Axe de recherche GEOM4D

Présentation

GEOM4D a été lancé en 2015.
Personnes impliquées :
GEOM4D

Objectif scientifique


L'axe GEOM4D s'intéresse à la description géométrique fine du territoire en se focalisant sur des données (image et/ou lidar) issues de la cartographie mobile terrestre (véhicule Stéréopolis du MATIS) et/ou des données aérienne qui offrent des points de vue très complémentaires. Ces travaux s'articulent autour de quatre thématiques majeures:

  • Le recalage de données hétérogènes et multi-sources: aérien/terrestre, image/laser, laser/modèle 3D,...
  • La détection d'objets: nous développons des méthodes de détection des objets les plus présents dans le canyon urbain, en particulier marquages au sol, signalisation routière, poteaux et arbres.
  • La reconstruction et texturation de surface: la reconstruction va des représentations les moins structurées (maillage) aux plus structurées (modèles paramétriques) afin d'exploiter au mieux les a priori possibles sur le type de scène ou d'objet rencontrés.
  • La détection de changement: elle est étudiée de façon purement géométrique, en 2.5D (MNE aérien) ou en vraie 3D (lidar terrestre), et peut s'appliquer à différentes échelles temporelles, du dizième de seconde pour le suivi d'objets mobiles jusqu'à quelques années pour les évolutions structurelles de la ville.

Dans tous ces travaux, nous cherchons à propager rigoureusement les incertitudes sur toutes les données manipulées afin que nos résultats soient qualifiés.
Notre perspective majeure est d'arriver à déterminer simultanément la géométrie et la sémantique de nos scènes d'intérêt, c'est à dire à combiner efficacement détection, sémantisation, segmentation et reconstruction.
Les applications de ces travaux sont très nombreuses, de la planification urbaine à la simulation de phénomènes physiques en passant par la navigation autonome.


Thèses MATIS sur le sujet


  • 2016, Rémi Cura :
    Modélisation et Synthèse 3D Procédurale à Partir de Données Urbaines
    Dirigée par Nicolas Paparoditis.
    Co-encadrement : Julien Perret.
    Télécharger le mémoire


Thèses en cours


  • Miloud Mezian (depuis 2014) :
    Trajectography registration by combined data-model deformation for geometric enriching of existing city models
    Dirigée par Nicolas Paparoditis.
    Co-encadrement : Bahman Soheilian et Bruno Vallet.

  • Mohamed Boussaha (depuis 2016) :
    Hybrid urban scene analysis from mobile mapping images and laser scan
    Dirigée par Bruno Vallet et Patrick Rives (Inria Sophia Antipolis - LAGADIG).

  • Stéphane Guinard (depuis 2017) :
    Reconstruction de complexes simpliciaux / Simplicial complexes reconstruction
    Dirigée par Bruno Vallet.


Publications récentes


N. Mellado, D. Vanderhaeghe, C. Hoarau, S. Christophe, M. Brédif, L. Barthe. Constrained Palette-Space Exploration. ACM Transaction on Graphics (SIGGRAPH 2017), July 2017, Los Angeles, CA, USA.

S. Guinard, L. Landrieu. Weakly supervised segmentation-aided classification of urban scenes from 3D LiDAR point clouds. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLII-1/W1, 2017, pp.151-157, Hannover, Germany, 6–9 June 2017.

S. Guinard, L. Landrieu, B. Vallet. Pré-segmentation pour la classification faiblement supervisée de scènes urbaines à partir de nuages de points 3D LIDAR. ORASIS 2017, Colleville-sur-Mer, France, 12-16 juin 2017.

L. Landrieu, H. Raguet, B. Vallet, C. Mallet, M. Weinmann. A structured regularization framework for spatially smoothing semantic labelings of 3D point clouds. ISPRS Journal of Photogrammetry and Remote Sensing, 132, pp.102-118, 2017.

Y. Hong, C. Bonhomme, B. Soheilian, G. Chebbo. Effects of Using Different Sources of Remote Sensing and Geographic Information System Data on Urban Stormwater 2D–1D Modeling. Applied Sciences 2017 (9), 904.



Toutes les publications MATIS sur le sujet

Site internet de la recherche à l'IGN