Rectification de l Image de Façade par Fusion de Données Laser et Image Optique
|
|
- Adrien Baril
- il y a 8 ans
- Total affichages :
Transcription
1 Rectification de l Image de Façade par Fusion de Données Laser et Image Optique Ayman Zureiki et Michel Roux Institut TELECOM ; Télécom ParisTech ; CNRS LTCI 46 rue Barrault, F Paris Cedex 13, France. {Ayman.Zureiki, Michel.Roux}@Telecom-ParisTech.fr Résumé L acquisition de modèles tridimensionnels de scènes réelles à partir de données sensorielles présente un enjeu de recherche majeur. La construction d un modèle 3D d un environnement urbain exige la fusion de données issues de plusieurs capteurs, comme le scanner laser et la caméra, afin d obtenir une représentation 3D texturée des façades d immeubles. Notre système d acquisition est doté de deux scanners laser et de plusieurs caméras. Le scanner laser fournit un nuage de points 3D de très grande taille. Nous effectuons dans un premier temps la segmentation du nuage de points 3D, ce qui permet de réduire les informations finales à inclure dans le modèle 3D et d extraire les plans porteurs des façades. Ensuite, nous détaillons le calcul de l homographie reliant l image caméra et l image façade collée sur le plan extrait par la segmentation plane. Les façades texturées obtenues par notre approche sont totalement géoréférencées, c est-à-dire, la position de chaque pixel de l image façade est connue dans un repère global. Mots clés Reconstruction 3D, Fusion de Données, Rectification d image, façade texturée. 1 Introduction L acquisition de modèles tridimensionnels de scènes réelles à partir de données sensorielles présente un enjeu de recherche majeur dans le domaine de la vision par ordinateur. Un tel modèle est sollicité par des applications comme la localisation 3D, le guidage de robots ainsi que l inspection industrielle. De plus, une demande croissante de modèles 3D de haute qualité commence à apparaître notamment dans des projets d envergure pour la numérisation 3D de villes. Un exemple est le projet TerraNumerica, qui fait le cadre de notre travail. L objectif général de TerraNumerica est la production automatique ou semi-automatique de bases de données urbaines 3D à grande résolution. Le modèle recherché est un modèle tridimensionnel texturé et géoréférencé, c est-à-dire, dont tous les points et surfaces 3D dans le modèle sont référencés dans le même repère global (monde), et de plus, des informations de textures (image de façade d immeuble par exemple) sont intégralement données. Dans ce contexte, l IGN 1 (Institut National Géographique) nous fournit des acquisitions de données sous forme de points 3D recalés dans le repère global et 1.
2 A. Zureiki et M. Roux des images dans le même repère. Pour réaliser cette acquisition, l IGN utilise un véhicule muni de deux scanners laser et de douze caméras fixes et d un système de localisation GPS. Ce papier est organisé de la façon suivante : la section 2 décrit la segmentation plane. Nous décrivons en section 3 comment calculer l homographie entre l image caméra et l image façade collée sur le plan 3D extrait par l algorithme de segmentation plane. Enfin la section 4 fournit des résultats expérimentaux. La section 5 offre un bilan de ces travaux et propose quelques perspectives. 2 Segmentation du Nuage de Points 3D et Extraction des Plans Les capteurs d acquisition 3D (télémétrie laser) fournissent des nuages de points qui contiennent des centaines de milliers de points 3D. L extraction de plans depuis un nuage de points 3D donne un moyen pour réduire la complexité en gardant l essence des informations contenues dans ce nuage. Le problème essentiel à résoudre est la segmentation : comment extraire les primitives planes à partir du nuage de points. Segmenter un nuage de points consiste à étiqueter les points 3D de telle manière que les points appartenant à une même surface plane portent la même étiquette. Segmenter des nuages de points non structurés est très difficile, car on ne connaît pas a priori ce que contient la scène perçue. De plus, le processus de segmentation doit être robuste à la présence d objets non plans ou d objets dynamiques (humains partageant le même environnement) et aux bruits de mesures. La segmentation plane a été bien étudiée en infographie dans le but d afficher en temps réel des modèles complexes, voir Heckbert et Garland [5]. Il existe deux différences majeures entre la reconstruction 3D urbaine et l infographie. D une part, les données en modélisation 3D sont issues des capteurs et sont donc erronées, alors que les modèles en infographie sont supposés sans erreurs. Ainsi, les algorithmes de simplification en infographie visent à accélérer l affichage et non à réduire l erreur. D autre part, les environnements urbains contiennent de grandes surfaces planes verticales (façades) ou horizontales (sol, rue), alors que les algorithmes en infographie partent généralement de