SlideShare une entreprise Scribd logo
Topographie haute résolution & lidar :
méthodes d’acquisition et applications en
environnement
Dimitri Lague, Directeur Recherche, CNRS, Géosciences Rennes
https://geosciences.univ-rennes1.fr/interlocuteurs/dimitri-lague
Responsable Scientifique de la plateforme lidar Topo-Bathymétrique
Nantes-Rennes
Modèle Numérique de Terrain à 30 m
(couverture mondiale)
Modèle Numérique de Terrain à 1 m
(lidar aéroporté)
Haute Résolution Topographique
Données Topographiques Standard
C. Crosby, Opentopography presentation
Très Haute Résolution Topographique e.g., espacement entre points < 1 cm
Otira Gorge, N-Z, D. Lague
Très Haute Résolution Topographique e.g., espacement entre points < 1 cm
Otira Gorge, N-Z, D. Lague
1. Méthodes d’acquisition
1. Techniques laser (lidar aéroporté, terrestre)
2. Techniques photogrammétriques (Structure From Motion)
2. Traitements de base des données
1. Classification
2. Analyse Géométrique
3. Création de MNT/MNE
4. Detection/mesure de changement
3. Applications en Sciences de la Terre & Environnement
Quelques sites web intéressants
• Opentopography : http://www.opentopography.org
• Données lidar US gratuites, quelques cours, et des references vers des outils
de traitement
• Cloudcompare : http://www.cloudcompare.org
• Logiciel gratuit de traitement de nuages de points 3D
• Visualisation dans potree de données lidar:
• Données US : https://usgs.entwine.io/
• Jeu de données utilisé pour l’illustration du cours:
https://ot-process2.sdsc.edu/potree/index.html?r=%22https://ot-
process2.sdsc.edu/sampleUT/pc1569530546678%22
Nom anglais SOL SURSOL
Modèle
Numérique
de Surface
Digital
Surface
Model
X X
Modèle
Numérique
de Terrain
Digital
Elevation
Model*
X
*: on voit aussi parfois Digital Terrain Model
Modèle Numérique de Canopée
(CHM : Canopy Height Model) = hauteur de la végétation
MNS
MNT
MNC = MNSvegetation - MNT
Définitions
3D point cloud (nuage/semi de points)
x,y,z + attributs
3D Mesh/TIN (maillage): arêtes et
faces connectant les points ->
création d’une surface
Format des données brutes:
Distribution non régulière des points
Plusieurs points sur la même verticale
2D Raster (image matricielle)
Grille régulière d’altitudes
Peu utilisé dans le traitement des
données topographiques
Caractéristique : taille de pixel
qui fixe la résolution (1 x 1 m²)
Format très utilisé par les SIG
traditionnels (e.g. ARCGIS)
Très compact
MAIS, perte de résolution
Impossible d’avoir 2 points sur
la même verticale
Johnson et al., Geosphere (2014)
Satellite Stereo Imagery
Spatial Resolution= 20 cm
Accuracy= 5-10 cm
Vegetation penetration
Spatial Resolution= 1-20 cm
Accuracy= 2-20 cm
No vegetation penetration
Spatial Resolution= 0.5-10 cm
Accuracy= 0.5-1 cm
Vegetation penetration
Spatial Resolution= 1-2 m
Accuracy= 50 cm
No vegetation penetration
LiDAR: Light Detection And Ranging
1. Méthodes d’acquisition
Principe de la mesure de distance
• Temps de vol : mesure du temps aller retour d’un pulse laser entre
l’instrument et la cible
• Lidar terrestre longue portée (> 500 m)
• Lidar aéroporté
• Lidar satellitaire
• Différence de phase : mesure du déphasage d’un signal modulé
• Lidar terrestre courte portée (< 300 m)
• Très rapide (1 Million pts/sec)
• Très précis à courte distance (< 1 mm)
Plateformes lidar
Position fixe durant le scan
(Leica Scanstation 2, OSUR/Univ Rennes 1)
Terrestrial Laser Scanning (TLS)
Airborne Laser Scanning (ALS)
Lidar Optech Titan Univ Nantes + Rennes, Avion Fit-Conseil
Mobile Laser Scanning (MLS)
+ satellite (e.g., Icesat), drones etc…
Véhicules autonome
Instruments TLS (terrestrial laser scanning)
