Traitement des données LiDAR : Importance, résultats attendus et étapes clés
Cet article explique comment les données LiDAR sont traitées. Nous aborderons les différentes étapes nécessaires pour transformer les données brutes des nuages de points en informations utiles, et nous expliquerons pourquoi elles sont importantes pour les utilisateurs finaux. Nous terminerons par un bref aperçu des fonctionnalités de CloudStation, le logiciel de traitement des données LiDAR de YellowScan.
Qu’est-ce que le traitement des données LiDAR et pourquoi est-il important ?
Les scanners laser ou les scanners LiDAR capturent leur environnement sous forme de nuages de points en 3D. Ceux-ci sont constitués de milliards de points et des coordonnées de leur position dans l’espace. Les scanners laser capturent des nuages de points bruts, ce qui signifie que les points ne sont ni filtrés ni structurés. Les scanners laser stockent les données brutes des nuages de points sous forme de tableaux contenant les points, leur emplacement et différents attributs (tels que la réflectance ou les valeurs RVB).
YellowScan a publié un article séparé sur les nuages de points LiDAR, expliquant comment ils sont collectés, visualisés et quelles données ils contiennent. Vous trouverez également un article sur la manière dont les scanners LiDAR collectent les nuages de points. Le fonctionnement du LiDAR fait l’objet d’un autre article.
Les logiciels de traitement des données LiDAR utilisent les données brutes des scanners LiDAR pour générer et visualiser des nuages de points en 3D. Ils ressemblent à l’environnement tel que l’homme le percevrait, avec des objets et des surfaces distincts dans des couleurs réalistes et sans points de données incorrects (bruit). Le logiciel de traitement des nuages de points produit et exporte des données de nuages de points et des modèles de données numériques en 3D. Examinons ces résultats plus en détail avant de décrire les différentes étapes du traitement des données.
Quels sont les produits livrables générés par les logiciels de traitement LiDAR ?
Les nuages de points bruts constituent la base de nombreux résultats différents, y compris les données 3D et les produits livrables suivants :
– Modèle numérique d’élévation (MNE) : Un MNE est une représentation 3D de la surface d’un terrain créée à partir de données LiDAR. Il capture la surface du sol sans végétation ni structure.
– DSM (Digital Surface Model) : modèle 3D de la surface de la Terre, comprenant à la fois le terrain et les objets qui s’y trouvent.
– Nuage de points classifié : un nuage de points contenant différentes classes telles que le sol, la végétation, les bâtiments et l’eau.
– Courbes de niveau : généralement représentées sous forme de lignes reliant des points de même hauteur sur des cartes en 2D, les courbes de niveau représentent les changements d’altitude pour les projets de génie civil et d’aménagement du territoire.
– Caractéristiques géométriques : les caractéristiques telles que les bâtiments, les lignes électriques et les poteaux électriques peuvent être extraites des données LiDAR, afin d’être utilisées pour la création de jumeaux numériques ou pour des applications de services publics spécifiques.
– Coupes transversales : une coupe transversale montre le profil d’élévation d’une surface en 2D.
Avec autant de résultats différents, la demande du marché pour des données LiDAR de haute précision est élevée. Examinons maintenant les différentes tâches effectuées par les logiciels de traitement LiDAR.
Les différentes étapes du traitement des données LiDAR
En général, le traitement des données LiDAR couvre les tâches suivantes :
– Filtrage des nuages de points
– Classification des nuages de points
– Visualisation et analyse de nuages de points
– Modélisation des surfaces pour la création de modèles 3D et l’exportation de données
Les fournisseurs de services LiDAR pouvant proposer différents services de traitement des données, il n’est pas possible de donner une vue d’ensemble des étapes de traitement des données qui corresponde à l’offre de services de chaque fournisseur. Cet article n’est qu’une introduction au sujet et ne couvre que les étapes les plus courantes du traitement des données.
