Centre dedocumentation
scientifique

Development of German-Ukrainian cooperations for education and research in photogrammetry and laser scanning / Thomas Luhmann in Geo-spatial Information Science, vol 24 n° 1 (March 2021)  

Public [article]  inGeo-spatial Information Science > vol 24 n° 1 (March 2021) . - pp 152 - 159 Titre : Development of German-Ukrainian cooperations for education and research in photogrammetry and laser scanning Type de document : Article/Communication Auteurs : Thomas Luhmann, Auteur Année de publication : 2021 Article en page(s) : pp 152 - 159 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Formation [Termes IGN] Allemagne [Termes IGN] apprentissage en ligne [Termes IGN] balayage laser [Termes IGN] coopération internationale [Termes IGN] enseignement supérieur [Termes IGN] formation à distance [Termes IGN] modélisation 3D [Termes IGN] photogrammétrie [Termes IGN] recherche scientifique [Termes IGN] traitement de nuage de points [Termes IGN] Ukraine Résumé : (Auteur) Since 2011 an intensive international cooperation has been in place between the Institute for Applied Photogrammetry and Geoinformatics (IAPG) at the Jade University of Applied Sciences in Oldenburg, Germany, and various Ukrainian universities. Following an initial contact by Prof. Gottfried Konecny, the first visit was organized, and was followed by many more. In subsequent years an intensive cooperation was established particularly with the National University for Construction and Architecture (KNUCA) in Kiev. In addition to architects and civil engineers, KNUCA also trains geodesists, geo-information scientists and landscape planners. The cooperation today includes the reciprocal exchange of scientists and students, research projects, courses and cooperation at many other levels. In addition, a commercial company has been established, SPM3D LLC, which now employs more than 14 engineers in the field of 3D acquisition, point cloud processing and modeling. This article summarizes the history of the cooperation and presents the results of associated student projects. In addition, results of joint work on the development of a virtual laser scanner are presented, part of a German-Ukrainian initiative to digitize teaching. Numéro de notice : A2021-299 Affiliation des auteurs : non IGN Thématique : IMAGERIE/SOCIETE NUMERIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10095020.2020.1831891 date de publication en ligne : 13/10/2020 En ligne : https://doi.org/10.1080/10095020.2020.1831891 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97384 [article]

Correction radiométrique et recalage de nuages de points pour la reconstruction tridimensionnelle d'oeuvres du patrimoine culturel / Nathan Sanchiz (2021)  

Public 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 Robotique Langues : 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] traitement de nuage de points Index. 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 recherche Numéro 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.archives-ouvertes.fr/tel-03307700/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98250

Planar polygons detection in lidar scans based on sensor topology enhanced Ransac / Stéphane Guinard in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2 (August 2020)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > V-2 (August 2020) . - pp 343 - 350 Titre : Planar polygons detection in lidar scans based on sensor topology enhanced Ransac Type de document : Article/Communication Auteurs : Stéphane Guinard , Auteur ; Zoumana Mallé, Auteur ; Oussama Ennafii , Auteur ; Pascal Monasse, Auteur ; Bruno Vallet , Auteur Année de publication : 2020 Projets : BIOM / Vallet, Bruno Conférence : ISPRS 2020, Commission 2, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Annals Commission 2 Article en page(s) : pp 343 - 350 Note générale : biblographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] polygone [Termes IGN] Ransac (algorithme) [Termes IGN] segmentation en régions [Termes IGN] topologie capteur [Termes IGN] traitement de nuage de points [Termes IGN] transformation de Hough Résumé : (auteur) Detecting planar structures in point clouds is a very central step of the point cloud processing pipeline as many Lidar scans, in particular in anthropic environments, present such planar structures. Many improvements have been proposed to RANSAC and the Hough transform, the two major types of plane detection methods. An important limitation however is that these methods detect planes running across the whole scene instead of more localized planar patches. Moreover, they do not exploit the sensor information that often comes with Lidar point cloud (sensor topology and optical center position in particular). In this paper we address both issues: we aim at detecting planar polygons that have a limited spatial extent, and we exploit sensor topology. The latter is used to enhance a RANSAC framework on two aspects: to make seed points selection more local and to define more compact sets of inliers through sensor space region growing. Numéro de notice : A2020-502 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-V-2-2020-343-2020 date de publication en ligne : 03/08/2020 En ligne : https://doi.org/10.5194/isprs-annals-V-2-2020-343-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95643 [article]

Provably consistent distributed Delaunay triangulation / Mathieu Brédif in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2 (August 2020)  

