Soutenance de thèse de Xufeng Xing

11 novembre 2019 13 h 30

Lieu : Salle 2320-2330 Pavillon Gene-H.-Kruger

Titre de la thèse : Toward Knowledge-based Automatic 3D Spatial Topological Modeling from LiDAR Point Clouds for Urban Areas

Résumé :
Le traitement d'un très grand volume de données LiDAR pour la modélisation 3D demeure très coûteux et nécessite des approches automatisées. Le défi de modélisation 3D est encore plus grand lorsqu’on travaille avec les données incomplètes (ex., occlusions dans les données), la densité variable de données ainsi que les incertitudes liées au traitement des données LiDAR (ex. segmentation, reconnaissance, etc.). Ce travail de recherche propose de nouvelles solutions pour la création automatique de modèles géométriques 3D améliorés à partir de nuages de points LiDAR. Pour ce faire, nous proposons un cadre théorique qui intègre à la fois les connaissances sémantiques et les informations qualitatives issues des données LiDAR. L’approche proposée utilise le raisonnement qualitatif basé sur les informations sémantiques des objets et de leurs composants, leurs relations géométriques et topologiques, ainsi que les informations du contexte.

Pour atteindre l’objectif de la thèse, plusieurs solutions sont proposées et implémentées pour la segmentation automatique, l'identification des relations topologiques entre les composants des objets, l’extraction des informations sémantiques (la reconnaissance des caractéristiques) et la création de modèles géométriques 3D complets. Les contributions principales de cette thèse sont :

1. Le développment d’une solution basée sur l’apprentissage machine pour la segmentation automatique des objets complexes (ex. bâtiments).
2. Le développement d’un algorithme pour identifier efficacement les relations topologiques entre les composants d'objets extraits des nuages de points afin de concevoir un modèle topologique des objets.
3. Le développment d’une solution de raisonnement automatique incertain pour la reconnaissance des composants d’un objet complexe (ex. bâtiment). Ce raisonnment est réalisé en utilisant une base de connaissances composée de faits et de règles issues des informations du contexte et des informations obtenues des données LiDAR.
4. Le développement d’une méthode heuristique pour la création de modèles géométriques 3D améliorés. Cette méthode utilise à la fois les connaissances relatives aux objects (ex. bâtiments), les informations géométriques et topologiques des composants des objets et les informations sémantiques obtenues à partir des données géométriques.

Enfin, le cadre proposé pour améliorer la modélisation 3D automatique à partir de nuages de points LiDAR a été validé par une étude de cas visant à créer un modèle de bâtiments 3D complet. Cette expérimentation démontre que l'intégration des connaissances qualitatives dans le processus de modélisation permet une amélioration significative des modèles 3D à partir de nuages de points incomplets.

Informations supplémentaires :

Membres du jury

Président

M. Marc Cocard
Département des sciences géomatiques
Faculté de foresterie, de géographie et de géomatique

Examinateurs

Mir Abolfazl Mostafavi, directeur de recherche
Département des sciences géomatiques
Faculté de foresterie, de géographie et de géomatique

Geoffrey Edwards, codirecteur
Département des sciences géomatiques
​Faculté de foresterie, de géographie et de géomatique

Christian Larouche, examinateur 
Département des sciences géomatiques
Faculté de foresterie, de géographie et de géomatique

Nouri Sabo, examinateur
Centre canadien de cartographie et d'observation de la Terre,
Ressources naturelles Canada

Robert Jeansoulin, examinateur externe
Laboratoire d'Informatique Gaspard-Monge (LIGM) CNRS,
Université Paris-Est Marne-la-Vallée, France