Centre dedocumentation
scientifique

Indoor 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)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 11 (November 2020) . - pp 7890 - 7907 Titre : Indoor point cloud segmentation using iterative Gaussian mapping and improved model fitting Type de document : Article/Communication Auteurs : Bufan Zhao, Auteur ; Xianghong Hua, Auteur ; Kegen Yu, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 7890 - 7907 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] classification par maximum de vraisemblance [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] itération [Termes descripteurs IGN] modélisation 3D [Termes descripteurs IGN] processus gaussien [Termes descripteurs IGN] reconstruction 3D du bâti [Termes descripteurs IGN] regroupement de points [Termes descripteurs IGN] scène intérieure [Termes descripteurs IGN] segmentation [Termes descripteurs IGN] semis de points Résumé : (auteur) Indoor scene segmentation based on 3-D laser point cloud is important for rebuilding and classification, especially for permanent building structure. However, the existing segmentation methods mainly focus on the large-scale planar structures but ignore the other sharp structures and details, which would cause accuracy degradation in scene reconstruction. To handle this issue, an iterative Gaussian mapping-based segmentation strategy has been proposed in this article, which goes from rough segmentation to refined one iteratively to decompose the indoor scene into detectable point cloud clusters layer by layer. An improved model fitting algorithm based on the maximum likelihood estimation sampling consensus (MLESAC) algorithm is proposed for refined segmentation, which is called the Prior-MLESAC algorithm, to deal with the extraction of both vertical and nonvertical planar and cylindrical structures. The experimental results demonstrate that planar and cylindrical structures are segmented more completely by the proposed strategy, and more details of the indoor structure are restored than other existing methods. Numéro de notice : A2020-681 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2984943 date de publication en ligne : 16/04/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2984943 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96205 [article]

Comparing the roles of landmark visual salience and semantic salience in visual guidance during indoor wayfinding / Weihua Dong in Cartography and Geographic Information Science, vol 47 n° 3 (May 2020)  

Public [article]  inCartography and Geographic Information Science > vol 47 n° 3 (May 2020) . - pp 229 - 243 Titre : Comparing the roles of landmark visual salience and semantic salience in visual guidance during indoor wayfinding Type de document : Article/Communication Auteurs : Weihua Dong, Auteur ; Tong Qin, Auteur ; Hua Liao, Auteur Année de publication : 2020 Article en page(s) : pp 229 - 243 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] analyse visuelle [Termes descripteurs IGN] interprétation (psychologie) [Termes descripteurs IGN] oculométrie [Termes descripteurs IGN] point de repère [Termes descripteurs IGN] questionnaire [Termes descripteurs IGN] saillance [Termes descripteurs IGN] scène intérieure [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] test statistique [Termes descripteurs IGN] vision [Termes descripteurs IGN] vision par ordinateur [Vedettes matières IGN] Géovisualisation Résumé : (auteur) Landmark visual salience (characterized by features that contrast with their surroundings and visual peculiarities) and semantic salience (characterized by features with unusual or important meaning and content in the environment) are two important factors that affect an individual’s visual attention during wayfinding. However, empirical evidence regarding which factor dominates visual guidance during indoor wayfinding is rare, especially in real-world environments. In this study, we assumed that semantic salience dominates the guidance of visual attention, which means that semantic salience will correlate with participants’ fixations more significantly than visual salience. Notably, in previous studies, semantic salience was shown to guide visual attention in static images or familiar scenes in a laboratory environment. To validate this assumption, first, we collected the eye movement data of 22 participants as they found their way through a building. We then computed the landmark visual and semantic salience using computer vision models and questionnaires, respectively. Finally, we conducted correlation tests to verify our assumption. The results failed to validate our assumption and show that the role of salience in visual guidance in a real-world wayfinding process is different from the role of salience in perceiving static images or scenes in a laboratory. Visual salience dominates visual attention during indoor wayfinding, but the roles of salience in visual guidance are mixed across different landmark classes and tasks. The results provide new evidence for understanding how pedestrians visually interpret landmark information during real-world indoor wayfinding. Numéro de notice : A2020-169 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2019.1697965 date de publication en ligne : 18/12/2019 En ligne : https://doi.org/10.1080/15230406.2019.1697965 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94841 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
032-2020031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Pyramid scene parsing network in 3D: Improving semantic segmentation of point clouds with multi-scale contextual information / Hao Fang in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 154 (August 2019) . - pp 246 - 258 Titre : Pyramid scene parsing network in 3D: Improving semantic segmentation of point clouds with multi-scale contextual information Type de document : Article/Communication Auteurs : Hao Fang, Auteur ; Florent Lafarge, Auteur Année de publication : 2019 Article en page(s) : pp 246 - 258 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] compréhension de l'image [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] prise en compte du contexte [Termes descripteurs IGN] représentation multiple [Termes descripteurs IGN] scène [Termes descripteurs IGN] scène intérieure [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] semis de points Résumé : (Auteur) Analyzing and extracting geometric features from 3D data is a fundamental step in 3D scene understanding. Recent works demonstrated that deep learning architectures can operate directly on raw point clouds, i.e. without the use of intermediate grid-like structures. These architectures are however not designed to encode contextual information in-between objects efficiently. Inspired by a global feature aggregation algorithm designed for images (Zhao et al., 2017), we propose a 3D pyramid module to enrich pointwise features with multi-scale contextual information. Our module can be easily coupled with 3D semantic segmentation methods operating on 3D point clouds. We evaluated our method on three large scale datasets with four baseline models. Experimental results show that the use of enriched features brings significant improvements to the semantic segmentation of indoor and outdoor scenes. Numéro de notice : A2019-271 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.06.010 date de publication en ligne : 01/07/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.06.010 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93089 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019081	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2019083	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019082	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Geometric camera pose refinement with learned depth maps / Nathan Piasco (2019)  

