Centre dedocumentation
scientifique

BIM-PoseNet: Indoor camera localisation using a 3D indoor model and deep learning from synthetic images / Debaditya Acharya in ISPRS Journal of photogrammetry and remote sensing, vol 150 (April 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 150 (April 2019) . - pp 245 - 258 Titre : BIM-PoseNet: Indoor camera localisation using a 3D indoor model and deep learning from synthetic images Type de document : Article/Communication Auteurs : Debaditya Acharya, Auteur ; Kourosh Khoshelham, Auteur ; Stephan Winter, Auteur Année de publication : 2019 Article en page(s) : pp 245 - 258 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] compréhension de l'image [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] image de synthèse [Termes descripteurs IGN] modélisation 3D du bâti BIM [Termes descripteurs IGN] positionnement en intérieur [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] structure-from-motion Résumé : (Auteur) The ubiquity of cameras built in mobile devices has resulted in a renewed interest in image-based localisation in indoor environments where the global navigation satellite system (GNSS) signals are not available. Existing approaches for indoor localisation using images either require an initial location or need first to perform a 3D reconstruction of the whole environment using structure-from-motion (SfM) methods, which is challenging and time-consuming for large indoor spaces. In this paper, a visual localisation approach is proposed to eliminate the requirement of image-based reconstruction of the indoor environment by using a 3D indoor model. A deep convolutional neural network (DCNN) is fine-tuned using synthetic images obtained from the 3D indoor model to regress the camera pose. Results of the experiments indicate that the proposed approach can be used for indoor localisation in real-time with an accuracy of approximately 2 m. Numéro de notice : A2019-142 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.02.020 date de publication en ligne : 05/03/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.02.020 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92480 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019041	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019043	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019042	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

BIM-Tracker: A model-based visual tracking approach for indoor localisation using a 3D building model / Debaditya Acharya in ISPRS Journal of photogrammetry and remote sensing, vol 150 (April 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 150 (April 2019) . - pp 157 - 171 Titre : BIM-Tracker: A model-based visual tracking approach for indoor localisation using a 3D building model Type de document : Article/Communication Auteurs : Debaditya Acharya, Auteur ; Milad Ramezani, Auteur ; Kourosh Khoshelham, Auteur ; Stephan Winter, Auteur Année de publication : 2019 Article en page(s) : pp 157 - 171 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] algorithme de Gauss-Newton [Termes descripteurs IGN] appariement de données localisées [Termes descripteurs IGN] corrélation à l'aide de traits caractéristiques [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] filtre de Kalman [Termes descripteurs IGN] longueur focale [Termes descripteurs IGN] Matlab [Termes descripteurs IGN] méthode des moindres carrés [Termes descripteurs IGN] modèle 3D du site [Termes descripteurs IGN] positionnement en intérieur [Termes descripteurs IGN] trajectoire Résumé : (Auteur) This article presents an accurate and robust visual indoor localisation approach that not only is infrastructure-free, but also avoids accumulation error by taking advantage of (1) the widespread ubiquity of mobile devices with cameras and (2) the availability of 3D building models for most modern buildings. Localisation is performed by matching image sequences captured by a camera, with a 3D model of the building in a model-based visual tracking framework. Comprehensive evaluation of the approach with a photo-realistic synthetic dataset shows the robustness of the localisation approach under challenging conditions. Additionally, the approach is tested and evaluated on real data captured by a smartphone. The results of the experiments indicate that a localisation accuracy better than 10 cm can be achieved by using this approach. Since localisation errors do not accumulate the proposed approach is suitable for indoor localisation tasks for long periods of time and augmented reality applications, without requiring any local infrastructure. A MATLAB implementation can be found on https://github.com/debaditya-unimelb/BIM-Tracker. Numéro de notice : A2019-139 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.02.014 date de publication en ligne : 27/02/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.02.014 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92473 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019041	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019043	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019042	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Equivalent constraints for two-view geometry : Pose solution/pure rotation identification and 3D reconstruction / Qi Cai in International journal of computer vision, vol 127 n° 2 (February 2019)  