Public [article]  inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > V-2 (August 2020) . - pp 195 - 202 Titre : Provably consistent distributed Delaunay triangulation Type de document : Article/Communication Auteurs : Mathieu Brédif , Auteur ; Laurent Caraffa , Auteur ; Murat Yirci, Auteur ; Pooran Memari, Auteur Année de publication : 2020 Projets : IQmulus / Métral, Claudine Conférence : ISPRS 2020, Commission 2, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Annals Commission 2 Article en page(s) : pp 195 - 202 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] géomètrie algorithmique [Termes IGN] informatique en nuage [Termes IGN] semis de points [Termes IGN] Spark [Termes IGN] traitement de nuage de points [Termes IGN] triangulation de Delaunay Résumé : (Auteur) This paper deals with the distributed computation of Delaunay triangulations of massive point sets, mainly motivated by the needs of a scalable out-of-core surface reconstruction workflow from massive urban LIDAR datasets. Such a data often corresponds to a huge point cloud represented through a set of tiles of relatively homogeneous point sizes. This will be the input of our algorithm which will naturally partition this data across multiple processing elements. The distributed computation and communication between processing elements is orchestrated efficiently through an uncentralized model to represent, manage and locally construct the triangulation corresponding to each tile. Initially inspired by the star splaying approach, we review the Tile\& Merge algorithm for computing Distributed Delaunay Triangulations on the cloud, provide a theoretical proof of correctness of this algorithm, and analyse the performance of our Spark implementation in terms of speedup and strong scaling in both synthetic and real use case datasets. A HPC implementation (e.g. using MPI), left for future work, would benefit from its more efficient message passing paradigm but lose the robustness and failure resilience of our Spark approach. Numéro de notice : A2020-410 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.5194/isprs-annals-V-2-2020-195-2020 date de publication en ligne : 03/08/2020 En ligne : https://doi.org/10.5194/isprs-annals-V-2-2020-195-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94979 [article]

Directionally constrained fully convolutional neural network for airborne LiDAR point cloud classification / Congcong Wen in ISPRS Journal of photogrammetry and remote sensing, vol 162 (April 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 162 (April 2020) . - pp 50 - 62 Titre : Directionally constrained fully convolutional neural network for airborne LiDAR point cloud classification Type de document : Article/Communication Auteurs : Congcong Wen, Auteur ; Lina Yang, Auteur ; Xiang Li, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 50 - 62 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] apprentissage automatique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] contrainte de direction [Termes IGN] données lidar [Termes IGN] étiquetage sémantique [Termes IGN] fusion de données [Termes IGN] plus proche voisin (algorithme) [Termes IGN] précision de la classification [Termes IGN] semis de points [Termes IGN] traitement de nuage de points Résumé : (auteur) Point cloud classification plays an important role in a wide range of airborne light detection and ranging (LiDAR) applications, such as topographic mapping, forest monitoring, power line detection, and road detection. However, due to the sensor noise, high redundancy, incompleteness, and complexity of airborne LiDAR systems, point cloud classification is challenging. Traditional point cloud classification methods mostly focus on the development of handcrafted point geometry features and employ machine learning-based classification models to conduct point classification. In recent years, the advances of deep learning models have caused researchers to shift their focus towards machine learning-based models, specifically deep neural networks, to classify airborne LiDAR point clouds. These learning-based methods start by transforming the unstructured 3D point sets to regular 2D representations, such as collections of feature images, and then employ a 2D CNN for point classification. Moreover, these methods usually need to calculate additional local geometry features, such as planarity, sphericity and roughness, to make use of the local structural information in the original 3D space. Nonetheless, the 3D to 2D conversion results in information loss. In this paper, we propose a directionally constrained fully convolutional neural network (D-FCN) that can take the original 3D coordinates and LiDAR intensity as input; thus, it can directly apply to unstructured 3D point clouds for semantic labeling. Specifically, we first introduce a novel directionally constrained point convolution (D-Conv) module to extract locally representative features of 3D point sets from the projected 2D receptive fields. To make full use of the orientation information of neighborhood points, the proposed D-Conv module performs convolution in an orientation-aware manner by using a directionally constrained nearest neighborhood search. Then, we design a multiscale fully convolutional neural network with downsampling and upsampling blocks to enable multiscale point feature learning. The proposed D-FCN model can therefore process input point cloud with arbitrary sizes and directly predict the semantic labels for all the input points in an end-to-end manner. Without involving additional geometry features as input, the proposed method demonstrates superior performance on the International Society for Photogrammetry and Remote Sensing (ISPRS) 3D labeling benchmark dataset. The results show that our model achieves a new state-of-the-art performance on powerline, car, and facade categories. Moreover, to demonstrate the generalization abilities of the proposed method, we conduct further experiments on the 2019 Data Fusion Contest Dataset. Our proposed method achieves superior performance than the comparing methods and accomplishes an overall accuracy of 95.6% and an average F1 score of 0.810. Numéro de notice : A2020-119 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.02.004 date de publication en ligne : 18/02/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.02.004 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94743 [article]

Review of mobile laser scanning target‐free registration methods for urban areas using improved error metrics / Hoang Long Nguyen in Photogrammetric record, vol 34 n° 167 (September 2019)  

Permalink

Relevé de la grotte glacée de Cenote Abyss dans les Dolomites / Farouk Kadded in XYZ, n° 157 (décembre 2018 - février 2019)

Permalink

Suivi et conservation du patrimoine historique et culturel / Jocelyn Le Maître (2018)

Permalink

A review of the use of terrestrial laser scanning application for change detection and deformation monitoring of structures / Wallace Mukupa in Survey review, vol 49 n° 353 (June 2017)  

Permalink

The D-FCM partitioned D-BSP tree for massive point cloud data access and rendering / Yi Zhang in ISPRS Journal of photogrammetry and remote sensing, vol 120 (october 2016)  

Permalink

Slicing method for curved façade and window extraction from point clouds / S.M. Iman Zolanvari in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)  

Permalink

Mise en place de procédures automatiques en vue d’accélérer la production des plans topographiques au sein de l’entreprise Techni Drone / Kévin Javerliat (2016)

Permalink

Point cloud server (PCS) : point clouds in-base management and processing / Rémi Cura in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, II-3 W5 (October 2015)  

Permalink

3D visualization of multivariate data / Harald Sanftmann (2012)  

Permalink