Génération de Modèles Numériques de Terrain à partir de données LIDAR par approche multi-résolutions
|
|
- Rémy Labbé
- il y a 8 ans
- Total affichages :
Transcription
1 Génération de Modèles Numériques de Terrain à partir de données LIDAR par approche multi-résolutions Nesrine Chehata 1,2 et Frédéric Bretar 2 1 Institut EGID, laboratoire GHYMAC 1 allée F.Daguin Pessac nesrine.chehata@egid.u-bordeaux3.fr 2 IGN, laboratoire MATIS 4 av Pasteur Saint-Mandé. prenom.nom@ign.fr Résumé Les lasers aéroportés permettent de décrire la surface terrestre par un nuage de points 3D non structurés. Ce nuage de points englobe aussi bien le sol que le sursol (végétation, bâtiments,...) La première étape de traitement des données LIDAR consiste à filtrer les données en deux classes sol et sur-sol. Cette étape sera réalisée par un processus multirésolutions. L algorithme K-means sera utilisé de façon hiérarchique pour assurer la fiabilité de la classification initiale. Après filtrage des données, le MNT(Modèle Numérique de Terrain) est généré sur une grille régulière, à partir des points classés sol, par un processus de régularisation Markovienne s affranchissant ainsi des techniques d interpolation habituelles. Le processus d optimisation minimise une énergie globale qui confronte un terme d attache aux données et la régularité de la surface finale. Le terme de pondération dépend du nombre d itérations lors de la classification initiale. Des résultats concluants sont présentés sur plusieurs zones d études montagneuses et en présence de végétation. Mots clés Lidar, Modèles Numériques de Terrain, Classification hiérarchique, Régularisation Markovienne. 1 Introduction Dans le cadre de l aménagement du territoire et de la réalisation de plans de préventions des risques, une cartographie altimétrique de haute précision devient une donnée majeure. Les données altimétriques issues de la BDAlti R de l IGN ont une précision hétérogène (σ z = 2 m sur 70% du territoire Français) et sont insuffisantes en regard de celles des modèles de prédiction des risques hydrologiques par exemple. L extraction d une surface de terrain à partir de techniques photogrammétriques par corrélation automatique peut être mise en défaut d une part, car le terrain n est pas visible sous couvert végétal à partir d une image aérienne et, d autre part, par les problèmes classiques de mise en correspondance [8]. Depuis plusieurs années, la technique de la télémétrie lidar aéroportée fournit une mesure directe de distance entre un vecteur aérien et la surface terrestre. Les données finales sont un nuage de points 3D géoréférencés. Ces systèmes permettent d avoir une forte précision altimétrique (<10 cm). En outre, l émission d un faisceau lidar permet l acquisition d un ou plusieurs points de mesure le long de l onde réfléchie. Cette propriété est intéressante en zones de végétation car elle permet d accéder non seulement à la hauteur de la canopée, mais aussi à l altitude du sol sous la végétation. Cependant une végétation dense peut arrêter le faisceau laser. Plusieurs méthodes ont été développées pour filtrer les données laser en deux classes sol/sursol afin de générer des MNT. Ces méthodes peuvent être classées en trois principales approches :
2 N. Chehata et F. Bretar 1. Filtres morphologiques Ces filtres sont basés sur une série d ouvertures et de fermetures 3D. Les paramètres dépendent fortement de la pente du terrain [12,9] et de la taille de la fenêtre de filtrage [5,13]. D autres auteurs proposent une interpolation itérative du MNT [6] pour améliorer la robustesse de l algorithme. Ces filtres ont un temps de calcul réduit mais nécessitent des connaissances a priori sur la topologie du terrain 2. Densification progressive de TIN Des points lidar sont identifiés comme appartenant au sol. Ces points sont utilisés dans une approche hiérarchique d affinement de la triangulation de la surface du terrain [1]. Ces méthodes sont robustes. Cependant, les surfaces triangulées sont très sensibles aux outliers négatifs qui peuvent conduire à des altitudes sous estimées. 3. Filtres basés sur des modèles de surfaces Ces filtres utilisent une interpolation robuste des points sol [7]. La surface du terrain peut alors être estimée par des contours actifs [4]. Cette approche nécessite beaucoup de paramètres et est sensible aux outliers négatifs. L algorithme proposé est un filtrage par modélisation de surface, basé sur une classification hiérarchique des points appartenant au sol. La nouveauté consiste à utiliser une approche multirésolutions afin de rendre l algorithme plus robuste à la taille de la fenêtre de filtrage et de réduire le temps de calcul. A basse résolution, un filtrage robuste est effectué. La surface est ensuite affinée à une résolution fine, dans un cadre Bayésien. Le filtrage des points 3D lidar est généralement basé sur des méthodes de classification non supervisées. Des attributs géométriques et texturaux sont utilisés tels que l écart-type des altitudes, la courbure locale ou encore la pente locale [11]. Dans cette étude, le processus de filtrage est basé sur des attributs texturaux qui sont la moyenne et l écart-type des altitudes. La section 2.2 détaille le filtrage hiérarchique par K-means qui génère une surface robuste, sans connaissance a priori du terrain. La surface du terrain est enfin affinée par un processus de régularisation Markovienne où les points sol contribuent au terme d attache aux données. Ce terme est confronté à un terme de régularisation. La pondération dépend du nombre d itérations du filtrage initial. Des résultats sur différents terrains seront présentés et discutés dans la section 3. 