maillages denses. Horn et Schmidt [6] extraient les plans en utilisant la transformée de Hough. La transformation de Hough convertit le problème complexe de la reconnaissance de modèle en une recherche d un pic dans l espace des paramètres [7]. Pour la segmentation du nuage de points, l idée de la transformation de Hough est la suivante : on divise l espace de paramètres en cellules selon des pas d échantillonnage de telle sorte que chaque cellule corresponde à une combinaison des paramètres du modèle recherché. Ensuite, on fait voter les points 3D pour chacune des cellules, et si un point vérifie le modèle défini par la combinaison des paramètres d une cellule, on ajoute ce point à cette cellule, et ainsi de suite pour tous les points. En accumulant toutes les valeurs pour tous les points dans un espace dit espace de paramètres (espace de Hough), on peut trouver les plans qui satisfont au mieux les données, ce qui est traduit par les cellules qui ont localement le plus de votes. Dans le cas de très grands nuages de points, le choix des pas d échantillonnage joue un rôle important dans le processus. De petits pas sont à l origine de la distribution des points 3D
3 Façade Texturée Géoréférencée d un même plan sur plusieurs plans très similaires, et donc on rencontre une difficulté à trouver les maximums locaux. En revanche, avec de grands pas d échantillonnage, on perd de la précision. Sequeira et al. [11] utilisent une méthode hybride de region-based et edge-based pour la segmentation et alignent les mesures consécutives par un algorithme de Iterative Closest Point (ICP). Liu et al. [10] utilisent Expectation Maximization (EM) pour créer des cartes 3D de segments plans. Kohlhepp et al. [9] extraient des plans en temps réel en utilisant un algorithme de groupement des lignes de balayage. Cet algorithme groupe les segments droits voisins de manière efficace. Mais il exige que les données de chaque ligne de balayage soient segmentées en segments de droite au préalable. Hähnel et al. [3] ont proposé un algorithme de simplification de maillage. Dans ce travail, des plans sont extraits en utilisant une approche de type region-growing en commençant par un point tiré aléatoirement, et en pilotant la croissance par les directions des normales. Jan Weingarten [12] a proposé une amélioration de cet algorithme en commençant par le semence de région (region seed) le plus plat (erreur la plus petite), et en profitant de la structure de données acquises pour éviter l étape de recherche du plus proche voisin d une facette en formation. Les travaux de Zureiki [13] sont basés sur ces deux travaux, avec une différence dans le paramétrage de plan et la méthode d estimation de ces paramètres. Harati [4], a proposé une nouvelle méthode de segmentation de l image de profondeur basée sur le bearing angle, qui est l angle entre le faisceau laser et la surface réfléchissante. L algorithme dit segmentation par croissance de région (Region-growing) est mieux adapté lorsque le nuage de points est bien structuré, c est-à-dire qu il forme une image de profondeur dont chaque point a des relations de voisinage (gauche, droite, haut, bas, etc.) avec les points voisins. Dans les nuages de points non structurés, ces relations de voisinages ne sont pas définies, ce qui rend cette méthode peu exploitable. 2.1 Notre Approche Notre système d acquisition fournit un nuage de points de très grande taille. Par exemple, pour la rue Soufflot (à Paris), le nuage de points d un seul coté de la rue contient plus de 3 Millions de points. De plus, les points 3D forment un nuage de points non structuré. Vu le très grand nombre de points et la non-structuration du nuage de points, nous avons choisi de faire la segmentation semi-automatique : un opérateur choisit via une interface graphique, basée sur OpenGL, un volume de l espace contenant un ensemble de points qui sont susceptibles d appartenir à la même façade. Cette opération fournit un ensemble de points 3D que nous utilisons pour extraire le plan 3D qui peut au mieux représenter la façade de l immeuble. La méthode de moindres carrés est peu efficace pour trouver les paramères de ce plan. Par nature, cet ensemble de points possède une épaisseur importante due à la présence des sculptures et des balcons dans les façades. Ce qui ramène notre choix à l utilisation d une méthode robuste, basée sur l algorithme de RANSAC [2]. Dans cet algorithme, on choisit trois points d une façon aléatoire et on définit le plan qui passe par ces trois points, puis on teste l appartenance des autres points de l ensemble à