Public [article]  inInternational journal of computer vision > vol 127 n° 2 (February 2019) . - pp 163 - 180 Titre : Equivalent constraints for two-view geometry : Pose solution/pure rotation identification and 3D reconstruction Type de document : Article/Communication Auteurs : Qi Cai, Auteur ; Yuanxin Wu, Auteur ; Lilian Zhang, Auteur ; Peike Zhang, Auteur Année de publication : 2019 Article en page(s) : pp 163 - 180 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] coplanarité [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] programmation par contraintes [Termes descripteurs IGN] reconstruction 3D Résumé : (Auteur) Two-view relative pose estimation and structure reconstruction is a classical problem in computer vision. The typical methods usually employ the singular value decomposition of the essential matrix to get multiple solutions of the relative pose, from which the right solution is picked out by reconstructing the three-dimension (3D) feature points and imposing the constraint of positive depth. This paper revisits the two-view geometry problem and discovers that the two-view imaging geometry is equivalently governed by a Pair of new Pose-Only (PPO) constraints: the same-side constraint and the intersection constraint. From the perspective of solving equation, the complete pose solutions of the essential matrix are explicitly derived and we rigorously prove that the orientation part of the pose can still be recovered in the case of pure rotation. The PPO constraints are simplified and formulated in the form of inequalities to directly identify the right pose solution with no need of 3D reconstruction and the 3D reconstruction can be analytically achieved from the identified right pose. Furthermore, the intersection inequality also enables a robust criterion for pure rotation identification. Experiment results validate the correctness of analyses and the robustness of the derived pose solution/pure rotation identification and analytical 3D reconstruction. Numéro de notice : A2018-599 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s11263-018-1136-9 date de publication en ligne : 30/11/2018 En ligne : https://doi.org/10.1007/s11263-018-1136-9 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92526 [article]

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 : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2019 Autre Editeur : New York : Institute of Electrical and Electronics Engineers IEEE 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 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

Structure from motion for ordered and unordered image sets based on random k-d forests and global pose estimation / Xin Wang in ISPRS Journal of photogrammetry and remote sensing, vol 147 (January 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 147 (January 2019) . - pp 19 - 41 Titre : Structure from motion for ordered and unordered image sets based on random k-d forests and global pose estimation Type de document : Article/Communication Auteurs : Xin Wang, Auteur ; Franz Rottensteiner, Auteur ; Christian Heipke, Auteur Année de publication : 2019 Article en page(s) : pp 19 - 41 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] appariement d'images [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] classification barycentrique [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] compensation par faisceaux [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] matrice de rotation [Termes descripteurs IGN] orientation relative [Termes descripteurs IGN] Ransac (algorithme) [Termes descripteurs IGN] recouvrement d'images [Termes descripteurs IGN] SIFT (algorithme) [Termes descripteurs IGN] structure-from-motion [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) In this paper, we present a new fast and robust method for structure from motion (SfM) for data sets potentially comprising thousands of ordered or unordered images. Our work focuses on the two most time-consuming procedures: (a) image matching and (b) pose estimation. For image matching, a new method employing a random k-d forest is proposed to quickly obtain pairs of overlapping images from an unordered set. After that, image matching and the estimation of relative orientation parameters are performed only for pairs found to be very likely to overlap. For pose estimation, we use a two-stage global approach, separating the determination of rotation matrices and translation parameters; the latter are computed simultaneously using a new method. In order to cope with outliers in the relative orientations, which global approaches are particularly sensitive to, we present a new constraint based on triplet loop closure errors of rotation and translation. Finally, a robust bundle adjustment is carried out to refine the image orientation parameters. We demonstrate the potential and limitations of our pipeline using various real-world datasets including ordered image data acquired from UAV (unmanned aerial vehicle) and other platforms as well as unordered data from the internet. The experiments show that our work performs better than comparable state-of-the-art SfM systems in terms of run time, while we achieve a similar accuracy and robustness. Numéro de notice : A2019-033 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.11.009 date de publication en ligne : 15/11/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.11.009 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91970 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019011	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019013	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019012	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Depth-based hand pose estimation : Methods, data, and challenges / James Steven Supančič in International journal of computer vision, vol 126 n° 11 (November 2018)  

Permalink

3D urban geovisualization: in situ augmented and mixed reality experiments / Alexandre Devaux in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-4 ([19/09/2018])    

Permalink

Image-based synthesis for deep 3D human pose estimation / Grégory Rogez in International journal of computer vision, vol 126 n° 9 (September 2018)  

Permalink

Landmark based localization in urban environment / Xiaozhi Qu in ISPRS Journal of photogrammetry and remote sensing, vol 140 (June 2018)  

Permalink

SDF-2-SDF registration for real-time 3D reconstruction from RGB-D data / Miroslava Slavcheva in International journal of computer vision, vol 126 n° 6 (June 2018)  

Permalink

Real-time accurate 3D head tracking and pose estimation with consumer RGB-D cameras / David Joseph Tan in International journal of computer vision, vol 126 n° 2-4 (April 2018)  

Permalink

A survey on visual-based localization : on the benefit of heterogeneous data / Nathan Piasco in Pattern recognition, vol 74 (February 2018)  

Permalink

Adéquation algorithme architecture pour la localisation basée image sur système embarqué / David Vandergucht (2018)    

Permalink

Localisation par l'image en milieu urbain : application à la réalité augmentée / Antoine Fond (2018)  

Permalink

Machine learning and pose estimation for autonomous robot grasping with collaborative robots / Victor Talbot (2018) 

Permalink