Descripteur
Termes IGN > sciences naturelles > physique > traitement d'image > reconstruction 3D
reconstruction 3DSynonyme(s)reconstruction volumique reconstruction volumique tridimensionnelle |
Documents disponibles dans cette catégorie (180)
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
Curved buildings reconstruction from airborne LiDAR data by matching and deforming geometric primitives / Jingwei Song in IEEE Transactions on geoscience and remote sensing, vol 59 n° 2 (February 2021)
[article]
Titre : Curved buildings reconstruction from airborne LiDAR data by matching and deforming geometric primitives Type de document : Article/Communication Auteurs : Jingwei Song, Auteur ; Shaobo Xia, Auteur ; Jun Wang, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 1660 - 1674 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] courbe
[Termes IGN] déformation géométrique
[Termes IGN] détection de contours
[Termes IGN] données lidar
[Termes IGN] primitive géométrique
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] semis de points
[Termes IGN] stockage de donnéesNuméro de notice : A2021-117 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2995732 Date de publication en ligne : 08/06/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2995732 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96931
in IEEE Transactions on geoscience and remote sensing > vol 59 n° 2 (February 2021) . - pp 1660 - 1674[article]
Titre : Applications of pattern recognition Type de document : Monographie Auteurs : Carlos M. Travieso-Gonzalez, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2021 Importance : 136 p. ISBN/ISSN/EAN : 978-1-78985-561-6 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse comparative
[Termes IGN] analyse de données
[Termes IGN] analyse de groupement
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] état de l'art
[Termes IGN] plus proche voisin, algorithme du
[Termes IGN] reconnaissance de formes
[Termes IGN] reconstruction 3D
[Termes IGN] structure-from-motionRésumé : (Editeur) Nowadays, technological advances allow the development of many applications in different fields. In this book, two important fields are shown. The first field, data analysis, is a good tool to identify patterns; in particular, it is observed by a stereoscopic calculation model based on fixation eye movement, a visual interactive programming learning system, an approach based on color analysis of Habanero chili pepper, an approach for the visualization and analysis of inconsistent data, and finally, a system for building 3D abstractions with wireframes. On the other hand, automatic systems help to detect or identify different kinds of patterns. It is applying to incomplete data analysis a retinal biometric approach based on crossing and bifurcation, an Arabic handwritten signature identification system, and finally, the use of clustering methods for gene expression data with RNA-seq. Note de contenu : 1. Stereoscopic Calculation Model Based on Fixational Eye Movements / Norio Tagawa
2. Visual Identification of Inconsistency in Pattern / Nwagwu Honour Chika, Ukekwe Emmanuel, Ugwoke Celestine, Ndoumbe Dora and George Okereke
3. Build 3D Abstractions with Wireframes / Roi Santos Mateos, Xose M. Pardo and Xose R. Fdez-Vidal
4. Incomplete Data Analysis / Bo-Wei Chen and Jia-Ching Wang
5. Retina Recognition Using Crossings and Bifurcations / Lukáš Semerád and Martin Drahanský
6. New Attributes Extraction System for Arabic Autograph as Genuine and Forged through a Classification Techniques / Anwar Yahya Ebrahim and Hoshang Kolivand
7. Current State-of-the-Art of Clustering Methods for Gene Expression Data with RNA-Seq / Ismail Jamail and Ahmed MoussaNuméro de notice : 26760 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.80151 Date de publication en ligne : 07/07/2021 En ligne : https://doi.org/10.5772/intechopen.80151 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99781 Apprentissage profond et IA pour l’amélioration de la robustesse des techniques de localisation par vision artificielle / Achref Elouni (2021)
Titre : Apprentissage profond et IA pour l’amélioration de la robustesse des techniques de localisation par vision artificielle Type de document : Thèse/HDR Auteurs : Achref Elouni, Auteur ; Michel Dhome, Directeur de thèse Editeur : Clermont-Ferrand : Université Clermont Auvergne Année de publication : 2021 Importance : 121 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur d’Université, Spécialité InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] estimation de pose
[Termes IGN] état de l'art
[Termes IGN] localisation basée vision
[Termes IGN] méthode robuste
[Termes IGN] points homologues
[Termes IGN] réalité augmentée
