Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains

Dimension: px
Commencer à balayer dès la page:

Download "Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains"

Transcription

1 Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains Andrés Felipe SERNA MORALES Directrice de thèse: Beatriz MARCOTEGUI ITURMENDI MINES ParisTech, Mathématiques et Systèmes, CMM Centre de Morphologie Mathématique Paris, France, 24 Mai 2012 Andrés SERNA dans les Milieux Urbains 1 / 36

2 Plan 1 Projet TerraMobilita Objectifs de la thèse État de l Art 2 Systèmes d acquisition Nuages de points 3D et images de projection 3 Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains 4 5 Andrés SERNA dans les Milieux Urbains 2 / 36

3 Contexte Projet TerraMobilita Objectifs de la thèse État de l Art Données 3D Applications en cartographie, foresterie, géophysique, ainsi que la modélisation urbaine. L information sémantique (sol, façades et objets urbains) : (a) Planification de transports (b) Construction de modèles complets 3D et (c) Documentation du (d) Cartes d obstacles et et gestion urbaine tourisme virtuel patrimoine culturel analyse d accessibilité (loi ) Andrés SERNA dans les Milieux Urbains 3 / 36

4 Projet TerraMobilita Objectifs de la thèse État de l Art Andrés SERNA dans les Milieux Urbains 4 / 36

5 Objectifs du projet TerraMobilita Projet TerraMobilita Objectifs de la thèse État de l Art Intégrer des données 3D dans les cartes 2D actuelles (des images et des nuages de points laser). Construire des modèles 3D complets en intégrant l information sémantique : (a) La carte d obstacles (b) L utilisation de la (c) Estimations de distances dans l espace 3D (d) Diagnostics d accessibilité voirie (e) L état de la surface Développer des nouveaux services et applications pour : La gestion des voiries. La production d itinéraires de déplacement pour différents types de mobilités. L automatisation des diagnostics d accessibilité pour PMR. Andrés SERNA dans les Milieux Urbains 5 / 36

6 Objectifs du projet TerraMobilita Projet TerraMobilita Objectifs de la thèse État de l Art Intégrer des données 3D dans les cartes 2D actuelles (des images et des nuages de points laser). Construire des modèles 3D complets en intégrant l information sémantique : (a) La carte d obstacles (b) L utilisation de la (c) Estimations de distances dans l espace 3D (d) Diagnostics d accessibilité voirie (e) L état de la surface Développer des nouveaux services et applications pour : La gestion des voiries. La production d itinéraires de déplacement pour différents types de mobilités. L automatisation des diagnostics d accessibilité pour PMR. Andrés SERNA dans les Milieux Urbains 5 / 36

7 Objectifs de la thèse Projet TerraMobilita Objectifs de la thèse État de l Art Objectif Global : Segmentation et interprétation sémantique des données 3D dans les milieux urbains. Objectifs spécifiques : Détection d entités sémantiques urbaines (façades, sol, objets). Extraction de caractéristiques des objets urbains. Classification d objets dans différentes catégories. Caractérisation du sol. Andrés SERNA dans les Milieux Urbains 6 / 36

8 Projet TerraNumerica Projet TerraMobilita Objectifs de la thèse État de l Art La numérisation du patrimoine urbain :... Plate-forme massive pour la représentation et visualisation des espaces urbains de grande dimension, de façon réaliste, en 3D et haute définition... Travail de Hernández et Marcotegui (2009) : Analyse morphologique d images pour la modélisation d environnements urbains, Thèse, MINES ParisTech, Filtrage, segmentation et classification d objets urbains 3D. Nouvelles méthodes devraient être développées selon les actuelles exigences du projet TerraMobilita. Andrés SERNA dans les Milieux Urbains 7 / 36

9 Projet TerraNumerica Projet TerraMobilita Objectifs de la thèse État de l Art La numérisation du patrimoine urbain :... Plate-forme massive pour la représentation et visualisation des espaces urbains de grande dimension, de façon réaliste, en 3D et haute définition... Travail de Hernández et Marcotegui (2009) : Analyse morphologique d images pour la modélisation d environnements urbains, Thèse, MINES ParisTech, Filtrage, segmentation et classification d objets urbains 3D. Nouvelles méthodes devraient être développées selon les actuelles exigences du projet TerraMobilita. Andrés SERNA dans les Milieux Urbains 7 / 36

10 Projet TerraNumerica Projet TerraMobilita Objectifs de la thèse État de l Art La numérisation du patrimoine urbain :... Plate-forme massive pour la représentation et visualisation des espaces urbains de grande dimension, de façon réaliste, en 3D et haute définition... Travail de Hernández et Marcotegui (2009) : Analyse morphologique d images pour la modélisation d environnements urbains, Thèse, MINES ParisTech, Filtrage, segmentation et classification d objets urbains 3D. Nouvelles méthodes devraient être développées selon les actuelles exigences du projet TerraMobilita. Andrés SERNA dans les Milieux Urbains 7 / 36

11 État de l Art Projet TerraMobilita Objectifs de la thèse État de l Art Les formes alpha 3D (Edelsbrunner et al., 1994) et les squelettes 3D (Bucksch et al., 2008) peuvent être utiles pour caractériser des objets 3D en réduisant les besoins en mémoire. L extraction de cylindres (Chaperon et al., 2001) et l analyse par des sections verticales (Pu et al., 2011) peuvent être utiles pour caractériser des arbres et des lampadaires. Des descripteurs contextuels (Golovinskiy et al., 2009) peuvent être utiles pour la classification d objets (Owechko et al., 2010) avec un modèle de distribution spécifique. Des caractéristiques de dimensionnalité (Demantke et al., 2010) peuvent aider à distinguer des structures 1D, 2D et 3D. Des algorithmes de clustering (Douillard et al., 2011) sont utilisés habituellement pour la segmentation et la classification. La classification SVM dans des applications similaires (Mountrakis et al., 2011) a augmenté sa popularité dans ces dernières années. L analyse de forme de l écho laser (Mallet et al., 2011) peut être utile pour la discrimination d objets urbains en fonction de leurs intensités. Andrés SERNA dans les Milieux Urbains 8 / 36

12 État de l Art Projet TerraMobilita Objectifs de la thèse État de l Art Les formes alpha 3D (Edelsbrunner et al., 1994) et les squelettes 3D (Bucksch et al., 2008) peuvent être utiles pour caractériser des objets 3D en réduisant les besoins en mémoire. L extraction de cylindres (Chaperon et al., 2001) et l analyse par des sections verticales (Pu et al., 2011) peuvent être utiles pour caractériser des arbres et des lampadaires. Des descripteurs contextuels (Golovinskiy et al., 2009) peuvent être utiles pour la classification d objets (Owechko et al., 2010) avec un modèle de distribution spécifique. Des caractéristiques de dimensionnalité (Demantke et al., 2010) peuvent aider à distinguer des structures 1D, 2D et 3D. Des algorithmes de clustering (Douillard et al., 2011) sont utilisés habituellement pour la segmentation et la classification. La classification SVM dans des applications similaires (Mountrakis et al., 2011) a augmenté sa popularité dans ces dernières années. L analyse de forme de l écho laser (Mallet et al., 2011) peut être utile pour la discrimination d objets urbains en fonction de leurs intensités. Andrés SERNA dans les Milieux Urbains 8 / 36

13 État de l Art Projet TerraMobilita Objectifs de la thèse État de l Art Les formes alpha 3D (Edelsbrunner et al., 1994) et les squelettes 3D (Bucksch et al., 2008) peuvent être utiles pour caractériser des objets 3D en réduisant les besoins en mémoire. L extraction de cylindres (Chaperon et al., 2001) et l analyse par des sections verticales (Pu et al., 2011) peuvent être utiles pour caractériser des arbres et des lampadaires. Des descripteurs contextuels (Golovinskiy et al., 2009) peuvent être utiles pour la classification d objets (Owechko et al., 2010) avec un modèle de distribution spécifique. Des caractéristiques de dimensionnalité (Demantke et al., 2010) peuvent aider à distinguer des structures 1D, 2D et 3D. Des algorithmes de clustering (Douillard et al., 2011) sont utilisés habituellement pour la segmentation et la classification. La classification SVM dans des applications similaires (Mountrakis et al., 2011) a augmenté sa popularité dans ces dernières années. L analyse de forme de l écho laser (Mallet et al., 2011) peut être utile pour la discrimination d objets urbains en fonction de leurs intensités. Andrés SERNA dans les Milieux Urbains 8 / 36

