Visibilité polygone à polygone :

Dimension: px
Commencer à balayer dès la page:

Download "Visibilité polygone à polygone :"

Transcription

1 Introduction Visibilité polygone à polygone : calcul, représentation, applications Frédéric Mora Université de Poitiers - Laboratoire SIC 10 juillet

2 La visibilité Introduction Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Une question incontournable en informatique graphique... Visualisation promenade virtuelle, occultation... Synthèse d images simulation d éclairage, ombres dures ou douces... Une information qui supporte très mal les approximations Importance de l éclairage pour la perception d une image Toute erreur est visuellement choquante 2

3 La visibilité Introduction Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Une question incontournable en informatique graphique... Visualisation promenade virtuelle, occultation... Synthèse d images simulation d éclairage, ombres dures ou douces... Une information qui supporte très mal les approximations Importance de l éclairage pour la perception d une image Toute erreur est visuellement choquante 2

4 Introduction Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Difficulté d un problème de visibilité Des problèmes liés à un point de vue Visualisation d environnements 3D Les ombres dures, engendrées par une source ponctuelle Des problèmes liés à une infinité de points de vue Visibilité depuis une cellule de vue Les ombres douces, engendrées par une source étendue Calcul d illumination globale 3

5 Introduction Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Difficulté d un problème de visibilité Des problèmes liés à un point de vue Visualisation d environnements 3D Les ombres dures, engendrées par une source ponctuelle Des problèmes liés à une infinité de points de vue Visibilité depuis une cellule de vue Les ombres douces, engendrées par une source étendue Calcul d illumination globale 3

6 Introduction Visibilité polygone à polygone Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker générale Dépasse le seul cadre de l informatique graphique Concerne tout échange d énergie entre éléments de surface Les domaines concernés Simulations d éclairage Simulations en électromagnétisme Simulations en acoustique, thermique... 4

7 Introduction Visibilité polygone à polygone Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker générale Dépasse le seul cadre de l informatique graphique Concerne tout échange d énergie entre éléments de surface Les domaines concernés Simulations d éclairage Simulations en électromagnétisme Simulations en acoustique, thermique... 4

8 Introduction Visibilité polygone à polygone Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Un problème 4D par nature La visibilité de deux polygones correspond à un ensemble de droites B l Exemple ci-contre, une paramétrisation possible de l est (α l, β l, γ l, θ l ) A 5

9 Introduction Visibilité polygone à polygone Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Un problème 4D par nature La visibilité de deux polygones correspond à un ensemble de droites θ θ l B l γ Exemple ci-contre, une paramétrisation possible de l est (α l, β l, γ l, θ l ) β β l A α l γ l α 5

10 Travaux précédents Introduction Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Des approches basées sur les mêmes fondamentaux [Nirenstein, 2002], [Bittner, 2002], [Haumont, 2005] Approches basées sur la paramétrisation de Plücker Un contexte applicatif commun Précalcul exact de cellules de vue Seule la preuve de la visibilité de deux polygones est utile 6

11 Travaux précédents Introduction Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Des approches basées sur les mêmes fondamentaux [Nirenstein, 2002], [Bittner, 2002], [Haumont, 2005] Approches basées sur la paramétrisation de Plücker Un contexte applicatif commun Précalcul exact de cellules de vue Seule la preuve de la visibilité de deux polygones est utile 6

12 Objectifs Introduction Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Visibilité polygone à polygone Calcul et représentation Réduire les coûts du calcul Représenter toutes les visibilités Démontrer le potentiel de l information calculée en synthèse d images Propagation des ondes électromagnétiques 7

13 Introduction La paramétrisation de Plücker Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 OP π 3 OQ π 4 π 5 z Q PQ π 0 π 1 π 2 P x O y Coordonnées de Plücker d une droite orientée (PQ) = l dans R 3 l (π 0, π 1, π 2, π 3, π 4, π 5 ) dans P 5 8 π 0 = q x p x π 1 = q y p y π 2 = q z p z π 3 = q z p y q y p z π 4 = q x p z q z p x π 5 = q y p x q x p y

14 Introduction La paramétrisation de Plücker Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 OP π 3 OQ π 4 π 5 z Q PQ π 0 π 1 π 2 P x O y Coordonnées de Plücker d une droite orientée (PQ) = l dans R 3 l (π 0, π 1, π 2, π 3, π 4, π 5 ) dans P 5 8 π 0 = q x p x π 1 = q y p y π 2 = q z p z π 3 = q z p y q y p z π 4 = q x p z q z p x π 5 = q y p x q x p y

15 Introduction La paramétrisation de Plücker Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 OP π 3 OQ π 4 π 5 z Q PQ π 0 π 1 π 2 P x O y Coordonnées de Plücker d une droite orientée (PQ) = l dans R 3 l (π 0, π 1, π 2, π 3, π 4, π 5 ) dans P 5 8 π 0 = q x p x π 1 = q y p y π 2 = q z p z π 3 = q z p y q y p z π 4 = q x p z q z p x π 5 = q y p x q x p y

16 Introduction La paramétrisation de Plücker Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Représentation duale point/hyperplan l (π 0, π 1, π 2, π 3, π 4, π 5 ) h l = {x P 5 π 3 x 0 + π 4 x 1 + π 5 x 2 + π 0 x 3 + π 1 x 4 + π 2 x 5 = 0} P 5 l h l P 5 La quadrique de Plücker Droites de R 3 sous ensemble 4D de P 5 {x P 5 h x (x) = 0}\{0} 9

17 Introduction La paramétrisation de Plücker Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Représentation duale point/hyperplan l (π 0, π 1, π 2, π 3, π 4, π 5 ) h l = {x P 5 π 3 x 0 + π 4 x 1 + π 5 x 2 + π 0 x 3 + π 1 x 4 + π 2 x 5 = 0} P 5 l h l P 5 La quadrique de Plücker Droites de R 3 sous ensemble 4D de P 5 {x P 5 h x (x) = 0}\{0} P 5 h l (l ) = 0 h x (x) 0 Quadrique de Plücker 9

18 Introduction La paramétrisation de Plücker Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker l 1 l l 1 h l (l 1 ) > 0 h l (x) = 0 l 2 l 3 l l l 2 l 3 h l (l 2 ) = 0 h l (l 3 ) < 0 Orientation relative de deux droites orientées Position relative d un point et d un hyperplan 10

19 Introduction La paramétrisation de Plücker Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker l 1 l l 1 h l (l 1 ) > 0 h l (x) = 0 l 2 l 3 l l l 2 l 3 h l (l 2 ) = 0 h l (l 3 ) < 0 Orientation relative de deux droites orientées Position relative d un point et d un hyperplan 10

20 Introduction Droites poignardantes Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker h e 1 h e 2 e 1 e 2 l l e 3 h e 3 R 3 P 5 Droites intersectant au moins un polygone convexe Ensemble des points de Plücker contenus dans l intersections de demi-espaces (la H-représentation) 11

21 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B b 1 b 2 h b 3 P AB b 3 h a 1 A a 1 a 2 a 3 P 5 12 Construction d un premier polytope P AB......en utilisant les hyperplans duaux des droites supports aux arêtes de A et B