• Laser vert (532 nm)
• Calcul de distance par temps de vol :
• portée 100 - 150 m
• tache laser 3 – 10 mm
• Précision à 50 m < 1.5 mm
• Bruit de mesure < 1.4 mm
• Densité: 1 mm résolution à 50 m
• Champ de vision vertical 270°, horizontal 360 °
• Jusqu’à 50000 pts/sec
• Compensé horizontalement
• Crée un nuage de point X,Y,Z, Intensité
réfléchie + photo RGB
• Appareil de terrain, ~ 70 k€ HT avec logiciel
• Nécessite ordinateur + groupe électro
e.g., Leica Scanstation 2 (années 2007-2010)
Instruments TLS
• Laser infrarouge (1550 nm)
• Calcul de distance par différence de phase:
• portée 300 m
• Précision à 50 m < 1.5 mm
• Bruit de mesure < 1.4 mm
• Besoin d’être calibré annuellement
• Densité: 5 mm résolution à 50 m
• Champ de vision vertical 300°, horizontal 360 °
• Jusqu’à 1 Million pts/sec
• Crée un nuage de point X,Y,Z, Intensité
réfléchie, + photo RGB
• Appareil de terrain, autonome, 30-40 k€ HT
e.g., Faro X330 (année 2014)
Nouvelle-Zélande, rivières torrentielles
Mise en œuvre sur le terrain
Mise en œuvre sur le terrain
Baie du Mont Saint Michel
1.5 m
60-70 million points
Registration between surveys
using bolted targets
~ 2-3 mm error (1 std)
Géoreferencement
• Absolu : besoin de connaitre la position GPS des cibles, ou
positionnement des cibles au dessus de points connus
• Si uniquement GPS, positionnement absolu limité par la précision du GPS
(typiquement ~ 1 cm)
• Local
• Eléments de l’environnement supposés fixes et utilisés comme références (coin
de maison, ponts, etc…)
• Support de cible absolument fixes dans lesquels on vient placer des cibles à
chaque levé TLS
• Précision du référencement lié à la précision et résolution du scanner
• Permet d’avoir une incertitude de positionnement de levés TLS de l’ordre de 2-3 mm dans le
meilleur des cas (Lague et al., 2013).
Important pour suivre l’évolution d’une zone, ou pour lier des données TLS à d’autres
données (e.g. GPS)
A considérer : les zones d’ombres
• Déplacer l’instrument si nécessaire
• Mais avec de la végétation, il restera toujours des zones d’ombre
• L’unité de mesure inertielle est un élément essentiel
pour positionner de manière précise les points.
• Géoréferencement absolu par GPS différentiel
• Besoin de stations au sol si il n’y en a pas à proximité pour
assurer une précision optimale
Hauteur de vol: 300 – 5000 m
Tache laser : 0.1 – 1.5 m
Densité de points
Ancienne génération : 1-4 pts/m²
Nouvelle génération : 10-50 pts/m²
Vol de nuit ou de jour mais sans
nuages
Cout des données
A partir de 30 €/km² et jusqu’à 2000
€/km² à très haute résolution
Caractéristique essentielle des lidar aéroporté:
PERMET DE VOIR A TRAVERS LA VEGETATION
pour mesurer la hauteur du sol (à condition que
la canopée ne soit pas trop dense)
• Systèmes couteux et rares
• Profondeur de pénétration limitée dans les zones turbides (e.g., estuaires)
• Tache laser > 1 m, et densité spatiale faible ~ 1 pt/m², hauteur de vol ~ 300 m
• Mais permet de cartographier une zone non mesurable en bateau ou par laser
topographique
Ile de Sein, SHOM
Dernière génération d’instrument: Optech TITAN, lidar
bi-longueur d’onde, topo-bathymétrique
Consortium OSUNA/OSUR/Fit-Conseil
2 longueurs d’onde:
• Mesure continue
sol/eau
• Classification des
espèces végétales et
des sols
• …
Profondeur de
pénétration dans l’eau
variant de 0.5 à 5 m en
fonction de la turbidité et
de la réflectance du fond
Film disponible ici : https://www.lidar-nantes-rennes.eu/wp-content/uploads/2017/10/Titan_PFT_RENNES_AIN_EDF.wmv
Exemple de données sur l’Ain
Extract of the Ain river survey (16 km over 35 km)
(Data courtesy of EDF)
