Descripteur
Documents disponibles dans cette catégorie (49)
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
Titre : Deep surface reconstruction from point clouds with visibility information Type de document : Article/Communication Auteurs : Raphaël Sulzer , Auteur ; Loïc Landrieu
Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2022 Projets : BIOM / Vallet, Bruno Conférence : ICPR 2022, 26th International Conference on Pattern Recognition 21/08/2022 25/08/2022 Montréal Québec - Canada Proceedings IEEE Importance : 13 p. Format : 21 x 30 cm Note générale : bibliographie
https://doi.org/10.48550/arXiv.2202.01810 sur ArXivLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] reconstruction d'objet
[Termes IGN] semis de points
[Termes IGN] visibilitéRésumé : (auteur) Most current neural networks for reconstructing surfaces from point clouds ignore sensor poses and only operate on raw point locations. Sensor visibility, however, holds meaningful information regarding space occupancy and surface orientation. In this paper, we present two simple ways to augment raw point clouds with visibility information, so it can directly be leveraged by surface reconstruction networks with minimal adaptation. Our proposed modifications consistently improve the accuracy of generated surfaces as well as the generalization ability of the networks to unseen shape domains. Numéro de notice : C2022-048 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.48550/arXiv.2202.01810 Date de publication en ligne : 03/02/2022 En ligne : https://doi.org/10.1109/ICPR56361.2022.9956560 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99811
Titre : Learning surface reconstruction from point clouds in the wild Type de document : Thèse/HDR Auteurs : Raphaël Sulzer Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2022 Importance : 139 p. Note générale : bibliographie
Thèse de doctorat de l'Université Gustave EiffelLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] apprentissage profond
[Termes IGN] données localisées 3D
[Termes IGN] reconstruction d'objet
[Termes IGN] réseau neuronal de graphes
[Termes IGN] scène 3D
[Termes IGN] scène urbaine
[Termes IGN] semis de points
[Termes IGN] triangulation de Delaunay
[Termes IGN] visibilitéIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les technologies d’acquisition 3D récentes permettent de représenter le monde sous la forme de nuages de points 3D. Cependant, ces nuages de points ne sont généralement pas suffisants pour modéliser des processus physiques complexes. Au contraire, de nombreuses applications en sciences et en ingénierie nécessitent une représentation sous la forme d’une surface continue. Dans cette thèse, nous considérons le problème de reconstruction de surface à partir de nuages de points par apprentissage profond supervisé. En particulier, nous nous intéressons à la reconstruction de surface à partir de nuages de points réels, c’est-à-dire générés à partir de mesures effectuées sur le terrain: soit directement avec des scanners 3D, soit indirectement par photogrammétrie. Ces nuages représentent souvent de grandes scènes contenant de multiples objets de formes diverses. Ces nuages peuvent aussi inclure des défauts tels que du bruit d’acquisition, des valeurs aberrantes, un échantillonnage non uniforme ou des données manquantes, ce qui complique la reconstruction d’une surface topologiquement et géométriquement précise. Après avoir été utilisé avec succès pour de nombreuses tâches de vision par ordinateur, l’apprentissage profond supervisé a récemment été appliqué au problème de reconstruction de surface. Cependant, les méthodes courantes souffrent encore de deux principales limitations. Tout d’abord, l’apprentissage profond supervisé nécessite souvent un grand nombre de données annotées. Les nuages de points réels décrivent des objets ou des scènes complexes, ce qui rend la collecte de surfaces réelles coûteuse, ambigüe ou mathématiquement difficile. Deuxièmement, les algorithmes d’apprentissage existants sont souvent trop gourmands en calcul et en mémoire pour traiter des millions de points simultanément. Nous abordons ces deux problèmes en introduisant de nouvelles méthodes d’apprentissage profond supervisé pour traiter des nuages de points à grande échelle avec des caractéristiques du monde réel tout en étant entrainées sur de petits ensembles de données synthétiques. Cette thèse comprend trois contributions principales. Tout d’abord, nous passons en revue et évaluons plusieurs méthodes de reconstruction de surface à partir de nuages de points. En plus des méthodes d’apprentissage, nous évaluons certaines des approches traditionnelles proposées au cours des trois dernières décennies. Pour rendre le problème tractable et produire des résultats géométriquement et topologiquement précis même dans des conditions difficiles, les méthodes sans apprentissage reposent souvent sur des hypothèses sur la structure des nuages de points en entrées ou des