation between unregistered point clouds of complex objects and scenes. However, their performances are mostly evaluated using a limited number of datasets from a single sensor (e.g. Kinect or RealSense cameras), lacking a comprehensive overview of their applicability in photogrammetric 3D mapping scenarios. In this work, we provide a comprehensive review of the state-of-the-art (SOTA) point cloud registration methods, where we analyze and evaluate these methods using a diverse set of point cloud data from indoor to satellite sources. The quantitative analysis allows for exploring the strengths, applicability, challenges, and future trends of these methods. In contrast to existing analysis works that introduce point cloud registration as a holistic process, our experimental analysis is based on its inherent two-step process to better comprehend these approaches including feature/keypoint-based initial coarse registration and dense fine registration through cloud-to-cloud (C2C) optimization. More than ten methods, including classic hand-crafted, deep-learning-based feature correspondence, and robust C2C methods were tested. We observed that the success rate of most of the algorithms are fewer than 40% over the datasets we tested and there are still are large margin of improvement upon existing algorithms concerning 3D sparse corresopondence search, and the ability to register point clouds with complex geometry and occlusions. With the evaluated statistics on three datasets, we conclude the best-performing methods for each step and provide our recommendations, and outlook future efforts. Numéro de notice : A2023-149 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.ophoto.2023.100032 Date de publication en ligne : 16/02/2023 En ligne : https://doi.org/10.1016/j.ophoto.2023.100032 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102808 [article]

Automatic registration method of multi-source point clouds based on building facades matching in urban scenes / Yumin Tan in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 12 (December 2022)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 88 n° 12 (December 2022) . - pp 767 - 782 Titre : Automatic registration method of multi-source point clouds based on building facades matching in urban scenes Type de document : Article/Communication Auteurs : Yumin Tan, Auteur ; Yanzhe Shi, Auteur ; Yunxin Li, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 767 - 782 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie [Termes IGN] algorithme ICP [Termes IGN] appariement de formes [Termes IGN] appariement de points [Termes IGN] données lidar [Termes IGN] extraction de traits caractéristiques [Termes IGN] façade [Termes IGN] fusion de données multisource [Termes IGN] modélisation 3D [Termes IGN] photogrammétrie aérienne [Termes IGN] points registration [Termes IGN] Ransac (algorithme) [Termes IGN] recalage de données localisées [Termes IGN] scène urbaine [Termes IGN] superposition de données Résumé : (auteur) Both UAV photogrammetry and lidar have become common in deriv- ing three-dimensional models of urban scenes, and each has its own advantages and disadvantages. However, the fusion of these multisource data is still challenging, in which registration is one of the most important stages. In this paper, we propose a method of coarse point cloud registration which consists of two steps. The first step is to extract urban building facades in both an oblique photogrammetric point cloud and a lidar point cloud. The second step is to align the two point clouds using the extracted building facades. Object Vicinity Distribution Feature (Dijkman and Van Den Heuvel 2002) is introduced to describe the distribution of building facades and register the two heterologous point clouds. This method provides a good initial state for later refined registration process and is translation, rotation, and scale invariant. Experiment results show that the accuracy of this proposed automatic registration method is equiva- lent to the accuracy of manual registration with control points. Numéro de notice : A2022-882 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.22-00069R3 Date de publication en ligne : 01/12/2022 En ligne : https://doi.org/10.14358/PERS.22-00069R3 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102206 [article]

A unified framework for automated registration of point clouds, mesh surfaces and 3D models by using planar surfaces / Yuan Zhao in Photogrammetric record, vol 37 n° 180 (December 2022)  

Public [article]  inPhotogrammetric record > vol 37 n° 180 (December 2022) . - pp 366 - 384 Titre : A unified framework for automated registration of point clouds, mesh surfaces and 3D models by using planar surfaces Type de document : Article/Communication Auteurs : Yuan Zhao, Auteur ; Hang Zhao, Auteur ; Marko Radanovic, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 366 - 384 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] algorithme ICP [Termes IGN] chevauchement [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] maillage [Termes IGN] modélisation 3D du bâti BIM [Termes IGN] recalage de données localisées [Termes IGN] semis de points [Termes IGN] superposition de données [Termes IGN] surface plane Résumé : (auteur) Numéro de notice : A2022-939 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1111/phor.12428 Date de publication en ligne : 18/10/2022 En ligne : https://doi.org/10.1111/phor.12428 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102685 [article]

Geometric approximation of structured scenes from images / Muxingzi Li (2021)  