From Lague et al., Topo-bathymetric airborne LiDAR for fluvial geomorphology analysis, Remote
sensing in Geomorphology, 2019
Extrait des données de l’Ain
Lidar topographique (1064nm) : pas de pénétration dans l’eau
La Loire près d’Angers à l’étiage Pas de données Lidar sur plus
de 50 % du fond de rivière
Sans bathymétrie il manque une grande partie du fond de la rivière
Profils bathymétriques
Données Loire:Univ. Tours (S. Rodrigues)/Plateforme Lidar Nantes-Rennes
Données Ain: EDF/Plateforme Lidar Nantes-Rennes
L’Ain à l’étiage
(près de pont d’Ain)
Pas de données Lidar sur plus
de 80 % du fond de rivière
4500 m
400 m
La révolution du Lidar Topo-bathymétrique
Données Loire:Univ. Tours (S. Rodrigues)/Plateforme Lidar Nantes-Rennes
Données Ain: EDF/Plateforme Lidar Nantes-Rennes
L’Ain à l’étiage
(près de pont d’Ain)
Prof max atteinte ~ 2 m, 90 % couverture bathy
La Loire près d’Angers à l’étiage
Prof max atteinte ~ 4 m, 80-95 % couverture bathy
400 m
4500 m
Film: https://www.lidar-nantes-rennes.eu/wp-content/uploads/2017/10/Bertheaume.mpg
Anse de Bertheaume, Joint project IUEM/OSUR/OSUNA, 2017
Côte Bretonne, vols proche du Conquet
Exemple sur des données topo-bathymétriques
Le Retour d’onde complet (full waveform)
From Lague et al., Topo-bathymetric airborne LiDAR for fluvial geomorphology analysis, Remote sensing in Geomorphology, 2020
Interet de l’enregistrement du retour d’onde complet en
bathymétrie
(e.g., Abdallah et al., 2012, Richter et al.
2017, Guenther, 1985)
Strong echo, easily detected onboard Weak echo not detected onboard,
Needs post-processing recovery
Emitted pulse Emitted pulse
Physics of laser interaction
with turbid media
• Suivi de l’épaisseur de la glace en arctique & antarctique
• Mesure de l’altitude précise à +- 25 cm
• Tache de 25m espacée de 3 km
• 91 jours de revisite
• Estimation du niveau des océans
• Technique de comptage de photon
• Embarqué sur l’ISS
• Mesure de l’altitude précise à +- 9 cm
• Tache de 25m espacée de 1 km
• Estimation de la structure de la canopée par
retour d’onde complet
https://gedi.umd.edu
• Cf cours Ed Nissen, dispo ici :
https://cloud.sdsc.edu/v1/AUTH_opentopography/www/shortcourses/UNAM_Mexico15/n
issen-OpenTopo-UNAM-mar-2015-structure-from-motion.pdf
• Principe :
• photos d’un même objet avec de multiples points de vue, et une superposition importante
• Le logiciel détecte automatiquement des points remarquables et reconstruit ensuite la position des
caméras
• A partir de la position des caméras, il reconstruit un nuage de point 3D de l’objet
• Prise de photos:
• A la main/au sol
• Par drone
• Nécessite à minima une échelle, et généralement des cibles référencées par GNSS
• Vous pouvez essayer vous-même:
• telechargez Agisoft Photoscan (très simple d’utilisation), version d’essai gratuite de 30 jours.
• Prenez des photos d’un objet avec votre smartphone, et hop..
• Existe aussi des logiciels libre, mais un peu plus complexe d’utilisation (micmac, visualSFM)
Tiré de : Structure from Motion (SfM) Introductory Guide, Unavco website:
http://kb.unavco.org/kb/article/structure-from-motion-sfm-introductory-guide-843.html
Exemple de données acquises par un drone
Mavic Pro (~ 1000 €)
Exemple de données obtenues par drone
(Ed Baynes, Géosciences Rennes sur la dynamique des cascades en Nelle-Zélande)
Données SFM
Rangitikei, NZ
Partie sous l’eau nécessitant une
correction de réfraction
Une technique qui se développe pour
les eaux très claires :
Bathymétrie par Structure From
Motion/imagerie par drone
Comparaison lidar/SFM
En zone végétalisée le lidar possède un réel
avantage par rapport au méthodes
photogrammétriques.
