La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

OTHMANI Ahlem 2013 De l'Acquisition à la Compression des objets 3D (AC3D) Porquerolles 2013.

Présentations similaires


Présentation au sujet: "OTHMANI Ahlem 2013 De l'Acquisition à la Compression des objets 3D (AC3D) Porquerolles 2013."— Transcription de la présentation:

1 OTHMANI Ahlem 2013 De l'Acquisition à la Compression des objets 3D (AC3D) Porquerolles 2013

2 Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 01

3 Gestion des forêts Office National des forêts -Gère 25% des forêts française (forêts publiques) -45 % du volume -Inventaire annuel Surface boisée en France métropolitaine Km2 -29,5 % du territoire Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives 02 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

4 OTHMANI Ahlem 2013 Inventaire forestier Evaluer la ressource dune forêt à un moment donné o Espèce et diamètre o Hauteur de peuplement Inventaire manuel Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives 03 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

5 OTHMANI Ahlem 2013 Inventaire forestier amélioré o Plus précis, plus détaillé, plus rapide o Meilleure connaissance de la ressource Utilisation de scans laser Lidar Terrestre ou Aérien Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives 04 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

6 OTHMANI Ahlem 2013 Inventaire forestier à lONF Nuage de points 3D : de lordre de 40 millions de points par nuage. 2 2 Traitement des nuages de points avec le logiciel Computree développé par lONF 3 3 Campagne dacquisition terrain 1 1 Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives 05 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

7 OTHMANI Ahlem 2013 Identification automatisée despèces darbres dans des scans lasers 3D Dans le cadre de cette thèse, on ne sintéresse que à lidentification de lespèce darbre. Déterminer Lespèce Les feuilles les bourgeons La forme des cimes (le houppier) Les fruits Les feuilles Introduction Approches Résultats et perspectives 06 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

8 OTHMANI Ahlem 2013 Identification automatisée despèces darbres dans des scans lasers 3D linventaire forestier est réalisé pendant lhiver ( hors de période de croissance des arbres ) o Les feuilles o Les bourgeons o Les fruits o la cime des essences, tout seul, nest pas suffisant pour la discrimination o Il y a beaucoup deffet de flou ( chevauchement des branches,..) o le nombre de point de scans diminuent avec lhauteur o Cest très difficile de décrire le houppier et la branchaison o La forme des cimes Lécorce des troncs darbres Introduction Approches Résultats et perspectives 07 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

9 OTHMANI Ahlem 2013 Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives Charme (cannelure) Chêne (lanières verticales) Hêtre (lisse) Merisier ( lanières horizontales) Pin (crevasses) Epicéa (cicatrices circulaires ) 08 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

10 Nuage de points 3D Patch 3D Maillage 3D Filtrage Triangulation Pré-traitement Extraction des morceaux de troncs 1 Carte de hauteur ou profondeur Maillage 3D Lissage [ … ] Information De profondeur 2 Extraction image de profondeur 2,5D Information De profondeur Depliage Image de Profondeur 2,5 D 3 Analyse de texture 4 Images 2,5D a: hêtre b: épicéa c: pin d: chêne e: charme Technique de segmentation ou danalyse dimages Image segmentée Vecteur caractéristiques Classification 5 Image segmentée Extraction des caractéristiques Classifieur Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives 09 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

11 OTHMANI Ahlem 2013 Identification automatisée despèces darbres dans des scans lasers 3D Les textures géométriques est lensemble de détails géométriques 3D du maillage original surfacique texturé M o par rapport à la version lissée M s du maillage. Les détails géométriques 3D sont représenté par la déviation géométrique entre le maillage original M o et sa version lissée M s. Texture Géométrique Introduction Approches Résultats et perspectives 10 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

12 OTHMANI Ahlem 2013 Identification automatisée despèces darbres dans des scans lasers 3D 5 Itérations 20 Itérations 40 Itérations 70 Itérations Maillage originalMaillage lisse Itérer lalgorithme de lissage jusquau avoir un maillage suffisamment lisse Introduction Approches Résultats et perspectives 11 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

13 OTHMANI Ahlem 2013 Identification automatisée despèces darbres dans des scans lasers 3D Lalgorithme de lissage λ/μ de Taubin : résout le problème de rétrécissement de certains algorithmes de lissage. 2 étapes de lissage laplacien avec différents facteurs déchelles λ et μ. une première étape avec λ>0 (shrinkage step) une deuxième étape avec μ<-λ<0 (unshrinkage step) La nouvelle position v' i du i ème vertex Lopérateur laplacien λ = et μ = ( valeurs suggérées par Taubin) Introduction Approches Résultats et perspectives 12 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

14 Identification automatisée despèces darbres dans des scans lasers 3D Il faut itérer lalgorithme de lissage jusquà ce que le maillage devient suffisamment lisse. supprimer tous les détails géométriques 3D. Etude de lévolution de courbures minimales et maximales en fonction du nombre ditération de lissage. Figure : Le médian des courbures maximales en fonction du nombre ditération de lissage La pente de la tangente <=-0.01 Texture Géométrique Introduction Approches Résultats et perspectives 13 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

15 Identification automatisée despèces darbres dans des scans lasers 3D ISOMAP (Tenenbaum, et al, 00) LLE (Roweis, Saul, 00) Laplacian Eigenmaps (Belkin, Niyogi, 01) Local Tangent Space Alignement (Zhang, Zha, 02) Hessian Eigenmaps (Donoho, Grimes, 02) Diffusion Maps ( Coifman, Lafon, et al, 04) Kernal PCA (Schoelkopf, et al, 98) Maximum Variance Unfolding (Weinberger & Saul. 04) Geodesic nullspace analysis (Brand. 04) Conformal eigenmaps (Sha & Saul. 05) Réduction de Dimension Introduction Approches Résultats et perspectives 14 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