2 Méthodologie 2.1 Gestion de la géométrie des points lidar En considérant le MNT comme une grille régulière géoréférencée d une résolution r, le système explore le nuage de points lidar suivant cette topologie 2D. Pour chaque site (pixel) s, un voisinage 3D local V s est extrait. Le voisinage est un cylindre centré sur s et de diamètre d s = 2 r qui assure 50% de recouvrement entre les voisinages 3D adjacents et donc une meilleure régularité pour le filtrage des points en sol/sursol. 2.2 Filtrage hiérarchique par K-means On propose d utiliser un filtrage non supervisé du nuage de points, basé sur l algorithme des K-means. La moyenne et l écart-type des altitudes sont utilisés comme attributs. Les méthodes de filtrage dépendent de la taille de la fenêtre de voisinage d s. Une petite fenêtre conduit à une topographie locale fine à condition qu il y ait suffisamment de points sol réels dans le voisinage. Inversement, une large fenêtre aura tendance à lisser le MNT final. Dans cet article, l idée consiste à utiliser un voisinage suffisamment grand et de taille fixe pour s assurer que des points sol sont présents à l intérieur. C est le cas en zones urbaines où la taille du voisinage doit être plus large que les toits de bâtiments et en zones de végétation dense avec peu de points au sol. Pour assurer un recouvrement maximum de 50% entre voisinages adjacents et réduire le temps de calcul, la grille 2D a une faible résolution (r = d s /2). On propose d utiliser un
3 Génération de MNT à partir de données LIDAR par approche multi-résolutions algorithme de K-means hiérarchique basé sur une division itérative du cluster sol. L algorithme est détaillé sur la figure 1. Les points 3D sont initialisés dans la classe sur-sol. Pour chaque site s(i, j), on extrait le voisinage 3D V s. Le nombre de centroides est initialisé à 1. En fonction de la variance, le nombre initial de classes C augmente itérativement tant que σ C > 1 m, le maximum étant fixé à 3 ce qui correspond grossièrement aux classes sol, sur-sol et bas sur-sol. Les centroides de ces classes sont initialisés à égale distance suivant l altitude z. Le cluster dont la moyenne des altitudes z représente le sol. Ce cluster sera affiné itérativement. Le K-means est implémenté de façon hiérarchique et divise le cluster sol en deux classes tant que l écart type de chaque classe est supérieur à un seuil T n donné. n est le nombre de divisions du cluster sol qui correspond au nombre d itérations de l algorithme. Le seuil est affiné à chaque division par la relation suivante : T n+1 = T n /2. À la convergence de l algorithme, les point du cluster sol sont labellisés et la propagation continue à travers le nuage de points 3D. Cette méthode fournit un filtrage robuste des points sol. Par conséquent, sur un site voisin, uniquement les points 3D labellisés comme sursol sont retraités. L étape de filtrage permet d extraire les points sol. Pour Figure 1. Organigramme du K-means hiérarchique chaque site, la valeur d altitude du MNT correspond à la moyenne des altitudes des points sol dans le voisinage 3D correspondant. Cette étape produit un MNT à basse résolution et une carte correspondant au nombre d itérations pour chaque site s, qui est utilisée pour pondérer le terme de régularisation (Eq. 1). 2.3 Régularisation du MNT Le filtrage hiérarchique fournit une classification robuste du nuage de points. Cependant, comme le MNT est calculé à basse résolution, la surface du terrain a tendance à être lissée. Or, les points lidar décrivent la topographie du terrain avec précision permettant d avoir une description fine des micro-reliefs. Le problème devient alors un problème de fusion où le MNT peut être affiné en intégrant de l information 3D tout en assurant la régularité de la surface. Ce problème peut être modélisé dans un cadre Bayésien. On propose une formulation étendue de la régularisation Markovienne présentée dans [2]. La surface évolue en fonction d une énergie globale convexe E glob (Eq. 1) définie comme minimale pour la solution optimale. E glob = [E d (s) + µ s (n) (tr(h s ) 2 det(h s ))] (1) } {{ } s DTM Terme de régularisation } {{ } E loc (s) avec H s la matrice Hessienne du site s, tr est sa trace et det le déterminant.