[Termes IGN] reconstruction 3D
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation sémantiqueIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Le travail réalisé dans le cadre de ce doctorat se place dans le contexte d’un projet collaboratif ayant pour objectif la mise au point d’un casque de réalité augmenté. Afin de faire fonctionner un tel dispositif il s’avère nécessaire de calculer la position d’une caméra embarquée dans l’environnent d’intervention de l’utilisateur. Récemment, deux technologies dénommées SLAM (pour « Simultaneous Localization And Mapping ») et SfM (pour « Structure From Motion ») ont fait preuve de performances indéniables pour la reconstruction 3D d’un environnement à partir d’une collection d’images. Nous nous sommes intéressés à elles afin de résoudre le problème délicat de l’initialisation de notre dispositif ou de sa ré-initialisation en cas d’échec du suivi temps réel de la position. En effet, malgré les travaux de recherche réalisés ces dernières années, plusieurs limitations empêchent les système de localisation d’estimer une pose parfaite dans toutes les conditions. Ces conditions incluent les changements légers du contexte comme les variations de la luminosité, du point d’observation ou des modifications géométriques telles que l’ajout d’objets. Pour faire face à ces limitations et afin de proposer une solution facile à déployer,nous avons étudié la possibilité d’intégrer dans le processus de localisation des informations invariantes qui pourraient augmenter la probabilité d’avoir une pose précise. Deux types d’information invariante (sémantique et géométrique) ont été exploitées dans cette thèse pour aider le système de localisation à trouver sa position. Les solutions proposées ont été validées sur plusieurs jeux de données internes et externes (Dubrovnik, Rome, Oxford, Musée) grâce auxquels nous avons pu comparer nos résultats avec les travaux décrits dans l’état de l’art. Deux types d’images requêtes ont été étudiées dans cette thèse : celle composée d’une seule image et celle issue d’un dispositif stéréo. L’avantage d’utiliser une paire stéréo est de pouvoir trianguler des points homologues afin d’extraire leur hauteur et d’exploiter cette dernière dans le processus de localisation. L’autre approche envisagée consiste à utiliser comme invariant le label des pixels obtenu par un algorithme de segmentation sémantique basé sur un réseau de neurones convolutionnel. Dans les deux cas, les résultats obtenus montrent une amélioration sensible sur la précision des poses estimées. Note de contenu : 1. Introduction générale
1.1 Contexte
2. État de l’art
2.1 Le problème de la reconstruction 3D
2.2 Localisation visuelle basée sur l’image
2.3 Conclusion
3. Descripteur géométrique-visuel pour une localisation améliorée ba?sée sur l’image utilisant un a priori sur la verticale
3.1 Introduction
3.2 Méthode proposée
3.3 Étude expérimentale
3.4 Conclusion
4. La segmentation sémantique pour améliorer la localisation visuelle
4.1 Introduction
4.2 Méthode proposée
4.3 Étude expérimentale
4.4 Conclusion
5. La segmentation sémantique pour améliorer la recherche d’image par le contenu
5.1 Introduction
5.2 Méthode proposée
5.3 Étude expérimentale
5.4 Conclusion
6. Conclusion et PerspectivesNuméro de notice : 26763 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Clermont Ferrand : 2021 Organisme de stage : Institut Pascal nature-HAL : Thèse DOI : sans Date de publication en ligne : 03/02/2022 En ligne : https://tel.hal.science/tel-03554182/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99827 Correction radiométrique et recalage de nuages de points pour la reconstruction tridimensionnelle d'oeuvres du patrimoine culturel / Nathan Sanchiz (2021)
Titre : Correction radiométrique et recalage de nuages de points pour la reconstruction tridimensionnelle d'oeuvres du patrimoine culturel Type de document : Thèse/HDR Auteurs : Nathan Sanchiz, Auteur ; El-Mustapha Mouaddib, Directeur de thèse Editeur : Amiens [France] : Université de Picardie Jules Verne Année de publication : 2021 Importance : 123 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse en vue d'obtenir le grade de Docteur de l'Université de Picardie Jules Verne, Mention Sciences pour l'ingénieur, Spécialité RobotiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] Amiens
[Termes IGN] artefact
[Termes IGN] cathédrale
[Termes IGN] correction radiométrique
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] état de l'art
[Termes IGN] intensité lumineuse
[Termes IGN] patrimoine culturel
[Termes IGN] recalage d'image
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] semis de points