14 État de l Art Projet TerraMobilita Objectifs de la thèse État de l Art Les formes alpha 3D (Edelsbrunner et al., 1994) et les squelettes 3D (Bucksch et al., 2008) peuvent être utiles pour caractériser des objets 3D en réduisant les besoins en mémoire. L extraction de cylindres (Chaperon et al., 2001) et l analyse par des sections verticales (Pu et al., 2011) peuvent être utiles pour caractériser des arbres et des lampadaires. Des descripteurs contextuels (Golovinskiy et al., 2009) peuvent être utiles pour la classification d objets (Owechko et al., 2010) avec un modèle de distribution spécifique. Des caractéristiques de dimensionnalité (Demantke et al., 2010) peuvent aider à distinguer des structures 1D, 2D et 3D. Des algorithmes de clustering (Douillard et al., 2011) sont utilisés habituellement pour la segmentation et la classification. La classification SVM dans des applications similaires (Mountrakis et al., 2011) a augmenté sa popularité dans ces dernières années. L analyse de forme de l écho laser (Mallet et al., 2011) peut être utile pour la discrimination d objets urbains en fonction de leurs intensités. Andrés SERNA dans les Milieux Urbains 8 / 36

15 État de l Art Projet TerraMobilita Objectifs de la thèse État de l Art Les formes alpha 3D (Edelsbrunner et al., 1994) et les squelettes 3D (Bucksch et al., 2008) peuvent être utiles pour caractériser des objets 3D en réduisant les besoins en mémoire. L extraction de cylindres (Chaperon et al., 2001) et l analyse par des sections verticales (Pu et al., 2011) peuvent être utiles pour caractériser des arbres et des lampadaires. Des descripteurs contextuels (Golovinskiy et al., 2009) peuvent être utiles pour la classification d objets (Owechko et al., 2010) avec un modèle de distribution spécifique. Des caractéristiques de dimensionnalité (Demantke et al., 2010) peuvent aider à distinguer des structures 1D, 2D et 3D. Des algorithmes de clustering (Douillard et al., 2011) sont utilisés habituellement pour la segmentation et la classification. La classification SVM dans des applications similaires (Mountrakis et al., 2011) a augmenté sa popularité dans ces dernières années. L analyse de forme de l écho laser (Mallet et al., 2011) peut être utile pour la discrimination d objets urbains en fonction de leurs intensités. Andrés SERNA dans les Milieux Urbains 8 / 36

16 État de l Art Projet TerraMobilita Objectifs de la thèse État de l Art Les formes alpha 3D (Edelsbrunner et al., 1994) et les squelettes 3D (Bucksch et al., 2008) peuvent être utiles pour caractériser des objets 3D en réduisant les besoins en mémoire. L extraction de cylindres (Chaperon et al., 2001) et l analyse par des sections verticales (Pu et al., 2011) peuvent être utiles pour caractériser des arbres et des lampadaires. Des descripteurs contextuels (Golovinskiy et al., 2009) peuvent être utiles pour la classification d objets (Owechko et al., 2010) avec un modèle de distribution spécifique. Des caractéristiques de dimensionnalité (Demantke et al., 2010) peuvent aider à distinguer des structures 1D, 2D et 3D. Des algorithmes de clustering (Douillard et al., 2011) sont utilisés habituellement pour la segmentation et la classification. La classification SVM dans des applications similaires (Mountrakis et al., 2011) a augmenté sa popularité dans ces dernières années. L analyse de forme de l écho laser (Mallet et al., 2011) peut être utile pour la discrimination d objets urbains en fonction de leurs intensités. Andrés SERNA dans les Milieux Urbains 8 / 36

17 État de l Art Projet TerraMobilita Objectifs de la thèse État de l Art Les formes alpha 3D (Edelsbrunner et al., 1994) et les squelettes 3D (Bucksch et al., 2008) peuvent être utiles pour caractériser des objets 3D en réduisant les besoins en mémoire. L extraction de cylindres (Chaperon et al., 2001) et l analyse par des sections verticales (Pu et al., 2011) peuvent être utiles pour caractériser des arbres et des lampadaires. Des descripteurs contextuels (Golovinskiy et al., 2009) peuvent être utiles pour la classification d objets (Owechko et al., 2010) avec un modèle de distribution spécifique. Des caractéristiques de dimensionnalité (Demantke et al., 2010) peuvent aider à distinguer des structures 1D, 2D et 3D. Des algorithmes de clustering (Douillard et al., 2011) sont utilisés habituellement pour la segmentation et la classification. La classification SVM dans des applications similaires (Mountrakis et al., 2011) a augmenté sa popularité dans ces dernières années. L analyse de forme de l écho laser (Mallet et al., 2011) peut être utile pour la discrimination d objets urbains en fonction de leurs intensités. Andrés SERNA dans les Milieux Urbains 8 / 36

18 État de l Art Projet TerraMobilita Objectifs de la thèse État de l Art Auteurs Structure de données Traitement Classification Nombre de classes Précision Mallet et al. (2008) Golovinskiy et al. (2009) Hernández et Marcotegui (2009) Owechko et al. (2010) Demantke al. (2010) et Douillard et al. (2011) Rutzinger et al. (2011) Munoz et al. (2011) Pu et al. (2011) Nuage de points 3D Analyse de forme d onde, morphologie mathématique Images de projection Graphes, analyse contextuelle Images de projection Morphologie mathématique Images de projection Segmentation par lignes de balayage SVM 3 (bâtiments, sol, végétation) Clustering hiérarchique, SVM, LDA SVM Basé sur des règles de décision Nuage de points 3D Voisinage adapté, PCA Basé sur des règles, caractéristiques dimensionnalité de 95.0% 2 (sol, objets) 80.5% 4 (voitures, lampadaires, piétons, autres) 17 (Bâtiments, sol, voitures, poteaux, lampadaires, arbres,...) 86.21% 70.0% 4 (1D-, 2D-, 3D-, bruit) 69.3% Images de projection Clustering hiérarchique Basé sur des règles, INSAC, clustering 16 (sol et différents objets urbains) 89.0% Formes alpha 3D T. de Hough 3D, croissance Modèles de forme 2 (arbres, non-arbres) 86.0% de régions Nuage de points 3D analyse contextuelle, High-order Markov 5 (végétation, fils, poteaux, 87.1% clustering models portances, façades) Nuage de points 3D caractéristiques géométriques et relations topologiques Basé sur des règles 3 (sol, objets sur le sol, autres) 86.9% Andrés SERNA dans les Milieux Urbains 9 / 36

19 Systèmes d acquisition Systèmes d acquisition Nuages de points 3D et images de projection Les données sont acquises par des systèmes terrestres fixes et mobiles, et présentées comme des nuages de points 3D. LARA 3D du laboratoire CAOR MINES ParisTech Stereopolis du laboratoire MATIS de l IGN Mensi XV de Mensi-Trimble (f) Système mobile LARA 3D (g) Système fixe Mensi-XV (h) Profil d acquisition Andrés SERNA dans les Milieux Urbains 10 / 36

