Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Cloud chamber --- Chambres a nuage

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Cloud physics --- Nuage --- Clouds --- Science physique --- Glace --- ice --- Pluie --- Rain --- Meteorology --- Physical sciences --- Climatology

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Petit à petit, le processus BIM ou « Building Information Modeling » et les nouvelles technologies prennent de plus en plus de place dans les modes de réflexion et de réalisation en architecture. 
L’objectif de ce travail est d’étudier leur intégration tant du point de vue des géomètres que du point de vue des architectes. La collaboration entre les différents intervenants étant primordiale dans la réalisation d’un projet, cette étude vise à établir une démarche qui combine les technologies utilisées par les deux professions afin de réaliser un modèle numérique précis. 
L’enquête que nous avons réalisée a permis de mettre en évidence qu’il ne suffit pas de réunir les principaux acteurs pour mener à bien un projet, mais qu’architectes et géomètres doivent travailler ensemble et avoir une meilleure connaissance des attentes et du métier de chacun. 
Dans un processus de conception numérique architectural, nous avons ensuite étudié la manière de passer d’un relevé au scanner laser, et donc du nuage de points obtenu à une modélisation 3D permettant par la suite l’intégration de paramètres. 
Cette étude a contribué à l’établissement d’une démarche croisant les compétences des architectes et des géomètres en vue de répondre à l’émergence des nouvelles technologies.

Modélisation 3D --- Interopérabilité --- Nuage de points --- Nouvelles technologies --- Echange de données --- Ingénierie, informatique & technologie > Architecture

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Les enjeux environnementaux pressants, la volatilité du prix de l’alimentation des bovins et du lait ainsi que la volonté des agriculteurs Wallons de produire local, avec un moindre coût économique et écologique sont autant de raisons pour lesquelles il est essentiel de privilégier le pâturage. Cette volonté se heurte à une conduite du troupeau trop difficile et chronophage pour ce genre de pratique, en particulier pour de grandes fermes et troupeaux, principalement en raison de la difficulté d’assurer une surveillance régulière des animaux en raison de la distance entre la ferme et la prairie. Les fermiers sont donc freinés dans l’utilisation du pâturage même s’il présente des bénéfices multiples.
Le développement de l’identification animale électronique par l’ARSIA et les services clouds liés offre la possibilité d’exploiter cette identification en la couplant à des capteurs permettant un suivi à distance de la santé et du bien-être animal. Les nouvelles technologies d’acquisition d’images en 3 dimensions apparaissant sur le marché et présentant des performances croissantes pour des coûts décroissants ouvrent la porte au développement d’applications de surveillance accessibles. 
Le but de cette étude vise à développer un outil permettant le suivi à distance d’un indice de bien-être animal qu’est la note d’état corporel (NEC) grâce à l’imagerie 3D. Ainsi, l’utilisation d’un portique expérimental équipé de caméras 3D a permis l’acquisition de 19 nuages de points de qualité suffisante, représentant 19 vaches différentes présentant des NEC estimées par un opérateur expérimenté entre 2 et 4. Un nombre important de données sont non utilisables à cause d’effets des conditions extérieures mal contrôlés et de paramétrages des caméras non-optimaux. 
Toutefois, à partir des images tridimensionnelles de ce système expérimental et à l’utilisation de l’algorithme de l’enveloppe convexe, une relation entre les inégalités du dos de la vache et la NEC mesurée par l’expert a pu être trouvée et l’élaboration d’une relation linéaire a permis de déduire la NEC prédite. La méthode utilisée offre de bons résultats conformément aux études actuelles. Le coefficient de détermination obtenu de 0,75 témoigne d’une forte corrélation entre la NEC prédite et celle mesurée. De plus, 100% des valeurs prédites sont comprises en dessous d’un échelon de NEC de 0,5, 68% en dessous de 0,25 et 42% en dessous de 0.125. Finalement, l’erreur (MSE) associée au prédicteur (0,057) est relativement faible. 
Cette étude suggère que les images 3D peuvent être utilisées pour déterminer automatiquement la NEC. Un jeu de donnée plus important est nécessaire pour que cette supposition soit plus robuste statistiquement. La qualité des nuages de points résultant est primordiale dans l’évaluation de la NEC. Les études futures devraient se concentrer sur l’acquisition d’un plus grand nombre d’images de qualité suffisante à l’évaluation de la NEC. Finalement, un jeu de données plus grand permettra de diviser celui en deux et ainsi évaluer la précision, la sensibilité et la robustesse du modèle à l’aide du jeu de validation.

