3. Expérimentations, recherches

Logiciels de traitement 
Les  logiciels  testés,  TerraScan,  TerraModeler  et  Scop++,  DTMaster,  laissent  l’utilisateur  plutôt  libre  dans  le choix des étapes  du traitement. Un premier  travail a  donc consisté  à  valider  les étapes de  traitement, conseillées lors des formations sur les logiciels, grâce à une analyse globale de chaque  chaîne. Cette analyse a permis d’évaluer l’adaptation de chaque logiciel aux besoins du client et aux  données sources.
Comparaison de classifications 
La  principale  étape  du  traitement  consiste  à  effectuer  une  classification  du  nuage  de  points.  Cette  classification  est  basée  sur  des  critères  géométriques  tels  que  la  pente  du  plan  formé  par  un  ensemble de points, la différence d’altitude entre 2 points, et sur d’autres informations telles que le  numéro d’écho ou l’intensité. Pour tester la qualité d’une classification, nous avions besoin d’un outil  permettant de comparer chaque point du nuage classé à tester avec son homologue dans le nuage  classé de référence. L’outil que nous avons choisi est une matrice confusion. Cette matrice permet de  visualiser  à  la  fois  le  nombre  de  points  mal  classés  et  la  classe  qui  leur  a  été  attribuée  lors  de  la  classification  test  et  celle  qui  leur  a   été
attribuée    lors    de    la    classification    de  référence. 
En  faisant  varier  les  différents  critères  de  filtrage et en comparant les nuages obtenus
au   nuage   de   référence,   nous   avons   pu  obtenir  une  analyse  très  fine  de  l’influence
de ces paramètres et du relief rencontré sur  la qualité de la classification.

Durée du traitement 
La mesure de la vitesse du traitement automatique sert d’une part à comparer l’efficacité des logiciels  et d’autre part à déterminer la taille de bloc de travail optimal. Dans cette partie les dépendances entre  vitesse de traitement automatique (2 traitements sont envisagés : sol/sursol et sol/végétation/bâti) et  nombre de points et entre vitesse et surface sont mesurées.  D’autre part, l’influence du type de terrain (urbain dense, fortes pentes, forêt et forêt + fortes pentes)  sur la durée du traitement est aussi quantifiée. 
Correction manuelle 
Pour  chaque  type  de  terrain,  un  nuage  classé  de  référence  a  été  créé  à  partir  d’une  classification  automatique agrémentée d’une correction manuelle. La correction manuelle a été chronométrée pour  évaluer la part de cette correction dans le processus de traitement. En se basant sur ces corrections  manuelles et les matrices de confusions entre nuages testés et nuages de référence, nous avons pu  évaluer les gains potentiels en temps de correction manuelle engendrés par la variation des différents  paramètres de filtrage.
Modèles urbains 
Dans le cadre de la réalisation d’un modèle urbain de démonstration sur le centre ville de Nantes (en  partenariat avec une société spécialisée en imagerie virtuelle), 3 méthodes de réalisation de modèles  urbains ont été testées. Une première méthode, largement automatisée, adaptée aux vues éloignées  consiste à plaquer une orthophoto sur un modèle numérique de surface. Une deuxième, réalisée sous  TerraScan permet la création de bâtiments différenciés et est adaptée aux vues rapprochées mais est  limitée  en  terme  d’automatisation.  Enfin,  une  dernière  modélisation,  basée  sur  l’utilisation  d’un  programme interne d’un partenaire de G2B, a été testée avec un succès relatif. Une amélioration de  cette  modélisation  a  été  tentée  à  l’aide  d’une  édition  manuelle  du  nuage  grâce  au  logiciel  de  3D  Blender.
Lignes électriques

Le  projet  réalisé  dans  ce  domaine  nous  a  permis  de  dégager  les  besoins   opérationnels   nécessaires   à   la   modélisation   de   lignes  électriques.   La   capacité   de   TerraScan   à   permettre   une   telle  modélisation  tout  en  fournissant  les  données  exploitables  par  le  client a été évaluée.

Géoréférencement direct 
Les différents systèmes de coordonnées intervenant  dans le calcul  de  géoréférencement  direct  ont  été  identifiés,  et  la  formule  de  détermination des angles de l’orientation externe à partir des angles  mesurés par l’INS a été établie. Les variations de cette formule au  cours des changements de projet sont expliquées.
La  validation  de  cette  méthode  de  détermination  des  données  de  l’orientation  externe  n’a  pas  été  réalisée  faute  de  disposer  des  données nécessaires.