surfaces reconstruites. En revanche, les algorithmes de reconstruction de surfaces par apprentissage profond (DSR) apprennent ces hypothèses directement à partir d’un ensemble d’entrainement de nuages de points et des surfaces réelles leur correspondant. Nous évaluons les méthodes d’apprentissage et traditionnelles pour la tâche de reconstruction d’objets à partir de nuages de points avec défauts scannés synthétiquement. Nos résultats montrent que les méthodes DSR sont capables de reconstruire des surfaces précises et complètes à partir de nuages de points présentant un degré modéré de défauts atténués, à condition que ces défauts soient présents pendant l’entrainement. Cependant, la qualité de la reconstruction pour les nuages de points avec défauts non présents dans l’ensemble d’entrainement est souvent moins bonne que celle des méthodes sans apprentissage. Les méthodes sans apprentissage, en revanche, sont d’une grande robustesse aux défauts, même avec une paramétrisation constante pour différentes entrées. Un autre défaut de la plupart des méthodes DSR est le fait qu’elles ignorent la pose des capteurs et n’opèrent que sur la position des points. La visibilité des capteurs contient pourtant des informations importantes sur l’occupation de l’espace et l’orientation de la surface. Nous présentons deux façons simples d’enrichir les nuages de points avec des informations de visibilité, qui peuvent être directement exploitées par des réseaux de reconstruction de surface en ne nécessitant qu’une adaptation minimale. Nous montrons que les modifications proposées améliorent systématiquement la précision des surfaces générées ainsi que la capacité des réseaux à généraliser à des nouveaux domaines. Nous publions également les versions scannées synthétiquement de base de données de formes 3D largement utilisées, afin d’encourager le développement d’algorithmes DSR capables d’utiliser les informations de visibilité. Enfin, nous présentons une nouvelle méthode de reconstruction de surface basée sur l’apprentissage et tenant compte de la visibilité pour les nuages de points réels à grande échelle. Notre méthode repose sur une triangulation 3D de Delaunay (3DT) dont les cellules sont classées comme intérieur ou extérieur de la surface recherchée par un réseau de convolution sur graphe (GNN) et un modèle énergétique résolvable avec une coupe de graphe. Le GNN utilise à la fois des attributs géométriques locaux et des informations de visibilité pour apprendre un modèle de visibilité à partir d’une petite quantité de données de formes synthétiques tout en généralisant aux acquisitions réelles. Numéro de notice : 17753 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/03/2023 En ligne : https://hal.science/tel-03968622v2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103164 Visualization of the Invisible (Editorial) / Terje Midtbo in Journal of Geovisualization and Spatial Analysis, vol 5 n° 1 (June 2021)
Titre : Visualization of the Invisible (Editorial) Type de document : Article/Communication Auteurs : Terje Midtbo, Auteur ; Lars Harrie, Auteur Année de publication : 2021 Article en page(s) : n° 13 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] phénomène géographique
[Termes IGN] visibilité
[Vedettes matières IGN] GéovisualisationRésumé : (auteur) Visualizing geographical phenomena often involve communication of information and relationships through a map in either 2D or 3D. In many cases, the information conveyed through the map is a simplified and symbolic depiction of phenomena that is visible in our physical environment. However, maps are also effective for the communication of geographical phenomena that are hidden or are by nature “invisible” for the human eye. As well as invisible factors in our present environment, tracks of occurrences and events from the past have often been lost for many years. In the same way, future situations have still not materialized. This issue covers all these situations. From historical landscapes and events in the past, cadastre and underground geology today and urban planning for the future. The use of traditional cartographic techniques as well as virtual reality are discussed. Several of the research projects involve user studies. The main objectives contributing papers are to make the “invisible” information accessible and more understandable for humans. Numéro de notice : A2021-494 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1007/s41651-021-00080-z Date de publication en ligne : 29/04/2021 En ligne : http://dx.doi.org/10.1007/s41651-021-00080-z Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97962
in Journal of Geovisualization and Spatial Analysis > vol 5 n° 1 (June 2021) . - n° 13[article]
Titre : A building label placement method for 3D visualizations based on candidate label evaluation and selection Type de document : Article/Communication Auteurs : Jiangfeng She, Auteur ; Xinchi Li, Auteur ; Junyan Liu, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 2033 - 2054 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Rédaction cartographique