20 Mate riel Expe rimental Analyse Se mantique 3D Syste mes d acquisition Nuages de points 3D et images de projection Des nuages de points 3D et des images de projection Ces nuages de points 3D sont analyse s en utilisant des images de projection (Images 2.5-D). P P 1 P 1 P 1 (i) Nuage de points (j) Profondeur (k) Hauteur (l) Accumulation Nous avons travaille sur les donne es suivantes : Rue Soufflot et Bd. St. Michel (TerraNumerica IGN) Rue Vaugirard (TerraMobilita CAOR) Andre s SERNA Analyse Se mantique 3D dans les Milieux Urbains 11 / 36

21 Mate riel Expe rimental Analyse Se mantique 3D Syste mes d acquisition Nuages de points 3D et images de projection Des nuages de points 3D et des images de projection II Jusqu a maintenant, nous avons seulement utilise l information spatiale disponible dans le nuage de points. Cependant, des caracte ristiques supple mentaires telles que l intensite du laser et la texture seront disponibles biento t. (m) Hauteur (n) Couleur Figure: Rue Soufflot, Paris. Acquis par LARA 3D. Andre s SERNA Analyse Se mantique 3D dans les Milieux Urbains 12 / 36

22 Analyse sémantique 3D Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Dans cette présentation, nous résumons les travaux de recherche que nous avons effectués depuis Octobre À chaque étape, nous présentons le travail précédent et le travail en cours. (a) Division en pâtés de maisons (b) Segmentation façade sol (c) Détection du trottoir (d) Segmentation et (e) Classification d objets urbains Andrés SERNA dans les Milieux Urbains 13 / 36

23 Division en pâtés de maisons Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Un pâté de maisons est l entité sémantique autour de la quelle se trouve le trottoir. Ils sont traités séparément et rejoints à la fin de l analyse réduction en besoins de mémoire. Méthode TerraNumerica : Extraction de marqueurs de façade en utilisant de contraintes minimales de hauteur (4m), séparation (3.5m) et longueur (5m) des bâtiments. Ensuite, un SKIZ fait la division en attribuant chaque point au marqueur le plus proche. (e) Rue Vaugirard, Paris (f) Marqueurs de façade (g) Division Andrés SERNA dans les Milieux Urbains 14 / 36

24 Mate riel Expe rimental Analyse Se mantique 3D Division en pa te s de maisons Segmentation fac ade sol De tection du trottoir Segmentation d objets urbains Classification d objets urbains Division en pa te s de maisons II Proble mes : 1 Des alignements d arbres sont de tecte s comme fac ades. 2 Des arbres proches des fac ades ou derrie re des grilles. 3 Des passerelles peuvent connecter des fac ades. Andre s SERNA Analyse Se mantique 3D dans les Milieux Urbains 15 / 36

25 Division en pâtés de maisons III Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Solution TerraMobilita : Discrimination façades arbres par critères de forme. (h) Bd. Saint Michel. LARA-3D. (i) Façade (bleu) et arbres (rouge) Andrés SERNA dans les Milieux Urbains 16 / 36

26 Division en pâtés de maisons IV Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Bilan : Bonne division et discrimination pour n importe quelle forme de façade, par rapport aux méthodes basées sur la T. de Hough ou RANSAC. Nous attendons pour des nouvelles données pour valider les approches et la fréquence d apparition des problèmes détectés. Figure: Rue Vaugirard, Paris. Acquis par LARA 3D. Andrés SERNA dans les Milieux Urbains 17 / 36

27 Segmentation façade sol Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Méthode TerraNumerica : Extraction de zones quasi-plates : Problème : Sol la CC la plus grande. Façade le reste. (a) Déconnexions à cause de la densité variable de points. (b) Non verticalité de la façade. Andrés SERNA dans les Milieux Urbains 18 / 36

28 Segmentation façade sol II Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Solution TerraMobilita : Marqueur façade (le même que dans la division en pâtés de maisons) Reconstruction géodésique sur l image de hauteur. (a) Marqueur de façade (b) Façade reconstruite Bilan : Bonne détection pour n importe quelle forme de façade, par rapport aux méthodes basées sur la T. de Hough ou RANSAC. Robuste à des problèmes de déconnexion et non verticalité. Andrés SERNA dans les Milieux Urbains 19 / 36

29 Mate riel Expe rimental Analyse Se mantique 3D Division en pa te s de maisons Segmentation fac ade sol De tection du trottoir Segmentation d objets urbains Classification d objets urbains De tection du trottoir Me thode TerraNumerica : Zones quasi-plates et watershed contraint. Proble me : L algorithme de zones quasi-plates peut s e chapper vers les rampes d acce s PMR. Andre s SERNA Analyse Se mantique 3D dans les Milieux Urbains 20 / 36

30 Détection du trottoir II Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Solution TerraMobilita : Utiliser un seuil sur l image de hauteur (entre 3 et 20 cm). Fermeture ( 5cm) pour éviter les déconnexions et un amincissement par diamètre géodésique (1m) pour sélectionner les structures suffisamment longues. Bilan : Bonne détection des bords du trottoir visibles. Besoin de reconnecter les morceaux pour gérer les occultations et les accès PMR. Andrés SERNA dans les Milieux Urbains 21 / 36

31 Détection d objets urbains Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Méthode TerraNumerica : Hypothèse : Les objets sont sur le sol et apparaissent comme des bosses sur l image de projection. La méthode de détection est basée sur le top-hat par fermeture de trous. FTH(f ) = Fill(f ) f (c) Profil d acquisition (d) Top-hat par fermeture de trous Andrés SERNA dans les Milieux Urbains 22 / 36

32 Détection d objets urbains II Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Problème : L ouverture surfacique élimine le bruit mais aussi des petits objets tels que les poteaux. Andrés SERNA dans les Milieux Urbains 23 / 36

33 Détection d objets urbains III Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Solution TerraMobilita : Les objets d accumulation importante sont réinsérés. Figure: Réinsertion des petits objets Andrés SERNA dans les Milieux Urbains 24 / 36

34 Re segmentation des objets connectés Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Méthode TerraNumerica : Le nombre d objets connectés dans la même CC est égal au nombre maxima. Des filtres morphologiques sont appliqués pour l élimination de pics de faible contraste. Ensuite, un watershed effectue la segmentation. (a) Objets connectés dans la même CC (b) Objets correctement re segmentés Andrés SERNA dans les Milieux Urbains 25 / 36

35 Re segmentation des objets connectés II Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Problème : Certains objets tels que des motos et des lampadaires peuvent être sur-segmentés parce qu ils ont plusieurs maxima significatifs. (c) Lampadaire sur-segmenté (d) Motos sur-segmentées Solution TerraMobilita : Critères de forme et texture pour décider si une CC doit être re segmentée ou non. Il n y a pas encore de résultats. Andrés SERNA dans les Milieux Urbains 26 / 36

36 Classification d objets urbains Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Nous avons annoté manuellement une base de données pour établir une vérité terrain de 304 objets : Catégorie Quantité Piétons 101 Poteaux 39 Mobiliers 30 Voitures 27 Arbres 25 Autres 17 Lampadaires 12 Motos 10 Façades 9 Panneaux 7 Grilles 5 Feux 4 Vélos 4 Corbeilles 3 Murs 3 Poubelles 2 Andrés SERNA dans les Milieux Urbains 27 / 36

37 Classification d objets urbains II Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Méthode TerraNumerica : Classification SVM avec des caractéristiques géométriques : L aire de l objet. La moyenne, l écart type, le maximum, le minimum et le mode de la profondeur et de l accumulation. Détectés Vérité Terrain Voitures Lampadaires Piétons Autres Voitures 100% 0.0% 0.0% 0.0% Lampadaires 0.0% 100% 0.0% 0.0% Piétons 0.0% 0.0% 69.56% 30.44% Autres 0.0% 0.0% 20.83% 79.17% Pourcentage de bonne classification = % Dans la classe piétons : précision=76.19 %, rappel=69.56 % Andrés SERNA dans les Milieux Urbains 28 / 36