4. Résultats

Evaluation des logiciels de traitement 
L’analyse  de  la  capacité  des  2  logiciels  à  gérer  les  types  de  données  en  présence  ainsi  que  leur  capacité à gérer des blocs de travail a conduit à la conclusion suivante : Scop++ ne permet pas à lui  seul de gérer des projets de plus de quelques dizaines de millions de points alors que TerraScan le  permet. Cette conclusion est critique car cette nécessité de gestion d’un très grand nombre de points  (plusieurs dizaines de millions à quelques milliards) est essentielle.  Sur la base des résultats de classification de bâtiments et de l’analyse des modèles numériques de  terrain, nous avons établi que la qualité du traitement effectué sous Scop++ était supérieure à celle du  traitement effectué sous TerraScan (la classification sous Scop++ est environ 13% plus efficace que  celle de TerraScan).
Les  tests  de  productivité  ont  montré  que  les  traitements  automatiques  et  manuels  offerts  par  TerraScan étaient plus rapides que ceux proposés par Scop++. Néanmoins, la qualité du traitement  automatique de Scop++ permet d’augmenter la productivité de la correction manuelle de 30%.  Cette  première  partie  suggère  que,  pour  le  moment,  seul  TerraScan  est  adapté  à  la  chaîne  de  traitement de G2B, bien que Scop++ apparaisse comme étant le plus performant.
Mise en place d’une chaîne de traitement 
La chaîne de traitement des données laser a été établie (pour les 2 logiciels) et l’analyse de l’influence  des paramètres de filtrage sur la précision de la classification a permis de rédiger des instructions à  l’intention  des  opérateurs  pour  qu’ils  soient  aidés  dans  le  choix  des  paramètres  lorsqu’un  nouveau  projet doit être traité. Certains paramètres ont une  influence non négligeable,  un paramètre lié à  la  classification du bâti par exemple, peut faire gagner jusqu’à 38min et faire perdre jusqu’à 433min de  temps de correction manuelle suivant la valeur choisie.  La productivité des machines et des opérateurs a été évaluée et il semble, d’après les prix du marché  que la distinction bâti/végétation n’est pas assez compétitive.  D’autre part un ingénieur a été formé à cette chaîne de traitement.
Applications particulières du laser aéroporté 
Les 3 méthodes de modélisation (automatique sous  TerraScan,  semi-automatique  avec  le  programme  automatique du partenaire de G2B et manuelle avec  Blender)    ont    fourni    des    résultats    assez    peu  satisfaisants    sur    le    plan    de    la    productivité  notamment.  Ces  résultats  montrent  qu’une  densité  élevée  de  points  (supérieure  à  2pts/m²)  doit  être  disponible   pour   que   les   outils   de   modélisation  automatique dont on dispose soient efficaces.
La réalisation d’un modèle urbain de démonstration  sur la ville de Nantes n’a pas pu être terminée avec  les   conditions   spécifiées   au  départ.  3  bâtiments  présentent  un  niveau  de  réalisme  satisfaisant  et  la  dizaine  de  bâtiments  restants  a  été  modélisée  à l’aide de prismes. 
La  modélisation  de  lignes  électriques  quant  à  elle,  peut  désormais  être  intégrée  dans  la  chaîne  de  traitement de G2B, les informations exploitables par le client (position des points d’accrochage, des  sommets et des pieds des pylônes) peuvent en effet être facilement exportées grâce à TerraScan.

Géoréférencement direct 
La  mise  en  œuvre  du  calcul  de  géoréférencement  direct  a  été  décrite  dans  cette  étude.  On  peut  retenir  que les transformations entre système de projection et système de navigation  ainsi qu’entre  système  de  l’avion  et  système  de  la  caméra  sont  les  plus  critiques  dans  ce  calcul  car  ces  transformations  sont  dépendantes  respectivement  du  système  de  projection  utilisé  et  du  logiciel  de  photogrammétrie utilisé pour le calcul d’ortho photos. La validation de ce calcul n’a pas pu être faite par  manque des données nécessaires.