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

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

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

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

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

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

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

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

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

CONCEPTS GENERIQUES POUR LA SUPERVISION DES RESEAUX MULTIMODAUX

CONCEPTS GENERIQUES POUR LA SUPERVISION DES RESEAUX MULTIMODAUX CONCEPTS GENERIQUES POUR LA SUPERVISION DES RESEAUX MULTIMODAUX G. Scemama, Mustapha Tendjaoui, Olivier Carles INRETS_GRETIA Principe de la supervision (1) Optimisation du triangle Homme/Système Système/Monde

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

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

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

Détection de fissures sur des images de chaussées

Détection de fissures sur des images de chaussées Détection de fissures sur des images de chaussées Tien Sy Nguyen, Manuel Avila, Stéphane Begot, Florent Duculty To cite this version: Tien Sy Nguyen, Manuel Avila, Stéphane Begot, Florent Duculty. Détection

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

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Ingénierie d aide à la décision

Ingénierie d aide à la décision Ingénierie d aide à la décision Maria Malek 1 er septembre 2009 1 Objectifs et débouchés Nous proposons dans cette option deux grands axes pour l aide à la décision : 1. La recherche opérationnelle ; 2.

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

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

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

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

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

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

MASTER Ingénierie des Systèmes Industriels et des Projets SPÉCIALITÉ : SYSTÈMES DYNAMIQUES ET SIGNAUX. Année 2008/2009

MASTER Ingénierie des Systèmes Industriels et des Projets SPÉCIALITÉ : SYSTÈMES DYNAMIQUES ET SIGNAUX. Année 2008/2009 MASTER Ingénierie des Systèmes Industriels et des Projets SPÉCIALITÉ : SYSTÈMES DYNAMIQUES ET SIGNAUX Année 2008/2009 Mémoire de Master SDS Présenté et soutenu par : Islem JEBARI le 26 août 2009 Au sein

Plus en détail

L utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée

L utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée L utilisation du lidar terrestre en foresterie Richard Fournier Département de géomatique appliquée Problématique Inventaire traditionnel : photographie aérienne imagerie satellitaire relevés manuels sur

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

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

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

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

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

Master Géographie et Sciences du Territoire

Master Géographie et Sciences du Territoire Master Géographie et Sciences du Territoire Spécialité Télédétection et Géomatique Appliquées à l Environnement (TGAE) Organisation du M1 Enseignements du premier semestre de M1 (S1) SEMESTRE 1 INTITULE

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

Extraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés

Extraction 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 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

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

Applications en milieux urbains

Applications en milieux urbains Applications en milieux urbains Marc BINARD, attaché de recherche, Université de Liège, Faculté des sciences, Département de Géographie, Unité de Géomatique 1 Télédétection: Les services destinés à l administration

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

Propositions de Projets

Propositions de Projets Master1 IS 2012_2013 Spécialité Imagerie Numérique Propositions de Projets Voici les intitulés et responsables des projets proposés : Simulation réaliste du comportement d'organes à tissus mous. Sujet

Plus en détail

Traitement d images - Rapport de projet

Traitement d images - Rapport de projet Traitement d images - Rapport de projet Félix Abecassis - Julien Marquegnies Résumé: Ce rapport présente le travail effectué dans la cadre du cours de traitement d images dispensé à l EPITA. L objectif

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

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

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

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

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

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

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

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems

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

Inventaires forestiers assistés par LiDAR aérien

Inventaires forestiers assistés par LiDAR aérien Inventaires forestiers assistés par LiDAR aérien Matthew Parkan Laboratoire des Systèmes d Information Géographique (LASIG) EPFL WHFF (OFEV), projet 2013.18 Introduction (1) - Objectifs Dans le contexte

Plus en détail

Relever les défis des véhicules autonomes

Relever 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 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

Programme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique

Programme 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 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

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac. CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.ma) N.B. : Les étudiants qui ont déposé leurs demandes d'inscription

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

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

Introduction au Data-Mining

Introduction 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

Fouille de données de mobilité

Fouille de données de mobilité Fouille de données de mobilité Thomas Devogele Université François Rabelais (Tours) thomas.devogele@univ-tours.fr Laurent Etienne Ecole Navale (Brest) Laurent.etienne@ecole-navale.fr La fouille de donnée

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

Segmentation de chèques bancaires arabes

Segmentation de chèques bancaires arabes SETIT 2005 3 rd International Conference: Sciences of Electronic, Technologies of Information and Telecommunications March 27-31, 2005 TUNISIA Segmentation de chèques bancaires arabes Fadoua BOUAFIF SAMOUD,