38 Classification d objets urbains III Division en pâtés de maisons Segmentation façade sol Détection du trottoir Segmentation d objets urbains Classification d objets urbains Problème : Confusion entre les classes piétons et autres. Solution TerraMobilita : Classification SVM hiérarchique. Augmenter le nombre de catégories, échantillons et descripteurs. Bilan : Les classes en bleu sont bien discriminées (bonne classification=95.57 %) Dans la classe piétons : précision=86.36 %, rappel=86.36 % Classes avec peu d exemples sont encore confondues. Andrés SERNA dans les Milieux Urbains 29 / 36

39 Conclusions Méthode d analyse sémantique de nuages de points 3D et d images dans les milieux urbains. À chaque étape, nous partons des méthodes déjà existantes, nous identifions les problèmes, puis nous proposons des solutions et présentons des résultats préliminaires. Division en pâtés de maisons Extraction de façade Détection de trottoir Détection d objets Resegmentation d objets connectés Classification d objets Méthode précédente Problème identifié Solution proposée SKIZ à partir de marqueurs de façade Les alignements d arbres peuvent remplir Séparation des façades et des arbres en en utilisant des contraintes de hauteur les mêmes contraintes. utilisant des descripteurs de forme. et longueur. Algorithme de zones quasi-plates Non robuste à des problèmes de connectivité et non-verticalité des façades. Zones quasi-plates et watershed contraint. Filtrage morphologique et top hat par fermeture de trous. Filtre H-minima, watershed contraint SVM, 4 catégories, 11 caractéristiques géométriques. L algorithme de zones quasi-plates peut s échapper vers les rampes d accès PMR. Les petits objets sont supprimés pour une ouverture surfacique. Sur-segmentation d objets qui ont plusieurs maxima significatifs. Confusion entre les classes piétons et autres. Réutilisation de marqueurs de façade pour faire une reconstruction géodésique de la façade. Fermeture morphologique et amincissement géodésique sur l image de différence de profondeur. Les objets avec accumulation importante sont réinsérés. Critères de forme et texture pour décider si une CC doit être re segmentée ou non. Classification hiérarchique SVM, 12 catégories, 14 caractéristiques géométriques. Les méthodes sont disponibles et prêtes pour être testées à plus grande échelle. Andrés SERNA dans les Milieux Urbains 30 / 36

40 Problèmes non encore résolus Composantes connexes mixtes dans la détection de façades : façades, arbres et grilles. Reconnexion du bord du trottoir. Algorithmes du chemin plus court, ouvertures par chemins incomplets, la transformée de Hough, la position relative par rapport à la façade, etc. Sur-segmentation d objets à plusieurs maxima significatifs. Développer l approche classification : Descripteurs 3D et de couleur. Plus d échantillons et plus de catégories. Andrés SERNA dans les Milieux Urbains 31 / 36

41 Perspectives En plus de l information spatiale, l intensité du laser et la texture peuvent améliorer les performances dans les étapes de détection, segmentation et classification. Développer des outils pour traiter des données 3D texturées. Filtrage en tenant compte des informations de voisinage, textures et profondeur. Un filtre, avec la même philosophie que le filtrage bilatéral, peut être utilisé pour filtrer des objets urbains sans fusionner l information d objets à différentes profondeurs et textures. La densité de points dépend des caractéristiques du capteur et de la vitesse du véhicule d acquisition. Donc, des structures de données de taille et densité adaptatives pourraient être plus appropriées pour l analyse. Certains objets complexes peuvent être analysés directement sur le nuage de points 3D. En ce sens, les opérateurs d analyse d images ou morphologie mathématique devraient être généralisés pour le cas 3D. Des structures telles que kd-trees, octrees, triangulations, ou encore réseaux de Kohonen peuvent offrir les relations de voisinage nécessaires pour ce type d analyse. Andrés SERNA dans les Milieux Urbains 32 / 36

42 Perspectives En plus de l information spatiale, l intensité du laser et la texture peuvent améliorer les performances dans les étapes de détection, segmentation et classification. Développer des outils pour traiter des données 3D texturées. Filtrage en tenant compte des informations de voisinage, textures et profondeur. Un filtre, avec la même philosophie que le filtrage bilatéral, peut être utilisé pour filtrer des objets urbains sans fusionner l information d objets à différentes profondeurs et textures. La densité de points dépend des caractéristiques du capteur et de la vitesse du véhicule d acquisition. Donc, des structures de données de taille et densité adaptatives pourraient être plus appropriées pour l analyse. Certains objets complexes peuvent être analysés directement sur le nuage de points 3D. En ce sens, les opérateurs d analyse d images ou morphologie mathématique devraient être généralisés pour le cas 3D. Des structures telles que kd-trees, octrees, triangulations, ou encore réseaux de Kohonen peuvent offrir les relations de voisinage nécessaires pour ce type d analyse. Andrés SERNA dans les Milieux Urbains 32 / 36

43 Perspectives En plus de l information spatiale, l intensité du laser et la texture peuvent améliorer les performances dans les étapes de détection, segmentation et classification. Développer des outils pour traiter des données 3D texturées. Filtrage en tenant compte des informations de voisinage, textures et profondeur. Un filtre, avec la même philosophie que le filtrage bilatéral, peut être utilisé pour filtrer des objets urbains sans fusionner l information d objets à différentes profondeurs et textures. La densité de points dépend des caractéristiques du capteur et de la vitesse du véhicule d acquisition. Donc, des structures de données de taille et densité adaptatives pourraient être plus appropriées pour l analyse. Certains objets complexes peuvent être analysés directement sur le nuage de points 3D. En ce sens, les opérateurs d analyse d images ou morphologie mathématique devraient être généralisés pour le cas 3D. Des structures telles que kd-trees, octrees, triangulations, ou encore réseaux de Kohonen peuvent offrir les relations de voisinage nécessaires pour ce type d analyse. Andrés SERNA dans les Milieux Urbains 32 / 36

Classification 3D d objets urbains à partir des données terrestres à balayage laser

Classification 3D d objets urbains à partir des données terrestres à balayage laser Classification 3D d objets urbains à partir des données terrestres à balayage laser Andrés SERNA et Beatriz MARCOTEGUI {andres.serna morales, beatriz.marcotegui} @mines-paristech.fr MINES ParisTech, CMM

Plus en détail

Cartographie 3D de la voirie et de l espace public urbains accessibilité et circulations douces Luc Frauciel -1Spatial

Cartographie 3D de la voirie et de l espace public urbains accessibilité et circulations douces Luc Frauciel -1Spatial Cartographie 3D de la voirie et de l espace public urbains accessibilité et circulations douces Luc Frauciel -1Spatial Les projets Terra X Terra Data / Terra Numerica (FUI 1-Thales) Technologies de modélisation

Plus en détail

Cartographie Mobile à MINES ParisTech

Cartographie 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 détail

Cartographie 3D de la voirie et de l espace public urbains accessibilité et circulations douces. Journée PREDIM 21/11/13

Cartographie 3D de la voirie et de l espace public urbains accessibilité et circulations douces. Journée PREDIM 21/11/13 Cartographie 3D de la voirie et de l espace public urbains accessibilité et circulations douces Journée PREDIM 21/11/13 Plan de la présentation Projet TerraMobilita Objectifs Sémantisation de données Applications

Plus en détail

N. Paparoditis, Laboratoire MATIS

N. 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 détail

ispace&time ANR CONTINT 2010

ispace&time ANR CONTINT 2010 ispace&time ANR CONTINT 2010 Cartographie et rendu 4D de l'espace public avec simulations de flux piétons et voitures pour l'aménagement urbain: Le projet ANR ispace&time Journées Recherche IGN 24 avril

Plus en détail

Indexation 3D à partir de vues 2D

Indexation 3D à partir de vues 2D Indexation 3D à partir de vues 2D Thibault Napoléon 1 Télécom ParisTech - TSI Qu est ce que l indexation 3D? Recherche dans une grande base de donnée 3D Recherche par le contenu (la forme, la couleur...)

