Djinious
Réserver une démo
Capture de la réalitéGéospatial et territoire

Données ouvertes en entrée, répliques notées en sortie : LiDAR aéroporté, photographies réelles et scan laser

DjiniousWorld a été validé de bout en bout sur des jeux de données publics — le nuage LiDAR aéroporté d’Autzen, les photographies du temple Middlebury et la scène « pipes » d’ETH3D — chaque étape pilotée via l’API, chaque résultat portant la note de précision qu’il a obtenue.

DjiniousWorldRépliques 3D
DjiniousWorld
La réplique LiDAR aéroporté d’Autzen dans DjiniousWorld : un splat de 110 000 gaussiennes construit à partir du nuage LiDAR, à côté d’analyses de détection de changement, de rasters de terrain, de recalage de nuages, de mise à l’échelle métrique et de géoréférencement par GCP, chacune avec sa note de précision.
Points LiDAR, Autzen
110,000Points LiDAR, AutzenRVB, intensité, classification
sommets de maillage issus du nuage LiDAR
129,642sommets de maillage issus du nuage LiDARPoisson, 259 374 faces
PSNR sur les vues réservées
34,05 dBPSNR sur les vues réservéesSSIM 0,9958
grâce à un entraînement ancré sur le LiDAR
+4,3 dBgrâce à un entraînement ancré sur le LiDAR« pipes » d’ETH3D

Pourquoi des données ouvertes

Une plateforme de reconstruction est facile à démontrer sur ses propres jeux d’essai. DjiniousWorld a au contraire été exécuté sur les jeux de test publics canoniques, si bien que chaque chiffre ci-dessous peut être vérifié sur des données que n’importe qui peut télécharger.

LiDAR aéroporté : le nuage du stade Autzen

110 000 points en coordonnées projetées, ingérés puis traités à travers le catalogue d’analyses.

Ingérer

COPC et un aperçu navigateur des 110 000 points.

pointcloud.ingest

Maillage

Une surface de Poisson de 129 642 sommets et 259 374 faces.

analysis.mesh

Segmentation

Sol 87 392 · structure 1 403 · végétation 21 205 points.

analysis.segment

Terrain

GeoTIFF MNS et MNT à 1 m et 34 798 segments de courbes de niveau à 5 m.

analysis.raster

Volumes

Environ 2,0 millions de m³ au-dessus d’une base à 411,09 m, ± 2 973 m³ — la marge que la note autorise.

analysis.measure

Physique

Le maillage sous forme de scène physique OpenUSD, testé en stabilisation avec MuJoCo : collider valide, origine géoréférencée préservée.

export.usd_physics_validated

L’échelle de notes, mise à l’épreuve

Géoréférencement

Quatre points de contrôle au sol ont retrouvé la transformation exactement et obtenu la note géoréférencé. Avec un cinquième, faussé de 18,8 m, RANSAC l’a rejeté et la note a tenu.

Recalage

Une rotation de 1,5° retrouvée à environ 0,02° près — et honnêtement plafonnée à indicatif par l’espacement de 1,34 m des points de référence.

Échelle métrique

Deux longueurs connues de 100 m et 50 m s’accordant sur 2,0× — relative_cm, métrique mais locale.

Des photographies à un splat

  1. Structure from motion

    Les 47 photographies du temple Middlebury transformées en un nuage épars de 7 444 points et un bundle SfM.

  2. Entraînement du splat

    Sur un GPU DGX Spark, densifié d’environ 7 400 points initiaux à plus de 23 000 gaussiennes.

  3. Notation sur données réservées

    Avec 41 images pour l’entraînement et 6 réservées : PSNR de 34,05 dB et SSIM de 0,9958 sur des vues que l’entraîneur n’a jamais vues.

Entraînement ancré sur le LiDAR sur « pipes » d’ETH3D

14 images reflex numériques (DSLR) et un scan laser recalé de 24,3 millions de points de la même scène.

Initialisé à partir de points SfM

  • Étendue de 35,2 × 16,0 × 10,2 m — échelle arbitraire
  • PSNR de 13,2 dB
  • SSIM de 0,25

Initialisé à partir du scan laser

  • Étendue de 17,4 × 6,5 × 5,0 m — métrique, conforme au scan de 17 m
  • PSNR de 17,5 dB
  • SSIM de 0,68, noté relative_cm

Continuer à explorer

Cas d’usage associés

Tous les cas d’usage
Immobilier · DVF et cadastreValeur immobilière et foncièreRapprocher les enregistrements de transactions des limites cadastrales et publier le résultat sous forme d’une couche que toute l’équipe lit de la même manière.DjiniousMapLa page des automatisations DjiniousMap listant les automatisations déclenchées par événement ou par planification, avec leur workflow cible, leur déclencheur et le statut de leur dernière exécution.Territoire · isochrones et itinérairesCouverture d’accès et de serviceRépondre à « qu’y a-t-il à vingt minutes d’ici » pour chaque site d’une couche, et garder la réponse à jour à mesure que la source évolue.DjiniousMapUne page de détail de jeu de données signalant qu’aucun CRS n’a pu être inféré, avec un profil complet, un badge Profil complet, et des constats de qualité pour une précision de coordonnées excessive et des données obsolètes.Données ouvertes municipales · arbres, réseaux cyclables, équipements sportifsInventaires d’actifs municipauxRassembler les petits jeux de données désordonnés publiés localement — et découvrir lesquels sont fiables avant de les dessiner.DjiniousMap