| Titre : | Automatic detection and 3D modeling of City Furniture Objects using LiDAR and Imagery Mobile Mapping Data (Confidentiel) |
| Auteurs : | DOI Hiba, Auteur ; HAJJI Rafika, Auteur ; JEDDOUB,I; YARROUDH,A ;BILLEN,R, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2024 |
| Format : | 152 |
| Langues: | Français |
| Mots-clés: | 3D city models ; Camera-LiDAR fusion ; City furniture ; CityJSON ; Classification ; Instance segmentation ; KPConv ; Line of Bearing (LoB) ; Mobile Mapping System (MMS) ; Object detection ; Semantic Segmentation. |
| Résumé : |
Les objets de mobilier urbain contiennent des informations précieuses sur la circulation urbaine et la
dynamique de la ville. Par conséquent, mener des études visant à détecter ces objets et à les intégrer dans des modèles 3D des villes est essentiel pour enrichir l’utilité et les détails de ces modèles.Dans cette étude, nous avons mis en oeuvre deux méthodologies distinctes. La première approche repose sur l’imagerie du Système de Cartographie Mobile (MMS) pour détecter le mobilier urbain à l’aide des modèles de détection et de classification d’objets YOLO. De plus, nous avons appliqué une approche basée sur la photogrammétrie, en utilisant la méthode de la Ligne de Visée (LoB) pour extraire les coordonnées XYZ précises et la hauteur. Une opération spatiale a été réalisée pour déterminer l’orientation de l’objet avant d’automatiser le processus de modélisation 3D en utilisant les "templates de géométrie" de CityJSON. La seconde approche a employé une fusion caméra-LiDAR. En utilisant KPConv pour la segmentation sémantique et des composants connectés pour la segmentation d’instances, deux méthodes de classification ont été appliquées : une basée sur le nuage de points, utilisant la technique Fast Global Registration (FGR) pour classifier différents types de lampadaires, et l’autre basée sur les images, où les instances issues du nuage de points ont été projetées sur des images grâce à un algorithme de reprojection pour classifier les feux de circulation et les panneaux. Cela nous a permis de tirer parti de la puissance des modèles de classification basés sur les images. Les coordonnées XYZ précises ont été dérivées du nuage de points, suivies de la phase de modélisation. La méthodologie basée sur l’imagerie a atteint une RMSE de 0,32 par rapport aux observations de référence. En revanche, la méthodologie basée sur le nuage de points a montré un potentiel, mais nécessite des améliorations, notamment dans la technique FGR, pour réduire la sensibilité au bruit. Cette étude présente un flux de travail complet, allant de la détection à la modélisation de Niveau de Détail 4 (LOD4) du mobilier urbain, en offrant une approche optimisée qui combine les forces de KPConv et exploite plusieurs sources de données pour une détection et une classification des caractéristiques améliorées. |
| En ligne : | http://10.2.0.27//cda/ebooks/Confidentiel_DOI_Hiba_2024.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200041525 | 10462 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur topographe | Exclu du prêt |