Public Titre : Geometric camera pose refinement with learned depth maps Type de document : Article/Communication Auteurs : Nathan Piasco , Auteur ; Désiré Sidibé, Auteur ; Cédric Demonceaux, Auteur ; Valérie Gouet-Brunet , Auteur Congrès : ICIP 2019, 26th IEEE International Conference on Image Processing (22 - 25 septembre 2019; Taipei, Taiwan), Commanditaire Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2019 Projets : PLaTINUM / Gouet-Brunet, Valérie Importance : 5 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme ICP [Termes descripteurs IGN] carte de profondeur [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] scène intérieure [Termes descripteurs IGN] semis de points Résumé : (auteur) We present a new method for image-only camera relocalisation composed of a fast image indexing retrieval step followed by pose refinement based on ICP (Iterative Closest Point). The first step aims to find an initial pose for the query by evaluating images similarity with low dimensional global deep descriptors. Subsequently, we predict with a fully convolutional deep encoder-decoder neural network a dense depth map from the image query. We use this depth map to create a local point cloud and refine the initial query pose using an ICP algorithm.We demonstrate the effectiveness of our new approach on various indoor scenes. Compared to learned pose regression methods, our proposal can be used on multiple scenes without the need of a specific weights-setup for each scene, while showing equivalent results. Numéro de notice : C2019-015 Affiliation des auteurs : LaSTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICIP.2019.8803014 date de publication en ligne : 26/08/2019 En ligne : https://doi.org/10.1109/ICIP.2019.8803014 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93279

Configurable 3D scene synthesis and 2D image rendering with per-pixel ground truth using stochastic grammars / Chenfanfu Jiang in International journal of computer vision, vol 126 n° 9 (September 2018)  

Public [article]  inInternational journal of computer vision > vol 126 n° 9 (September 2018) . - pp 920 - 941 Titre : Configurable 3D scene synthesis and 2D image rendering with per-pixel ground truth using stochastic grammars Type de document : Article/Communication Auteurs : Chenfanfu Jiang, Auteur ; Shuyao Qi, Auteur ; Yixin Zhu, Auteur ; et al., Auteur Année de publication : 2018 Article en page(s) : pp 920 - 941 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] architecture pipeline [Termes descripteurs IGN] compréhension de l'image [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] reconstruction automatique [Termes descripteurs IGN] rendu réaliste [Termes descripteurs IGN] scène intérieure [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] synthèse d'image Résumé : (Auteur) We propose a systematic learning-based approach to the generation of massive quantities of synthetic 3D scenes and arbitrary numbers of photorealistic 2D images thereof, with associated ground truth information, for the purposes of training, benchmarking, and diagnosing learning-based computer vision and robotics algorithms. In particular, we devise a learning-based pipeline of algorithms capable of automatically generating and rendering a potentially infinite variety of indoor scenes by using a stochastic grammar, represented as an attributed Spatial And-Or Graph, in conjunction with state-of-the-art physics-based rendering. Our pipeline is capable of synthesizing scene layouts with high diversity, and it is configurable inasmuch as it enables the precise customization and control of important attributes of the generated scenes. It renders photorealistic RGB images of the generated scenes while automatically synthesizing detailed, per-pixel ground truth data, including visible surface depth and normal, object identity, and material information (detailed to object parts), as well as environments (e.g., illuminations and camera viewpoints). We demonstrate the value of our synthesized dataset, by improving performance in certain machine-learning-based scene understanding tasks—depth and surface normal prediction, semantic segmentation, reconstruction, etc.—and by providing benchmarks for and diagnostics of trained models by modifying object attributes and scene properties in a controllable manner. Numéro de notice : A2018-416 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s11263-018-1103-5 date de publication en ligne : 30/06/2018 En ligne : https://doi.org/10.1007/s11263-018-1103-5 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90899 [article]

Géo-référencement précis d'acquisition photogrammétrique de « longues » scènes d'intérieur / Truong Giang Nguyen (2018)    

Permalink

Learning aggregated features and optimizing model for semantic labeling / Jianhua Wang in The Visual Computer, vol 33 n° 12 (December 2017)  

Permalink

Salient object detection in complex scenes via D-S evidence theory based region classification / Chunlei Yang in The Visual Computer, vol 33 n° 11 (November 2017)  

Permalink

Bayesian graph-cut optimization for wall surfaces reconstruction in indoor environments / Georgios-Tsampikos Michailidis in The Visual Computer, vol 33 n° 10 (October 2017)  

Permalink

Viewing planning for range acquisition in indoor environments / Kok-Lim Low (2006) 

Permalink