Plus en détail

Usages des données 3D urbaines pour les villes de Genève et Lausanne

Usages des données 3D urbaines pour les villes de Genève et Lausanne Usages des données 3D urbaines pour les villes de Genève et Lausanne Rencontres SIG La Lettre : Le Grand Boom de la 3D Claudio Carneiro Ecole Polytechnique Fédérale de Lausanne (EPFL) Laboratoire de Systèmes

Plus en détail

Traitement bas-niveau

Traitement 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 détail

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR

Reconstruction 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 détail

Vérification du bâti à partir de la disparité de points de contour

Vérification du bâti à partir de la disparité de points de contour Vérification du bâti à partir de la disparité de points de contour Charles Beumier Signal and Image Centre (Prof. Marc Acheroy) Ecole royale militaire Bruxelles, Belgique 8 Jan 29, Paris-Tech 1 Vérification

Plus en détail

Cartographie 3D d intérieur et d extérieur

Cartographie 3D d intérieur et d extérieur Cartographie 3D d intérieur et d extérieur Séminaire MINES ParisTech PSA Peugeot Citroën Maillages et modèles 3D Pascal LEFEBVRE-ALBARET TECHNODIGIT Version Date: 24.08.13 Sommaire 01 02 03 04 05 L entreprise

Plus en détail

PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES

PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES Nathalie GORRETTA MONTEIRO 1 1 UMR Information et Technologies pour les Agro-Procédés, Cemagref Montpellier, France Présentée le 25 Février

Plus en détail

Systèmes de représentation multi-échelles pour l indexation et la restauration d archives médiévales couleur

Systèmes de représentation multi-échelles pour l indexation et la restauration d archives médiévales couleur 18/12/2003 p.1/50 Systèmes de représentation multi-échelles pour l indexation et la restauration d archives médiévales couleur Julien DOMBRE Laboratoire IRCOM-SIC, UMR-CNRS 6615. En partenariat avec le

Plus en détail

Initialisation automatique du recalage 2D/3D pour la réalité virtuelle et augmentée

Initialisation automatique du recalage 2D/3D pour la réalité virtuelle et augmentée Initialisation automatique du recalage 2D/3D pour la réalité virtuelle et augmentée IRISA - Equipe TEMICS 6 Fevrier 2008 1/18 Problématique : Recalage vidéo 2D et modèle 3D Problématique Avec : Le modèle

Plus en détail

Profil du candidat et connaissances techniques à connaître/maîtriser

Profil du candidat et connaissances techniques à connaître/maîtriser Utilisation d algorithmes de deep learning pour la reconnaissance d iris. jonathan.milgram@morpho.com Dans ce cadre, l'unité de recherche et technologie a pour but de maintenir le leadership Au sein de

Plus en détail

Objectif du groupe GT1.1 Fusion de Données

Objectif du groupe GT1.1 Fusion de Données Objectif du groupe GT1.1 Fusion de Données Le groupe travaille dans trois directions Le vocabulaire (piloté par ADVITAM et l aide de SITE) L état de l art (piloté par SYROKKO) Deux applications illustratives

Plus en détail

Scanners laser terrestres (laser scanning), successeur de la photogrammétrie terrestre

Scanners laser terrestres (laser scanning), successeur de la photogrammétrie terrestre Scanners laser terrestres (laser scanning), successeur de la photogrammétrie terrestre Olivier Feihl Directeur d Archéotech SA Partenaire scientifique agréé C2RMF (Centre de recherche et restauration des

Plus en détail

L imagerie vue par un mathématicien

L imagerie vue par un mathématicien L imagerie vue par un mathématicien Li-Thiao-Té Sébastien LAGA UMR 7539, Université Paris 13 Plan Généralités Images Modèles Qu est-ce qu une image? des coordonnées spatiales des mesures pour chaque position

Plus en détail

Détecteurs et descripteurs

Détecteurs et descripteurs Détecteurs et descripteurs GIF-4105/7105 Photographie Algorithmique Jean-François Lalonde Merci à D. Hoiem et A. Efros pour les slides Comment aligner deux images? Déterminer une transformation globale

Plus en détail

LIDAR 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 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 détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence 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 détail

Initiation à la fouille de données et à l apprentissage automatiq

Initiation à la fouille de données et à l apprentissage automatiq Initiation à la fouille de données et à l apprentissage automatique 1 Laboratoire d Informatique Fondamentale de Marseille Université de Provence christophe.magnan@lif.univ-mrs.fr www.lif.univ-mrs.fr/

Plus en détail

Évaluation de la classification et segmentation d'images en environnement incertain

Évaluation de la classification et segmentation d'images en environnement incertain Évaluation de la classification et segmentation d'images en environnement incertain EXTRACTION ET EXPLOITATION DE L INFORMATION EN ENVIRONNEMENTS INCERTAINS / E3I2 EA3876 2, rue F. Verny 29806 Brest cedex

Plus en détail

Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux

Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux Sébastien Delest Thèse dirigée par Hubert Cardot et Romuald Boné Université François Rabelais de Tours 26 novembre

Plus en détail

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Mieux produire et préserver : Quelles approches pour les forêts au sein des territoires? Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Pour mieux affirmer ses missions, le

Plus en détail

Sur le diagnostic de la visibilité de la route. Pierre CHARBONNIER, ERA 27 LCPC, LRPC Strasbourg Jean-Philippe TAREL, INRETS-LCPC LEPSiS

Sur le diagnostic de la visibilité de la route. Pierre CHARBONNIER, ERA 27 LCPC, LRPC Strasbourg Jean-Philippe TAREL, INRETS-LCPC LEPSiS Sur le diagnostic de la visibilité de la route Pierre CHARBONNIER, ERA 27 LCPC, LRPC Strasbourg Jean-Philippe TAREL, INRETS-LCPC LEPSiS Plan de la présentation Introduction Simulation sur modèle 3D Traitement

Plus en détail

Forum TER@TEC, 16 juin 2010

Forum TER@TEC, 16 juin 2010 Patrimoine et contenu Numérique TerraNumerica Numérisation des territoires et de leurs ressources et accès au contenu géolocalisé Un investissement Budget : 12,4 M TerraNumerica en chiffres Un consortium

Plus en détail

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification 1/54 Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification Étienne Baudrier CReSTIC vendredi 9 décembre 2005 2/54 Contexte programme national de

Plus en détail

Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux

Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux 1 Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux F. Bidault (1), J. Stawiaski (2), E. Decencière (2), I. Ferreira (3), C. Le Péchoux (3), F. Meyer (2), J. Bourhis

Plus en détail

Laure Fafournoux étudiante en Master2 géoenvironnement _ Laboratoire GEOLAB Franck Vautier ingénieur en géomatique _ Laboratoire GEOLAB

Laure Fafournoux étudiante en Master2 géoenvironnement _ Laboratoire GEOLAB Franck Vautier ingénieur en géomatique _ Laboratoire GEOLAB La photogrammétrie stéréoscopique appliquée à la mesure de la hauteur de la végétation en zone alluviale : exemple de la réserve naturelle du Val-d Allier (03) Laure Fafournoux étudiante en Master2 géoenvironnement

Plus en détail

pour la Réalité Augmentée

pour la Réalité Augmentée Analyse d Image 3D pour la Réalité Augmentée Jean-Marc Vezien vezien@limsi.fr Master Recherche RV&A Janvier 2011 La 3D comment? Les capteurs et les techniques pour l acquisition de la 3D Capteurs actifs

Plus en détail

Stages Terra 3D. Analyse et traitement automatiques de relevés laser / image mobiles - Plusieurs stages proposés

Stages Terra 3D. Analyse et traitement automatiques de relevés laser / image mobiles - Plusieurs stages proposés Stages Terra 3D 2016-2017 Analyse et traitement automatiques de relevés laser / image mobiles - Plusieurs stages proposés Mots clés : LiDAR, caméra, système mobile de cartographie, modélisation 3D, sémantisation,