Plus en détail

Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale

Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale Quelques exemples d'utilisation de la modélisation stochastique en imagerie médicale Christine Graffigne Université René Descartes Traitement d'images Sciences pour l'ingénieur, informatique et mathématiques

Plus en détail

LA SÉMANTIQUE DE SCÈNES 3D

LA SÉMANTIQUE DE SCÈNES 3D LA SÉMANTIQUE DE SCÈNES 3D Une approche sémantique pour l adaptation et la réutilisation de scènes 3D par Ioan Marius Bilasco Laboratoire d Informatique fondamentale de Lille Bâtiment M3 Cité scientifique

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

Apprentissage par méthodes à noyaux en reconnaissance d images

Apprentissage par méthodes à noyaux en reconnaissance d images Apprentissage par méthodes à noyaux en reconnaissance d images Alberto Bietti Table des matières Introduction 2 1 Apprentissage par méthodes à noyaux 2 1.1 Position du problème et motivation..........................

Plus en détail

Les mathématiques et le traitement de l image Kévin Polisano

Les mathématiques et le traitement de l image Kévin Polisano Les mathématiques et le traitement de l image Kévin Polisano [ Doctorant au Laboratoire ] Jean Kuntzmann et CNRS N hésitez pas à lever la main! pour m interrompre! Qu est-ce qu une image numérique? Source

Plus en détail

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes CNES Paris - 22/05/2003 Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes Michel DHOME LASMEA UMR 6602CNRS/UBP Clermont-Ferrand Etat de l art (communauté vision artificielle)

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

TP5 - Morphologie mathématique

TP5 - Morphologie mathématique TP5 - Morphologie mathématique Vincent Barra - Christophe Tilmant 5 novembre 2007 1 Partie théorique 1.1 Introduction La morphologie mathématique [1] est un outil mathématique permettant au départ d explorer

Plus en détail

Accessibilité / voirie et espaces publics DDE 27 1 1

Accessibilité / voirie et espaces publics DDE 27 1 1 Accessibilité > voirie et espaces publics Réglementation et mise en oeuvre Accessibilité / voirie et espaces publics DDE 27 1 1 Les références réglementaires Le cadre législatif Loi n 2005-102 du 11 février

Plus en détail

Guide Utilisateur des Techniques Alternatives au Ressuage et à la Magnétoscopie

Guide Utilisateur des Techniques Alternatives au Ressuage et à la Magnétoscopie Guide Utilisateur des Techniques Alternatives au Ressuage et à la Magnétoscopie Fiche thématique A01 Les techniques alternatives au ressuage et à la magnétoscopie Cette fiche liste les techniques qui peuvent

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

appliqués à la la bonneréponse à la et des systèmes de navigation Données3D GEO-référencées demande croissante de d information géographique

appliqués à la la bonneréponse à la et des systèmes de navigation Données3D GEO-référencées demande croissante de d information géographique la bonneréponse à la demande croissante de Données3D GEO-référencées 4Systèmes d information géographique appliqués à la gestion des infrastructures routières et des systèmes de navigation Le road-scanner

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

Réalité virtuelle au service de la maintenance

Réalité 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 détail

Traitement de l image

Traitement de l image Traitement de l image Vidéosurveillance + + Détection et reconnaissance d objets + + Suivi d objets et de personnes + + Analyse automatique de scènes Multimédia + + Classification interactive de données

Plus en détail

Direction des Services Techniques. Phase I : DIAGNOSTIC. de type «R» : écoles primaires et maternelles

Direction des Services Techniques. Phase I : DIAGNOSTIC. de type «R» : écoles primaires et maternelles Direction des Services Techniques Phase I : DIAGNOSTIC de type «R» : écoles primaires et maternelles Commission Communale d Accessibilité pour les Personnes Handicapées (CCAPH) Réunion n 2 du 19 septembre

Plus en détail

OPERATEURS MORPHOLOGIQUES

OPERATEURS MORPHOLOGIQUES OPERATEURS MORPHOLOGIQUES Ensembles caractéristiques et éléments structurants Érosion et dilatation Ouverture et fermeture Application au filtrage Extraction de contours, remplissage de régions Épaississement,

Plus en détail

Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE

Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE LAURENT Rémy laurent@clermont.in2p3.fr http://clrpcsv.in2p3.fr Journées des LARD Septembre 2007 M2R