[Termes IGN] traitement de semis de pointsIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Pour la numérisation d'oeuvres du patrimoine à moyenne et grande échelle, un scanner LiDAR (Light Detection And Ranging) est généralement utilisé. Celui-ci crée une carte de distances (un nuage de points 3D) sur une sphère autour de la position de mesure. De nombreuses mesures sont faites dans la zone autour de l'objet à numériser pour capturer la scène sous différents points de vue d'acquisition. La principale difficulté de la reconstruction d'un modèle tri-dimensionnel à partir des nuages de points acquis, est l'étape dite de recalage. Celle-ci consiste à identifier les transformations géométriques permettant le regroupement des nuages dans un même repère. Pour ce faire, il est nécessaire d'identifier des correspondances entre les zones communes des nuages. Etape difficile qui concentre les efforts de la communauté de recherche. Nous abordons ce problème en utilisant une information secondairement acquise par le LiDAR, l'intensité, comme élement discriminant. Cette information est, par sa nature, insensible aux illuminations externes et liée à la réflectance des matériaux scannés. Cependant, l'intensité est peu utilisable en pratique. Sa dépendance aux paramètres géométriques de mesure et aux traitements internes de l'appareil, la rend fortement liée au point de vue de la mesure. Dans ce travail de recherche, nous proposons différentes méthodes de correction et de calibration radiométriques qui permettent, sous certaines conditions, de rendre l'intensité indépendante du point de vue et de la convertir sur une échelle linéaire. Dans un deuxième temps, nous étudions l'utilisation de cette information dans un processus de recalage. Les résultats montrent que l'intensité corrigée ou calibrée améliore l'identification de correspondances d'un nuage à l'autre. Note de contenu : 1. Introduction
1.1 Avant-propos
1.2 Contexte
1.3 Matériel et données
1.4 Campagnes de numérisation
1.5 Structure du document
2. Étude de l'intensité issue du LiDAR
2.1 Introduction
2.2 Les phénomènes en jeu
2.3 Bases théoriques
2.4 Conclusion
3. Correction radiométrique
3.1 État de l'art et approches proposées
3.2 Résultats expérimentaux
3.3 Linéarisation de l'intensité corrigée
3.4 Conclusion
4. Recalage de nuages de points basé intensité
4.1 Introduction
4.2 Vue d'ensemble
4.3 Recalage basé intensité
4.4 Résultats expérimentaux
4.5 Conclusion
5. Conclusions et perspectives
5.1 Récapitulatif
5.2 Contributions
5.3 Discussion & perspectives de rechercheNuméro de notice : 26561 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences pour l'ingénieur, Robotique : Picardie : 2021 Organisme de stage : Agence Nationale de la Recherche ANR nature-HAL : Thèse DOI : sans Date de publication en ligne : 31/07/2021 En ligne : https://hal.science/tel-03307700v2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98250
Titre : Deep-learning for 3D reconstruction Type de document : Thèse/HDR Auteurs : Fabio Tosi, Auteur Editeur : Bologne [Italie] : Université de Bologne Année de publication : 2021 Format : 21 x 30 cm Note générale : bibliographie
PhD Thesis in Computer Science and EngineeringLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] carte de confiance
[Termes IGN] compréhension de l'image
[Termes IGN] profondeur
[Termes IGN] reconstruction 3D
[Termes IGN] réseau antagoniste génératif
[Termes IGN] vision stéréoscopiqueRésumé : (auteur) Depth perception is paramount for many computer vision applications such as autonomous driving and augmented reality. Despite active sensors (e.g., LiDAR, Time-of-Flight, struc- tured light) are quite diffused, they have severe shortcomings that could be potentially addressed by image-based sensors. Concerning this latter category, deep learning has enabled ground-breaking results in tackling well-known issues affecting the accuracy of systems inferring depth from a single or multiple images in specific circumstances (e.g., low textured regions, depth discontinuities, etc.), but also introduced additional concerns about the domain shift occurring between training and target environments and the need of proper ground truth depth labels to be used as the training signals in network learning. Moreover, despite the copious literature concerning confidence estimation for depth from a stereo setup, inferring depth uncertainty when dealing with deep networks is still a major challenge and almost unexplored research area, especially when dealing with a monocular setup. Finally, computational complexity is another crucial aspect to be considered when targeting most practical applications and hence is desirable not only to infer reliable depth data but do so in real-time and with low power requirements even on standard embedded devices or smartphones. Therefore, focusing on stereo and monocular setups, this thesis tackles major issues affecting methodologies to infer depth from images and aims at developing accurate and efficient frameworks for accurate 3D reconstruction on challenging environments. Note de contenu : Introduction
