Diffusion anisotrope et inpainting d'orthophotographies LiDAR mobile - Archive ouverte HAL Access content directly
Conference Papers Year : 2016

Anisotropic diffusion and inpainting of orthophotographies from mobile LiDAR

Diffusion anisotrope et inpainting d'orthophotographies LiDAR mobile

Abstract

This paper proposes a pipeline for the joint generation of reflectance and height orthophotography at very high resolution (1cm) from a mobile laser scan. The ground projection of the LiDAR point cloud over a 2D pixel grid provides a sparse and noisy image of both channels. We offer to enhance those images by generating a dense image using anisotropic diffusion and TV-L 1 denoising. Moreover , we adapt an inpainting method in order to fill large occlusions by taking advantage of the dense images and an assumption of the alignment between structures to inpaint.
Cet article présente un processus pour la production jointe d'orthophotographie de réflectance et de hauteur à très grande résolution (1cm) à partir d'un levé laser mobile. La projection verticale du nuage de points LiDAR sur une grille de pixels 2D, après filtrage des points du sol, génère deux images éparses et bruitées (réflectance et de hauteur). Nous proposons d'en dériver une image dense par diffusion anisotrope couplée à un débruitage par régularisation TV-L 1. De plus, nous adaptons une méthode d'inpainting afin de combler les zones d'occlutation en tirant parti de la reconstruction couplée réflectance/hauteur et d'un a priori d'alignement entre les structures à inpainter.
Fichier principal
Vignette du fichier
biasutti2016orthophoto.pdf (5.42 Mo) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-01316487 , version 1 (17-05-2016)

Licence

Attribution

Identifiers

  • HAL Id : hal-01316487 , version 1

Cite

P Biasutti, Jean-François Aujol, Mathieu Brédif, Aurélie Bugeau. Diffusion anisotrope et inpainting d'orthophotographies LiDAR mobile. 20ème Congrès national sur la Reconnaissance des Formes et l'Intelligence Artificielle (RFIA 2016), Jun 2016, Clermont-Ferrand, France. ⟨hal-01316487⟩

Collections

CNRS IGN-ENSG
160 View
93 Download

Share

Gmail Facebook X LinkedIn More