4 N. Chehata et F. Bretar Le terme d attache aux données E d (s) est défini comme la distance euclidienne verticale entre le MNT et les points lidar correspondants se trouvant dans une bande prédéfinie autour de la surface initiale. Le nombre de points lidar dans la bande est également utilisé pour pondérer l énergie d attache aux données. S il n y a aucun point lidar E d (s) = 0. µ s (n) est le terme de pondération de l énergie de régularisation. Il dépend du nombre n de divisions du cluster sol pour le site s. µ décroit avec n suivant la relation suivante : µ s (n) = exp n. Cette fonction est un compromis entre la régularisation du terrain et le temps de calcul. S il y a un seul cluster, la classification est fiable, le sol est bien estimé et µ peut être maximal (µ 0.37). Quand le nombre de d itérations augmente, le terrain présente des discontinuités d altitudes et donc le terme de régularisation doit être minimisé. Comme E glob est une énergie séparable dans le cadre d un formulation Markovienne, l optimisation est appliquée à des sous-ensembles de sites. Le processus est basé sur l algorithme ICM (Iterated Conditional Mode). Grâce à la convexité de l énergie E glob, le minimum est calculé localement en utilisant la méthode de descente de gradient. L algorithme 1 résume les étapes de l optimisation pour chaque sous-ensemble du MNT où l index t correspond à une itération sur un site donné, vers le minimum local. Algorithme 1: Les étapes d optimisation pour la régularisation Markovienne. Tant Que!convergence Faire Pour Chaque s Faire Pour Chaque E loc (zs) t < E loc (zs t 1 ) Faire zs t = zs t 1 + δ sgn ( E loc (zs t δ) E loc (zs t + δ) ) 3 Résultats et Discussion Notre méthodologie a été testée sur des zones d études étendues avec différents types de terrain. Des résultats qualitatifs et quantitatifs sont présentés. La figure 2 montre des profils de points lidar classés et les MNT correspondants en zone de végétation dense avec peu de points sol et en zone urbaine dense. Le K-means hiérarchique fournit un filtrage robuste grâce à une grande fenêtre de voisinage. Le terrain est bien estimé entre les bâtiments et sous la végétation. La figure 3 montre des MNT en 2D et 3D. Le MNT initial et la carte d itérations (cf. Figures 3(a),3(b)) sont calculés à basse résolution (10 m). Les itérations augmentent avec la pente. Le MNT à 2 m de résolution est illustré figure 3(c). Le choix des paramètres de résolution et de la taille du voisinage est détaillé dans [3]. Des résultats quantitatifs sont présentés sur deux jeux de données ISPRS en zone forestière. Dans [10], des algorithmes de filtrage ont été comparés sur ces mêmes données. Le site Sample51 présente des pentes importantes avec végétation. Le site Sample52 montre de la végétation en bord de rivières et des manques de données. Des données de référence sont également fournies. Le tableau 3 montre les erreurs de type I (des points sol sont classés en sur-sol) et les erreurs de type II (des points sur-sol sont classés en sol). Pour une modélisation du terrain, les erreurs de type II sont bien minimisées. Le filtrage hiérarchique est donc robuste. Le processus de régularisation diminue par la suite les erreurs de type I. L apport de cette étude consiste à utiliser une approche multi-résolutions. La basse résolution permet d utiliser une large fenêtre de voisinage avec un temps de calcul réduit. L utilisation d un voisinage fixe, nécessite une approche multi-résolutions pour traiter les paysages complexes. Le
5 Génération de MNT à partir de données LIDAR par approche multi-résolutions Altitude (m) 20 Altitude (m) Profil (m) (a) Zone urbaine dense Profil (m) (b) Zone de végétation Figure 2. Points lidar classés et MNT correspondants. Points sur-sol(vert), points sol (rouge), MNT (gris). Golfe du Morbihan (France) (a) MNT, r=10 m (b) Carte d itérations, r=10 m (c) MNT final, r=2 m (d) Surface 3D finale Figure 3. Zone montagneuse avec végétation, Draix- France Sample 51 Sample 52 Error Type error I error II error I error II Filtering 8.70% 3.06% 35.51% 1.74% Regularization 0.46% 1.22% 11.53% 0.62% Table 1. Jeux de données ISPRS. Evaluations quantitatives par rapport à la vérité terrain
