[Talk-ca] using image recognition to create building foot prints.

Gravel, Pierre (NRCan/RNCan) pierre.gravel at canada.ca
Fri Feb 2 18:17:46 UTC 2018


Bien reçu
Je t’informerai lorsque nous aurons des données issues de la pré-production.

Le processus que nous sommes à mettre en place utilise directement le nuage de point.
L’identification individuelle des bâtiments est l’un des deux principaux problèmes que nous rencontrons :
- La trop grande proximité entre des bâtiments fait en sorte que les empreintes sont fusionnées en une seule.
- Le présence de végétation au-dessus des bâtiments réduit la densité de points et il en résulte parfois une diminution de la qualité de la représentation.

Pour la fusion des bâtiments, nous pourrons qualifier la probabilité de fusion en utilisant les points de sol qui peuvent se retrouver entre deux bâtiments. Cette mesure de la probabilité sera fournie en attribut avec les empreintes.

De plus, les maisons jumelés , ou duplex, ou maisons en rangées ne seront pas considérées comme étant des bâtiments fusionnés car les données LiDAR ne peuvent faire ce type de distinction.

Je suis très content que ce produit suscite de l’intérêt et que nous aurons la chance d’avoir de la rétroaction avant la publication de la première version officielle.

Bon vendredi.

Pierre



From: Pierre Béland [mailto:pierzenh at yahoo.fr]
Sent: February 2, 2018 12:26 PM
To: Gravel, Pierre (NRCan/RNCan) <pierre.gravel at canada.ca>; john whelan <jwhelan0112 at gmail.com>
Cc: Talk-CA OpenStreetMap <talk-ca at openstreetmap.org>; Alasia, Alessandro (STATCAN) <alessandro.alasia at canada.ca>; Bergeron, Denis (NRCan/RNCan) <denis.bergeron at canada.ca>
Subject: Re: [Talk-ca] using image recognition to create building foot prints.

Pierre,

Je suis aussi intéressé à collaborer à tester de telles données  Les milieux urbains denses devraient poser un problème particulier pour l'identification des immeubles individuels. À voir comment les modèles de classification peuvent performer en utilisant les données d'élévation.

Pierre


Le vendredi 2 février 2018 11:10:41 HNE, john whelan <jwhelan0112 at gmail.com<mailto:jwhelan0112 at gmail.com>> a écrit :


I think when you have something available we should be able to find resources to double check the quality and also to work out a process to import them.  The latter will be interesting both from the technical point of view and the acceptance within the OSM community.
My concern on the Canadian building project was getting reasonable building outlines from a mixture of mappers given some experiences we've seen in the past.
Cheerio John

2018-02-02 11:01 GMT-05:00 Gravel, Pierre (NRCan/RNCan) <pierre.gravel at canada.ca<mailto:pierre.gravel at canada.ca>>:

Hi John, yes I am on the mailing list.

I confirm that we (NRCAN) are working on a process to extract building footprints from airborne LiDAR data and we expect to disseminate these footprints from June 2018 on Open Map Canada Portal.

The accuracy of these footprints well be very good, but of course that an automatic extraction process can’t be better than human eyes.

The quality of these footprints are totally depending on the quality of the LiDAR data in input (density and classification) and we will filter LiDAR projects that we will use to make sure that the footprints quality will meet a minimum threshold.

It’s not an objective of NRCAN to upload these footprints on OSM, but I think that these footprints can be a very good start for OSM communities then to allow people to improve these footprints.

I take the opportunity to ask you if you accept to give us a feedback on these footprints before the official launch.

If yes, It will be my pleasure to provide a pre-production data for those who want to check them.



It sounds good ?



Best Regards



Pierre Gravel

Centre canadien de cartographie et d’observation de la terre

Ressources naturelles Canada / Gouvernement du Canada

Pierre.Gravel at canada.ca<mailto:Pierre.Gravel at canada.ca> / Tél. 819-564-5600, poste 246



Canadian Center of Mapping and Earth Observation

Natural Resources Canada / Government of Canada

Pierre.Gravel at canada.ca<mailto:Pierre.Gravel at canada.ca> / Tel. 819-564-5600, x246









From: Pierre Béland [mailto:pierzenh at yahoo.fr<mailto:pierzenh at yahoo.fr>]
Sent: January 29, 2018 4:54 PM
To: Talk-CA OpenStreetMap <talk-ca at openstreetmap.org<mailto:talk-ca at openstreetmap.org>>; john whelan <jwhelan0112 at gmail.com<mailto:jwhelan0112 at gmail.com>>
Cc: Gravel, Pierre (NRCan/RNCan) <pierre.gravel at canada.ca<mailto:pierre.gravel at canada.ca>>
Subject: Re: [Talk-ca] using image recognition to create building foot prints.



Précision,

Les missions aériennes permettent de produire des images de grande qualité.