22 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B b 1 b 2 h b 3 P AB b 3 h a 1 A a 1 a 2 a 3 P 5 Un polytope est......un volume convexe et fermé de R n (ici n = 5) 12

23 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 1 A P 5 Prendre en compte les bloqueurs Un bloqueur nuit potentiellement à la visibilité de A et B 13

24 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B h o 1 O o 1 A P 5 13 Principe Intersections successives de P AB par les hyperplans duaux des droites supports aux arêtes du bloqueur O

25 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 1 A P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 1 de O 13

26 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 1 A P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 1 de O 14

27 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 2 A P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 2 de O 15

28 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 2 A h o 2 P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 2 de O 15

29 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 2 A P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 2 de O 15

30 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 2 A P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 2 de O 16

31 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 3 A P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 3 de O 17

32 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B h o 3 O o 3 A P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 3 de O 17

33 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 3 A P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 3 de O 17

34 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O o 3 A P 5 Intersection par l hyperplan h o le dual de la droite support à l arête o 3 de O 18

35 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O A P 5 18 Intersections terminées! Le droites de P AB bloquées par O sont isolées dans un polytope

36 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O A P 5 19 Fin de la soustraction du bloqueur O Suppression du polytope contenant les droites bloquée. On a calculé : P AB 3 1 h+ o i

37 Introduction Suppression des droites occultées Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker R 3 B O A P 5 20 Résultat : un complexe de polytopes......dont seule l intersection avec la quadrique de Plücker correspond aux visibilités de A et B

38 Résumons Introduction Contexte L espace de Plücker Calculer la visibilité dans l espace de Plücker Visibilité polygone à polygone Calculable via des opérations géométriques CSG en 5D Représentable par un complexe de polytopes Seule l intersection de ce complexe avec la quadrique de Plücker constitue l information pertinente! 21

39 Plan Visibilité polygone à polygone 1 Visibilité polygone à polygone

40 Un problème complexe Complexité théorique [Pellegrini, 1990] O(n 4 log n) Complexité temps et mémoire d un arrangement de n hyperplans au voisinage de la quadrique de Plücker 23

41 Un problème complexe Complexité théorique [Pellegrini, 1990] O(n 4 log n) Complexité temps et mémoire d un arrangement de n hyperplans au voisinage de la quadrique de Plücker 23

42 Un problème complexe [Pu, 1999] Complexité pratique complexité théorique 16 polygones maximum [Nirenstein, 2002], [Bittner, 2002] Moins d intersections calculées... 24

43 Un problème complexe [Pu, 1999] Complexité pratique complexité théorique 16 polygones maximum [Nirenstein, 2002], [Bittner, 2002] Moins d intersections calculées... 24

44 Un problème complexe [Pu, 1999] Complexité pratique complexité théorique 16 polygones maximum [Nirenstein, 2002], [Bittner, 2002] Moins d intersections calculées... 24

45 Un problème complexe [Pu, 1999] Complexité pratique complexité théorique 16 polygones maximum [Nirenstein, 2002], [Bittner, 2002] Moins d intersections calculées... 24

46 Un problème complexe [Pu, 1999] Complexité pratique complexité théorique 16 polygones maximum [Nirenstein, 2002], [Bittner, 2002] Moins d intersections calculées... 24

47 Un problème complexe [Pu, 1999] Complexité pratique complexité théorique 16 polygones maximum [Nirenstein, 2002], [Bittner, 2002] Moins d intersections calculées... 24

48 Un problème complexe [Pu, 1999] Complexité pratique complexité théorique 16 polygones maximum [Nirenstein, 2002], [Bittner, 2002] Moins d intersections calculées......mais des opérations inutiles demeurent 24

49 Travaux précédents Nirenstein Preuve exacte de la visibilité mutelle de deux polygones. Application : calcul exact de cellules de vues Avantages Efficacité des opérations CSG dans l espace de Plücker Ordonnancement des bloqueurs Inconvénient Aucune représentation de la visibilité 25

50 Travaux précédents Nirenstein Preuve exacte de la visibilité mutelle de deux polygones. Application : calcul exact de cellules de vues Avantages Efficacité des opérations CSG dans l espace de Plücker Ordonnancement des bloqueurs Inconvénient Aucune représentation de la visibilité 25

51 Travaux précédents Nirenstein Preuve exacte de la visibilité mutelle de deux polygones. Application : calcul exact de cellules de vues Avantages Efficacité des opérations CSG dans l espace de Plücker Ordonnancement des bloqueurs Inconvénient Aucune représentation de la visibilité 25

52 Travaux précédents Bittner Calcul de la visibilité depuis un polygone Application : calcul exact de cellules de vues Avantage Représentation de la visibilité par un arbre BSP Inconvénients Algorithme de calcul coûteux Ordonnancement des bloqueurs impossible Des problèmes de robustesse 26

53 Travaux précédents Bittner Calcul de la visibilité depuis un polygone Application : calcul exact de cellules de vues Avantage Représentation de la visibilité par un arbre BSP Inconvénients Algorithme de calcul coûteux Ordonnancement des bloqueurs impossible Des problèmes de robustesse 26

54 Travaux précédents Bittner Calcul de la visibilité depuis un polygone Application : calcul exact de cellules de vues Avantage Représentation de la visibilité par un arbre BSP Inconvénients Algorithme de calcul coûteux Ordonnancement des bloqueurs impossible Des problèmes de robustesse 26

55 Visibilité polygone à polygone Précédents travaux Visibilité polygone à polygone : pas de solution dédiée Un problème commun : apparition d intersections inutiles Objectifs Calculer et représenter la visibilité de deux polygones Tendre vers une représentation minimale Réduire le nombre d intersections 27

56 Visibilité polygone à polygone Précédents travaux Visibilité polygone à polygone : pas de solution dédiée Un problème commun : apparition d intersections inutiles Objectifs Calculer et représenter la visibilité de deux polygones Tendre vers une représentation minimale Réduire le nombre d intersections 27

57 Pourquoi des intersections inutiles? P AB Faiblesse des tests d intersection Le rejet du bloqueur n est pas possible Effet de fragmentation de la visibilité 28 Notre approche : l esl-représentation d un bloqueur

58 Pourquoi des intersections inutiles? P AB Faiblesse des tests d intersection Le rejet du bloqueur n est pas possible Effet de fragmentation de la visibilité 28 Notre approche : l esl-représentation d un bloqueur

59 Pourquoi des intersections inutiles? P AB Faiblesse des tests d intersection Le rejet du bloqueur n est pas possible Effet de fragmentation de la visibilité 28 Notre approche : l esl-représentation d un bloqueur

60 Pourquoi des intersections inutiles? P AB Faiblesse des tests d intersection Le rejet du bloqueur n est pas possible Effet de fragmentation de la visibilité 28 Notre approche : l esl-représentation d un bloqueur

61 esl-représentation d un bloqueur B O R 3 A esl-représentation Les droites bloquées par O forment un polyèdre esl ij : droite définie par le sommet i de A et j de O Droites supports aux arêtes du polyèdre esl ij : l esl-representation du bloqueur O 29