6 N. Chehata et F. Bretar K-means hiérarchique fournit un filtrage robuste. Le MNT est ensuite affiné à partir des points classés sol par un processus de régularisation Markovienne. Ce processus de régularisation fournit des résultats similaires à la version précédente [2]. Cependant, l utilisation du nombre d itérations et du nombre de points sol par site fixe de façon automatique les paramètres de pondération de l énergie globale. En outre, ces contraintes diminuent le temps de convergence de l algorithme. Le nombre d itérations diminue de 50 à 32 sur la zone d étude. La carte d itérations peut être utilisée pour traiter le nuage de points à différentes résolutions. Par exemple, en présence d un seul cluster sol, les données peuvent être sous-échantillonnées pour réduire le temps de traitement. Enfin, on remarque que les erreurs de classification sont souvent localisées au niveaux des discontinuités de relief. Le processus a tendance à surestimer l altitude au niveau des talwegs et à lisser les crêtes. Une amélioration consisterait à extraire ces discontinuités sur le MNT à basse résolution et à les modéliser comme lignes de ruptures dans la régularisation. Références 1. P. Axelsson. DEM generation from laser scanner data using adaptative tin models. In International Archives of Photogrammetry and Remote Sensing, volume 33, part B4/1, pages ISPRS, F. Bretar. Processing fine digital terrain models by markovian regularization from 3D airborne lidar data. In IEEE ICIP, volume 4, pages , N. Chehata and F. Bretar. Terrain modeling from lidar data : Hierarchical k-means filtering and markovian regularization. In Proc. of the IEEE International Conference on Image Processing, pages , San Diego, USA, oct M. Elmqvist. Ground surface estimation from airborne laser scanner data using active shape models. In Proc. of the ISPRS Commission III Symposium on Photogrammetric and Computer Vision, volume 34, part 3A, pages , Graz, Austria, sep J. Kilian, N. Haala, and M. Englich. Capture and evaluation of airborne laser scanner data. In International Archives of Photogrammetry and Remote Sensing, volume 31, pages ISPRS, Andrej Kobler, Norbert Pfeifer, Peter Ogrinc, Ljupco Todorovski, Kristof Ostir, and Saso Dzeroski. Repetitive interpolation : A robust algorithm for DTM generation from aerial laser scanner data in forested terrain. Remote Sensing of Environment, 108(1) :9 23, May K. Kraus and N. Pfeifer. Determination of terrain models in wooded areas with airborne laser scanner data. ISPRS Journal of Photogrammetry and Remote Sensing, 53 : , Marc Pierrot-Deseillligny and Nicolas Paparoditis. A multiresolution and optimization-based image matching approach : An application to surface reconstruction from spot-hrs stereo imagery. In ISPRS Conference Topographic Mapping From Space, Ankara, Turkey, Feb G. Sithole. Filtering of laser altimetry data using a slope adaptative filter. In Proc. of the ISPRS Workshop on land surface mapping and characterization using laser altimetry, volume XXXIV-3/W3, pages , Annapolis, U.S., Externe. 10. G. Sithole and G. Vosselman. Experimental comparison of filter algorithms for bare-earth extraction from airborne laser scanning point clouds. ISPRS Journal of Photogrammetry and Remote Sensing, 59(1-2) :85 101, E. Steinle and T. Vogtle. Automated extraction and reconstruction of buildings in laserscanning data for disaster management. In Proc. of the Workshop on Automatic Extraction of Man-Made Objects from Aerial and Space Images, Ascona, Switzerland, G. Vosselman. Slope based filtering of laser altimetry data. In The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, volume 33, part B3/2, pages , Amsterdam, The Nederlands, ISPRS. 13. K. Zhang, S-C. Chen, D. Whitman, M. Shyu, J. Yan, and C. Zhang. A progressive morphological filter for removing nonground measurements from airborne lidar data. IEEE Transactions on Geoscience and Remote Sensing, 41(4) : , apr 2003.
