Centre dedocumentation
scientifique

A cost-effective method for reconstructing city-building 3D models from sparse Lidar point clouds / Marek Kulawiak in Remote sensing, vol 14 n° 5 (March-1 2022)  

Public [article]  inRemote sensing > vol 14 n° 5 (March-1 2022) . - n° 1278 Titre : A cost-effective method for reconstructing city-building 3D models from sparse Lidar point clouds Type de document : Article/Communication Auteurs : Marek Kulawiak, Auteur Année de publication : 2022 Article en page(s) : n° 1278 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] Bâti-3D [Termes IGN] contour [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] Gdansk [Termes IGN] maillage [Termes IGN] modélisation 3D [Termes IGN] reconstruction d'objet [Termes IGN] semis de points clairsemés [Termes IGN] triangulation de Delaunay Résumé : (auteur) The recent popularization of airborne lidar scanners has provided a steady source of point cloud datasets containing the altitudes of bare earth surface and vegetation features as well as man-made structures. In contrast to terrestrial lidar, which produces dense point clouds of small areas, airborne laser sensors usually deliver sparse datasets that cover large municipalities. The latter are very useful in constructing digital representations of cities; however, reconstructing 3D building shapes from a sparse point cloud is a time-consuming process because automatic shape reconstruction methods work best with dense point clouds and usually cannot be applied for this purpose. Moreover, existing methods dedicated to reconstructing simplified 3D buildings from sparse point clouds are optimized for detecting simple building shapes, and they exhibit problems when dealing with more complex structures such as towers, spires, and large ornamental features, which are commonly found e.g., in buildings from the renaissance era. In the above context, this paper proposes a novel method of reconstructing 3D building shapes from sparse point clouds. The proposed algorithm has been optimized to work with incomplete point cloud data in order to provide a cost-effective way of generating representative 3D city models. The algorithm has been tested on lidar point clouds representing buildings in the city of Gdansk, Poland. Numéro de notice : A2022-211 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3390/rs14051278 Date de publication en ligne : 05/03/2022 En ligne : https://doi.org/10.3390/rs14051278 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100044 [article]

Evaluating the 3D integrity of underwater structure from motion workflows / Ian M. Lochhead in Photogrammetric record, vol 37 n° 177 (March 2022)  

Public [article]  inPhotogrammetric record > vol 37 n° 177 (March 2022) . - pp 35 - 60 Titre : Evaluating the 3D integrity of underwater structure from motion workflows Type de document : Article/Communication Auteurs : Ian M. Lochhead, Auteur Année de publication : 2022 Article en page(s) : pp 35 - 60 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] auscultation d'ouvrage [Termes IGN] chaîne de traitement [Termes IGN] étalonnage d'instrument [Termes IGN] fond marin [Termes IGN] image sous-marine [Termes IGN] modélisation 3D [Termes IGN] Pacifique nord [Termes IGN] récif corallien [Termes IGN] semis de points [Termes IGN] semis de points clairsemés [Termes IGN] structure-from-motion Résumé : (auteur) Structure from motion (SfM) is an accessible and non-intrusive method of three-dimensional (3D) data capture popular for tropical coral reef surveying. In the north-east Pacific Ocean, where there are many environmentally sensitive benthic organisms whose morphology and function are equally important, SfM surveys are less commonly studied. Temperate waters pose unique challenges to SfM workflows, which must be systematically unpacked to understand their impact on data quality and veracity. This uncertainty raises broader questions concerning SfM as a spatial data-acquisition and ecological characterisation method in temperate waters, and whether a systematic workflow assessment reveals vital relationships between SfM implementation parameters, 3D data products and their implications for underwater SfM surveys. This paper, the second of two empirical assessments, reports on a series of wet-lab and dryland tests quantifying the impact that temperate waters, underwater cameras, and photograph quantity and configuration have on SfM accuracy. These tests provided crucial accuracy benchmarks informing subsequent field-based surveys and revealed that underwater SfM workflows can generate highly accurate 3D models in temperate waters. Numéro de notice : A2022-253 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : doi.org/10.1111/phor.12399 Date de publication en ligne : 07/03/2022 En ligne : https://doi.org/10.1111/phor.12399 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100216 [article]

Classification and segmentation of mining area objects in large-scale spares Lidar point cloud using a novel rotated density network / Yueguan Yan in ISPRS International journal of geo-information, vol 9 n° 3 (March 2020)  

Public [article]  inISPRS International journal of geo-information > vol 9 n° 3 (March 2020) . - 19 p. Titre : Classification and segmentation of mining area objects in large-scale spares Lidar point cloud using a novel rotated density network Type de document : Article/Communication Auteurs : Yueguan Yan, Auteur ; Haixu Yan, Auteur ; Junting Guo, Auteur ; Huayang Dai, Auteur Année de publication : 2020 Article en page(s) : 19 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] apprentissage profond [Termes IGN] classification barycentrique [Termes IGN] classification orientée objet [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] corrélation automatique de points homologues [Termes IGN] densité des points [Termes IGN] données lidar [Termes IGN] objet 3D [Termes IGN] reconnaissance d'objets [Termes IGN] semis de points clairsemés Résumé : (auteur) The classification and segmentation of large-scale, sparse, LiDAR point cloud with deep learning are widely used in engineering survey and geoscience. The loose structure and the non-uniform point density are the two major constraints to utilize the sparse point cloud. This paper proposes a lightweight auxiliary network, called the rotated density-based network (RD-Net), and a novel point cloud preprocessing method, Grid Trajectory Box (GT-Box), to solve these problems. The combination of RD-Net and PointNet was used to achieve high-precision 3D classification and segmentation of the sparse point cloud. It emphasizes the importance of the density feature of LiDAR points for 3D object recognition of sparse point cloud. Furthermore, RD-Net plus PointCNN, PointNet, PointCNN, and RD-Net were introduced as comparisons. Public datasets were used to evaluate the performance of the proposed method. The results showed that the RD-Net could significantly improve the performance of sparse point cloud recognition for the coordinate-based network and could improve the classification accuracy to 94% and the segmentation per-accuracy to 70%. Additionally, the results concluded that point-density information has an independent spatial–local correlation and plays an essential role in the process of sparse point cloud recognition. Numéro de notice : A2020-256 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 0.3390/ijgi9030182 Date de publication en ligne : 24/03/2020 En ligne : https://doi.org/10.3390/ijgi9030182 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95012 [article]