62 esl-représentation d un bloqueur B B esl ij O O R 3 A R 3 A esl-représentation Les droites bloquées par O forment un polyèdre esl ij : droite définie par le sommet i de A et j de O Droites supports aux arêtes du polyèdre esl ij : l esl-representation du bloqueur O 29

63 esl-représentation d un bloqueur B B esl ij esl ij O O R 3 A R 3 A P 5 esl-représentation Les droites bloquées par O forment un polyèdre esl ij : droite définie par le sommet i de A et j de O Droites supports aux arêtes du polyèdre esl ij : l esl-representation du bloqueur O 29

64 Rejet d un bloqueur R 3 Rejet d un bloqueur Orientation relative d une droite avec les droites bloquées Orientation relative d une droite avec l esl-représentation P 5 30

65 Rejet d un bloqueur h l R 3 1 l 1 Rejet d un bloqueur Orientation relative d une droite avec les droites bloquées Orientation relative d une droite avec l esl-représentation P 5 30

66 Rejet d un bloqueur R 3 l 3 h l 3 Rejet d un bloqueur Orientation relative d une droite avec les droites bloquées Orientation relative d une droite avec l esl-représentation P 5 30

67 Visibilité polygone à polygone Rejet d un bloqueur R 3 h l 2 l 2 Rejet d un bloqueur Orientation relative d une droite avec les droites bloquées Orientation relative d une droite avec l esl-représentation P 5 30

68 Test d intersections P AB P AB Intersection polytope - bloqueur Rejet d un polytope les hyperplans du bloqueur Rejet de l esl-representation par les hyperplans du polytope 31

69 Test d intersections P AB P AB esl ij Intersection polytope - bloqueur Rejet d un polytope les hyperplans du bloqueur Rejet de l esl-representation par les hyperplans du polytope 31

70 Test d intersections P AB P AB esl ij Intersection polytope - bloqueur Rejet d un polytope les hyperplans du bloqueur Rejet de l esl-representation par les hyperplans du polytope 31

71 Algorithme de calcul Illustration de l algorithme P P Soustraction d un premier bloqueur 32

72 Algorithme de calcul Illustration de l algorithme P h 1 P, h 1 Un nœud = un polytope + l hyperplan qui l intersecte 32

73 Algorithme de calcul Illustration de l algorithme h 1 P, h 1 P h + 1 P h 1 Ajout de deux fils, produits de l intersection 32

74 Algorithme de calcul Illustration de l algorithme P, h 1 h 2 P h + 1 P h 1, h 2 Poursuite dans le demi-espace contenant les droites bloquées 33

75 Algorithme de calcul Illustration de l algorithme P, h 1 h 2 P h + 1 P h 1, h 2 P h 1 h+ 2 P h 1 h 2 Intersection par l hyperplan suivant 33

76 Algorithme de calcul Illustration de l algorithme P, h 1 P h + 1 P h 1, h 2 P h 1 h+ 2 P h 1 h 2 L ensemble des droites bloquées est déterminé 33

77 Algorithme de calcul Illustration de l algorithme P, h 1 P h + 1 P h 1, h 2 P h 1 h+ 2 invisible Suppression du polytope correspondant 33

78 Algorithme de calcul Illustration de l algorithme P, h 1 P h + 1 P h 1, h 2 P h 1 h+ 2 invisible Intersection des polytopes avec la quadrique de Plücker? 33

79 Algorithme de calcul Illustration de l algorithme P, h 1 P h + 1 P h 1, h 2 P h 1 h+ 2 invisible Soustraction des bloqueurs suivants 34 Un bloqueur hyperplans + esl-représentation Feuille invisible atteinte : rien à faire Feuille visible atteinte : soustraction au polytope contenu

80 Algorithme de calcul Illustration de l algorithme P, h 1 P h + 1 P h 1, h 2 P h 1 h+ 2 invisible Soustraction des bloqueurs suivants 34 Un bloqueur hyperplans + esl-représentation Feuille invisible atteinte : rien à faire Feuille visible atteinte : soustraction au polytope contenu

81 Algorithme de calcul Illustration de l algorithme P, h 1 P h + 1 P h 1, h 2 P h 1 h+ 2 invisible Soustraction des bloqueurs suivants 34 Un bloqueur hyperplans + esl-représentation Feuille invisible atteinte : rien à faire Feuille visible atteinte : soustraction au polytope contenu

82 Algorithme de calcul Illustration de l algorithme P, h 1 P h + 1 P h 1, h 2 P h 1 h+ 2 invisible Soustraction des bloqueurs suivants 34 Un bloqueur hyperplans + esl-représentation Feuille invisible atteinte : rien à faire Feuille visible atteinte : soustraction au polytope contenu

83 Algorithme de calcul Illustration de l algorithme P, h 1 P h + 1 P h 1, h 2 P h 1 h+ 2 invisible Soustraction des bloqueurs suivants 34 Un bloqueur hyperplans + esl-représentation Feuille invisible atteinte : rien à faire Feuille visible atteinte : soustraction au polytope contenu

84 Algorithme de calcul En sortie : un arbre VBSP A e 1 e 3 e 4 e 1 e 2 e5 e 2 e 5 e 3 V e 4 V B I V I V 35 À la fin des calculs Suppression des polytopes associés aux nœuds Représentation de la visibilité par un arbre BSP (VBSP)

85 Évaluation pratique Scènes générées Scène urbaine Valeurs mesurées Nombre d intersections hyperplan/polytope (temps) Nombre de polytopes représentant la visibilité (mémoire) 36

86 Scènes générées Visibilité polygone à polygone Intersections Nb intersections test partiel vbsp Bloqueurs effectifs Polytopes Nb polytopes test partiel vbsp Bloqueurs effectifs Gain 60% des ressources temps et mémoire Temps : O(n 1.92 ). Mémoire : O(n 1.76 ) 37

87 Scène urbaine Visibilité polygone à polygone Intersections Nb intersections test partiel vbsp Bloqueurs effectifs Polytopes Nb polytopes test partiel vbsp Bloqueurs effectifs Différence flagrante de complexité Comportement borné de notre approche 38

88 Plan Visibilité polygone à polygone 1 Visibilité polygone à polygone

89 Simuler la propagation des OEM Dans quel but? Déploiement d antennes Étude du canal de propagation Comment? Différents modèles de propagation Les plus souples et les plus précis : les modèles basés rayons 40

90 Simuler la propagation des OEM Dans quel but? Déploiement d antennes Étude du canal de propagation Comment? Différents modèles de propagation Les plus souples et les plus précis : les modèles basés rayons 40

91 Les modèles basés rayons Principe Onde rayon Interactions : réflexion, transmission, diffraction Trouver les trajets émetteur récepteur Deux approches Approches basées lancer de rayons Rapide Avec pertes de trajet Approches basées source-images Sans perte de trajet (recherche combinatoire) Complexité prohibitive : O(n (I d +I r +I t ) ) 41

