Segmentation et classification de nuages de points 3D recueillis par Scanner Laser Mobile (MLS) dans un environnement ferroviaire
Charpentier, Mathieu
Promotor(s) : Poux, Florent
Date of defense : 7-Sep-2020 • Permalink : http://hdl.handle.net/2268.2/10902
Details
Title : | Segmentation et classification de nuages de points 3D recueillis par Scanner Laser Mobile (MLS) dans un environnement ferroviaire |
Translated title : | [en] Segmentation and classification of 3D point clouds collected by Mobile Laser Scanner (MLS) in a railway environment |
Author : | Charpentier, Mathieu |
Date of defense : | 7-Sep-2020 |
Advisor(s) : | Poux, Florent |
Committee's member(s) : | Billen, Roland
Houbrechts, Geoffrey |
Language : | French |
Keywords : | [en] point cloud [en] lidar [en] mobile laser scanning [en] segmentation [en] classification |
Discipline(s) : | Physical, chemical, mathematical & earth Sciences > Earth sciences & physical geography |
Target public : | Researchers Professionals of domain Student General public |
Institution(s) : | Université de Liège, Liège, Belgique |
Degree: | Master en sciences géographiques, orientation géomatique, à finalité spécialisée en géomètre-expert |
Faculty: | Master thesis of the Faculté des Sciences |
Abstract
[fr] Le mobile laser scanning (MLS) est une méthode d'acquisition de nuages de points 3D qui permet une acquisition rapide et précise. Ce travail vise à développer une méthode de segmentation et de classification pour les nuages de points 3D relevés par MLS en environnement ferroviaire. La méthode se décompose en trois parties. La première est l'extraction du sol, des rails et des panneaux sur base des attributs du nuages. La seconde est le calcul de caractéristiques qui décrivent la structure du nuage. La dernière partie est la classification des éléments restants de l'infrastructure ferroviaire en utilisant le modèle de classification supervisée Random Forest. La méthode proposée obtient une exactitude globale de 99~\% avec un temps de traitement relativement rapide.
[en] Mobile laser scanning (MLS) is a 3D point cloud acquisition method that allows fast and accurate acquisition. This work aims to develop segmentation and classification method for 3D point clouds collected by MLS in a railway environment. The method consists of three parts. The first is the extraction of ground, rails and traffic signs based on cloud attributes. The second is the computation of features that describe the structure of the cloud. The last part is the classification of the remaining elements of the railway infrastructure using the Random Forest supervised classification model. The proposed method achieves an overall accuracy of 99~\% with a relatively fast processing time.
File(s)
Document(s)
Description: -
Size: 205.21 kB
Format: Adobe PDF
Cite this master thesis
The University of Liège does not guarantee the scientific quality of these students' works or the accuracy of all the information they contain.