Co‐registration of panoramic mobile mapping images and oblique aerial images / Phillipp Jende in Photogrammetric record, vol 34 n° 166 (June 2019)  

Public [article]  inPhotogrammetric record > vol 34 n° 166 (June 2019) . - pp 148 - 173 Titre : Co‐registration of panoramic mobile mapping images and oblique aerial images Type de document : Article/Communication Auteurs : Phillipp Jende, Auteur ; Francesco Nex, Auteur ; M. George Vosselman, Auteur ; Markus Gerke, Auteur Année de publication : 2019 Article en page(s) : pp 148 - 173 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] façade [Termes IGN] image aérienne oblique [Termes IGN] image panoramique [Termes IGN] image terrestre [Termes IGN] point d'appui [Termes IGN] semis de points clairsemés [Termes IGN] superposition d'images Résumé : (Auteur) Mobile mapping relies on satellite‐based positioning, which suffers from line‐of‐sight and multipath issues. As an alternative, this paper presents a fully automatic approach for the co‐registration of mobile mapping and oblique aerial images to introduce highly accurate and reliable ground control for mobile mapping data adjustment. An oblique view of a scene introduces similarities as well as challenges regarding co‐registration with mobile mapping images, which is supported by mutual planes in both datasets. Façade planes from a sparse point cloud are used as projection surfaces for the mobile mapping and aerial datasets, overcoming large perspective differences between them to simplify the registration. The performance of the procedure indicates an inlier rate of around 80%. Numéro de notice : A2019-245 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/phor.12276 Date de publication en ligne : 29/04/2019 En ligne : https://doi.org/10.1111/phor.12276 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92956 [article]

Smart fusion of terrestrial and UAV data / Michaël Gaudin (2018) 

Public Titre : Smart fusion of terrestrial and UAV data : Development of tools for tie point analysis Type de document : Mémoire Auteurs : Michaël Gaudin, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 43 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle ING2 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] filtrage de points [Termes IGN] fusion de données [Termes IGN] image captée par drone [Termes IGN] image terrestre [Termes IGN] MicMac [Termes IGN] Point Cloud Library PCL [Termes IGN] points homologues [Termes IGN] semis de points clairsemés [Termes IGN] superposition de données [Termes IGN] voxel Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) La fusion de données peut être définie comme le processus d’intégration de plusieurs sources de données afin de produire des informations plus cohérentes, plus précises et plus utiles que celles fournies par n'importe quelle source de données individuelles. Nous sommes intéressés par la fusion de données acquises avec différentes techniques (à différentes densités de points et précisions de mesure) d’une manière "scientifique", et par le développement de nouveaux traitements des données. Nous essayons de fusionner des données hétérogènes et d'obtenir un résultat cohérent. Nous proposons une nouvelle approche pour fusionner les données photogrammétriques issues de différents capteurs, dans notre cas à partir d'images terrestres et d'images de drones. Nous avons développé des outils de calcul d'attributs sur les points caractéristiques, afin de les filtrer grâce à une approche par voxels. Nous avons utilisé MicMac pour les processus photogrammétriques et développé un nouvel outil dans MicMac, Grappa, qui génère un fichier avec les points de liaison et les caractéristiques associées. Nous avons également utilisé Point Cloud Library pour le calcul d’une fonction de saillance 3D, la Différence des Normales. Nous avons travaillé avec une approche par voxels en Python pour le filtrage des points, et nous expérimentons les différents outils sur un ensemble d'images terrestres et drones de la cathédrale de Modène en Italie. Nous analysons enfin les résultats de la reconstruction photogrammétrique et laissons quelques perspectives sur le domaine de la fusion de données. Note de contenu : Introduction 1- Literature review on data fusion 2- Vocabulary 3- Features for data anlaysis 4- Process 5- Sparse point cloudprocessing 6- Voxelisation, analysis and filtering 7- Dense reconstruction 8- Results Conclusion Numéro de notice : 21799 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Fundazione Bruno Kessler Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91285

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
21799-01	PROJET	Livre	Centre de documentation	Travaux d'élèves	Disponible

Documents numériques

peut être téléchargé Smart fusion of terrestrial... - pdf auteur Adobe Acrobat PDF

3D tree modeling from incomplete point clouds via optimization and L1-MST / Jie Mei in International journal of geographical information science IJGIS, vol 31 n° 5-6 (May-June 2017)  

Permalink

Model driven reconstruction of roofs from sparse LIDAR point clouds / A. Henn in ISPRS Journal of photogrammetry and remote sensing, vol 76 (February 2013)  

Permalink