Modélisation Automatique De Bâtiments À Partir De Relevés Lidar Aérien: Extraction et Modélisation Automatique De Bâtiments en 3D À Partir De Relevés Lidar Aéroportés - Fayez Tarsha Kurdi - Books - Éditions universitaires européennes - 9786131537431 - February 28, 2018
In case cover and title do not match, the title is correct

Modélisation Automatique De Bâtiments À Partir De Relevés Lidar Aérien: Extraction et Modélisation Automatique De Bâtiments en 3D À Partir De Relevés Lidar Aéroportés French edition

Price
$ 89.99
excl. VAT

Ordered from remote warehouse

Expected to be ready for shipping Jul 1 - 7
Add to your iMusic wish list

Pour construire automatiquement un modèle 3D d''une ville à partir de données lidar, deux étapes sont indispensables. La première consiste à segmenter automatiquement le nuage de points pour en extraire des classes (le sol, les bâtiments et la végétation). La seconde est la modélisation automatique des bâtiments. L''approche proposée commence par la segmentation du Modèle Numérique de Surface en deux classes que sont le "sol" et le "sursol". Ensuite, il détecte les bâtiments à partir de la classe "sursol". A cet effet, le MNS et le nuage de points sont utilisés conjointement de manière à profiter des atouts de chacun. Ensuite, concernant la modélisation de bâtiments, l''approche est composé de 3 étapes: la modélisation des façades, la modélisation 2D des toits et la modélisation 3D des toits. Pour modéliser les façades on utilise la technique de Douglas-Peucker qui permet de décomposer le contour des bâtiments selon ses façades. Pour construire ensuite le modèle du toit, la technique RANSAC est adaptée afin de détecter automatiquement les plans les plus probables du toit. Pour terminer, les arêtes de toit et les n?uds principaux entre arêtes sont détectés.

Media Books     Paperback Book   (Book with soft cover and glued back)
Released February 28, 2018
ISBN13 9786131537431
Publishers Éditions universitaires européennes
Pages 356
Dimensions 226 × 20 × 150 mm   ·   521 g
Language French