4 A. Zureiki et M. Roux ce plan, on répète cet opération un certain nombre de fois [2], et on garde à la fin le plan qui a à la fois le plus grand nombre de points et l erreur totale la plus petite. Nous ne montrons pas les résultats de l extraction des plans à partir des nuages de points, parce que cela sera implicitement inclut dans les résultats de la rectification de l image de façade, dont l obtention d une image façade bien rectifiée donne l épreuve que le plan porteur a été bien estimé. 2.2 Choix du repère local Soit un plan Π défini par son vecteur normal n = {ϕ, ψ} et ρ w sa distance à l origine O w dans un repère global R w (voir la figure 1). On cherche à définir un repère orthonormé lié à ce plan. Choisissons le barycentre B des points 3D qui appartiennent au plan comme origine O p du repère local R p, et l axe Y p parallèle au vecteur normal n. Il reste à définir l axe X p. Soient i w, j w, k w les vecteurs unitaires des axes O w X w, O w Y w, O w Z w respectivement, et i p, j p, k p les vecteurs unitaires des axes recherchés O p X p, O p Y p, O p Z p respectivement. Choisissons le vecteur i p de la façon suivante : i p = [sin ϕ cos ϕ 0] T. Figure 1. Choix du repère local du plan 3D Ce vecteur peut être interprété comme le vecteur unitaire le long de la ligne d intersection entre le plan π et le plan Z w = 0 (s ils ne sont pas parallèles). On peut donc écrire la matrice de rotation entre le repère plan et le repère global, avec les notations suivantes :
5 Façade Texturée Géoréférencée x w x p y w = R w,p y p + t w,p (1) z w z p avec : sin ϕ cos ϕ sin ψ cos ϕ cos ψ R w,p = cos ϕ sin ϕ sin ψ sin ϕ cos ψ 0 cos ψ sin ψ x B et t w,p = y B z B (2) 3 Calcul de l homographie et rectification de l image Nous commençons par le calcul de l homographie, puis nous l utilisons pour construire l image de façade. 3.1 Calcul de l Homographie Définition : L application mathématique reliant les différentes vues d un motif plan par une ou plusieurs caméras projectives est une homographie [1]. L extraction du plan 3D à partir des nuages de points permet d obtenir le plan 3D porteur de la façade, il reste donc à générer l image de cette façade. L acquisition de l image de façade est une étape délicate, d une part parce qu on vise à obtenir une représentation métrique des pixels, c est-à-dire garder un lien entre la position d un point 3D dans le repère global et sa projection dans l image de façade (pixel correspondant), et d autre part, notre système d acquisition possède plusieurs caméras, et par conséquent, plusieurs images à utiliser pour générer l image finale de la façade. Nous allons expliquer les étapes nécessaires pour projeter une image caméra sur une image virtuelle plaquée sur la façade. En fait, nous supposons que la façade a une image avec un pas d échantillonnage (par exemple, 1 cm : 1 pixel), et donc nous cherchons à remplir cette image façade à partir des images caméras disponibles. Une homographie bidimensionnelle H est la transformation reliant les projetés p = (u, v) et p = (u, v ) sur deux plans images d un même point 3D P situé sur un plan Π, voir la figure 2.
6 A. Zureiki et M. Roux Figure 2. Calcul de l Homographie u i h 11 h 12 h 13 u i λ v i = h 21 h 22 h 23 v i 1 h 31 h (3) d où : u i = h 11 u i +h 12 v i +h 13 h 31 u i +h 32 v i +1 v i = h 21 u i +h 22 v i +h 23 h 31 u i +h 32 v i +1 (4) Alors pour trouver une homographie 2D, il nous faut au moins quatre correspondances, et dans ce cas, pour trouver la matrice H, il suffit de résoudre le système linéaire de la forme A X = B suivant :
7 Façade Texturée Géoréférencée h 11 h 12. u i v i u i u i v h i u 13. i u i v i 1 u i v i v i v h 21 u i h = i 22 v i h. 23. h 31 h 32 (5) Dans le cas où nous avons plus de quatre correspondances, le système linéaire est surdéterminé : il peut être résolu par pseudo-inversion de la matrice A. 3.2 Re-échantillonnage de l image de façade Une fois que la matrice de transformation H de l homographie est calculée, on l utilise pour retrouver les valeurs des pixels de l image de façade. À noter que pour un pixel de l image façade, on peut trouver plusieurs candidats dans les images issues des caméras d acquisition, et dans un premier temps, on ne considère qu une image caméra pour calculer le pixel de façade. Ce qui revient à faire une simple mosaïque des images caméras pour former l image façade. Dans notre approche, nous gardons les informations tridimensionnelles des pixels de façade, c est-à-dire nous gardons toutes les matrices de transformations entre différents repères monde, local, et métrique/pixelique. Ainsi, nous pouvons à tout moment, obtenir les coordonnées tridimensionnelles (x w, y w, z w ) dans le repère global en partant des données (i, j) dans l image façade, et vice-versa. Cela a une très grande importance dans la reconstruction du modèle tridimensionnel des scènes urbaines. Par exemple, on peut ainsi retrouver immédiatement les coordonnées dans le repère global d un point de la façade. En pratique, cela nous permet de localiser la deuxième fenêtre à droite dans le troisième étage de l immeuble numéro 13 rue Soufflot dans le repère global! 4 Résultats et Discussion La figure 3 illustre une image prise par une caméra de l immeuble numéro 13 rue Soufflot, et la figure 4 représente l image façade redressée (rectifiée) par l algorithme décrit ci-dessus. Un autre exemple est donné par la figure 5 dont la caméra est montée sur le véhicule d acquisition de manière verticale. L image de façade rectifiée est donnée en figure 6. On constate que l image façade rectifiée est bien redressée (au pixel près), ce qui montre que le plan porteur est bien estimé, et que notre système d acquisition est bien calibré. Kalantari et al. [8] propose un algorithme automatique de détection de points de fuite dans des images de scènes urbaines. Ensuite, cet algorithme est utilisé pour rectifier les images des façades. Bien que les images des façades obtenues soient de bonne qualité,