Le type de LiDAR utilisé pour capturer les nuages de points est un autre élément permettant de distinguer les différentes étapes de traitement des données. Par exemple, lorsque les données du nuage de points sont capturées à l’aide d’un drone ou d’un avion, un logiciel de traitement des données peut être utilisé pour post-traiter la trajectoire ou le trajet de vol afin d’affiner les informations relatives à la position et à l’orientation à partir de ce même trajet de vol. En outre, la précision relative du nuage de points peut être affinée en optimisant la correspondance des lignes de vol qui se chevauchent.
Nous allons maintenant aborder trois étapes du traitement des données : le filtrage, la classification et l’analyse des nuages de points.
Filtrage des nuages de points
Le filtrage et le nettoyage du nuage de points sont effectués pour supprimer les points erronés. Il y a différentes raisons à leur présence dans les données, et il est important de les détecter et de les supprimer afin qu’elles n’affectent pas la précision et la fiabilité du nuage de points ou du modèle 3D.
Il existe différents types de points erronés dans le LiDAR, tels que le bruit, les valeurs aberrantes et les retours par trajets multiples. Si les points erronés peuvent être capturés sur le terrain en raison de l’imprécision des capteurs, de surfaces réfléchissantes ou transparentes qui diffusent le laser de manière imprévisible, ils peuvent également résulter d’une classification erronée lors du traitement des données.
Le filtrage des données peut être effectué à l’aide de diverses méthodes, telles que le filtrage basé sur la densité. Cette méthode identifie et supprime des points d’un nuage de points sur la base de la densité locale des points en évaluant le nombre de points existant dans un certain voisinage ou une certaine zone, et en supprimant les points considérés comme trop rares (faible densité) ou trop denses (forte densité). Les avantages sont notamment la suppression du bruit et des données redondantes, et l’amélioration de la clarté du nuage de points.
Classification des nuages de points
Cette étape consiste à attribuer une classe ou une étiquette à chaque point capturé. Cela permet de comprendre ce que représentent les différents points. Les points individuels sont identifiés et classés en fonction de leur type de sol, de leur type de végétation, ou selon qu’il s’agit de bâtiments, de sol ou d’eau. Une classification typique utilisée pour LiDAR est celle des points au sol et des points non au sol. Les MNS, par exemple, utilisent des points terrestres et non terrestres pour faire la distinction entre le sol et d’autres surfaces.
Cette classification permet de créer des modèles de terrain précis et d’identifier des objets intéressants pour des applications telles que la robotique. Le processus de classification comprend l’extraction des caractéristiques, la segmentation et le regroupement du nuage de points en fonction des similitudes spatiales et géométriques, ainsi que l’exécution de différents algorithmes de classification.
Analyse et visualisation de nuages de points
Selon l’application pour laquelle le nuage de points est destiné à être utilisé, différents résultats sont générés à partir du nuage de points, tels que des lignes de contour, des volumes d’objets ou des modèles 3D. Parmi les exemples d’exportation de données de nuages de points, on peut citer les DEMS, les DTM, ainsi que les scans de structures d’objets qui affichent des objets plus petits que les DEM et les DEMS couvrant des zones plus étendues.
Modélisation des surfaces pour la création de modèles 3D
Il s’agit notamment de convertir les nuages de points en surfaces continues, ce qui permet d’obtenir des modèles 3D plus faciles à interpréter visuellement. La modélisation des surfaces consiste à créer des triangles et des polygones entre des points adjacents. Les MNE et les MNT sont ensuite créés et exportés dans les formats de données appropriés.
Étapes supplémentaires du traitement des données
L’aperçu précédent des différentes étapes du traitement des données n’est pas exhaustif : par exemple, des superpositions de données et des vérifications supplémentaires, telles que l’utilisation de points de contrôle au sol, peuvent améliorer la précision et l’exactitude des données, de sorte qu’elles répondent aux exigences de précision de l’enquête. Les données des points de contrôle au sol sont acquises sur le terrain séparément des nuages de points LiDAR, ce qui permet de disposer d’une source de données indépendante avec laquelle comparer la précision des données LiDAR.
