Automatisation et pr茅cision accrues de la technologie de cartographie 3D
Une 茅quipe de recherche de la Geneva School of Economics and Management (GSEM) et de l'EPF de Lausanne ont combin茅 l'intelligence artificielle avec un nouvel algorithme pour cr茅er une m茅thode qui r茅duit consid茅rablement le temps et les ressources n茅cessaires pour num茅riser avec pr茅cision des paysages complexes et qui pourrait 锚tre la cl茅 de la cartographie automatis茅e par drone.
La nouvelle m茅thode a 茅t茅 d茅velopp茅e par Davide A. Cucci (Collaborateur scientifique II听au Research Center for Statistics de la GSEM), Aur茅lien Brun et Jan Skaloud et est d茅crite dans un article publi茅 dans听la revue ISPRS Journal of Photogrammetry and Remote Sensing.
La cartographie tridimensionnelle (3D) a de nombreuses applications telles que la surveillance des chantiers de construction, le suivi des effets du changement climatique sur les 茅cosyst猫mes et la v茅rification de la s茅curit茅 des routes et des ponts. Cependant, la technologie actuellement utilis茅e pour automatiser le processus de cartographie est limit茅e, ce qui en fait une t芒che longue et co没teuse.
Les scanners laser LiDAR projettent des millions d'impulsions lumineuses sur des surfaces pour cr茅er des r茅pliques informatiques haute r茅solution d'objets ou de paysages. Les lasers sont particuli猫rement efficaces pour collecter des donn茅es spatiales car ils ne d茅pendent pas de la lumi猫re ambiante, peuvent collecter des donn茅es pr茅cises sur de grandes distances et peuvent 芦 voir 脿 travers 禄 la v茅g茅tation. Mais leur pr茅cision est souvent perdue lorsqu'ils sont听install茅s sur des drones ou d'autres 茅quipements mobiles,听en particulier dans les villes denses, les sites avec des infrastructures souterraines et les endroits o霉 les signaux GPS sont interrompus. Il听s鈥檈nsuit des lacunes et des听d茅fauts d鈥檃lignement dans les points de donn茅es utilis茅s pour g茅n茅rer des cartes en 3D, et cela peut听entra卯ner une vision double des objets num茅ris茅s.
"Pour l鈥檌nstant, il n鈥檈xiste aucun moyen de g茅n茅rer des cartes听3D parfaitement align茅es sans passer par une 茅tape de correction manuelle des donn茅es," explique Davide听Cucci. "De nombreuses m茅thodes semi-automatiques sont 脿 l鈥櫭﹖ude pour surmonter ce probl猫me, mais la n么tre pr茅sente l鈥檃vantage de r茅soudre le probl猫me directement au niveau du scanner, o霉 les mesures sont prises, 茅liminant ainsi la n茅cessit茅 d鈥檈ffectuer des corrections ult茅rieures. Notre m茅thode est 茅galement enti猫rement pilot茅e par logiciel, ce qui signifie qu鈥檈lle peut 锚tre mise en 艙uvre rapidement et facilement par les utilisateurs finaux."
La m茅thode de l'茅quipe听tire parti des progr猫s r茅cents de l'intelligence artificielle pour d茅tecter si un objet donn茅 a 茅t茅听num茅ris茅 plusieurs fois sous diff茅rents angles. Elle consiste 脿 s茅lectionner des correspondances et 脿 les ins茅rer dans ce qu鈥檕n appelle un r茅seau dynamique, afin de corriger les lacunes et les d茅fauts d鈥檃lignement dans le nuage de points laser.
> Lien vers le communiqu茅 de presse de l鈥櫛跃北贡鸢蹙背倜� de Gen猫ve.
> Cliquez ici pour lire la couverture presse de cette annonce.
2022