92 Les modèles basés rayons Principe Onde rayon Interactions : réflexion, transmission, diffraction Trouver les trajets émetteur récepteur Deux approches Approches basées lancer de rayons Rapide Avec pertes de trajet Approches basées source-images Sans perte de trajet (recherche combinatoire) Complexité prohibitive : O(n (I d +I r +I t ) ) 41

93 Les modèles basés rayons Principe Onde rayon Interactions : réflexion, transmission, diffraction Trouver les trajets émetteur récepteur Deux approches Approches basées lancer de rayons Rapide Avec pertes de trajet Approches basées source-images Sans perte de trajet (recherche combinatoire) Complexité prohibitive : O(n (I d +I r +I t ) ) 41

94 Les modèles basés rayons Le problème Avec perte de trajets : validité des simulations Sans perte de trajets : scènes non significatives Aucune solution optimale et praticable Objectif Proposer une solution optimale et praticable! Optimisation sans perte d un modèle basé source-images 42

95 Les modèles basés rayons Le problème Avec perte de trajets : validité des simulations Sans perte de trajets : scènes non significatives Aucune solution optimale et praticable Objectif Proposer une solution optimale et praticable! Optimisation sans perte d un modèle basé source-images 42

96 Vue d ensemble Visibilité polygone à polygone Calculer un graphe exact de visibilité un nœud = un polygone, une arête un arc = visibilité de deux primitives géométriques Apport du graphe Restreindre la recherche des trajets aux seuls couples de primitives visibles La nature exacte des calculs de visibilité garantit de ne perdre aucun trajet 43

97 Vue d ensemble Visibilité polygone à polygone Calculer un graphe exact de visibilité un nœud = un polygone, une arête un arc = visibilité de deux primitives géométriques Apport du graphe Restreindre la recherche des trajets aux seuls couples de primitives visibles La nature exacte des calculs de visibilité garantit de ne perdre aucun trajet 43

98 Les arcs du graphe de visibilité Relations de visibilité à déterminer polygone - polygone polygone - arête arête - arête Solution proposée La visibilité de deux polygones inclue celle de leurs arêtes Extraire cette information du complexe de polytopes associé 44

99 Les arcs du graphe de visibilité Relations de visibilité à déterminer polygone - polygone polygone - arête arête - arête Solution proposée La visibilité de deux polygones inclue celle de leurs arêtes Extraire cette information du complexe de polytopes associé 44

100 Où trouver l information recherchée? Les bords de P AB Ils sont formés de polytopes de dimension k, ou k-faces, avec k < 5 45

101 Visibilité polygone à polygone Où trouver l information recherchée? Les bords de P AB Ils sont formés de polytopes de dimension k, ou k-faces, avec k < 5 Description combinatoire d une k-face L ensemble des hyperplans qui lui sont incidents 45

102 Où trouver l information recherchée? a 1 a 2 A B a 0 Visibilité arête-polygone Visibilité de a 2 avec B : droites incidentes à h a 2 Description combinatoire d une 4-face de P AB 46

103 Où trouver l information recherchée? a 1 a 2 a 0 A b 1 b 2 b 0 B Visibilité arête-arête Visibilité de a 2 avec b 1 : droites incidentes à h a 2 et à h b 1 Description combinatoire d une 3-face de P AB 47

104 Résumons Visibilité polygone à polygone La visibilité des arêtes de A et B est contenue dans le bord du polytope P AB Visibilités arête-arête arête-polygone P AB 3-faces 4-faces Solution Marquer les 3-faces et 4-faces concernées de P AB Calculer la visibilité, i.e. soustraire les bloqueurs potentiels Vérifier s il demeure tout ou partie des 3-faces et 4-faces initialement marquées 48

105 Résumons Visibilité polygone à polygone La visibilité des arêtes de A et B est contenue dans le bord du polytope P AB Visibilités arête-arête arête-polygone P AB 3-faces 4-faces Solution Marquer les 3-faces et 4-faces concernées de P AB Calculer la visibilité, i.e. soustraire les bloqueurs potentiels Vérifier s il demeure tout ou partie des 3-faces et 4-faces initialement marquées 48

106 Exemple Visibilité polygone à polygone b 2 B a 1 b 2 A Visibilités arête-polygone, arête-arête A a 0 a 1 a 2 a 3 B b b b 2 b

107 Calcul complet du graphe de visibilité Environnements ciblés Scènes extérieures 2.5D Possibilité d extension à tout environnement 3D Une complexité non négligeable Tester tous les couples de polygones de la scène Complexité en O(n 2 ) 50

108 Calcul complet du graphe de visibilité Environnements ciblés Scènes extérieures 2.5D Possibilité d extension à tout environnement 3D Une complexité non négligeable Tester tous les couples de polygones de la scène Complexité en O(n 2 ) 50

109 Calcul complet du graphe de visibilité Calcul hiérarchique Hiérarchie de boîtes englobantes Phase 1 : visibilité feuille-hiérarchie Phase 2 : visibilité feuille à feuille Précision variable Phase 1 : Une preuve de la visibilité suffit [Haumont, 2005] Phase 2 : Requête unifiée et mise à jour du graphe de visibilité 51

110 Calcul complet du graphe de visibilité Calcul hiérarchique Hiérarchie de boîtes englobantes Phase 1 : visibilité feuille-hiérarchie Phase 2 : visibilité feuille à feuille Précision variable Phase 1 : Une preuve de la visibilité suffit [Haumont, 2005] Phase 2 : Requête unifiée et mise à jour du graphe de visibilité 51

111 Précalcul : résultats Précalcul des graphes de visibilité Graphe de visibilité Paris A Paris B Nb polygones Nb arêtes Sans hiérarchie 55 min 40 s 15 h 23 min Temps de calcul 24 min 20 s 4 h 14 min 5 s AMD (2.2Ghz) - 3Go RAM 52

112 Précalcul : résultats Statistiques Relation de visibilité Graphe de visibilité Paris A Paris B Visibilité polygone-polygone 2.58 % 1.67 % Visibilité polygone-arête 4.68 % 2.97 % Visibilité arête-arête 6.40 % 4.09 % Pourcentages de visibilités entre primitives 53

113 Calcul de zones de couvertures Paris A (8983 récepteurs) Interactions Avec GV Sans GV 1 R 0 D 3s 10s 2 R 0 D 36s 2h 55min 24s 2 R 1 D 3h 18min > 3 ans 3 R 0 D 23min 18s > 8 mois Paris B (8024 récepteurs) Interactions Avec GV Sans GV 1 R 0 D 4s 26s 2 R 0 D 34s > 1j 8h 2 R 1 D 7h 16min - 3 R 0 D 34min 23s - 54

114 Plan Visibilité polygone à polygone 1 Visibilité polygone à polygone

115 Visibilité polygone à polygone Source étendue Ombre douce Visibilité totale zone éclairée Visibilité partielle zone de pénombre Invisible zone d ombre 56 Un problème toujours actuel La qualité des ombres est visuellement importante Elle dépend de la visibilité des sources en chaque point = Qualité vs rapidité