8 A. Zureiki et M. Roux Figure 3. Image initiale issue de la Caméra Figure 4. Image rectifiée de la façade elles ne sont qu à un facteur d échelle près, c est-à-dire qu elles n ont pas un facteur de conversion pixel :mètre. Ceci est dû à l utilisation d une seule source d information (une seule caméra). Par contre dans notre approche, l utilisation de deux sources d information (laser - caméra) nous a permis d obtenir des images façades et de maintenir un facteur d échelle pixel :mètre. Ce qui illustre l intérêt de fusionner de données multi-capteurs. 5 Conclusion Dans cet article, nous avons présenté le problème de segmentation plane de nuages de points 3D. Ensuite, nous avons décrit une méthode de rectification de l image de façade de l immeuble basée sur la fusion des données laser et caméra. Notre approche utilise tout d abord les nuages de points pour en extraire le plan 3D porteur de la façade, puis calcule l homographie qui permet de reéchantillonner l image de façade. Notre contribution porte principalement sur le modèle construit. En fait, dans la façade reconstruite par notre approche, nous gardons les informations 3D pour chaque pixel. Ainsi, nous pouvons retrouver la position 3D d un pixel de l image de façade et vice-versa. Nous poursuivrons les évaluations expérimentales pour construire dans une première étape un modèle 3D texturé pour un quartier entier (par exemple). Ensuite, nous envisa-
9 Façade Texturée Géoréférencée Figure 5. Exemple 2 : Image initiale issue de la Caméra Figure 6. Exemple 2 : Image rectifiée de la façade geons d étudier la possibilité de développer un algorithme de segmentation plane automatique, en utilisant par exemple quelques sources supplémentaires d information comme les données du cadastre. Références 1. Olivier Faugeras, Quang-Tuan Luong, and T. Papadopoulou. The Geometry of Multiple Images : The Laws That Govern the Formation of Multiple Images of a Scene and Some of Their Applications. MIT Press, Martin A. Fischler and Robert C. Bolles. Random sample consensus : a paradigm for model fitting with applications to image analysis and automated cartography. Commun. ACM, pages , Dirk Hähnel, Wolfram Burgard, and Sebastian Thrun. Learning compact 3D models of indoor and outdoor environments with a mobile robot. Robotics and Autonomous Systems, 44(1) :15 27, Ahad Harati, Stefan Gachter, and Roland Siegwart. Fast range image segmentation for indoor 3D- SLAM. In The 6th IFAC Symposium on Intelligent Autonomous Vehicles (IAV), Toulouse, France, Paul S. Heckbert and Michael Garland. Survey of polygonal surface simplification algorithms. Technical report, Carnegie Mellon University, Joachim Horn and Günther Schmidt. Continuous localization for long-range indoor navigation of mobile robots. In IEEE International Conference on Robotics and Automation, pages , J. Illingworth and J. Kittler. A survey of the Hough transform. Computer Vision, Graphics, and Image Processing, 44(1) :87 116, 1988.
10 A. Zureiki et M. Roux 8. M. Kalantari, F. Jung, JP. Guédon, and N. Paparoditis. Détection automatique des points de fuite et calcul de leur incertitude à l aide de la géométrie projective. In 16e congrès francophone AFRIF-AFIA Reconnaissance des Formes et Intelligence Artificielle (RFIA), Peter Kohlhepp, Paola Pozzo, Marcus Walther, and Rüdiger Dillmann. Sequential 3D-SLAM for mobile action planning. In Proceedings of the IEEE/RSJ International Conference of Intelligent Robots and Systems (IROS), pages , Y. Liu, R. Emery, D. Chakrabarti, W. Burgard, and S. Thrun. Using EM to learn 3D models of indoor environments with mobile robots. In International Conference on Machine Learning (ICML), pages , San Francisco, CA, USA, V. Sequeira, K. Ng, E. Wolfart, J.G.M. Goncalves, and D. Hogg. Automated reconstruction of 3D models from real environments. ISPRS Journal of Photogrammetry and Remote Sensing, 54(1) :1 22, Feb Jan Weingarten. Feature-based 3D SLAM. PhD thesis, École Polytechnique Fédérale de Lausanne, Ayman Zureiki. Fusion de Données Multi-Capteurs pour la Construction Incrémentale du Modèle Tridimensionnel Texturé d un Environnement Intérieur par un Robot Mobile. PhD thesis, Université de Toulouse - Paul Sabatier, septembre 2008.