Plus en détail

Rapport de Stage. Habillage procédural et rendu en temps réel de vastes terrains texturés par GPU-quadtrees. (15 janvier - 15juillet 2006

Rapport de Stage. Habillage procédural et rendu en temps réel de vastes terrains texturés par GPU-quadtrees. (15 janvier - 15juillet 2006 Rapport de Stage Habillage procédural et rendu en temps réel de vastes terrains texturés par GPU-quadtrees (15 janvier - 15juillet 2006 15 avril - 15 juillet 2007) Effectué au sein du laboratoire MAP-ARIA

Plus en détail

Laboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES

Laboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES Laboratoire d informatique Gaspard-Monge UMR 8049 Journée Labex Bézout- ANSES Présentation du laboratoire 150 membres, 71 chercheurs et enseignants-chercheurs, 60 doctorants 4 tutelles : CNRS, École des

Plus en détail

Analyse d images introduction

Analyse d images introduction L3, option Image Analyse d images introduction http ://perception.inrialpes.fr/people/boyer/teaching/l3/ Elise Arnaud - Edmond Boyer Université Joseph Fourier / INRIA Rhône-Alpes elise.arnaud@inrialpes.fr

Plus en détail

248 Le siècle de la voiture intelligente

248 Le siècle de la voiture intelligente TABLE DES MATIERES PREMIERE PARTIE - Le siècle de la voiture intelligente...5 Introduction...7 Les «TIQUE s» et les «TIC s»...7 L ère des «TIQUE s»...7 L ère des «TIC s»...10 Les grands problèmes de l

Plus en détail

Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun

Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun des s Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun Sébastien Harasse thèse Cifre LIS INPG/Duhamel le 7 décembre 2006 1 Système de surveillance des s Enregistreur

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

VISION INDUSTRIELLE PLAN DU COURS. 2. Acquisition ou Formation des images 3. Traitement d images 4. Analyse des images. Exemples d applications

VISION INDUSTRIELLE PLAN DU COURS. 2. Acquisition ou Formation des images 3. Traitement d images 4. Analyse des images. Exemples d applications VISION INDUSTRIELLE Cours Licence ISACP 2008/2009 Christophe BLANC LASMEA Université Blaise Pascal Département Génie Electrique et Informatique Industrielle www.christophe-blanc.info PLAN DU COURS 2. Acquisition

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

SPECTROSCOPIE RAMAN I APPLICATIONS

SPECTROSCOPIE RAMAN I APPLICATIONS SPECTROSCOPIE RAMAN La spectroscopie Raman est une technique d analyse non destructive, basée sur la détection des photons diffusés inélastiquement suite à l interaction de l échantillon avec un faisceau

Plus en détail

Possibilités et limites du traitement d mage

Possibilités et limites du traitement d mage Possibilités et limites du traitement d mage Jean Serra Journée industrielle de l Ecole des Mines de Douai 9 décembre 1999 Historique du traitement d mage Trois périodes Années 70 : - en Europe, Imagerie

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

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

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

LO12. Chap 1 1. 1. Introduction UTC A2006. 1.1 Présentation de l'uv. Bases de l infographie et Images de synthèse. Objectifs

LO12. Chap 1 1. 1. Introduction UTC A2006. 1.1 Présentation de l'uv. Bases de l infographie et Images de synthèse. Objectifs UTC A2006 1. Introduction 1.1 Présentation de l'uv Objectifs Bases de l infographie et Images de synthèse savoir se repérer dans l espace, comprendre les principaux algorithmes d infographie (leur puissance

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

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

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche Cemagref - CIRAD - ENGREF Master ère année Analyse spatiale, analyse géographique, spatialité des sociétés Master

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université

Plus en détail

Python et traitement d images

Python et traitement d images Python et traitement d images L objectif de ce court document est de présenter quelques aspects simples du traitement d images sous Python, et de donner quelques pistes pour aller plus avant. Plusieurs

Plus en détail

Traitement d images en trois dimensions - Reconnaissance de plans (sols/murs) et reconnaissance d objets. Simon Landrault

Traitement d images en trois dimensions - Reconnaissance de plans (sols/murs) et reconnaissance d objets. Simon Landrault Institut des Sciences et Techniques de l Ingénieur d Angers Ingénieur 5 ème année, Automatique et Génie Informatique MASTER Ingénierie des Systèmes Industriels et des Projets Spécialité, Systèmes Dynamiques

Plus en détail

Apprentissage Automatique

Apprentissage 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 détail