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 détailFranck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER
Utilisation d images dérivées d un jeu de données LIDAR pour la détection automatisée de vestiges archéologiques (programme de recherche méthodologique LiDARCHEO) Franck VAUTIER, Jean-Pierre TOUMAZET,
Plus en détailExtraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés
Thèse présentée pour obtenir le grade de Docteur de l Université Louis Pasteur Strasbourg I Discipline : Sciences pour l Ingénieur Spécialité : Topographie-Géomatique Par : Fayez TARSHA KURDI Extraction
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailDéveloppements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière
Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Principaux contributeurs: Zhang Xiaopeng (CASIA-NLPR-LIAMA Coordinateur Groupe Image) Li HongJun (CASIA-NLPR-LIAMA
Plus en détailPrédiction 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 détailMaster 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 détailCartographie Mobile à MINES ParisTech
Cartographie Mobile à MINES ParisTech Entre robotique, géomatique et nouveaux usages Pr. François Goulette Plan 4 septembre 2013 2 Automatisation de maintenance en environnements industriels (1993) Automatisation
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailN. Paparoditis, Laboratoire MATIS
N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailL 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 détailCartes 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 détailFUSION DE DONNEES LiDAR ET MULTISPECTRALES
Institut National des Sciences Appliquées de Strasbourg Mémoire de soutenance de Diplôme d Ingénieur INSA Spécialité TOPOGRAPHIE FUSION DE DONNEES LiDAR ET MULTISPECTRALES Etude des techniques de segmentation
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailGéométrie 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 détailAnalyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains
Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains Andrés Felipe SERNA MORALES Directrice de thèse: Beatriz MARCOTEGUI ITURMENDI serna@cmm.ensmp.fr MINES ParisTech, Mathématiques
Plus en détailIntroduction 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 détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection
ProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection Nicolas HEULOT (CEA LIST) Michaël AUPETIT (CEA LIST) Jean-Daniel FEKETE (INRIA Saclay) Journées Big Data
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailChristophe SANNIER christophe.sannier@sirs-fr.com
Systèmes d Information à Référence Spatiale Utilisation d un Estimateur de Régression avec des Données Landsat pour l Estimation de l Etendu et des Changements du Couvert Forestier du Gabon de 1990 à 2010
Plus en détailCompte-rendu Réunion générale. Grenoble, le 29 juin 2011 URBASIS
URBASIS Sismologie urbaine : évaluation de la vulnérabilité et des dommages sismiques par méthodes innovantes ANR09RISK009 URBASIS Compterendu Réunion générale Grenoble, le 29 juin 2011 Participants: J.
Plus en détailTerritoire3D. Descriptif de contenu. Institut Géographique National. www.ign.fr. Date du Document : Mars 2011
Territoire3D Descriptif de contenu Date du Document : Mars 2011 Institut Géographique National 73 avenue de Paris 94165 Saint-Mandé Cedex www.ign.fr Révision : Spécifications externes A 18/03/2011 Création
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détailCENTRE DE DOCUMENTATION DE L INSTITUT GEOGRAPHIQUE NATIONAL. Bibliographie : Imagerie et lidar
CENTRE DE DOCUMENTATION DE L INSTITUT GEOGRAPHIQUE NATIONAL centrededocumentationdel'igncentrededocumentationdel'igncentrededocumentationdel'igncentrededocumentationdel'igncentrededo cumentationdel'igncentrededocumentationdel'igncentrededocumentationdel'igncentrededocumentationdel'igncentrededocumentatio
Plus en détailTrait de côte Histolitt v1.0 Descriptif technique Version du document 1.0 *** Sommaire
Trait de côte Histolitt v1.0 Descriptif technique Version du document 1.0 *** Sommaire 1 Producteurs 2 Dénomination du produit 3 Protection militaire 4 Abréviations 5 Description générale 1. Définition
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailCommunications immersives : Enjeux et perspectives
Journée Futur et Ruptures Communications immersives : Enjeux et perspectives Béatrice Pesquet-Popescu Télécom ParisTech, Département TSI 5 mars 2015 Institut Mines-Télécom Tendances actuelles Plus, plus,