Note d'état corporel --- Pâturage --- Nuage de points --- Enveloppe convexe --- Sciences du vivant > Agriculture & agronomie

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

L’utilisation des nuages de points s’est accrue au cours des dernières années. Afin d’exploiter correctement ces données, la segmentation et la classification semblent essentielles et font dès lors l’objet de nombreuses recherches. La plupart de ces recherches se concentrent uniquement sur le post-traitement des données. Il semble toutefois intéressant de considérer l’intégration d’informations sémantiques lors de l’acquisition pour faciliter ces traitements. C’est le principe de la géocodification, principalement utilisée par les géomètres lors de leurs levés.
Ce travail envisage donc l’utilisation d’une géocodification lors de l’acquisition d’un nuage de points avec l’objectif d’améliorer le processus de segmentation/classification d’un environnement bâti grâce aux informations récoltées.
Deux méthodologies différentes ont été développées à cet effet. La première se rapproche d’une géocodification traditionnelle puisqu’elle consiste à combiner les informations spatiales et sémantiques issues d’un levé topographique avec un nuage de points afin de procéder à sa classification. La seconde méthode, plus innovante, se base sur le positionnement de cibles sur les éléments d’intérêts afin de guider le processus de segmentation/classification. Les différentes étapes nécessaires à la réalisation de ces deux méthodes sont détaillées dans ce travail, depuis l’établissement des géocodifications jusqu’à l’obtention des nuages de points classifiés, en passant par l’acquisition et les différents prétraitements à appliquer. 
Les résultats obtenus pour les deux méthodes sont ensuite présentés, validés et comparés entre eux. Il en ressort que les deux méthodes proposées sont plus rapides mais un peu moins précises qu’une segmentation manuelle avec un F1-score moyen compris entre 0,82 et 0,93 pour le nuage étudié. La méthode avec levé topographique présente des résultats de meilleure qualité que la méthode des cibles mais elle nécessite un temps d’acquisition plus long. Ce travail se clôture sur la mise en évidence des limites rencontrées pour les deux méthodes. Des perspectives d’amélioration et de développement sont également présentées. The use of point clouds has increased in recent years. In order to exploit these data correctly, segmentation and classification appear essential and are therefore the subject of numerous researches. Most of these researches only focus on post-processing data. However, it seems interesting to consider the integration of semantic information during the data acquisition to facilitate the treatments. This is the principle of feature codes, mainly used by land surveyors during their surveys. 
Therefore, this work considers the use of feature codes during a point cloud acquisition with the aim of improving the segmentation/classification process of a built environment through the collected information.
Two different methodologies have been developed for this purpose. The first one is similar to traditional feature codes since it consists in combining spatial and semantic information from a topographical survey with a point cloud in order to proceed with its classification. The second method, more innovative, is based on the positioning of targets on the elements of interest to guide the segmentation/classification process. The different steps necessary to achieve these two methods are detailed in this work, from the establishment of the feature codes list to the point clouds classification, passing by the acquisition and the pre-processing.
The obtained results for both methods are then presented, validated and compared. It shows that the two proposed methods are faster but slightly less accurate than a manual segmentation with an average F1-score between 0.82 and 0.93 for the point cloud studied. The topographic survey method presents better results than the target method but it requires a longer acquisition time. This work concludes by highlighting the limitations encountered for the two methods. Improvement and development perspectives are also presented.

Géocodification --- Segmentation --- Classification --- Scanner laser terrestre --- Nuage de points --- Point cloud --- Physique, chimie, mathématiques & sciences de la terre > Sciences de la terre & géographie physique