L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailComparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation
Laboratoire Vision & Robotique Comparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation Emilie KOENIG, Benjamin ALBOUY, Sylvie TREUILLET, Yves Lucas Contact : Sylvie Treuillet Polytech'Orléans
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailDétection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO
Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailAnalyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains
Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains Andrés Felipe SERNA MORALES Directrice de thèse: Beatriz MARCOTEGUI ITURMENDI serna@cmm.ensmp.fr MINES ParisTech, Mathématiques
Plus en détailSimulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré
Simulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré Pierre Rolin Marie-Odile Berger Frédéric Sur LORIA, UMR CNRS 7503, Université de Lorraine INRIA Nancy Grand
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailRéalité virtuelle au service de la maintenance
Réalité virtuelle au service de la maintenance Christian Boucheny EDF R&D SINETICS Séminaire Cartographie d intérieur et d extérieur ENSMP 04/09/2013 Sommaire 1. Application 1 : ADRM Aide à la Décision
Plus en détailLe projet 3D de la Ville de Liège: réflexions sur l'exploitation des données. Bernard Lechanteur, Responsable Cellule cartographie Ville de Liège
Le projet 3D de la Ville de Liège: réflexions sur l'exploitation des données Bernard Lechanteur, Responsable Cellule cartographie Ville de Liège La cellule cartographie La cellule cartographie n est pas
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailUniversité des Sciences et Technologies de Lille 1 UFR Informatique. Projet scientifique de Master 2 Image, Vision, Interaction.
Université des Sciences et Technologies de Lille 1 UFR Informatique Projet scientifique de Master 2 Image, Vision, Interaction Année 2012/1013 Reconstruction de scène réaliste via Kinect c Amélioration
Plus en détailExtraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés
Thèse présentée pour obtenir le grade de Docteur de l Université Louis Pasteur Strasbourg I Discipline : Sciences pour l Ingénieur Spécialité : Topographie-Géomatique Par : Fayez TARSHA KURDI Extraction
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailLIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés
LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /
Plus en détailCalage robuste et accéléré de nuages de points en environnements naturels via l apprentissage automatique
Calage robuste et accéléré de nuages de points en environnements naturels via l apprentissage automatique Mémoire Maxime Latulippe Maîtrise en informatique Maître ès sciences (M.Sc.) Québec, Canada Maxime
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailToolbox d étalonnage pour Kinect : Application à la fusion d une Kinect et d un télémètre laser
Toolbox d étalonnage pour Kinect : Application à la fusion d une Kinect et d un télémètre laser Jean-Clément Devaux, Hicham Hadj-Abdelkader, Etienne Colle To cite this version: Jean-Clément Devaux, Hicham
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détailDétection et suivi d'objets dans une séquence d'images par contours actifs
Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailDéfinition et diffusion de signatures sémantiques dans les systèmes pair-à-pair
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailCartographie Mobile à MINES ParisTech
Cartographie Mobile à MINES ParisTech Entre robotique, géomatique et nouveaux usages Pr. François Goulette Plan 4 septembre 2013 2 Automatisation de maintenance en environnements industriels (1993) Automatisation
Plus en détailDéveloppements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière
Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Principaux contributeurs: Zhang Xiaopeng (CASIA-NLPR-LIAMA Coordinateur Groupe Image) Li HongJun (CASIA-NLPR-LIAMA
Plus en détailVISUALISATION DE NUAGES DE POINTS
ARNAUD BLETTERER MULTI-RÉSOLUTION 1/16 VISUALISATION DE NUAGES DE POINTS MULTI-RÉSOLUTION AU TRAVERS DE CARTES DE PROFONDEUR Arnaud Bletterer Université de Nice Sophia Antipolis Laboratoire I3S - Cintoo
Plus en détailN. Paparoditis, Laboratoire MATIS
N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS
Plus en détailTerritoire3D. Descriptif de contenu. Institut Géographique National. www.ign.fr. Date du Document : Mars 2011
Territoire3D Descriptif de contenu Date du Document : Mars 2011 Institut Géographique National 73 avenue de Paris 94165 Saint-Mandé Cedex www.ign.fr Révision : Spécifications externes A 18/03/2011 Création