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailEquation LIDAR : exp 2 Equation RADAR :
Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion
Plus en détailUne proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes
303 Schedae, 2007 Prépublication n 46 Fascicule n 2 Une proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes Samya Sagar, Mohamed Ben Ahmed Laboratoire
Plus en détailRéalité virtuelle au service de la maintenance
Réalité virtuelle au service de la maintenance Christian Boucheny EDF R&D SINETICS Séminaire Cartographie d intérieur et d extérieur ENSMP 04/09/2013 Sommaire 1. Application 1 : ADRM Aide à la Décision
Plus en détailLa base de données régionale sur les sols. d Alsace. La base de données régionale sur les sols d Alsace
3 outils complémentaires pour connaître les sols en Alsace La base de données régionale sur les sols d Alsace Le guide des sols d Alsace La base de données régionale sur les sols Le réseau de mesure de
Plus en détailK. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau
Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailObject 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 détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailLa surveillance appliquée à la gestion des risques géotechniques miniers
Symposium on Innovation and Technology in The Phosphate Industry - SYMPHOS May 6-10, 2013 Agadir, Marocco La surveillance appliquée à la gestion des risques géotechniques miniers Méthodes et Technologies
Plus en détailFUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE
Rapport de Projet Pluridisciplinaire Mastère spécialisé Photogrammétrie, positionnement et mesures de déformations (PPMD) FUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE GARDON Elzbieta
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailL apprentissage automatique
L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer
Plus en détailRESERVOIR MONITORING A PARTIR D IMAGES SATELLITES APPLICATIONS POUR LES ACTIVITÉS AMONT DE SONATRACH EN ALGÉRIE
RESERVOIR MONITORING A PARTIR D IMAGES SATELLITES APPLICATIONS POUR LES ACTIVITÉS AMONT DE SONATRACH EN ALGÉRIE Johanna GRANDA (1), Alain ARNAUD (1) et Azzédine BOUDIAF (2) (1) ALTAMIRA INFORMATION S.L.,
Plus en détailDocument d Appui n 3.3. : Repérage ou positionnement par Global Positionning System G.P.S (extrait et adapté de CAMELEO 2001)
Document d Appui n 3.3. : Repérage ou positionnement par Global Positionning System G.P.S (extrait et adapté de CAMELEO 2001) 1. Présentation du GPS Le GPS (Global Positionning System=système de positionnement
Plus en détailSylvain Sylvain GONNET Géomètre 2 ème année [ ]
Sylvain Sylvain GONNET Géomètre 2 ème année [ ] 1 Préambule La municipalité de Battir souhaite créer un SIG permettant mettre en valeur le patrimoine paysager et humain. De plus, ce SIG devra devenir un
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailAMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES DONNEES GEOSPATIALES NATIONALE
AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES GEOSPATIALE CREATION A D UNE L ECHELLE BANQUE NATIONAL DE DONNEES GEOSPATIALES NATIONALE 1 AMTEC RESOURCES MANAGEMENT LTD. P O Box 3463
Plus en détailR-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale
R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale Boulbaba BEN AMOR, Karima OUJI, Mohsen ARDABILIAN, et Liming CHEN Laboratoire d InfoRmatique en Images et
Plus en détailMesurer les altitudes avec une carte
www.ign.fr > Espace éducatif > Les fiches thématiques > Lecture de la carte Mesurer les altitudes avec une carte Les cartes topographiques ne sont pas uniquement une représentation plane de la surface
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailAcquérir et intégrer des données géographiques
Acquérir et intégrer des données géographiques Acquérir et intégrer des données géographiques 1) Les types de données géographiques 2) Les sources de données géographiques 3) Niveau de détail des cartes
Plus en détailGestion obligataire passive
Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
Plus en détailDétection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique
Détection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique Denis Brazey & Bruno Portier 2 Société Prynɛl, RD974 290 Corpeau, France denis.brazey@insa-rouen.fr 2 Normandie Université,
Plus en détailChapitre 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 détail1 La visualisation des logs au CNES