116 Visibilité polygone à polygone Source étendue Ombre douce Visibilité totale zone éclairée Visibilité partielle zone de pénombre Invisible zone d ombre 56 Un problème toujours actuel La qualité des ombres est visuellement importante Elle dépend de la visibilité des sources en chaque point = Qualité vs rapidité

117 Visibilité polygone à polygone Source étendue Ombre douce Visibilité totale zone éclairée Visibilité partielle zone de pénombre Invisible zone d ombre 56 Un problème toujours actuel La qualité des ombres est visuellement importante Elle dépend de la visibilité des sources en chaque point = Qualité vs rapidité

118 Visibilité polygone à polygone Source étendue Ombre douce Visibilité totale zone éclairée Visibilité partielle zone de pénombre Invisible zone d ombre 56 Un problème toujours actuel La qualité des ombres est visuellement importante Elle dépend de la visibilité des sources en chaque point = Qualité vs rapidité

119 Visibilité polygone à polygone Source étendue Ombre douce Visibilité totale zone éclairée Visibilité partielle zone de pénombre Invisible zone d ombre 56 Un problème toujours actuel La qualité des ombres est visuellement importante Elle dépend de la visibilité des sources en chaque point = Qualité vs rapidité

120 Visibilité polygone à polygone Précédents travaux Approches stochastiques Sources échantillonnées + rayons d ombre [Whitted, 1980] Qualité beaucoup d échantillons Source échantillonnée Caméra Rayons d ombre 57

121 Précédents travaux Faisceaux de rayons Tirer partie de la cohérence spatiale Problèmes : géométrie des faisceaux, formes des sources Source Caméra Faisceaux 58

122 Précédents travaux Volumes d ombres et de pénombres Éléments éclairés, dans la pénombre, dans l ombre. [Nishita et al, 1985], [Chin et al, 1992], [Lethinen, 2006] 59

123 Objectifs Visibilité polygone à polygone Qualité & Rapidité Calcul analytique de l illumination directe Détermination efficace de la visibilité des sources Comment? Un arbre VBSP par couple (source, polygone) Contient tous les points de vue de la source depuis le polygone Algorithme d extraction de la visibilité depuis un point 60

124 Objectifs Visibilité polygone à polygone Qualité & Rapidité Calcul analytique de l illumination directe Détermination efficace de la visibilité des sources Comment? Un arbre VBSP par couple (source, polygone) Contient tous les points de vue de la source depuis le polygone Algorithme d extraction de la visibilité depuis un point 60

125 Objectifs Visibilité polygone à polygone Qualité & Rapidité Calcul analytique de l illumination directe Détermination efficace de la visibilité des sources Comment? Un arbre VBSP par couple (source, polygone) Contient tous les points de vue de la source depuis le polygone Algorithme d extraction de la visibilité depuis un point 60

126 Objectifs Visibilité polygone à polygone Qualité & Rapidité Calcul analytique de l illumination directe Détermination efficace de la visibilité des sources Comment? Un arbre VBSP par couple (source, polygone) Contient tous les points de vue de la source depuis le polygone Algorithme d extraction de la visibilité depuis un point 60

127 Objectifs Visibilité polygone à polygone Qualité & Rapidité Calcul analytique de l illumination directe Détermination efficace de la visibilité des sources Comment? Un arbre VBSP par couple (source, polygone) Contient tous les points de vue de la source depuis le polygone Algorithme d extraction de la visibilité depuis un point 60

128 Question Soit un point w sur un polygone B visible d une source A. A Comment extraire de leur arbre VBSP les parties visibles de A depuis w? B w Réponse Traverser l arbre VBSP en subdivisant la source A par les projetées des droites depuis w 61

129 Question Soit un point w sur un polygone B visible d une source A. A Comment extraire de leur arbre VBSP les parties visibles de A depuis w? B w Réponse Traverser l arbre VBSP en subdivisant la source A par les projetées des droites depuis w 61

130 Visibilité polygone à polygone Question Soit un point w sur un polygone B visible d une source A. A Comment extraire de leur arbre VBSP les parties visibles de A depuis w? B w Réponse Traverser l arbre VBSP en subdivisant la source A par les projetées des droites depuis w B w A 61

131 Extraire la visibilité depuis un point Illustration de l algorithme P A O O e 1 P e 2 e 5 e 1 e 3 V e 4 V w I V I V 62

132 Extraire la visibilité depuis un point Illustration de l algorithme P A O O e 1 P e 2 e 5 e 1 O e 3 V e 4 V w O I V I V 62

133 Extraire la visibilité depuis un point Illustration de l algorithme R S A O O e 1 P e 2 e 5 O R S e 1 e 5 w e 3 V e 4 V O R I V I V 62

134 Extraire la visibilité depuis un point Caractéristiques de l algorithme Simple! Intersections 2D droites/polygones Procure les parties visibles d une source Complexité théorique : O(n) (n = nœuds du VBSP) Application au calcul des ombres douces En chaque point visible de la position de caméra Extraire les parties visibles des sources Calculer analytiquement l illumination directe 63

135 Extraire la visibilité depuis un point Caractéristiques de l algorithme Simple! Intersections 2D droites/polygones Procure les parties visibles d une source Complexité théorique : O(n) (n = nœuds du VBSP) Application au calcul des ombres douces En chaque point visible de la position de caméra Extraire les parties visibles des sources Calculer analytiquement l illumination directe 63

136 Extraire la visibilité depuis un point Caractéristiques de l algorithme Simple! Intersections 2D droites/polygones Procure les parties visibles d une source Complexité théorique : O(n) (n = nœuds du VBSP) Application au calcul des ombres douces En chaque point visible de la position de caméra Extraire les parties visibles des sources Calculer analytiquement l illumination directe 63

137 Extraire la visibilité depuis un point Caractéristiques de l algorithme Simple! Intersections 2D droites/polygones Procure les parties visibles d une source Complexité théorique : O(n) (n = nœuds du VBSP) Application au calcul des ombres douces En chaque point visible de la position de caméra Extraire les parties visibles des sources Calculer analytiquement l illumination directe 63

138 Visibilité polygone à polygone Salon - 2 sources Statistiques Étape de précalcul Temps 148 s Taille nds (1.1Mo) Étape de rendu Temps MentalRay c Facteur 5 s 888 s x AMD (2.2Ghz) - 3Go RAM

139 Visibilité polygone à polygone Classe - 4 sources Statistiques Étape de précalcul Temps 542 s Taille nds (5Mo) Étape de rendu Temps MentalRay c Facteur 14.8 s 1172 s x79 65 AMD (2.2Ghz) - 3Go RAM

140 Extraction : analyse pratique Salon Nb noeuds visités Nb noeuds total Classe Nb noeuds visités Nb noeuds total Complexité pratique Non linéaire! Tend vers un comportement logarithmique 66

141 Conclusion Conclusion et perspectives Visibilité polygone à polygone Contributions esl-représentation d un bloqueur algorithme de calcul efficace représentation de la visibilité Perspectives Prendre en compte la silhouette des objets Définir une mesure de la visibilité 67

142 Conclusion Conclusion et perspectives Visibilité polygone à polygone Contributions esl-représentation d un bloqueur algorithme de calcul efficace représentation de la visibilité Perspectives Prendre en compte la silhouette des objets Définir une mesure de la visibilité 67

