Une cartographie 3D plus rapide, plus 茅conomique et plus pr茅cise
Des chercheurs de l鈥橢PFL et de l鈥櫛跃北贡鸢蹙背倜� de Gen猫ve pensent d茅tenir la cl茅 de la cartographie automatis茅e par drone.
听
Les auteurs de la recherche: Davide A. Cucci, Aur茅lien Brun et Jan Skaloud.听漏 Alain Herzog/EPFL
听
Une 茅quipe de recherche de l鈥橢PFL et de l鈥櫛跃北贡鸢蹙背倜� de Gen猫ve pense d茅tenir la cl茅 de la cartographie automatis茅e par drone. En combinant l鈥檌ntelligence artificielle avec un nouvel algorithme, cette m茅thode promet de r茅duire consid茅rablement le temps et les ressources n茅cessaires pour num茅riser avec pr茅cision des paysages complexes.听Elle est 脿 d茅couvrir dans la revue听ISPRS Journal of Photogrammetry and Remote Sensing.
听
La cartographie tridimensionnelle听(3D) est un outil tr猫s utile, notamment pour surveiller les chantiers de construction, suivre les effets du changement climatique sur les 茅cosyst猫mes et v茅rifier 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.听
芦La Suisse est en train de cartographier l鈥檈nsemble de son paysage 脿 l鈥檃ide de scanners laser a茅roport茅s, pour la premi猫re fois depuis 2000. Mais ce processus prendra quatre 脿 cinq听ans, car les scanners doivent voler 脿 une altitude inf茅rieure 脿 un kilom猫tre pour pouvoir recueillir des donn茅es suffisamment d茅taill茅es et pr茅cises禄, d茅clare Jan听Skaloud, collaborateur scientifique au Laboratoire de topom茅trie听(Topo) au sein de la Facult茅 de l鈥橢nvironnement Naturel, Architectural et Construit听(ENAC) de l鈥橢PFL. 芦Gr芒ce 脿 notre m茅thode, les g茅om猫tres peuvent envoyer des scanners laser jusqu鈥櫭� cinq听kilom猫tres d鈥檃ltitude, avec le m锚me niveau de pr茅cision. Nos lasers sont plus sensibles et peuvent 茅mettre de la lumi猫re sur une zone beaucoup plus grande, ce qui rend le processus cinq fois plus rapide.禄
La m茅thode est d茅crite dans un article publi茅 dans la revue听ISPRS Journal of Photogrammetry and Remote Sensing听et r茅dig茅 par Davide听Cucci, chercheur associ茅 principal au sein du Research Center for Statistics de la Geneva School of Economics and Management de l鈥櫛跃北贡鸢蹙背倜� de Gen猫ve, qui travaille r茅guli猫rement avec le laboratoire Topo, Jan听Skaloud et Aur茅lien听Brun, auteur principal, r茅cemment dipl么m茅 de master de l鈥橢PFL et laur茅at d鈥檜n prix de l鈥檃ssociation des ing茅nieurs g茅om猫tres de Suisse occidentale听(IGSO).
听
Num茅risation imparfaite
Les scanners laser听LiDAR projettent des millions d鈥檌mpulsions lumineuses sur les surfaces pour cr茅er des jumeaux num茅riques en haute r茅solution 鈥� des r茅pliques informatiques d鈥檕bjets ou de paysages 鈥� qui peuvent 锚tre utilis茅s par exemple dans l鈥檃rchitecture, les syst猫mes routiers et la fabrication. 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. Ils peuvent collecter des donn茅es pr茅cises sur de grandes distances et 芦voir 脿 travers禄 la v茅g茅tation.
Mais la pr茅cision des lasers est souvent perdue lorsqu鈥檌ls sont install茅s sur des drones ou d鈥檃utres 茅quipements mobiles, en particulier dans les zones comportant de nombreux obstacles comme les villes denses, les sites avec des infrastructures souterraines et les endroits o霉 les signaux听GPS sont interrompus. Il s鈥檈nsuit des lacunes et des 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听3D (茅galement appel茅es nuages de points laser), et cela peut entra卯ner une vision double des objets num茅ris茅s. Ces erreurs doivent 锚tre corrig茅es manuellement avant de pouvoir utiliser une carte.听
芦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禄, explique Davide听Cucci. 芦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.禄听
听
Vers l鈥檃utomatisation
La m茅thode du laboratoire听Topo tire parti des progr猫s r茅cents de l鈥檌ntelligence artificielle pour d茅tecter si un objet donn茅 a 茅t茅 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. 芦Nous automatisons davantage la technologie de cartographie听3D, ce qui contribuera fortement 脿 am茅liorer son efficacit茅 et sa productivit茅 et permettra un ensemble d鈥檃pplications beaucoup plus vaste禄, conclut Jan听Skaloud.听
20 mai 2022