1 La visualisation des logs au CNES 1.1 Historique Depuis près de 2 ans maintenant, le CNES a mis en place une «cellule d analyse de logs». Son rôle est multiple : Cette cellule est chargée d analyser
Plus en détailApplications of Earth Observation for Disaster Risk Management
Satellite Earth Observation & Disaster Risks Applications of Earth Observation for Disaster Risk Management Hicham EZZINE, Regional Centre for Disaster Risk Reduction Data Info. INRODUCTION INRODUCTION
Plus en détailCréation intuitive des éléments d un paysage
Création intuitive des éléments d un paysage Marie-Paule Cani Univ. Grenoble-Alpes, CNRS & Inria Organisation du cours «Façonner l imaginaire» Partie 1 : Création numérique 3D Modélisation géométrique
Plus en détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailÉtude de données multisources par simulation de capteurs et clustering collaboratif
Étude de données multisources par simulation de capteurs et clustering collaboratif Germain Forestier, Cédric Wemmert, Pierre Gançarski Université de Strasbourg - LSIIT - CNRS - UMR 75 Pôle API, Bd Sébastien
Plus en détailValorisation des données LiDAR/Laser du Système d Information du Territoire à Genève
Institut National des Sciences Appliquées de Strasbourg Mémoire de soutenance de Diplôme d Ingénieur INSA Spécialité TOPOGRAPHIE Valorisation des données LiDAR/Laser du Système d Information du Territoire
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailGlossaire. base de données géographiques Voir géodatabase (GDB).
Glossaire analyse Processus d identification d une question ou d un problème à résoudre, de modélisation de ce problème, de recherche des résultats de modélisation, d interprétation des résultats, d élaboration
Plus en détailSavoir lire une carte, se situer et s orienter en randonnée
Savoir lire une carte, se situer et s orienter en randonnée Le b.a.-ba du randonneur Fiche 2 Lire une carte topographique Mais c est où le nord? Quel Nord Le magnétisme terrestre attire systématiquement
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailCláudio CARNEIRO, Suisse François GOLAY, Suisse
Cláudio CARNEIRO, Suisse François GOLAY, Suisse Mots clés : modélisation urbaine, indicateurs urbains, systèmes laser aéroportés (LIDAR), systèmes d information géographique (SIG) SOMMAIRE Les outils de
Plus en détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
Plus en détailL image geospatiale au service de l aviation civile
Toulouse, le 31 mars 2009 L image geospatiale au service de l aviation civile The information contained in this document pertains to software products and services that are subject to the controls of the
Plus en détailSociété de Geo-engineering
Gestion de la maintenance des réseaux le géoréférencement inertiel direct, technologie automatisée d'acquisition d'objets 2D / 3D vers les SIG Société de Geo-engineering Activité d'expertise et d'ingénierie
Plus en détailPentaho Business Analytics Intégrer > Explorer > Prévoir
Pentaho Business Analytics Intégrer > Explorer > Prévoir Pentaho lie étroitement intégration de données et analytique. En effet, les services informatiques et les utilisateurs métiers peuvent accéder aux
Plus en détailComparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation
Laboratoire Vision & Robotique Comparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation Emilie KOENIG, Benjamin ALBOUY, Sylvie TREUILLET, Yves Lucas Contact : Sylvie Treuillet Polytech'Orléans
Plus en détailProjet 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 détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailLe Scanner 3D Dynamique
Le Scanner 3D Dynamique Présentation & Références 2015 Page 1 / 9 1. Présentation Techniques Topo, est une société de Géomètres Experts créée en 1964 comptant aujourd hui près de 120 collaborateurs répartis
Plus en détailPerspectives en matière de portails géographiques et de 3D
Perspectives en matière de portails géographiques et de 3D version du Géoportail de l IGN Aurélien Barbier-Accary (Atos Worldline) et Frédéric Rouas (Diginext) Un groupement d expertises Depuis 2006 et
Plus en détailAgrégation des portefeuilles de contrats d assurance vie
Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l
Plus en détailEnjeux 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 détailun module de simulation des évolutions urbaines http://geopensim.ign.fr Présentation
un module de simulation des évolutions urbaines http://geopensim.ign.fr 12 mars 2009 Anne Ruas Annabelle Mas Julien Perret Présentation Plateforme open source d analyse et de simulation des évolutions