143 Conclusion Conclusion et perspectives Propagation des ondes électromagnétiques Contributions Visibilité et bord d un polytope Algorithme de calcul d un graphe de visibilité exact Optimisation sans perte d un modèle basé rayons Perspectives Parcours intelligent du graphe de visibilité Combinaison avec d autres optimisations géométriques Utiliser l information contenue dans les arbres VBSP 68

144 Conclusion Conclusion et perspectives Propagation des ondes électromagnétiques Contributions Visibilité et bord d un polytope Algorithme de calcul d un graphe de visibilité exact Optimisation sans perte d un modèle basé rayons Perspectives Parcours intelligent du graphe de visibilité Combinaison avec d autres optimisations géométriques Utiliser l information contenue dans les arbres VBSP 68

145 Conclusion Conclusion et perspectives Contributions Algorithme d extraction de la visibilité d une source Calcul analytique des ombres douces rapide et exact Perspectives Visibilité absolue d un objet Extension au lancer de rayons interactif Généralisation à des calculs d illumination globale 69

146 Conclusion Conclusion et perspectives Contributions Algorithme d extraction de la visibilité d une source Calcul analytique des ombres douces rapide et exact Perspectives Visibilité absolue d un objet Extension au lancer de rayons interactif Généralisation à des calculs d illumination globale 69

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Synthèse d'images I. Venceslas BIRI IGM Université de Marne La

Synthèse d'images I. Venceslas BIRI IGM Université de Marne La Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image

Plus en détail

Introduction au maillage pour le calcul scientifique

Introduction au maillage pour le calcul scientifique Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,

Plus en détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction

Plus en détail

ANALYSE CATIA V5. 14/02/2011 Daniel Geffroy IUT GMP Le Mans

ANALYSE CATIA V5. 14/02/2011 Daniel Geffroy IUT GMP Le Mans ANALYSE CATIA V5 1 GSA Generative Structural Analysis 2 Modèle géométrique volumique Post traitement Pré traitement Maillage Conditions aux limites 3 Ouverture du module Choix du type d analyse 4 Calcul

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

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

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

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau

Plus en détail

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1 Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation

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 http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de

Plus en détail

Comment sélectionner des sommets, des arêtes et des faces avec Blender?

Comment sélectionner des sommets, des arêtes et des faces avec Blender? Comment sélectionner des sommets, des arêtes et des faces avec Blender? VVPix v 1.00 Table des matières 1 Introduction 1 2 Préparation d une scène test 2 2.1 Ajout d objets dans la scène.........................................

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en détail

Rétablissement d un réseau cellulaire après un désastre

Rétablissement d un réseau cellulaire après un désastre Rétablissement d un réseau cellulaire après un désastre Anaïs Vergne avec Laurent Decreusefond, Ian Flint, et Philippe Martins Journées MAS 2014 29 août 2014 Rétablissement d un réseau cellulaire après

Plus en détail

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas

Plus en détail

Transmission d informations sur le réseau électrique

Transmission d informations sur le réseau électrique Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en

Plus en détail

Object Removal by Exemplar-Based Inpainting

Object Removal by Exemplar-Based Inpainting Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013

Plus en détail

CARTE DE VOEUX À L ASSOCIAEDRE

CARTE DE VOEUX À L ASSOCIAEDRE CARTE DE VOEUX À L ASSOCIAEDRE JEAN-LOUIS LODAY Il y a cinq ans le Centre International de Rencontres Mathématiques de Luminy a envoyé ses voeux avec la carte ci-dessus. L illustration choisie par Robert

Plus en détail

PRODUIRE DES SIGNAUX 1 : LES ONDES ELECTROMAGNETIQUES, SUPPORT DE CHOIX POUR TRANSMETTRE DES INFORMATIONS

PRODUIRE DES SIGNAUX 1 : LES ONDES ELECTROMAGNETIQUES, SUPPORT DE CHOIX POUR TRANSMETTRE DES INFORMATIONS PRODUIRE DES SIGNAUX 1 : LES ONDES ELECTROMAGNETIQUES, SUPPORT DE CHOIX POUR TRANSMETTRE DES INFORMATIONS Matériel : Un GBF Un haut-parleur Un microphone avec adaptateur fiche banane Une DEL Une résistance

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Modélisation multi-agents - Agents réactifs

Modélisation multi-agents - Agents réactifs Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf

Plus en détail

Contributions à l expérimentation sur les systèmes distribués de grande taille

Contributions à l expérimentation sur les systèmes distribués de grande taille Contributions à l expérimentation sur les systèmes distribués de grande taille Lucas Nussbaum Soutenance de thèse 4 décembre 2008 Lucas Nussbaum Expérimentation sur les systèmes distribués 1 / 49 Contexte

Plus en détail

Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information

Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information I. Nature du signal I.1. Définition Un signal est la représentation physique d une information (température, pression, absorbance,

Plus en détail

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels

Plus en détail

Title Text. Outil intégré de collecte, d'analyse et de visualisation de données de mobilité

Title Text. Outil intégré de collecte, d'analyse et de visualisation de données de mobilité Title Text Outil intégré de collecte, d'analyse et de visualisation de données de mobilité Contenu de la présentation Schéma général et avancement Suivi et administration Validation des entrevues Enrichissement

Plus en détail

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes

Plus en détail

Chapitre 2 : Systèmes radio mobiles et concepts cellulaires

Chapitre 2 : Systèmes radio mobiles et concepts cellulaires Chapitre 2 : Systèmes radio mobiles et concepts cellulaires Systèmes cellulaires Réseaux cellulaires analogiques de 1ère génération : AMPS (USA), NMT(Scandinavie), TACS (RU)... Réseaux numériques de 2ème

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction

Plus en détail

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée. ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle

Plus en détail

point On obtient ainsi le ou les points d inter- entre deux objets».

point On obtient ainsi le ou les points d inter- entre deux objets». Déplacer un objet Cliquer sur le bouton «Déplacer». On peut ainsi rendre la figure dynamique. Attraper l objet à déplacer avec la souris. Ici, on veut déplacer le point A du triangle point ABC. A du triangle

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

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

ETUDE D IMPACT ACOUSTIQUE

ETUDE D IMPACT ACOUSTIQUE ETUDE D IMPACT ACOUSTIQUE PROJET D AMÉNAGEMENT D UN CENTRE DE STOCKAGE DE SEDIMENTS Commune de Bessines-sur-Gartempe Maître d Ouvrage AREVA Etablissement de Bessines 1, Avenue du Brugeaud 87250 Bessines

Plus en détail

Les technologies du Big Data

Les technologies du Big Data Les technologies du Big Data PRÉSENTÉ AU 40 E CONGRÈS DE L ASSOCIATION DES ÉCONOMISTES QUÉBÉCOIS PAR TOM LANDRY, CONSEILLER SENIOR LE 20 MAI 2015 WWW.CRIM.CA TECHNOLOGIES: DES DONNÉES JUSQU'À L UTILISATEUR

