| Titre : | Automatic update and semantic enriching of a 3D city model using 3D change detection |
| Auteurs : | TAMORT Abdelghani, Auteur ; HAJJI Rafika, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2023 |
| Format : | 112 |
| Langues: | Français |
| Mots-clés: | Modèle 3D de ville ; CityJSON ; détection de changement ; mise à jour ; reconstruction |
| Résumé : |
Le développement croissant et l'intégration des jumeaux numériques urbains soulignent la
nécessité cruciale de la mise à jour automatique des modèles 3D de villes. La reconstruction de ces modèles à partir de nuages de points acquis par LiDAR aérien reste le processus le plus employé pour leur création. Cependant, la nature dynamique des environnements urbains conduit à une obsolescence rapide du modèle. Reconstruire un nouveau modèle après chaque acquisition est une solution exigeante en termes de temps et de ressources, en particulier dans les environnements urbains de grande étendue, et ne parvient pas à intégrer les informations de changement. En réponse, nous proposons un cadre novateur intégrant une approche de détection de changement d'instance tirant parti des algorithmes de calcul de distance, des caractéristiques géométriques et la fixation de seuils. Ce cadre est complété par un algorithme de reconstruction de bâtiments pour faciliter une mise à jour efficace sur les plans géométrique, sémantique et thématique (étiquetage des changements) des modèles de ville 3D existants. L'approche exploite des logiciels open source et des scripts Python personnalisés pour établir un pipeline automatique étape par étape. Le processus de détection de changement comprend trois étapes. Initialement, les points de bâtiments sont extraits à partir de nuages de points segmentés sémantiquement et appariés à leurs empreintes correspondantes. Ensuite, les empreintes qui se chevauchent fournissent des informations sur les instances de bâtiments nouvellement ajoutées et perdues. Les données de nuage de points restantes sont soumises à un algorithme de comparaison de distances (C2C), aidé par une fixation de seuil empirique basée sur des facteurs tels que la distance C2C-Z, la normalité, la linéarité et la planéité. Les points candidats au changement sont identifiés et regroupés en clusters cohérents et denses à l'aide d'une approche de regroupement. Les instances intersectant avec ces clusters sont classées comme modifiées, tandis que le reste est étiqueté comme inchangé. Les instances de bâtiments inchangées et perdues sont appariées entre le modèle existant et les empreintes classifiées. Les bâtiments inchangés sont préservés dans le modèle, tandis que seules les empreintes LoD0 des bâtiments perdus sont conservées. Les bâtiments modifiés et nouveaux sont reconstruits à l'aide de Geoflow3D. Le type de changement est ajouté comme attribut à chaque modèle, qui sont ensuite consolidés en un modèle final mis à jour. Les résultats de la détection de changement sont évalués selon des métriques d’évaluation standards. Le jeu de données de validation est composé de bâtiments ayant été aléatoirement choisis et manuellement annotés de labels de changement. Le résultat de la validation est encourageant compte tenu des différentes sources d’erreurs. La vérification de la mise-à-jour du modèle commence par une inspection visuelle à l’aide du visualiseur « ninja ». Un formatage conditionnel est appliqué sur l’attribut « change_type » afin d’assigner à chaque valeur de l’attribut une couleur unique. Chaque bâtiment peut ensuite être inspecté afin de s’assurer que l’information de changement a été transmise. |
| En ligne : | http://10.2.0.27//cda/ebooks/TAMORT_Abdelghani_2023.pdf.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200041182 | 10119 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur topographe | Consultation sur place Exclu du prêt |