Plus en détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailColorisation et texturation temps réel d environnements urbains par système mobile avec scanner laser et caméra fish-eye
Colorisation et texturation temps réel d environnements urbains par système mobile avec scanner laser et caméra fish-eye Résumé Jean-Emmanuel Deschaud, Xavier Brun, François Goulette Mines ParisTech, CAOR-Centre
Plus en détailScanner laser HDS7000 Ultra rapide, à portée étendue
> 1 million de points / sec Scanner laser HDS7000 Ultra rapide, à portée étendue > 180 m de portée HDS7000 Scanner laser ultra rapide pour les professionnels exigeants Les scanners à mesure de phase sont
Plus en détailDétection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique
Détection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique Denis Brazey & Bruno Portier 2 Société Prynɛl, RD974 290 Corpeau, France denis.brazey@insa-rouen.fr 2 Normandie Université,
Plus en détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
Plus en détailPrésentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur
Présentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur Réalisé par : Bassem Besbes Laboratoire d Informatique, Traitement de l Information
Plus en détailPour un citoyen mieux informé en transports
Pour un citoyen mieux informé en transports Congrès géospatial international 2012 Serge Kéna-Cohen: Vice Président, Géomatique et isociété, Fujitsu Françoys Labonté: CRIM 16 mai 2012 Petite histoire du
Plus en détailPEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS?
PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS? Pierre Baumann, Michel Émery Résumé : Comment une propriété évidente visuellement en dimensions deux et trois s étend-elle aux autres dimensions? Voici une
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailBusiness Intelligence
avec Excel, Power BI et Office 365 Téléchargement www.editions-eni.fr.fr Jean-Pierre GIRARDOT Table des matières 1 Avant-propos A. À qui s adresse ce livre?..................................................
Plus en détailDentiste Numérique Zfx. Un cabinet dentaire certifié avec la technologie innovante signée Zfx
Dentiste Numérique Zfx Un cabinet dentaire certifié avec la technologie innovante signée Zfx Dentiste Numérique Zfx Des technologies novatrices parfaitement adaptées Zfx offre aux dentistes des technologies
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailBASE. Vous avez alors accès à un ensemble de fonctionnalités explicitées ci-dessous :
BASE BioArray Software Environment (BASE) est une base de données permettant de gérer l importante quantité de données générées par des analyses de bio-puces. BASE gère les informations biologiques, les
Plus en détailSuperstrat tout Dielectrique Pour le Contrôle de l Ouverture Angulaire d'une Antenne à Double Polarisation
URSI-France Journées scientifiques 26/27 mars 2013 Superstrat tout Dielectrique Pour le Contrôle de l Ouverture Angulaire d'une Antenne à Double Polarisation All Dielectric Superstrate to Control the Half-Power-BeamWidth
Plus en détailSPEEDSCAN /3SHAPE SCANNER ET LOGICIEL DE DAO POUR LA TECHNIQUE DENTAIRE
SPEEDSCAN /3SHAPE SCANNER ET LOGICIEL DE DAO POUR LA TECHNIQUE DENTAIRE Le Speedscan /3Shape réunit en un système le savoir-faire de 3Shape en matière de scannage tridimensionnel et le logiciel de DAO
Plus en détailSLAM Visuel 3D pour robot mobile autonome
Master de Sciences Mention «Imagerie, Robotique et Ingénierie pour le Vivant» - Projet de Fin D étude - SLAM Visuel 3D pour robot mobile autonome Romain Drouilly Encadrants ECA Benoit Morisset Pierrick
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailRelever les défis des véhicules autonomes
EMM 2014 12eme rencontre européenne de mécatronique Relever les défis des véhicules autonomes Mathias Perrollaz Ingénieur expert Inria Christian Laugier Directeur de recherche Inria E-Motion Team Annecy,
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailR-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale
R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale Boulbaba BEN AMOR, Karima OUJI, Mohsen ARDABILIAN, et Liming CHEN Laboratoire d InfoRmatique en Images et
Plus en détailÉvaluation des logiciels et autres réalisations
DOCUMENT D ANALYSE DE LA COMMISSION D ÉVALUATION DE L INRIA Évaluation des logiciels et autres réalisations Préparé par David Margery, Jean-Pierre Merlet, Cordelia Schmid, Agnès Sulem, Paul Zimmermann
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailManipulateurs Pleinement Parallèles