[Termes IGN] bâtiment
[Termes IGN] géovisualisation
[Termes IGN] lisibilité perceptive
[Termes IGN] placement automatique des écritures
[Termes IGN] point de vue
[Termes IGN] qualité cartographique
[Termes IGN] scène 3D
[Termes IGN] scène urbaine
[Termes IGN] visibilitéRésumé : (auteur) Adding building labels greatly improves the recognizability of buildings and the readability of three-dimensional (3D) city scenes. However, building label placement is much more complex in 3D scenes than in two-dimensional (2D) maps. The annotation effect is influenced by the attributes of the 3D label, building visibility, and the spatial relationship between the building and viewpoint. In this context, automatically generating building labels for 3D scenes during interactions requires highly complex computations. By contrast, evaluating candidate labels and then selecting the suitable label for each building can be effectively implemented. This paper introduces an approach for labeling buildings in 3D scenes based on evaluations of label candidates. The proposed method predefines a candidate label set for each building. These candidates are then evaluated in terms of their attributes and the relationship between the labels and viewpoint at runtime. The best candidate label, or a situational alternative for each building, is then placed in order of comprehensive label priority to avoid annotation conflicts. A series of experiments demonstrate that this method effectively enhances the correlation of labels and buildings, improves interactive efficiency, and realizes a viable global label layout. Numéro de notice : A2019-394 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2019.1606431 Date de publication en ligne : 24/04/2019 En ligne : https://doi.org/10.1080/13658816.2019.1606431 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93498
in International journal of geographical information science IJGIS > vol 33 n° 10 (October 2019) . - pp 2033 - 2054[article]
Titre : 2D image processing applied to 3D LiDAR point clouds Titre original : Traitement d’image 2D appliqué à des nuages de points LiDAR 3D Type de document : Thèse/HDR Auteurs : Pierre Biasutti Editeur : Bordeaux : Université de Bordeaux Année de publication : 2019 Importance : 204 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour l'obtention du grade de Docteur en Informatique, Université de BordeauxLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] détection de partie cachée
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] image 2D
[Termes IGN] image RVB
[Termes IGN] orthoimage
[Termes IGN] recalage de données localisées
[Termes IGN] segmentation sémantique
[Termes IGN] semis de points
[Termes IGN] Stéréopolis
[Termes IGN] système de numérisation mobile
[Termes IGN] topologie capteur
[Termes IGN] visibilitéIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L'intérêt toujours grandissant pour les données cartographiques fiables, notamment en milieu urbain, a motivé le développement de systèmes de cartographie mobiles terrestres. Ces systèmes sont conçus pour l'acquisition de données de très haute précision, telles que des nuages de points LiDAR 3D et des images optiques. La multitude de données, ainsi que leur diversité, rendent complexe le traitement des données issues de ce type de systèmes. Cette thèse se place dans le contexte du traitement de l'image appliqué au nuages de points LiDAR 3D issus de ce type de système. Premièrement, nous nous intéressons à des images issues de la projection de nuages de points LiDAR dans des grilles de pixels 2D régulières. Ces projections créent généralement des images éparses, dans lesquelles l'information de certains pixels n'est pas connue. Nous proposons alors différentes méthodes pour des applications telles que la génération d'orthoimages haute résolution, l'imagerie RGB-D et l'estimation de la visibilité des points d'un nuage. De plus, nous proposons d'exploiter la topologie d'acquisition des capteurs LiDAR pour produire des images de faible résolution : les range-images. Ces images offrent une représentation efficace et canonique du nuage de points, tout en étant directement accessibles à partir du nuage de points. Nous montrons comment ces images peuvent être utilisées pour simplifier, voire améliorer, des méthodes pour le recalage multi-modal, la segmentation, la désoccultation et la détection 3D. Note de contenu : Introduction
1- Image processing on sparse projection of 3D LiDAR point clouds
2- Image processing on 3D LiDAR point clouds in sensor topology
ConclusionNuméro de notice : 25458 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Bordeaux : 2019 Organisme de stage : Laboratoire Bordelais de Recherche en Informatique LaBRI nature-HAL : Thèse DOI : sans En ligne : https://tel.hal.science/tel-02369991 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94227