 On y associe des équipements LIDAR qui émettent un signal vers le sol pour mesurer la distance. Aussi bien la technique LIDAR que de petits drones sont aujourd'hui capables de produire des modèles d'élévation avec quelques centimètres de précision.  Cela permet aussi de produire des modèles 3D des immeubles et de distinguer avec la végétation.



Suite aux inondations du Richelieu et du Lac Champlain en 2011, des modèles d'élévation très des zones urbaines en bordure de la rivière Richelieu ont été produites.



Si on se rappelle les discussions il y a quelques mois, un tel travail d'import va nécessiter des ressources importantes. Les diverses communautés OSM locales devront évaluer leur capacité à réaliser des projets d'import d'immeubles. Et il faut éviter de se baser sur le modèle «Cartoparties» pour réaliser de tels projets. Des milliers de personnes qui sont sensibiliées quelques heures à la cartographie ne reviennent pas ensuite et laisse souvent une donnée de piètre qualité.



Il faut être réaliste et construire peu à peu, motiver des communautés locales à expérimenter un modèle d'import de la donnée. Cela fera ensuite boule de neige ( c'est de saison :)  )

Pierre





Le lundi 29 janvier 2018 16:07:31 HNE, Pierre Béland <pierzenh at yahoo.fr<mailto:pierzenh at yahoo.fr>> a écrit :





Bonjour John



Les spécialistes d'imagerie produisent des couches de données assez précises à partir d'imagerie LIDAR ou de drones, incluant, immeubles, cours d'eau et occupation du sol. Ces images offrent qualité et précision. Des techniques de classification, interprétation, correction permettent aux spécialistes de converger vers un produit de qualité.  Et bien sûr toutes ces avancées technologiques et l'accès éventuel à des profanes bousculent les habitudes tout comme les véhicules sans conducteur :)



Même si Statistique Canada fournit à OSM un fichier produit par des spécialistes, il sera nécessaire ensuite d'établir une procédure d'import, de fusionner / aligner avec les données existantes et de corriger.



Et ouvront la porte au Futur! Une autre avenue, c'est l'accès aux profanes que nous sommes à des outils semi-automatiques pour faciliter la digitalisation de différents éléments tels immeubles, routes et rivières. Je ne connais pas l'historique des expériences d'utilisation de tels outils. Mais on peut remonter en 2011, où on parlait d'un outil de détection de route. Divers articles traitent aussi de ce sujet.

https://alastaira.wordpress. com/2011/02/04/automatic-road- detection-using-bing-maps- imagery/<https://alastaira.wordpress.com/2011/02/04/automatic-road-detection-using-bing-maps-imagery/>

https://gis.stackexchange.com/ questions/77876/is-there-a- tool-that-performs-automatic- recognition-of-buildings<https://gis.stackexchange.com/questions/77876/is-there-a-tool-that-performs-automatic-recognition-of-buildings>





Facebook a aussi expérimenté des outils de reconnaissance d'image en Thaîlande récemment. Selon les plaintes de certains contributeurs, les données ont été ajoutées à OSM sans valider suffisamment avec la réalité sur le terrain.



Je pense qu'il serait intéressant pour les contributeurs expérimentés d'avoir accès à des outils semi-automatisés facilitant dans JOSM par exemple le tracé d'immeubles, routes, cours d'eau, etc. Pour un cours d'eau par exemple, je déplace le curseur de la souris, et les contours et le centre de la rivière sont tracés automatiquement. Ou encore le contour d'un lac est tracé.





Pierre





Le lundi 29 janvier 2018 15:15:59 HNE, john whelan <jwhelan0112 at gmail.com<mailto:jwhelan0112 at gmail.com>> a écrit :





•        NRCan is working on a methodology to extract building footprints, including topographic elevation and height attributes, from LiDAR

Traditionally OSM has not been happy with this sort of thing.  The accuracy can be poor.

We probably need to think about this since the BC2020i project had this mentioned and Stats Can has given it a mention also.  I'm not promoting it nor saying its bad but it will almost certainly be raised shortly.

First if an import was done using this data who would be the local group to approve it?  I suspect because it covers the entire country it would be the talk-ca group.  The date would come through the TB portal so licensing is not an issue.  Or it could be split into regions with regional local groups making decisions.

The other very big question is to do with data quality.  So far nothing that is machine learnt from imagery has consistently met the expectations of OpenStreetMap.

Note to Pierre I'm not sure if you are on the talk-ca mailing list but any feedback you might have on the data quality side would be welcome and will be shared amongst the group.

Thoughts?

Thanks John

______________________________ _________________
Talk-ca mailing list
Talk-ca at openstreetmap.org<mailto:Talk-ca at openstreetmap.org>
https://lists.openstreetmap. org/listinfo/talk-ca<https://lists.openstreetmap.org/listinfo/talk-ca>

-------------- next part --------------
An HTML attachment was scrubbed...
URL: <http://lists.openstreetmap.org/pipermail/talk-ca/attachments/20180202/cf7aa761/attachment-0001.html>


More information about the Talk-ca mailing list