Plus en détail

Sujet. calculatrice: autorisée durée: 4 heures

Sujet. calculatrice: autorisée durée: 4 heures DS SCIENCES PHYSIQUES MATHSPÉ calculatrice: autorisée durée: 4 heures Sujet Approche d'un projecteur de diapositives...2 I.Questions préliminaires...2 A.Lentille divergente...2 B.Lentille convergente et

Plus en détail

BOUYGUES TELECOM ENTREPRISES - CLOUD

BOUYGUES TELECOM ENTREPRISES - CLOUD BOUYGUES TELECOM ENTREPRISES - CLOUD PARTIE CLIENT Version 1.4. 21/06/2013 Partie client Page 1 Sommaire 1 FONCTIONS CLES DU PORTAIL 3 1.1 Pré-requis d utilisation des services Cloud 3 1.2 Principes de

Plus en détail

Le concept cellulaire

Le concept cellulaire Le concept cellulaire X. Lagrange Télécom Bretagne 21 Mars 2014 X. Lagrange (Télécom Bretagne) Le concept cellulaire 21/03/14 1 / 57 Introduction : Objectif du cours Soit un opérateur qui dispose d une

Plus en détail

Les algorithmes de base du graphisme

Les algorithmes de base du graphisme Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............

Plus en 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

Appel à Propositions. Thème : «Couplage CFD / CAA»

Appel à Propositions. Thème : «Couplage CFD / CAA» Appel à Propositions CORAC Feuille de route Propulsion Thème : «Couplage CFD / CAA» Référence de l Appel Titre de l appel Personne à contacter responsable de l appel à proposition (AàP) Date de début du

Plus en détail

Microsoft Excel : tables de données

Microsoft Excel : tables de données UNIVERSITE DE LA SORBONNE NOUVELLE - PARIS 3 Année universitaire 2000-2001 2ème SESSION SLMD2 Informatique Les explications sur la réalisation des exercices seront fournies sous forme de fichiers informatiques.

Plus en détail

Groupe Eyrolles, 2006, ISBN : 2-212-11959-3

Groupe Eyrolles, 2006, ISBN : 2-212-11959-3 Groupe Eyrolles, 2006, ISBN : 2-212-11959-3 annexe B Piano Corner, (c) 2005 par Zsolt Stefan : http://deeppixel.uw.hu/gallery.html YafRay, le moteur de rendu photoréaliste Dès sa création, par une équipe

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

PRÉSENTATION PRODUIT. Plus qu un logiciel, la méthode plus efficace de réconcilier.

PRÉSENTATION PRODUIT. Plus qu un logiciel, la méthode plus efficace de réconcilier. PRÉSENTATION PRODUIT Plus qu un logiciel, la méthode plus efficace de réconcilier. Automatiser les réconciliations permet d optimiser l utilisation des ressources et de générer plus de rentabilité dans

Plus en détail

Cours Fonctions de deux variables

Cours Fonctions de deux variables Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté

Plus en détail

Gestion de scène pour les moteurs 3D

Gestion de scène pour les moteurs 3D Gestion de scène pour les moteurs 3D Mémoire de recherche Nicolas Baillard Promotion : M2IRT 2009 Option : Ingiénerie des jeux vidéo (IJV) juillet 2009 ITIN 10, avenue de l Entreprise Parc Saint-Christophe

Plus en détail

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux

Jean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis

Plus en détail

Conception de réseaux de télécommunications : optimisation et expérimentations

Conception de réseaux de télécommunications : optimisation et expérimentations Conception de réseaux de télécommunications : optimisation et expérimentations Jean-François Lalande Directeurs de thèse: Jean-Claude Bermond - Michel Syska Université de Nice-Sophia Antipolis Mascotte,

Plus en détail

www.h-k.fr/publications/objectif-agregation

www.h-k.fr/publications/objectif-agregation «Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

Programmation par contraintes. Laurent Beaudou

Programmation par contraintes. Laurent Beaudou Programmation par contraintes Laurent Beaudou On se trouve où? Un problème, une solution : la solution est-elle une solution du problème? simulation, vérification 2 On se trouve où? Un problème, une solution

Plus en détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction du baccalauréat ES/L Métropole 20 juin 2014 Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)

Plus en détail

Les nouveautés de Femap 11.1

Les nouveautés de Femap 11.1 Siemens PLM Software Les nouveautés de Femap 11.1 Amélioration de la productivité des Ingénieurs calcul Avantages Manipulation plus rapide des modèles grâce à des performances graphiques améliorées Flexibilité

Plus en détail

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et

Plus en détail

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite

Plus en détail

Annexe 6. Notions d ordonnancement.

Annexe 6. Notions d ordonnancement. Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document

Plus en détail

Chapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping

Chapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping Chapitre V : La gestion de la mémoire Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping Introduction Plusieurs dizaines de processus doivent se partager

Plus en détail

Application des algorithmes de haute résolution à la localisation de mobiles en milieu confiné

Application des algorithmes de haute résolution à la localisation de mobiles en milieu confiné Numéro d ordre: 40281 Université des Sciences et Technologies de Lille Ecole Doctorale Sciences pour l Ingénieur Rapport de thèse pour obtenir le grade de Docteur de l Université des Sciences et Technologies

Plus en détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007 Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................

Plus en 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

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

Raisonnement probabiliste

Raisonnement probabiliste Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte

Plus en détail

6.4. Les Ombres Raytracées (Raytraced Shadows) Shading Lamp Shadow and Spot Hemi Spot Sun Sun Scene F10 Shadow Render Ray Ray Shadow Shadow and Spot

6.4. Les Ombres Raytracées (Raytraced Shadows) Shading Lamp Shadow and Spot Hemi Spot Sun Sun Scene F10 Shadow Render Ray Ray Shadow Shadow and Spot 6.4. Les Ombres Raytracées (Raytraced Shadows) Mode : tous les modes Panneau : contexte Shading / sous-contexte Lamp > Shadow and Spot Raccourci : F5. Les ombres raytracées produisent des ombres très précises

Plus en détail

EXCEL PERFECTIONNEMENT SERVICE INFORMATIQUE. Version 1.0 30/11/05

EXCEL PERFECTIONNEMENT SERVICE INFORMATIQUE. Version 1.0 30/11/05 EXCEL PERFECTIONNEMENT Version 1.0 30/11/05 SERVICE INFORMATIQUE TABLE DES MATIERES 1RAPPELS...3 1.1RACCOURCIS CLAVIER & SOURIS... 3 1.2NAVIGUER DANS UNE FEUILLE ET UN CLASSEUR... 3 1.3PERSONNALISER LA

Plus en détail

BACCALAUREAT GENERAL MATHÉMATIQUES

BACCALAUREAT GENERAL MATHÉMATIQUES BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la

Plus en détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA 75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche

Plus en détail

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

Plus en détail

Smart Notification Management

Smart Notification Management Smart Notification Management Janvier 2013 Gérer les alertes, ne pas uniquement les livrer Chaque organisation IT vise à bien servir ses utilisateurs en assurant que les services et solutions disponibles

Plus en détail

Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8

Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8 Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8 Christine TURCK 1 * et **, Christiane WEBER**, Dominique THOME*