Plus en détail

Géométrie discrète Chapitre V

Géométrie discrète Chapitre V Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets

Plus en détail

Analyse de trafic en milieu urbain par télémètre laser à balayage

Analyse de trafic en milieu urbain par télémètre laser à balayage Analyse de trafic en milieu urbain par télémètre laser à balayage 3 /6/214 FOURRE Jérémy 1 Contexte et enjeux (1/2) Source DSCR : CISR du 18/2/21 Le risque d être tué à moto est 24 fois plus élevé qu en

Plus en détail

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière

Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Apport du LiDAR pour l'estimation de la ressource et la desserte forestière Jean-Matthieu Monnet UR Écosystèmes Montagnards, Irstea Grenoble Pour mieux affirmer ses missions, le Cemagref devient Irstea

Plus en détail

Visual Information Solutions. ENVI LiDAR. L environnement logiciel interactif pour extraire des informations 3D à partir du LiDAR

Visual Information Solutions. ENVI LiDAR. L environnement logiciel interactif pour extraire des informations 3D à partir du LiDAR Visual Information Solutions ENVI LiDAR L environnement logiciel interactif pour extraire des informations 3D à partir du LiDAR Créer des visualisations réalistes. Extraire des objets 3D. Générer des produits

Plus en détail

Maintien des personnes âgées à domicile

Maintien des personnes âgées à domicile Maintien des personnes âgées à domicile Enjeux scientifiques et technologiques liés à la vision par ordinateur Christian Wolf http://liris.cnrs.fr/christian.wolf Introduction Sommaire Les données et les

Plus en détail

Naviga&on)de)robots)mobiles)) par)vision)omnidirec&onnelle) )

Naviga&on)de)robots)mobiles)) par)vision)omnidirec&onnelle) ) Naviga&on)de)robots)mobiles)) par)vision)omnidirec&onnelle) ) El)Mustapha)Mouaddib)(mouaddib@u:picardie.fr)) O.)Labbani:Igbida,)P.)Merveilleux)et)R.)Marie) Contexte' Projet'ANR'R.Discover' Travaux'soutenus'par':'

Plus en détail

Application et méthodologie d acquisition d images

Application et méthodologie d acquisition d images Application et méthodologie d acquisition d images Application industrielle et acquisition de l image 2 Imagerie industrielle est utilisée comme outil de contrôle et de gestion augmentation flexibilité

Plus en détail

en environnement intérieur pour l'indexation de vidéo issue de caméra portée

en environnement intérieur pour l'indexation de vidéo issue de caméra portée Reconstruction et localisation 3D en environnement intérieur pour l'indexation de vidéo issue de caméra portée H. Wannous, V. Dovgalecs, R. Mégret* IMS - Projet IMMED / ANR 09-BLAN BLAN-0165 0165-01 *remi.megret@ims-bordeaux.fr

Plus en détail

Stagiaire : Claudia HUERTAS Mastère spécialisé SILAT. Responsable AMAP : Grégoire VINCENT

Stagiaire : Claudia HUERTAS Mastère spécialisé SILAT. Responsable AMAP : Grégoire VINCENT Stagiaire : Claudia HUERTAS Mastère spécialisé SILAT Responsable AMAP : Grégoire VINCENT Contexte Cette étude fait partie du projet «CANOPOR : Short term tropical forest canopy dynamics unveiled by Airborne

Plus en détail

Fouille de données multi-stratégies pour l'extraction de connaissances à partir d'images de télédétection

Fouille de données multi-stratégies pour l'extraction de connaissances à partir d'images de télédétection Fouille de données multi-stratégies pour l'extraction de connaissances à partir d'images de télédétection Cédric WEMMERT* Alexandre BLANSCHE* Anne PUISSANT** *LSIIT UMR 7005 CNRS/ULP Apprentissage et Fouille

Plus en détail

Analyse des réseaux sociaux et apprentissage

Analyse des réseaux sociaux et apprentissage Analyse des réseaux sociaux et apprentissage Emmanuel Viennet Laboratoire de Traitement et Transport de l Information Université Paris 13 - Sorbonne Paris Cité Réseaux sociaux? Réseaux sociaux? Analyse

Plus en détail

B.2 Modélisation 3D automatique terrestre d'environnements urbains et complexes à très grande échelle

B.2 Modélisation 3D automatique terrestre d'environnements urbains et complexes à très grande échelle B.2 Modélisation 3D automatique terrestre d'environnements urbains et complexes à très grande échelle Nicolas Paparoditis, Ouided Bentrah, Matthieu Deveau, Olivier Tournaire & Lionel Pénard Cet article

Plus en détail

Réseaux neuronaux Apprentissage non supervisé

Réseaux neuronaux Apprentissage non supervisé Introduction Réseaux neuronaux Apprentissage non supervisé Jerzy Korczak, LSIIT, ULP email : jjk@dpt-info.u-strasbg.fr Objectif commun : génération d une taxonomie des données sans connaissances préalable

Plus en détail

PLAN Analyse d images Morphologie et Segmentation

PLAN Analyse d images Morphologie et Segmentation PLAN Analyse d images et Segmentation L.Chen, J.Y.Auloge. INTRODUCTION. DEFINITIONS 3. VISION HUMAINE ET SYSTEMES DE COULEURS 4. ECHANTILLONNAGE ET QUANTIFICATION. TRANSFORMATIONS D IMAGES 6. AMELIORATION

Plus en détail

Ligne Dentaire. Système Dentaire Panoramique et 3D

Ligne Dentaire. Système Dentaire Panoramique et 3D Ligne Dentaire Système Dentaire Panoramique et 3D La Société Villa Sistemi Medicali est fière de présenter son nouveau panoramique Rotograph Evo 3D, un système d'imagerie dentaire avec fonctionnalité 3-en-1:

Plus en détail

Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites

Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Projet GIZ-CRTS Formation en Télédétection spatiale et SIG CRTS, 18-21 janvier 2016 Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Abderrahman

Plus en détail

Reconnaissance des formes : Classement d ensembles d objets

Reconnaissance des formes : Classement d ensembles d objets Reconnaissance des formes : Classement d ensembles d objets Données Méthodes Extraction de connaissances Applications Expertise Apprentissage Bernard FERTIL Directeur de Recherche CNRS Équipe LXAO, UMR

Plus en détail

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : Analyse d images 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

Plus en détail

Vision industrielle Dispositif optique

Vision industrielle Dispositif optique Vision industrielle Dispositif optique Plan du cours L objectif La focale L ouverture La mise au point Qualité d image Choix de l objectif Cours de Vision Industrielle Nicolas Vandenbroucke 2 Constitution

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

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 détail

Inventaire par télédétection des pelouses sèches du Bas-Vivarais

Inventaire par télédétection des pelouses sèches du Bas-Vivarais Inventaire par télédétection des pelouses sèches du Bas-Vivarais Conservatoire d Espaces Naturels Rhône Alpes - Cermosem Gustave Coste - Stagiaire Montpellier SupAgro gustavecoste@gmail.com Nicolas Robinet

Plus en détail

Segmentation et Interprétation de Nuages de Points pour la Modélisation d'environnements Urbains

Segmentation et Interprétation de Nuages de Points pour la Modélisation d'environnements Urbains Segmentation et Interprétation de Nuages de Points pour la Modélisation d'environnements Urbains Jorge Hernández et and Beatriz Marcotegui Mines ParisTech CMM- Centre de morphologie mathématique Mathématiques

Plus en détail

UNIVERSITE DE RENNES 1 Année universitaire 2013-2014 Master SISEA : programme détaillé du parcours Image

UNIVERSITE DE RENNES 1 Année universitaire 2013-2014 Master SISEA : programme détaillé du parcours Image UNIVERSITE DE RENNES 1 Année universitaire 2013-2014 Master SISEA : programme détaillé du parcours Image Responsable de la mention ou du parcours : Mireille Garreau, Co-responsable TB : Valérie Burdin

Plus en détail

Potentialités des simulations Pléiades :

Potentialités des simulations Pléiades : Groupe de Travail 2 Risque et Aide humanitaire Potentialités des simulations Pléiades : Vers l utilisation de l OTB pour l évaluation des zones débroussaillées pour la gestion opérationnelle des feux de

Plus en détail

GUIDE D ACCESSIBILITÉ À L ESPACE PUBLIC

GUIDE D ACCESSIBILITÉ À L ESPACE PUBLIC Accessibilité à l espace public GUIDE D ACCESSIBILITÉ À L ESPACE PUBLIC FICHES TECHNIQUES Guide d accessilité à l espace public Accessibilité à l espace public Fiche de cas n 1a Passage piéton HAUTEUR

Plus en détail

GUIDE DE RECOMMANDATIONS NUMERIQUES

GUIDE DE RECOMMANDATIONS NUMERIQUES GUIDE DE RECOMMANDATIONS NUMERIQUES PLAN D ACCESSIBILITE DE LA VOIRIE ET DES ESPACES PUBLICS Version 1 octobre 2009 1 ARTICLE 1 - CONTEXTE Le présent guide de recommandations numériques a pour objet de

Plus en détail

CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX?

CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX? CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX? LABORATOIRE DE VISION ET INGÉNIERIE DES CONTENUS (LVIC) Fusion multimedia : extraction multimodale d

Plus en détail

STAGES. VISION PAR ORDINATEUR Perception 3D Réalité Augmentée

STAGES. VISION PAR ORDINATEUR Perception 3D Réalité Augmentée STAGES VISION PAR ORDINATEUR Perception 3D Réalité Augmentée Le CEA-LIST Les activités de recherche du CEA LIST sont centrées sur les systèmes à logiciel prépondérant. Ces activités s articulent autour

Plus en détail

IMN459 - Fondements de la vision par ordinateur

IMN459 - Fondements de la vision par ordinateur IMN459 - Fondements de la vision par ordinateur Chapitre 1 Introduction 1. Acquisition IMN117 2. Traitement IMN259 Scène 3D Caméra optique Une ou plusieurs images 2D Caractéristiques bas niveaux (contours,

Plus en détail

ACCESSIBILITÉ VERS UNE. Accès à tout pour tous. généralisée

ACCESSIBILITÉ VERS UNE. Accès à tout pour tous. généralisée PRÉFET DE LA SARTHE Direction Départementale des Territoires de la Sarthe Sous-Commission Départementale d Accessibilité VERS UNE ACCESSIBILITÉ généralisée Accès à tout pour tous La loi handicap du 11

Plus en détail

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme Distance et classification Cours 4: Traitement du signal et reconnaissance de forme Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques Classification

Plus en détail

Cahier. des charges. T.E.R. : Modélisation architecturale basée photo/vidéo. reconstruction intérieure basée profondeur

Cahier. des charges. T.E.R. : Modélisation architecturale basée photo/vidéo. reconstruction intérieure basée profondeur Cahier T.E.R. : Modélisation architecturale basée photo/vidéo reconstruction intérieure basée profondeur des charges Renaud Jean-Christophe Naville Vincent Explicitation du contexte Dans le cadre de notre

Plus en détail

- Constat -Concept - Technologies - Architecture - Performances - Quelques exemples -Conclusion. Rugosité multi-échelles

- Constat -Concept - Technologies - Architecture - Performances - Quelques exemples -Conclusion. Rugosité multi-échelles - Constat -Concept - Technologies - Architecture - Performances - Quelques exemples -Conclusion Rugosité multi-échelles Le Constat La société EOTECH est à l origine une société de distribution de matériels

Plus en détail

SECTEUR A. Commune de JULIÉNAS. PLAN DE MISE EN ACCESSIBILITÉ (Selon le constat du 10/03/2010) FICHE n 001. Illustration

SECTEUR A. Commune de JULIÉNAS. PLAN DE MISE EN ACCESSIBILITÉ (Selon le constat du 10/03/2010) FICHE n 001. Illustration Illustration Réglementation : Bandes d'éveil et de vigilance FICHE n 001 Constat et remarques : Préconisations : Absence de BEV Mettre des BEV Ce passage ne rejoint pas un espace réservé aux piétons mais

Plus en détail

SYstème Relationnel d Audit sur l Hydro-morphologie des Cours d Eau SYRAH CE

SYstème Relationnel d Audit sur l Hydro-morphologie des Cours d Eau SYRAH CE SYstème Relationnel d Audit sur l Hydro-morphologie des Cours d Eau SYRAH CE L. Valette & L. Frilleux Journée ESRI ENVIRONNEMENT Paris 8 juin 2010 Pourquoi le projet SYRAH? Commande Ministère Environnement

Plus en détail

L imagerie géospatiale et ses applications

L imagerie géospatiale et ses applications SIG 2008 L imagerie géospatiale et ses applications De l image à l information géographique Copyright 2008 ITT Visual Information Solutions Tous droits réservés Plan Les images et leur diversité Le traitement

Plus en détail

Analyse des déplacements des objets mobiles : définition de comportements types

Analyse des déplacements des objets mobiles : définition de comportements types Analyse des déplacements des objets mobiles : définition de comportements types Thomas Devogele Université François Rabelais (Tours) thomas.devogele@univ-tours.fr Les déplacements L analyse des déplacements

Plus en détail

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances 1 Introduction Définition et motivations Tâches de data mining (fouille de données, exploration de données) Techniques et algorithmes Exemples et applications 1 Motivation : pourquoi exploration de données?

Plus en détail

Alexandre Paradis-Gilbert Simon Carbonneau Jean-Daniel Bilodeau PREMIÈRE-VIDÉO JONQUIÈRE 2305 ST-HUBERT

Alexandre Paradis-Gilbert Simon Carbonneau Jean-Daniel Bilodeau PREMIÈRE-VIDÉO JONQUIÈRE 2305 ST-HUBERT Alexandre Paradis-Gilbert Simon Carbonneau Jean-Daniel Bilodeau PREMIÈRE-VIDÉO JONQUIÈRE 2305 ST-HUBERT LOCALISATION SITUATION En tant que technicien en architecture, nous avons analysé le site du Première

Plus en détail

Introduction à la Vision 3D

Introduction à la Vision 3D à la Vision 3D David Fofi Le2i UMR CNRS 6306 IUT Le Creusot Les applications présentées sont le fruit d une collaboration entre le Le2i et le laboratoire VICOROB de l Université de Gérone (Espagne). Les

Plus en détail

L accessibilité des commerces et des services de proximité (classés en 5 e catégorie au sens du règlement de sécurité)

L accessibilité des commerces et des services de proximité (classés en 5 e catégorie au sens du règlement de sécurité) L accessibilité des commerces et des services de proximité (classés en 5 e catégorie au sens du règlement de sécurité) La loi du 11 février 2005 exprime le principe «d accès à tout pour tous» qui implique

Plus en détail

Etude expérimentale de l influence des ouvrages de protection sur les avalanches et des pressions d impact

Etude expérimentale de l influence des ouvrages de protection sur les avalanches et des pressions d impact Etude expérimentale de l influence des ouvrages de protection sur les avalanches et des pressions d impact 2009 2012 Paolo Caccamo Université de Grenoble Encadrants : Florence Naaim-Bouvet, Thierry Faug,

Plus en détail

Innovation dans l évaluation de la ressource : nouvelles techniques de caractérisation Regefor 2015 INRA Champenoux

Innovation dans l évaluation de la ressource : nouvelles techniques de caractérisation Regefor 2015 INRA Champenoux Innovation dans l évaluation de la ressource : nouvelles techniques de caractérisation Regefor 2015 INRA Champenoux Alexandre Piboule, Anne Jolly ONF - Département Recherche, Développement et Innovation

Plus en détail

Partie I : Implantation d un réseau de neurones RBF sur des systèmes embarqués : la détection et la reconnaissance de visages en temps réel