Séparation des Solutions aux Modèles Géométriques Direct et Inverse pour les Manipulateurs Pleinement Parallèles Chablat Damien, Wenger Philippe Institut de Recherche en Communications et Cybernétique
Plus en détailGROUPE DE TRAVAIL «ARTICLE 29» SUR LA PROTECTION DES DONNÉES
GROUPE DE TRAVAIL «ARTICLE 29» SUR LA PROTECTION DES DONNÉES 00727/12/FR WP 192 Avis 02/2012 sur la reconnaissance faciale dans le cadre des services en ligne et mobiles Adopté le 22 mars 2012 Le groupe
Plus en détailCognit Ive Cas d utilisation
Cognit Ive Cas d utilisation 96-98, rue de Montreuil - 75011 Paris _ opicot@ _ + 33 (0)1 40 09 71 55 Sommaire Présentation de la plateforme Cognit Ive SemanticMail : Traitement sémantique des mails Projets
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailAmélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons
Amélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons Ahmad OSMAN 1a, Valérie KAFTANDJIAN b, Ulf HASSLER a a Fraunhofer Development Center
Plus en détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
Plus en détailC - ICM LTE Gamme DE
Gamme DELTEC - ICM ICM micro Projecteur de profil numérique 2D Système de mesure 2D, fruit de plus de 25 ans d expérience dans la métrologie par vision! Déposer c est mesurer! - Reconnaissance de la pièce
Plus en détailPROJET BIGDATART DOSSIER DE PRESENTATION
PROJET BIGDATART DOSSIER DE PRESENTATION Le projet BigDatArt est une installation scientifico-artistique centrée autour des notions d images et de BigData. Ce que je propose dans mon projet et d'inverser
Plus en détailLa visio-conférence holographique : Pourquoi? Comment?
La visio-conférence holographique : Pourquoi? Comment? Francis Felix Labo LSIS / Arts & Métiers Paritech (ENSAM) 2 Cours des Arts et Métiers 13100 Aix-en-Provence Thierry Henocque AIP-Primeca Dauphiné
Plus en détailCompte-rendu Réunion générale. Grenoble, le 29 juin 2011 URBASIS
URBASIS Sismologie urbaine : évaluation de la vulnérabilité et des dommages sismiques par méthodes innovantes ANR09RISK009 URBASIS Compterendu Réunion générale Grenoble, le 29 juin 2011 Participants: J.
Plus en détailEvaluation de la technologie des caméras 3D (Kinect 2) pour la mesure et la reconstruction d objets à courte portée
Institut National des Sciences Appliquées de Strasbourg Mémoire de soutenance de Diplôme d Ingénieur INSA Spécialité TOPOGRAPHIE Evaluation de la technologie des caméras 3D (Kinect 2) pour la mesure et
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailProgramme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure INTELLIGENCE NUMERIQUE Langage Java Mentions
Plus en détailPréparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS
Année 2004 THESE Préparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS En vue de l obtention du titre de Docteur de l Institut National Polytechnique de Toulouse Spécialité : Informatique
Plus en détailInfolettre #18 : Les graphiques avec Excel 2010
Infolettre #18 : Les graphiques avec Excel 2010 Table des matières Introduction... 1 Hourra! Le retour du double-clic... 1 Modifier le graphique... 4 Onglet Création... 4 L onglet Disposition... 7 Onglet
Plus en détailModule 16 : Les fonctions de recherche et de référence
Module 16 : Les fonctions de recherche et de référence 16.0 Introduction L une des fonctions les plus importantes d Excel, c est la possibilité de chercher une valeur spécifique dans un grand nombre de
Plus en détailAlgorithme des fourmis appliqué à la détection et au suivi de contours dans une image
IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire
Plus en détailIMAGES NUMÉRIQUES MATRICIELLES EN SCILAB
IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques
Plus en détailProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection
ProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection Nicolas HEULOT (CEA LIST) Michaël AUPETIT (CEA LIST) Jean-Daniel FEKETE (INRIA Saclay) Journées Big Data
Plus en détailLe Scanner 3D Dynamique
Le Scanner 3D Dynamique Présentation & Références 2015 Page 1 / 9 1. Présentation Techniques Topo, est une société de Géomètres Experts créée en 1964 comptant aujourd hui près de 120 collaborateurs répartis
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailIntelligence artificielle et les défis en robotique mobile et autonome
Intelligence artificielle et les défis en robotique mobile et autonome Éric Beaudry http://planiart.usherbrooke.ca/~eric/ Étudiant au doctorat en informatique Laboratoires Planiart et Laborius 13 février
Plus en détailModeling reality with the latest in 3D technology: Virtualisation. Aperçu