Plus en détail

Deux disques dans un carré

Deux disques dans un carré Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en détail

Biochimie I. Extraction et quantification de l hexokinase dans Saccharomyces cerevisiae 1. Assistants : Tatjana Schwabe Marcy Taylor Gisèle Dewhurst

Biochimie I. Extraction et quantification de l hexokinase dans Saccharomyces cerevisiae 1. Assistants : Tatjana Schwabe Marcy Taylor Gisèle Dewhurst Biochimie I Extraction et quantification de l hexokinase dans Saccharomyces cerevisiae 1 Daniel Abegg Sarah Bayat Alexandra Belfanti Assistants : Tatjana Schwabe Marcy Taylor Gisèle Dewhurst Laboratoire

Plus en détail

La (les) mesure(s) GPS

La (les) mesure(s) GPS La (les) mesure(s) GPS I. Le principe de la mesure II. Equation de mesure GPS III. Combinaisons de mesures (ionosphère, horloges) IV. Doubles différences et corrélation des mesures V. Doubles différences

Plus en détail

Chaine de transmission

Chaine de transmission Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation

Plus en détail

Le Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs

Le Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique

Plus en détail

Chapitre 5 : Flot maximal dans un graphe

Chapitre 5 : Flot maximal dans un graphe Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d

Plus en détail

Analyse de la bande passante

Analyse de la bande passante Analyse de la bande passante 1 Objectif... 1 2 Rappels techniques... 2 2.1 Définition de la bande passante... 2 2.2 Flux ascendants et descandants... 2 2.3 Architecture... 2 2.4 Bande passante et volumétrie...

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

CEGEP DU VIEUX-MONTRÉAL

CEGEP DU VIEUX-MONTRÉAL PLAN DE COURS C.A.O. Avancée Compétence visée : 013C (Exploiter les fonctions spécialisées d un logiciel de dessin assisté par ordinateur) PONDÉRATION: 2-2-2 PROGRAMME : TECHNIQUE DE GÉNIE MÉCANIQUE 241-06

Plus en détail

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER Utilisation d images dérivées d un jeu de données LIDAR pour la détection automatisée de vestiges archéologiques (programme de recherche méthodologique LiDARCHEO) Franck VAUTIER, Jean-Pierre TOUMAZET,

Plus en détail

chapitre 4 Nombres de Catalan

chapitre 4 Nombres de Catalan chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail

Atelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr

Atelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet pierre.chauvet@uco.fr Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective

Plus en détail

Initiation au HPC - Généralités

Initiation au HPC - Généralités Initiation au HPC - Généralités Éric Ramat et Julien Dehos Université du Littoral Côte d Opale M2 Informatique 2 septembre 2015 Éric Ramat et Julien Dehos Initiation au HPC - Généralités 1/49 Plan du cours

Plus en détail

Placez vous au préalable à l endroit voulu dans l arborescence avant de cliquer sur l icône Nouveau Répertoire

Placez vous au préalable à l endroit voulu dans l arborescence avant de cliquer sur l icône Nouveau Répertoire L espace de stockage garantit aux utilisateurs une sauvegarde de leurs fichiers dans une arborescence à construire par eux-mêmes. L avantage de cet espace de stockage est son accessibilité de l intérieur

Plus en détail

Documentation d information technique spécifique Education. PGI Open Line PRO

Documentation d information technique spécifique Education. PGI Open Line PRO Documentation d information technique spécifique Education PGI Open Line PRO EBP Informatique SA Rue de Cutesson - ZA du Bel Air BP 95 78513 Rambouillet Cedex www.ebp.com Equipe Education : 01 34 94 83

Plus en détail

Etude comparative de différents motifs utilisés pour le lancé de rayon

Etude comparative de différents motifs utilisés pour le lancé de rayon Etude comparative de différents motifs utilisés pour le lancé de rayon Alexandre Bonhomme Université de Montréal 1 Introduction Au cours des dernières années les processeurs ont vu leurs capacités de calcul

Plus en détail

Surveillance et Detection des Anomalies. Diagnostic d une digue: rappel méthodologique

Surveillance et Detection des Anomalies. Diagnostic d une digue: rappel méthodologique Surveillance et Detection des Anomalies Diagnostic d une digue: rappel méthodologique issu de l expérience d EDF Jean-Paul BLAIS Service Géologie - Géotechnique EDF 1 La méthodologie utilisée par EDF,

Plus en détail

Livre blanc. Au cœur de Diskeeper 2010 avec IntelliWrite

Livre blanc. Au cœur de Diskeeper 2010 avec IntelliWrite Livre blanc Au cœur de Diskeeper 2010 avec IntelliWrite AU CŒUR DE DISKEEPER 2010 AVEC INTELLIWRITE Table des matières PRÉSENTATION DE LA TECHNOLOGIE INTELLIWRITE 1 TEST DE PERFORMANCE D INTELLIWRITE 2

Plus en détail

modélisation solide et dessin technique

modélisation solide et dessin technique CHAPITRE 1 modélisation solide et dessin technique Les sciences graphiques regroupent un ensemble de techniques graphiques utilisées quotidiennement par les ingénieurs pour exprimer des idées, concevoir

Plus en détail

Utilisation du SIG dans une entreprise industrielle pour l analyse et la prise de décision

Utilisation du SIG dans une entreprise industrielle pour l analyse et la prise de décision 309 Schedae, 2007 Prépublication n 47 Fascicule n 2 Utilisation du SIG dans une entreprise industrielle pour l analyse et la prise de décision Mohamed Najeh Lakhoua UR : Système, Énergétique, Productique

Plus en détail

LA VIDÉOSURVEILLANCE SANS FIL

LA VIDÉOSURVEILLANCE SANS FIL LA VIDÉOSURVEILLANCE SANS FIL Par Garry Goldenberg ALVARION garry.goldenberg@gk-consult.com INTRODUCTION Dans un monde de plus en plus sensible aux problèmes de sécurité, les systèmes de vidéosurveillance

Plus en détail

Prise en compte des nœuds constructifs dans la PEB Formation développée dans le cadre de PATHB2010

Prise en compte des nœuds constructifs dans la PEB Formation développée dans le cadre de PATHB2010 Prise en compte des nœuds constructifs dans la PEB Formation développée dans le cadre de PATHB2010 PROGRAMME DE FORMATION Dans le cadre du PROJET PAThB2010 Practical Approach for Thermal Bridges 2010 AVEC

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

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

Cartes de l étendue des eaux libres liés aux inondations Guide des produits

Cartes de l étendue des eaux libres liés aux inondations Guide des produits Cartes de l étendue des eaux libres liés aux inondations Guide des produits Contexte Les crues ont parfois des effets dévastateurs sur la vie humaine, les infrastructures, l économie, les espèces sauvages

Plus en détail

Ordonnancement robuste et décision dans l'incertain

Ordonnancement robuste et décision dans l'incertain Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4

Plus en détail

Enjeux mathématiques et Statistiques du Big Data

Enjeux mathématiques et Statistiques du Big Data Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris

Plus en détail