Analyse sémantique de nuages de points 3D dans le milieu urbain : sol, façades, objets urbains et accessibilité

Semantic analysis of 3D point clouds from urban environments : ground, facades, urban objects and accessibility

• Auteur / Autrice : Andrés Felipe Serna Morales
• Direction : Beatriz Marcotegui, Fernand Meyer
• Type : Thèse de doctorat
• Discipline(s) : Morphologie mathématique
• Date : Soutenance le 16/12/2014
• Etablissement(s) : Paris, ENMP
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur (Paris)
• Partenaire(s) de recherche : Laboratoire : Centre de morphologie mathématique (Fontainebleau, Seine et Marne)
• Jury : Président / Présidente : Jean Serra
• Jury : Examinateurs / Examinatrices : Beatriz Marcotegui, Fernand Meyer, Nicolas Paparoditis, Raouf Ben-Jemaa, Philippe Jarossay, Jesús Angulo López
• Jury : Rapporteurs / Rapporteuses : Paul Checchin, Ferran Marques

Mots clés

Mots clés contrôlés

Traitement d'images

Morphologie mathématique

Mots clés libres

Morphologie Mathématique

Traitement d’Image

Analyse Urbaine en 3D

Accessibilité Urbaine

Analyse Sémantique

Segmentation et Classification

Mathematical Morphology

Image Processing

3D Urban Analysis

Urban Accessibility

Semantic Analysis

Segmentation and Classification

Résumé

Les plus grandes villes au monde disposent de plans 2D très détaillés des rues et des espaces publics. Ces plans contiennent des informations relatives aux routes, trottoirs, façades et objets urbains tels que, entre autres, les lampadaires, les panneaux de signalisation, les poteaux, et les arbres.De nos jours, certaines autorités locales, agences nationales de cartographie et sociétés privées commencent à adjoindre à leurs cartes de villes des informations en 3D, des choix de navigation et d'accessibilité.En comparaison des premiers systèmes de scanning en 3D d'il y a 30 ans, les scanners laser actuels sont moins chers, plus rapides et fournissent des nuages de points 3D plus précis et plus denses.L'analyse de ces données est difficile et laborieuse, et les méthodes semi-automatiques actuelles risquent de ne pas être suffisamment précises ni robustes. C'est en ce sens que des méthodes automatiques pour l'analyse urbaine sémantique en 3D sont nécessaires.Cette thèse constitue une contribution au domaine de l'analyse sémantique de nuages de points en 3D dans le cadre d'un environnement urbain.Nos méthodes sont basées sur les images d'élévation et elles illustrent l'efficacité de la morphologie mathématique pour développer une chaîne complète de traitement en 3D, incluant 6 étapes principales:i)~filtrage et pré-traitement;ii)~segmentation du sol et analyse d'accessibilité;iii)~segmentation des façades;iv)~détection d'objets;v)~segmentation d'objets;vi)~classification d'objets.De plus, nous avons travaillé sur l'intégration de nos résultats dans une chaîne de production à grande échelle.Ainsi, ceux-ci ont été incorporés en tant que ``shapefiles'' aux Systèmes d'Information Géographique et exportés en tant que nuages de points 3D pour la visualisation et la modélisation.Nos méthodes ont été testées d'un point de vue qualitatif et quantitatif sur plusieurs bases de données issues de l'état de l'art et du projet TerraMobilita.Nos résultats ont montré que nos méthodes s'avèrent précises, rapides et surpassent les travaux décrits par la littérature sur ces mêmes bases.Dans la conclusion, nous abordons également les perspectives de développement futur.

Most important cities in the world have very detailed 2D urban plans of streets and public spaces.These plans contain information about roads, sidewalks, facades and urban objects such as lampposts, traffic signs, bollards, trees, among others.Nowadays, several local authorities, national mapping agencies and private companies have began to consider justifiable including 3D information, navigation options and accessibility issues into urban maps.Compared to the first 3D scanning systems 30 years ago, current laser scanners are cheaper, faster and provide more accurate and denser 3D point clouds.Urban analysis from these data is difficult and tedious, and existing semi-automatic methods may not be sufficiently precise nor robust.In that sense, automatic methods for 3D urban semantic analysis are required.This thesis contributes to the field of semantic analysis of 3D point clouds from urban environments.Our methods are based on elevation images and illustrate how mathematical morphology can be exploited to develop a complete 3D processing chain including six main steps:i)~filtering and preprocessing;ii)~ground segmentation and accessibility analysis;iii)~facade segmentation,iv)~object detection;v)~object segmentation;and, vi)~object classification.Additionally, we have worked on the integration of our results into a large-scale production chain. In that sense, our results have been exported as 3D point clouds for visualization and modeling purposes and integrated as shapefiles into Geographical Information Systems (GIS).Our methods have been qualitative and quantitative tested in several databases from the state of the art and from TerraMobilita project.Our results show that our methods are accurate, fast and outperform other works reported in the literature on the same databases.Conclusions and perspectives for future work are discussed as well.