Classification d'objets urbains à partir de données LiDAR 3D terrestre par Deep-Learning
Résumé
Automatic urban object detection remains a challenge for city manage- ment. Existing approaches in remote sensing include using aerial images or LiDAR to map a scene. We then wanted to make use of the rise of 3D Deep-Learning me- thods to tackle the issue of urban object detection with the help of terrestrial LiDAR acquisition. In this paper we present result of several experiments on urban object classification with the PointNet network.
La détection automatique d'objets urbains reste un défi pour les gestionnaires de ville. Les approches existantes en télédétection comprennent l'utilisation d'imagerie aérienne ou de LiDAR pour cartographier une scène. Nous voulons mettre à l'épreuve les méthodes 3D Deep Learning pour aborder le problème de la détection d'objets urbains. Dans cet article, nous présentons les résultats de plusieurs expériences sur la classification des objets urbains avec le réseau PointNet.
Fichier principal
SAGEO2018_DLT_ZEGAOUI_CHAUMONT_SUBSOL_BORIANNE_DERRAS_Classification_LiDAR3D_Deep-Learning.pdf (1.99 Mo)
Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)