Public Titre : Geometric approximation of structured scenes from images Type de document : Thèse/HDR Auteurs : Muxingzi Li, Auteur ; Renaud Marlet, Directeur de la recherche Editeur : Nice : Université Côte d'Azur Année de publication : 2021 Importance : 122 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de Doctorat résentée en vue de l’obtention du grade de docteur en Informatique de l’Université Côte d’Azur Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] approximation [Termes IGN] chaîne de traitement [Termes IGN] détection d'objet [Termes IGN] extraction automatique [Termes IGN] maillage [Termes IGN] modélisation 3D [Termes IGN] primitive géométrique [Termes IGN] recalage de données localisées [Termes IGN] reconstruction d'image [Termes IGN] scène urbaine [Termes IGN] segmentation d'image [Termes IGN] semis de points [Termes IGN] superposition de données [Termes IGN] vectorisation [Termes IGN] vision par ordinateur Index. décimale : THESE Thèses et HDR Résumé : (auteur) Geometric approximation of urban objects with compact and accurate representation is a challenging problem that concerns both computer vision and computer graphics communities. Existing literature mainly focuses on reconstruction from high-quality point clouds obtained by laser scanning which are too costly for many practical scenarios. This motivates the investigation into the problem of geometric approximation from low-budget image data. Dense reconstruction from a collection of images is made possible by recent advances in multi-view stereo techniques, yet the resulting point cloud is often far from perfect for generating a compact model. In particular, our goal is to describe the captured scene with a compact and accurate representation. In this thesis, we propose two generic algorithms which address different aspects of image-based geometric approximation. First, we present an algorithm for extracting and vectorizing objects in images with polygons. Second, we present a global registration algorithm from multi-modal geometric data, typically 3D point clouds and surface meshes. Both approaches exploit detection of linear geometric primitives to approximate either 2D silhouettes with polygons consisting of line segments, or 3D point sets with a collection of planar shapes. The proposed algorithms could be used sequentially to form a pipeline for geometric approximation of an urban object from a set of image data, consisting of an overhead shot for coarse model extraction and multi-view stereo data for point cloud generation. We demonstrate the robustness and scalability of our methods for structured scenes and objects, as well as applicative potential for free-form objects. Note de contenu : 1- Introduction 2- Literature review 3- Polygonal image segmentation 4- 3D registration of multi-modal geometry 5- Application to floor modeling 6- Conclusion and perspectives Numéro de notice : 28627 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Côte d'Azur : 2021 Organisme de stage : INRIA DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03388295v2/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99557

LiDAR-based point clouds registration for localization in indoor environments / Ketty Favre (2021)  

Public Titre : LiDAR-based point clouds registration for localization in indoor environments Type de document : Thèse/HDR Auteurs : Ketty Favre, Auteur ; Luce Morin, Directeur de thèse ; Eric Marchand, Directeur de thèse Editeur : Rennes : Université de Rennes 1 Année de publication : 2021 Importance : 146 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de Doctorat de l'Université Rennes 1, Spécialité Signal, Image, Vision Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] algorithme de Gauss-Newton [Termes IGN] appariement d'images [Termes IGN] cartographie et localisation simultanées [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] espace intérieur [Termes IGN] octree [Termes IGN] Ransac (algorithme) [Termes IGN] recalage de données localisées [Termes IGN] scène intérieure [Termes IGN] semis de points [Termes IGN] superposition de données Index. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis deals with the problem of registration of 3D point clouds in indoor environments. Registration methods are proposed to obtain a compromise between time and accuracy. First, GNMR-ICP, a multi-resolution algorithm which robustly minimizes the point-to-plane distance between two point clouds using a Gauss-Newton method. The multi-resolution is done using an octree. On the ASL benchmark dataset, GNMR-ICP gives more accurate results than its equivalent using the small angle approximation (81% success rate against 43%). Computation times in structured environments are reduced (up to a factor of 2). Next we present NAP-ICP, an algorithm based on plane matching. Planes are matched using a score function based on the characteristics of pairs of planes. An additional point-to-plane registration is performed to ensure maximum accuracy. NAP-ICP registers 100% of the interior scenes of the ASL dataset and is more accurate than the evaluated state-of-the-art functions and is able to close the loops of the LOOP’IN dataset. Finally, PAR-ICP, a plane-based method where the matching is performed using a Random Forest is presented. PAR-ICP registers 100% of the interior scenes of the ASL dataset and is able to close the loops of LOOP’IN, allowing to generate incremental maps. Note de contenu : Introduction 1- Background 2- State of the art 3- Datasets 4- Multi-resolution registration of 3D point clouds 5- Plane-based registration of 3D point clouds 6- Learning-based plane matching for planet-to-plane Conclusion Numéro de notice : 28635 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Image, Vision : Rennes 1 : 2021 Organisme de stage : Institut d'Électronique et de Télécommunications DOI : sans En ligne : http://www.theses.fr/2021REN1S059 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99666

Perception de scène par un système multi-capteurs, application à la navigation dans des environnements d'intérieur structuré / Marwa Chakroun (2021)  

Permalink

Reconstruction 3D d'environnements intérieurs à partir d'acquisitions LiDAR / Julia Sanchez (2020)  

Permalink

A versatile and efficient data fusion methodology for heterogeneous airborne LiDAR and optical imagery data acquired under unconstrained conditions / Thanh Huy Nguyen (2020)  

Permalink

2D image processing applied to 3D LiDAR point clouds / Pierre Biasutti (2019)  

Permalink

Recalage conjoint de données de cartographie mobile et de modèles 3D de bâtiments / Miloud Mezian (2019)  

Permalink

Localisation basée amers visuels : détection et mise à jour d’amers avec gestion des incertitudes / Xiaozhi Qu (2017)  

Permalink

Télédétection pour l'observation des surfaces continentales, Ch. 2. Analyse de scènes urbaines avec un véhicule de cartographie mobile / Bruno Vallet (2017)

Permalink

Vers l'automatisation de la production de cartes / Guillaume Touya (2017)  

Permalink

Acquisition et reconstruction de données 3D denses sous-marines en eau peu profonde par des robots d'exploration / Loïca Avanthey (2016)  

Permalink

Qualification de la précision de données topographiques issues d’acquisitions par méthode scanner laser dynamique ferroporté au sein de la SNCF / Audrey Jacquin (2015) 

Permalink