1- Related work
2- Datasets
3- Evaluation protocols
4- Confidence measures in a machine learning world
5- Efficient confidence measures for embedded stereo
6- Even more confident predictions with deep machine-learning
7- Beyond local reasoning for stereo confidence estimation with deep learning
8- Good cues to learn from scratch a confidence measure for passive depth sensors
9- Confidence estimation for ToF and stereo sensors and its application to depth data fusion
10- Learning confidence measures in the wild
11- Self-adapting confidence estimation for stereo
12- Leveraging confident points for accurate depth refinement on embedded systems
13- SMD-Nets: Stereo Mixture Density Networks
14- Real-time self-adaptive deep stereo
15- Guided stereo matching
16- Reversing the cycle: self-supervised deep stereo through enhanced monocular distillation
17- Learning end-to-end scene flow by distilling single tasks knowledge
18- Learning monocular depth estimation with unsupervised trinocular assumptions
19- Geometry meets semantics for semi-supervised monocular depth estimation
20- Generative Adversarial Networks for unsupervised monocular depth prediction
21- Learning monocular depth estimation infusing traditional stereo knowled
22- Towards real-time unsupervised monocular depth estimation on CPU
23- Enabling energy-efficient unsupervised monocular depth estimation on ARMv7-based platforms
24- Distilled semantics for comprehensive scene understanding from videos
25- On the uncertainty of self-supervised monocular depth estimation
ConclusionNuméro de notice : 28596 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Note de thèse : Thèse de Doctorat : Computer Science and Engineering : Bologne : 2021 DOI : 10.48676/unibo/amsdottorato/9816 En ligne : http://amsdottorato.unibo.it/9816/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99325 Détection et reconstruction 3D d’arbres urbains par segmentation de nuages de points : apport de l’apprentissage profond / Victor Alteirac (2021)PermalinkPermalinkPermalinkFrom point clouds to high-fidelity models - advanced methods for image-based 3D reconstruction / Audrey Richard (2021)PermalinkGeometric and semantic joint approach for the reconstruction of digital models of buildings / Pierre-Alain Langlois (2021)PermalinkHolographic SAR tomography 3-D reconstruction based on iterative adaptive approach and generalized likelihood ratio test / Dong Feng in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)PermalinkLearning-based representations and methods for 3D shape analysis, manipulation and reconstruction / Marie-Julie Rakotosaona (2021)PermalinkModélisation et reconstitution 3D de vestiges du Struthof en relation avec le PCR à partir d’éléments historiques / Yassine Seddik (2021)PermalinkPermalinkPlanimetric simplification and lexicographic optimal chains for 3D urban scene reconstruction / Julien Vuillamy (2021)PermalinkRelation-constrained 3D reconstruction of buildings in metropolitan areas from photogrammetric point clouds / Yuan Li in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkStructure-from-motion-derived digital surface models from historical aerial photographs: A new 3D application for coastal dune monitoring / Edoardo Grottoli in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkPermalinkUnderwater object detection and reconstruction based on active single-pixel imaging and super-resolution convolutional neural network / Mengdi Li in Sensors, vol 21 n° 1 (January 2021)PermalinkBuilding facade reconstruction using crowd-sourced photos and two-dimensional maps / Wu Jie in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 11 (November 2020)PermalinkIndoor point cloud segmentation using iterative Gaussian mapping and improved model fitting / Bufan Zhao in IEEE Transactions on geoscience and remote sensing, vol 58 n° 11 (November 2020)PermalinkAssessing the effects of thinning on stem growth allocation of individual Scots pine trees / Ninni Saarinen in Forest ecology and management, vol 474 ([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)Permalink3D reconstruction of internal wood decay using photogrammetry and sonic tomography / Junjie Zhang in Photogrammetric record, vol 35 n° 171 (September 2020)PermalinkThermal and spatial data integration for recreating rebuilding stages of wooden and masonry buildings / Paulina Lewińska in Photogrammetric record, vol 35 n° 171 (September 2020)Permalink