16 Identification automatisée despèces darbres dans des scans lasers 3D Linear versus non linear Introduction Approches Résultats et perspectives 15 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

17 Identification automatisée despèces darbres dans des scans lasers 3D PCA et MDS peuvent sappliquer seulement sur des projections linéaires. Nous avons besoin dune extension non linéaire. Idée clé: Préserver les distances géodésiques mesurée le long du submanifold. ISOMAP Algorithme : 1.Construire le graphe dadjacence (k-nearest neighbors) 2.estimer la distance géodésique par chemin le plus court ( l'algorithme de Djikstra) 3.Utiliser les distances géodesiques pour calculer matrice de Gram dans MDS Les points de faiblesse : Très lent pour calculer les distances géodésiques et diagonaliser la matrice de Gram. Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 16 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

18 Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 17 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

19 La ligne de partage des eaux : Watershed Segmentation Segmentation fondée sur les régions ( A region- based segmentation approach ) : considère limage comme un relief topologique si lon associe le niveau de gris de chaque point à une altitude. Trois éléments dans une image : les minima régionaux les bassins versants ( catchement bassin) les lignes de partage des eaux (watershed lines) Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 18 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

20 a) Percer des trous dans chaque minimum régional b) La topographie 3D est inondé par le bas progressivement c) Lorsque la montée des eaux dans les bassins versants distincts est sur le point de fusionner, on construit un barrage pour empêcher la fusion. d) Les barrages correspondent aux lignes de partage des eaux qui doivent être extraites par notre algorithme de segmentation. Identification automatisée despèces darbres dans des scans lasers 3D Algorithme Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 19 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

21 Fonction de segmentation : Top hat Transformation : Détecteur de crêtes Mettre en évidence les taches les plus saillantes Identification automatisée despèces darbres dans des scans lasers 3D Fonction de segmentation la plus utilisée Fonction de segmentation la plus utilisée le module du gradient morphologique D : Dilatation E : Erosion Détecteur de contours les lignes de partage des eaux se placent de façon privilégiée sur les lignes de gradient élevé (contours). Une grande sensibilité au bruit Approche filtrage les marqueurs Approche hiérarchique Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 20 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

22 HYBRID SEGMENTATION USING A WATERSHED AND REGION MERGING BASED METHOD Median Filtering Contrast Adjustement Top hat transformation Remove small objects from the image Fill small holes Initial segmentation with watersheds Fast Nearest Region Merging Based on weak boundaries Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 21 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

23 Les résultats de la segmentation initiale de la ligne de partage des eaux sur- segmentation Fusion de régionsIdentification automatisée despèces darbres dans des scans lasers 3D ?? Measure de Dissimilarité ?? Homogénéité des régions Faiblesse des contours (Boundaries weakness) Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 22 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

24 Map des contours (Map Edge) On fusionne deux régions adjacentes si le coût affecté à ce contour E i,j est inférieur à un seuil ( fixé à 0.5) Identification automatisée despèces darbres dans des scans lasers 3D n est le nombre de pixels dun contour commun à deux régions adjacentes n 1 est le nombre de pixels du contour considérés comme du noir(grayscale < 0.8) n 2 est le nombre de pixels du contour considérés comme du blanc (grayscale > 0.8) = 0.75 et = 0.25 Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 23 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

25 Images de profondeur Segmentation Initiale Après Fusion Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 24 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

26 Identification automatisée despèces darbres dans des scans lasers 3D Features : Features : Une région est caractérisée par un ensemble de caractéristiques Aire et périmètreCircularitéConvexité Longueur de l'axe majeur et mineur OrientationCompacité Caractéristiques de géométrie et de forme : Caractéristiques dintensité : Maximum Intensity Minimum Intensity Mean Intensity SphéricitéConcavité et convexitéExentricité Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 25 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

27 Résultats test 1 : 10 cross-validation on D1 test 2 : 10 cross-validation on D2 test 3 : Training on D1 and testing on D2 test 4 : Training on D2 and testing on D1 Identification automatisée despèces darbres dans des scans lasers 3D Diamètre standard du tronc Distance standard au scanner 2 data setsPatchs de Différents arbres -30 cm 6 mD1: 16 patches/espèce D2 : 30 patches/espèce 46 par espèce Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 26 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

28 OTHMANI Ahlem Portée : 60 cm à 120 m -Champs de scan : 360°(H) x 320°(V) -Précision : 2 mm à 25 m Le scanner laser FARO 120 Résol. 1/4 Résolution : 41M de points Distance entre 2 points à 10 m : 6,3 mm N.B. : Résolution maximale possible : 1,6 mm à 10 m (1h30) Identification automatisée despèces darbres dans des scans lasers 3D Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 27 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

29 Identification automatisée despèces darbres dans des scans lasers 3D accuracy = 95% precision = 89% accuracy = 97% precision = 92% Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 28 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

30 Identification automatisée despèces darbres dans des scans lasers 3D Conclusion Les lignes des partages des eaux est lapproche la plus adaptée pour létude de surface cette approche est trop sensible au bruit nos images de profondeur sont fortement bruitées à cause de linterpolation = les contours ne sont pas bien dessiné Fallait il vraiment faire le passage vers la 2D ?? Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 29 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

31 Identification automatisée despèces darbres dans des scans lasers 3D Burst Wind Segmentation (othmani et al. 2013) linformation de profondeur présente le relief topologique. les minima régionaux à laide linformation de courbure. simuler un vent fort Introduction Approches Résultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 30 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon

32 OTHMANI Ahlem 2013


Télécharger ppt "OTHMANI Ahlem 2013 De l'Acquisition à la Compression des objets 3D (AC3D) Porquerolles 2013."

Présentations similaires


Annonces Google