Qu’est-ce que YellowScan CloudStation ?
YellowScan CloudStation est un logiciel évolutif et convivial pour générer des nuages de points à partir de données LiDAR brutes. Il permet également de visualiser et d’inspecter en profondeur les nuages de points. Le logiciel de bureau comprend quatre modules :
Le module d’ajustement des bandes améliore la précision du nuage de points grâce à un ajustement transparent des lignes de vol. Le module de terrain effectue une classification automatique « sol – non sol » des points LiDAR. Le module de colorisation effectue la colorisation des nuages de points à partir des acquisitions simultanées du LiDAR et de la caméra. Le module d’exportation produit des nuages de points au format LAS/LASZ et exporte des modèles numériques pour DSM et DEM.
Plusieurs nouvelles fonctionnalités ont été récemment ajoutées à CloudStation, dont les suivantes :
– Génération d’orthophotos à partir de données LiDAR et de caméras.
– Visualisation des points de contrôle au sol (GCP) : importez un GCP et choisissez s’il s’agit de points de rattachement, de points de contrôle ou de points d’intérêt.
– Exportation de nuages de points en ligne : exportation vers un fournisseur de nuages à partir de CloudStation.
CloudStation est un logiciel de base avec différentes fonctionnalités ou modules. YellowScan a introduit trois offres groupées différentes afin de donner aux clients des options plus claires en matière de fonctionnalité : CloudStation Essential, CloudStation Pro et CloudStation Ultimate. Pour plus d’informations, consultez la page produit CloudStation.
Questions fréquemment posées
Qu'est-ce que le traitement des données LiDAR ?
Le traitement LiDAR transforme les données brutes des nuages de points en informations précises et utilisables. Le traitement des données LiDAR comprend plusieurs étapes, telles que le filtrage et le nettoyage des données, la classification des nuages de points, l’extraction des caractéristiques et la modélisation 3D.
Quelles sont les exigences en matière de traitement des données LiDAR ?
Le traitement des données LiDAR nécessite des données de nuage de points de haute qualité, avec des attributs clés tels que les coordonnées x, y et z, l’intensité et la classification. En outre, des métadonnées telles que des informations sur les vols et les capteurs, des points de contrôle au sol et un système de coordonnées géographiques sont nécessaires pour améliorer la précision spatiale. La densité de points est une mesure qui exprime le nombre de points par mètre carré : une densité de points plus élevée permet une modélisation plus détaillée du terrain et des objets.
Comment les données LiDAR sont-elles collectées ?
Les données LiDAR sont collectées à l’aide de scanners laser 3D qui utilisent des impulsions laser pour mesurer la distance par rapport à une cible. En utilisant la vitesse de la lumière, le temps que met une impulsion pour atteindre une cible et revenir au capteur permet de mesurer la distance par rapport à une cible. Des millions d’impulsions par seconde permettent de capturer une scène en 3D. Les données LiDAR sont collectées à l’aide de scanners statiques et mobiles, ainsi qu’à l’aide de drones ou d’avions.
Qu'est-ce que LiDAR dans l'annotation des données ?
Le LiDAR dans l’annotation des données implique l’étiquetage ou le marquage d’objets dans ces données afin que les machines puissent les comprendre et en tirer des enseignements. Les données LiDAR sont utilisées pour former des modèles d’apprentissage automatique pour des applications telles que la conduite autonome, l’analyse géospatiale et la surveillance de l’environnement.
Pourquoi utiliser les données LiDAR ?
Les données LiDAR sont très précises (précision centimétrique). Les données sont saisies rapidement et de manière automatisée, ce qui les rend évolutives et plus rentables que les équipes de géomètres. Contrairement à la photogrammétrie, qui capture de grandes quantités d’images 2D pour produire un nuage de points 3D, le LiDAR capture et stocke des nuages de points directement sur le scanner et est capable de capturer des données sous la végétation.