Partie I : Implantation d un réseau de neurones RBF sur des systèmes embarqués : la détection et la reconnaissance de visages en temps réel 1 Partie I : Implantation d un réseau de neurones RBF sur des systèmes embarqués : la détection et la reconnaissance de visages en temps réel F.Yang M.Paindavoine GDR-ISIS 20 Janvier 2005 Paris 2 Plan

Plus en détail

PHYSIQUE. 5 e secondaire. Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN

PHYSIQUE. 5 e secondaire. Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN PHYSIQUE 5 e secondaire Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN MAI 1999 Quebec PHYSIQUE 5 e secondaire Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN MAI 1999 Direction de la formation générale

Plus en détail

Terra Magna : premiers pas vers la définition d un SIG 3D pour l aménagement et l urbanisme

Terra Magna : premiers pas vers la définition d un SIG 3D pour l aménagement et l urbanisme Terra Magna : premiers pas vers la définition d un SIG 3D pour l aménagement et l urbanisme Cécile Haëck Nicolas Klein Rencontres SIG la Lettre 2009 Session «Le grand boom de la 3D» 1 En rubriques 1. Le

Plus en détail

AT41 - «Métropoles et réseaux»

AT41 - «Métropoles et réseaux» AT41 - «Métropoles et réseaux» Une approche par la théorie des graphes Plan Problématiques Quelques définitions Théorie des graphes: 1. Partitionnement de graphe : ex. les communautés 2. Analyse des réseaux

Plus en détail

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez

Plus en détail

VERS UNE ACCESSIBILITÉ. généralisée. Accès à tout pour tous

VERS UNE ACCESSIBILITÉ. généralisée. Accès à tout pour tous VERS UNE ACCESSIBILITÉ généralisée Accès à tout pour tous La loi handicap du 11 février 2005 précise que les conditions d accès des personnes handicapées dans les E.R.P.* doivent être les mêmes que celles

Plus en détail

Fichier README associé au produit «partie maritime fusionné» Litto3D Finistère V. 20140923

Fichier README associé au produit «partie maritime fusionné» Litto3D Finistère V. 20140923 Fichier README associé au produit «partie maritime fusionné» V. 20140923 Référence à consulter : Spécifications techniques Litto3D - v 1.0 (http://www.shom.fr/les-activites/projets/modelenumerique-terre-mer/applications-possibles/)

Plus en détail

La lutte contre le bruit au coeur des recherches du Groupe Les Murs Anti-Bruit

La lutte contre le bruit au coeur des recherches du Groupe Les Murs Anti-Bruit La lutte contre le bruit au coeur des recherches du Groupe Les Murs Anti-Bruit - Projet de Recherche CST - SOMARO n 24 - Collaboration avec le Laboratoire de Physique de la Matière Condensée (Ecole Polytechnique)

Plus en détail

Construction d un Modèle Numérique de Terrain par stéréoscopie aérienne ou satellitaire

Construction d un Modèle Numérique de Terrain par stéréoscopie aérienne ou satellitaire Construction d un Modèle Numérique de Terrain par stéréoscopie aérienne ou satellitaire UMR TETIS Cemagref-CIRAD-ENGREF PLAN 1. IMAGES AERIENNES ET SATELLLITALES a) Images sources pour les MNT b) Modes

Plus en détail

III Caractérisation d'image binaire

III Caractérisation d'image binaire III Caractérisation d'image binaire 1. Généralités Les images binaires codent l'information sur deux valeurs. Rarement le résultat direct d'un capteur, mais facilement obtenues par seuillage dans certains

Plus en détail

Discrétisation et génération de hiérarchies de concepts

Discrétisation et génération de hiérarchies de concepts Prétraitement des données 1 Pourquoi prétraiter les données? Nettoyage des données Intégration et transformation Réduction des données Discrétisation et génération de hiérarchies de g concepts Pourquoi

Plus en détail

Illustrations de challenges à relever pour la robotique agricole M. Berducat (Irstea) R. Lenain (Irstea) Mercredi 2 mars 2016 (15 h à 17h)

Illustrations de challenges à relever pour la robotique agricole M. Berducat (Irstea) R. Lenain (Irstea) Mercredi 2 mars 2016 (15 h à 17h) Illustrations de challenges à relever pour la robotique agricole M. Berducat (Irstea) R. Lenain (Irstea) Mercredi 2 mars 2016 (15 h à 17h) Robotique en agriculture : une réalité dans l élevage Vers de

Plus en détail

CHAPITRE II MÉTHODOLOGIE

CHAPITRE II MÉTHODOLOGIE CHAPITRE II MÉTHODOLOGIE 2.1 Inventaire des données numériques La grande superficie de la région d étude a nécessité l utilisation de système d information géographique (SIG). Le logiciel ArcGIS 9,3 a

Plus en détail

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

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 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 détail

Une plate-forme interopérable. 4 décembre 2007

Une plate-forme interopérable. 4 décembre 2007 1 Une plate-forme interopérable 4 décembre 2007 Plan 2 Vers une nouvelle plate-forme: GeOxygene L expérience des plates-formes au COGIT. Architecture de GeOxygene Organisation générale de la plate-forme

Plus en détail

INITIATION AUX SIMULATIONS DES CONTRAINTES ET DEFORMATIONS D UNE STRUCTURE

INITIATION AUX SIMULATIONS DES CONTRAINTES ET DEFORMATIONS D UNE STRUCTURE DOSSIER : CHARIOT PORTE PALAN INITIATION AUX SIMULATIONS DES CONTRAINTES ET DEFORMATIONS D UNE STRUCTURE ATELIER CATIA V5: GENERATIVE STRUCTURAL ANALYSIS OBJECTIFS : L objectif de cette étude consiste

Plus en détail

Fusion multimodale pour la cartographie sous-marine

Fusion multimodale pour la cartographie sous-marine Fusion multimodale pour la cartographie sous-marine JOURNÉE ARCHÉOLOGIE SOUS MARINE ET ROBOTIQUE GT2 14 MAI 2013, DRASSM, MARSEILLE Jean Triboulet - Arnaud Méline - Bruno Jouvencel Université Montpellier

Plus en détail

Segmentation d images hyperspectrales par Morphologie Mathématique

Segmentation d images hyperspectrales par Morphologie Mathématique Segmentation d images hyperspectrales par Morphologie Mathématique Guillaume NOYEL, Jesus Angulo, Dominique Jeulin {guillaume.noyel, jesus.angulo, dominique.jeulin}@ensmp.fr Centre de Morphologie Mathématique

Plus en détail

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Projet 2009 2010 Biométrie 3D PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Département : TIC Mots clés : Biométrie, Analyse d images, Vision, Caméra thermique, Caméra temps de vol, Détection

Plus en détail

Reconnaissance de caractères: Descripteurs de formes et classification. Philippe Foucher

Reconnaissance de caractères: Descripteurs de formes et classification. Philippe Foucher Reconnaissance de caractères: Descripteurs de formes et classification Philippe Foucher 1 Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques

Plus en détail

184 TISSUS DE VILLES

184 TISSUS DE VILLES 183 TABLE DES MATIÈRES INTRODUCTION 1 1. Le poids de l interdépendance dans le devenir urbain 1 2. Systèmes urbains et réseaux de villes 4 3. Les réseaux européens de villes et le système des villes européennes

Plus en détail

itowns & Applications

itowns & Applications Nicolas Lambert Présentation préparée par Alexandre Devaux, chercheur et développeur principal d itowns et chair du PSC itowns open source 1 / 16 itowns & Applications ign.fr PLAN 1. Contexte et enjeux:

Plus en détail

Analyse d images numériques en microscopie

Analyse d images numériques en microscopie Analyse d images numériques en microscopie Yves Usson Reconnaissance et Microscopie Quantitative, Laboratoire TIMC UMR5525 CNRS Institut d Ingénierie et d Information de Santé (IN3S), La Tronche Traitement

Plus en détail