Rencontres art, science, technique & architecture (RASTA_02) De l acquisition à la restitution de données numériques 3D 31 octobre 2002 C2RMF-DMF 6 rue des Pyramides75 041 Paris Modeling reality with the
Plus en détailEXTRACTION DE CONNAISSANCES À PARTIR DE DONNÉES TEXTUELLES VUE D ENSEMBLE
ème Colloque National AIP PRIMECA La Plagne - 7- avril 7 EXTRACTION DE CONNAISSANCES À PARTIR DE DONNÉES TEXTUELLES VUE D ENSEMBLE Bruno Agard Département de Mathématiques et de Génie Industriel, École
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailSavoir lire une carte, se situer et s orienter en randonnée
Savoir lire une carte, se situer et s orienter en randonnée Le b.a.-ba du randonneur Fiche 2 Lire une carte topographique Mais c est où le nord? Quel Nord Le magnétisme terrestre attire systématiquement
Plus en détailChristophe SANNIER christophe.sannier@sirs-fr.com
Systèmes d Information à Référence Spatiale Utilisation d un Estimateur de Régression avec des Données Landsat pour l Estimation de l Etendu et des Changements du Couvert Forestier du Gabon de 1990 à 2010
Plus en détailRecherche d Information(RI): Fondements et illustration avec Apache Lucene. par Majirus Fansi @majirus
1 Recherche d Information(RI): Fondements et illustration avec Apache Lucene par Majirus Fansi @majirus Résumé Fondements de la Recherche d Information (RI) Noyau de toute application de RI Éléments à
Plus en détaile-biogenouest CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé
e-biogenouest Coordinateur : Olivier Collin Animateur : Yvan Le Bras CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailDepuis quelques années, les
PHOTOGRAMMÉTRIE la photogrammétrie se trouve soudainement revalorisée, dans une période où la lasergrammétrie semblait s imposer dans la plupart des opérations de relevé architectural. Cet article s attachera
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailNicolas Géraud CXO dasein interactions. Extraits de l intervention de
Les technologies clés, horizon 2015 Une synthèse de trois rapports de prospective technologique, et une exploration de l imaginaire du public des entretiens de la cité. Extraits de l intervention de Nicolas
Plus en détailEtude comparative de différents motifs utilisés pour le lancé de rayon
Etude comparative de différents motifs utilisés pour le lancé de rayon Alexandre Bonhomme Université de Montréal 1 Introduction Au cours des dernières années les processeurs ont vu leurs capacités de calcul
Plus en détailintelligence artificielle et cognitique"
Dialogue on Education, 11h-11h10 Course overview on "Automatisation avancée, intelligence artificielle et cognitique" Prof. Dr. Jean-Daniel Dessimoz, MBA, HES-SO / HEIG-VD 11:00-11:10, 18 November 2014
Plus en détailComme une Grenouille. au Sommaire : n 24 - Septembre 2015
n 24 - Septembre 2015 Comme une Grenouille au Sommaire : TSP Diffusion : agenda ISTEX : archives des revues AIP ASCE : nouveau partenariat IEEE : o IEEE Conference Proceedings Archive o IEEE Collabratec
Plus en détailZone 2 L aventure de la copie
EXPOSITION INTERNATIONALE INTERNATIONAL EXHIBITION Zone 2 L aventure de la copie 1. Synopsis... 2 2. Scénographie... 3 3. Mobiliers... 3 4. Supports graphiques... 4 5. Eclairage... 4 6. Audiovisuels...
Plus en détailLe Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs
Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique
Plus en détailCommunications immersives : Enjeux et perspectives
Journée Futur et Ruptures Communications immersives : Enjeux et perspectives Béatrice Pesquet-Popescu Télécom ParisTech, Département TSI 5 mars 2015 Institut Mines-Télécom Tendances actuelles Plus, plus,
Plus en détailFranck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER
Utilisation d images dérivées d un jeu de données LIDAR pour la détection automatisée de vestiges archéologiques (programme de recherche méthodologique LiDARCHEO) Franck VAUTIER, Jean-Pierre TOUMAZET,
Plus en détailComment reproduire les résultats de l article : POP-Java : Parallélisme et distribution orienté objet
Comment reproduire les résultats de l article : POP-Java : Parallélisme et distribution orienté objet Beat Wolf 1, Pierre Kuonen 1, Thomas Dandekar 2 1 icosys, Haute École Spécialisée de Suisse occidentale,
Plus en détailRESERVOIR MONITORING A PARTIR D IMAGES SATELLITES APPLICATIONS POUR LES ACTIVITÉS AMONT DE SONATRACH EN ALGÉRIE
RESERVOIR MONITORING A PARTIR D IMAGES SATELLITES APPLICATIONS POUR LES ACTIVITÉS AMONT DE SONATRACH EN ALGÉRIE Johanna GRANDA (1), Alain ARNAUD (1) et Azzédine BOUDIAF (2) (1) ALTAMIRA INFORMATION S.L.,
Plus en détail