othmani ahlem 2013 de l'acquisition à la compression des objets 3d (ac3d) porquerolles 2013

32
Identification automatisée d’espèces d’arbres dans des scans lasers 3D OTHMANI Ahlem 2013 De l'Acquisition à la Compression des objets 3D (AC3D) Porquerolles 2013

Upload: anouska-leblanc

Post on 04-Apr-2015

102 views

Category:

Documents


0 download

TRANSCRIPT

  • Page 1
  • OTHMANI Ahlem 2013 De l'Acquisition la Compression des objets 3D (AC3D) Porquerolles 2013
  • Page 2
  • Identification automatise despces darbres dans des scans lasers 3D Introduction Approches Rsultats et perspectives A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon 01
  • Page 3
  • Gestion des forts Office National des forts -Gre 25% des forts franaise (forts publiques) -45 % du volume -Inventaire annuel Surface boise en France mtropolitaine -161 000 Km2 -29,5 % du territoire Identification automatise despces darbres dans des scans lasers 3D Introduction Approches Rsultats et perspectives 02 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 4
  • OTHMANI Ahlem 2013 Inventaire forestier Evaluer la ressource dune fort un moment donn o Espce et diamtre o Hauteur de peuplement Inventaire manuel Identification automatise despces darbres dans des scans lasers 3D Introduction Approches Rsultats et perspectives 03 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 5
  • OTHMANI Ahlem 2013 Inventaire forestier amlior o Plus prcis, plus dtaill, plus rapide o Meilleure connaissance de la ressource Utilisation de scans laser Lidar Terrestre ou Arien Identification automatise despces darbres dans des scans lasers 3D Introduction Approches Rsultats et perspectives 04 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 6
  • OTHMANI Ahlem 2013 Inventaire forestier 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 dvelopp par lONF 3 3 Campagne dacquisition terrain 1 1 Identification automatise despces darbres dans des scans lasers 3D Introduction Approches Rsultats et perspectives 05 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 7
  • OTHMANI Ahlem 2013 Identification automatise despces darbres dans des scans lasers 3D Dans le cadre de cette thse, on ne sintresse que lidentification de lespce darbre. Dterminer Lespce Les feuilles les bourgeons La forme des cimes (le houppier) Les fruits Les feuilles Introduction Approches Rsultats et perspectives 06 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 8
  • OTHMANI Ahlem 2013 Identification automatise despces darbres dans des scans lasers 3D linventaire forestier est ralis pendant lhiver ( hors de priode 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 trs difficile de dcrire le houppier et la branchaison o La forme des cimes Lcorce des troncs darbres Introduction Approches Rsultats et perspectives 07 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 9
  • OTHMANI Ahlem 2013 Identification automatise despces darbres dans des scans lasers 3D Introduction Approches Rsultats et perspectives Charme (cannelure) Chne (lanires verticales) Htre (lisse) Merisier ( lanires horizontales) Pin (crevasses) Epica (cicatrices circulaires ) 08 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 10
  • Nuage de points 3D Patch 3D Maillage 3D Filtrage Triangulation Pr-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: htre b: pica c: pin d: chne e: charme Technique de segmentation ou danalyse dimages Image segmente Vecteur caractristiques Classification 5 Image segmente Extraction des caractristiques Classifieur Identification automatise despces darbres dans des scans lasers 3D Introduction Approches Rsultats et perspectives 09 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 11
  • OTHMANI Ahlem 2013 Identification automatise despces darbres dans des scans lasers 3D Les textures gomtriques est lensemble de dtails gomtriques 3D du maillage original surfacique textur M o par rapport la version lisse M s du maillage. Les dtails gomtriques 3D sont reprsent par la dviation gomtrique entre le maillage original M o et sa version lisse M s. Texture Gomtrique Introduction Approches Rsultats et perspectives 10 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 12
  • OTHMANI Ahlem 2013 Identification automatise despces darbres dans des scans lasers 3D 5 Itrations 20 Itrations 40 Itrations 70 Itrations Maillage originalMaillage lisse Itrer lalgorithme de lissage jusquau avoir un maillage suffisamment lisse Introduction Approches Rsultats et perspectives 11 A. Othmani, A. Piboule, C. Stolz and L.F.C. Lew Yan Voon
  • Page 13
  • OTHMANI Ahlem 2013 Identification automatise despces darbres dans des scans lasers 3D Lalgorithme de lissage / de Taubin : rsout le problme de rtrcissement de certains algorithmes de lissage. 2 tapes de lissage laplacien avec diffrents facteurs dchelles et . une premire tape avec >0 (shrinkage step) une deuxime tape avec 0.8) = 0.75 et = 0.25 Introduction Approches Rsultats 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">
  • Map des contours (Map Edge) On fusionne deux rgions adjacentes si le cot affect ce contour E i,j est infrieur un seuil ( fix 0.5) Identification automatise despces darbres dans des scans lasers 3D n est le nombre de pixels dun contour commun deux rgions adjacentes n 1 est le nombre de pixels du contour considrs comme du noir(grayscale < 0.8) n 2 est le nombre de pixels du contour considrs comme du blanc (grayscale > 0.8) = 0.75 et = 0.25 Introduction Approches Rsultats 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
  • Page 25
  • Images de profondeur Segmentation Initiale Aprs Fusion Identification automatise despces darbres dans des scans lasers 3D Introduction Approches Rsultats 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
  • Page 26
  • Identification automatise despces darbres dans des scans lasers 3D Features : Features : Une rgion est caractrise par un ensemble de caractristiques Aire et primtreCircularitConvexit Longueur de l'axe majeur et mineur OrientationCompacit Caractristiques de gomtrie et de forme : Caractristiques dintensit : Maximum Intensity Minimum Intensity Mean Intensity SphricitConcavit et convexitExentricit Introduction Approches Rsultats 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
  • Page 27
  • Rsultats 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 automatise despces darbres dans des scans lasers 3D Diamtre standard du tronc Distance standard au scanner 2 data setsPatchs de Diffrents arbres -30 cm 6 mD1: 16 patches/espce D2 : 30 patches/espce 46 par espce Introduction Approches Rsultats 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
  • Page 28
  • OTHMANI Ahlem 2013 -Porte : 60 cm 120 m -Champs de scan : 360(H) x 320(V) -Prcision : 2 mm 25 m Le scanner laser FARO 120 Rsol. 1/4 Rsolution : 41M de points Distance entre 2 points 10 m : 6,3 mm N.B. : Rsolution maximale possible : 1,6 mm 10 m (1h30) Identification automatise despces darbres dans des scans lasers 3D Introduction Approches Rsultats 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
  • Page 29
  • Identification automatise despces darbres dans des scans lasers 3D accuracy = 95% precision = 89% accuracy = 97% precision = 92% Introduction Approches Rsultats 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
  • Page 30
  • Identification automatise despces darbres dans des scans lasers 3D Conclusion Les lignes des partages des eaux est lapproche la plus adapte pour ltude de surface cette approche est trop sensible au bruit nos images de profondeur sont fortement bruites cause de linterpolation = les contours ne sont pas bien dessin Fallait il vraiment faire le passage vers la 2D ?? Introduction Approches Rsultats 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
  • Page 31
  • Identification automatise despces darbres dans des scans lasers 3D Burst Wind Segmentation (othmani et al. 2013) linformation de profondeur prsente le relief topologique. les minima rgionaux laide linformation de courbure. simuler un vent fort Introduction Approches Rsultats 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
  • Page 32
  • OTHMANI Ahlem 2013