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
<[email protected]> 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)
<[email protected]>:
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
[email protected] / Tél. 819-564-5600, poste 246
Canadian Center of Mapping and Earth Observation
Natural Resources Canada / Government of Canada
[email protected] / Tel. 819-564-5600, x246
From: Pierre Béland [mailto:[email protected]]
Sent: January 29, 2018 4:54 PM
To: Talk-CA OpenStreetMap <[email protected]>; john whelan
<[email protected]>
Cc: Gravel, Pierre (NRCan/RNCan) <[email protected]>
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 <[email protected]> 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://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 <[email protected]> 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
[email protected]
https://lists.openstreetmap. org/listinfo/talk-ca
_______________________________________________
Talk-ca mailing list
[email protected]
https://lists.openstreetmap.org/listinfo/talk-ca