Plus en détailÉtude de la carte de Vézelise. Initiation à la lecture du relief sur une carte topographique
Étude de la carte de Vézelise Initiation à la lecture du relief sur une carte topographique Double objectif de la séance Étude d un paysage lorrain de côte Apprentissage de la lecture du relief sur une
Plus en détailUn œil sur les routes isolées
A r t i c l e 1 p r i n t e m p s 2 0 1 3 w w w. m t o. g o v. o n. c a / f r e n c h / t r a n s t e k / r o a d t a l k Un œil sur les routes isolées Le ministère réduit les coûts opérationnels en améliorant
Plus en détailFonctions 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 détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailintelligence artificielle et cognitique"
Dialogue on Education, 11h-11h10 Course overview on "Automatisation avancée, intelligence artificielle et cognitique" Prof. Dr. Jean-Daniel Dessimoz, MBA, HES-SO / HEIG-VD 11:00-11:10, 18 November 2014
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailLa segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM
La segmentation à l aide de EG-SAS A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM Définition de la segmentation - Au lieu de considérer une population dans son ensemble,
Plus en détailColorisation et texturation temps réel d environnements urbains par système mobile avec scanner laser et caméra fish-eye
Colorisation et texturation temps réel d environnements urbains par système mobile avec scanner laser et caméra fish-eye Résumé Jean-Emmanuel Deschaud, Xavier Brun, François Goulette Mines ParisTech, CAOR-Centre
Plus en détailProspective: Champ de gravité, méthodes spatiales
Prospective: Champ de gravité, méthodes spatiales Richard Biancale Conseil Scientifique du GRGS Observatoire de Paris, 10 avril 2008 L état de l art des modèles CHAMP: modèles 50 fois moins précis que
Plus en détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailGEOLOCALISATION ET NAVIGATION A L AIDE DES SIGNAUX GNSS
GEOLOCALISATION ET NAVIGATION A L AIDE DES SIGNAUX GNSS Thierry.Chapuis@cnes.fr 08/04/2014 1 EVOLUTION DU SYSTÈME GNSS 1995-2005 2005-2014 2014 GPS GNSS-1 GNSS-2 GLONASS Pas de garantie de service Dégradation
Plus en détailIntégration de la dimension sémantique dans les réseaux sociaux
Intégration de la dimension sémantique dans les réseaux sociaux Application : systèmes de recommandation Maria Malek LARIS-EISTI maria.malek@eisti.fr 1 Contexte : Recommandation dans les réseaux sociaux
Plus en détailFormula Negator, Outil de négation de formule.
Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente
Plus en détailAlgorithme des fourmis appliqué à la détection et au suivi de contours dans une image
IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailTRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes
TRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes Mohamed Moussaoui,Wajdi Dhifli,Sami Zghal,Engelbert Mephu Nguifo FSJEG, Université de Jendouba,
Plus en détailProjet : Recalage par maximisation de l information mutuelle
École Polytechnique de Montréal Automne 25, 12 décembre 25 Projet : Recalage par maximisation de l information mutuelle GBM613, Application médicales de l informatique Nom Matricule Groupe Herve Lombaert
Plus en détailPlan 1/9/2013. Génération et exploitation de données. CEP et applications. Flux de données et notifications. Traitement des flux Implémentation
Complex Event Processing Traitement de flux de données en temps réel Romain Colle R&D Project Manager Quartet FS Plan Génération et exploitation de données CEP et applications Flux de données et notifications
Plus en détailModeling reality with the latest in 3D technology: Virtualisation. Aperçu
Rencontres art, science, technique & architecture (RASTA_02) De l acquisition à la restitution de données numériques 3D 31 octobre 2002 C2RMF-DMF 6 rue des Pyramides75 041 Paris Modeling reality with the
Plus en détailModélisation d objets mobiles dans un entrepôt de données
Tao Wan, Karine Zeitouni Laboratoire PRISM, Université de Versailles 45, avenue des Etats-Unis, 78035 Versailles Cedex, France Tao.Wan@prism.uvsq.fr, Karine.Zeitouni@prism.uvsq.fr http://www.prism.uvsq.fr/users/karima/
Plus en détailLa collecte et la gestion des données dans le cadre de la prospection d énergie solaire
Conférence SIG 2012 - ESRIFRANCE La collecte et la gestion des données dans le cadre de la prospection d énergie solaire Serge MANG-JOUBERT GAIAGO Eric VIDALENC - ADEME 1 Auteurs : Rodrigo MARIONI, Serge
Plus en détail