Géoréférencement

Résumé

Le géoréférencement est le processus dans lequel on applique à une entité cartographique un emplacement spatial en lui donnant des coordonnées géographiques et en appliquant une transformation. Cette pratique ne doit pas être confondue avec la géolocalisation qui consiste à localiser un objet sur un plan. Dans le jargon des géomètres-experts, le géoréférencement est l’action de « rattacher » un relevé dans un système de coordonnées connu. Le géomètre-expert travaille dans un système local afin de garantir une précision maximale mais pour assurer l’interopérabilité des données il est nécessaire de les géoréférencer. En Europe La directive européenne Inspire définit un standard d’échange pour les données géographiques. Voir aussi Articles connexes

Géocodage Liens externes
Définition selon ArcGIS

Catégorie:Information géographique

Source officielle

https://fr.wikipedia.org/wiki/G%C3%A9or%C3%A9f%C3%A9rencement

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (14)

Publications associées

Chargement

Personnes associées (2)

Personnes associées

Chargement

Unités associées (5)

Unités associées

Chargement

Concepts associés (10)

Concepts associés

Chargement

Cours associés (4)

Cours associés

Chargement

Séances de cours associées (4)

Séances de cours associées

Chargement

On the benefit of concurrent adjustment of active and passive optical sensors with GNSS & raw inertial data

Davide Antonio Cucci, Kyriaki Mouzakidou, Jan Skaloud

In airborne laser scanning a high-frequency trajectory solution is typically determined from inertial sensors and employed to directly geo-reference the acquired laser points. When low-cost MEMS inertial sensors are used, such as in lightweight unmanned aerial vehicles, non-negligible errors in the estimated trajectory project to the final point-cloud, resulting in unsatisfactory accuracy on the ground. There are different multi-sensor fusion approaches to correct the point-cloud errors caused by an imperfect trajectory determination. Mismatches between different optical observations and/or in the overlapping regions of the point-cloud can allow the correction of the final point-cloud, either directly, by means of rigid transformations, or indirectly, via improving the scanner trajectory estimation. In this work we propose to fuse lidar and cameras in a single adjustment based on dynamic networks, considering 2D tie-points from the imagery and 3D tie-points from overlapping point-cloud sections. On a challenging corridor mapping scenario, we show that considering either 2D or 3D tie-points, along with inertial and GNSS observations, results in a remarkably accurate point-cloud, even when low-cost inertial sensors are employed and in presence of challenging surface textures, such as high vegetation. Furthermore, since the distribution of the 2D and 3D tie-points is complementary, considering them together further increases the robustness of the adjustment due to higher redundancy. By employing the proposed approach within this controlled example, we were able to improve the final point-cloud accuracy by more than three times with respect to conventional geo-referencing methodology and to reduce the magnitude of the errors.

2022

Chargement

An Eye for Landscapes - Rapid Aerial Mapping with Handheld Sensors

Otto Kölbl, Jan Skaloud, Julien Vallet, Grégory Veyssiere

This portable system offers fast deployment with no recalibration and maps both vertical and horizontal features while maintaning optimal flight parameters. The geo-referenced image and 3D point-cloud data can be processed into digital terrain models, digital surface models, and automatically derived 3D city models.

2006

Chargement

An eye for landscape - rapid aerial mapping with handheld sensors

Otto Kölbl, Jan Skaloud, Julien Vallet, Grégory Veyssiere

This portable system offers fast deployment with no recalibration and maps both vertical and horizontal features while maintaining optimal flight parameters. The geo-referenced image and 3D point-cloud data can be processed into digital terrain models, digital surface models, and automatically derived 3D city models.

2006

Chargement