Mais en zone non végétalisée, la SFM
Est une excellente alternative
nettement moins couteuse, et pouvant
générer des données nettement plus
denses
Application : Detection de failles
Airborne Lidar
Terrestrial Lidar
GPS
Total
Station
Mobile Lidar
SFM
Traitement des données Lidar
Acquisition des
données + post-
traitement
Assemblage,
alignement et
géoréférencement
Verification,
nettoyage,
simplification
Filtrage de la
végétation &
classification
Création de MNT
(grille régulière)
Utilisation de
traitement RASTER
(e.g., ARCGIS)
Analyse
scientifique
Utilisation de
traitement 3D sur
nuage de points
(e.g., Cloudcompare)
Generalement réalisé par le fournisseur de données
mais pas toujours correct à 100 %, sauf si validation manuelle
• Donner à chaque point un attribut
• Végétation
• Sol nu
• Batiment
• Route….
• Permet de ne travailler que sur les points intéressants
• Filtrage de la végétation pour la création de Modèle Numérique de Terrain
• Détection des batiments, de la surface d’eau,….
• Nombreuses méthodes existantes pour le lidar aéroporté
• Mais sujet de recherche très actif
• Peu de méthodes pour le lidar terrestre et la SFM
• Exemple Algorithme CANUPO (Brodu and Lague, 2012)
2. Traitements de base
Couvert
végétal
(colorisée
par altitude)
Sol
(gris)
Données lidar aéroporté classifiées
Classification temps réel d’une google car
Classification automatique Classification manuelle
Thèse A. Le Guennec (Géosciences Rennes/ COSTEL/ IRISA)
~ 2D surface
Neighborhood ball
of a given diameter
Scene elements are
characterized by different
combination of dimensionality
over scales ranging from e.g. 2
cm to 1.5 m
• Use the large range of spatial scales available in high res TLS data, e.g. 1
cm - 100 m
• Define a simple 3D geometrical property of the point cloud : the local
dimensionality (e.g. Vandapel et al., 2004)
• Obtained using a principal component analysis on the neighbors of a scene point.
1D 2D
3D
•Vegetation is clearly distinct from bedrock only at scale > 20-50 cm
•Vegetation cannot be clearly separated from gravels at any single scale
•Gravels and water surface have similar dimensionality signature at any single scale
Raw point cloud Automatically classified point cloud
N individual clouds of boulders
Connected Component
Segmentation
35 m
Classification
accuracy on
vegetation is up to
99.7 % in densely
scanned zones
3 m
Vegetation segmentation
(J. Leroux’s PhD)
Classification & segmentation des gros volumes
de données 3D: domaine de recherche très actif
Strimbu & Strimbu, 2015, A graph-based segmentation algorithm for tree crown extraction using airborne LiDAR data
Forets 3D haute résolution avec arbres
individualisés
(quantum spatial)
• Mesures répétées de la même scène: suivre en 3D et de
manière exhaustive les changements environnementaux
• Changement de hauteur du sol : érosion/sédimentation
• Changement de végétation: croissance in situ, evolution biomasse, …
• Changement d’occupation du sol: infrastructures, constructions
• Vos idées… les applications sont infinies
T1
T2
OSO Landslide, March 2014, US
USGS
• Hyp: 2 nuages de points correspondant à 2 époques
différentes, assemblés dans le même référentiel
• 2 cas:
1. Pas d’érosion, sédimentation ou changement de
végétation significatif ET surface rugueuses
• « Feature matching » : reconnaissance de formes permettant un calcul en
3D de vecteur de déplacement
2. Erosion, sédimentation, changement de végétation
• Pas de corrélation possible entre les surfaces
• On ne peut qu’estimer le changement que par une mesure de distance
orthogonale à la surface
• Deux types de données possibles :
• Directement sur les nuages de points 3D
• Sur des Modèles Numériques de Terrain raster : METHODE
LA PLUS COURANTE
• Derived from techniques of 2D image
correlation but using a Digital Elevation
Model (raster of elevations)
• 3D displacement field
• Aryal et al., JGR, 2012: Using cross-
correlation techniques developped for
Particle Image Velocimetry
• ~ m scale change detection
• Requires features to track
• Piecewise ICP (Iterative Closest Point): each PC is divided in smaller
clouds and a registration is performed between the two epochs to
find the displacement vector
• e.g., Teza et al. 2007,2008: 3D landslide kinematics
• e.g., Nissen et al., 2012 : 3D surface displacement after EQ
Level of change detection set by:
• georeferencing accuracy: fixed targets ~ 0.3-1 cm, dGPS: 1- 5 cm
• laser ranging noise: 1-10 mm
• surface roughness and point density
• Teza et al., TLS : ~ 1-5 cm
• Nissen et al., ALS : ~20 cm horizontal, ~ 4 cm vertical
On calcule1 Modèle Numérique de Terrain (Digital
Elevation Model, DEM) pour chaque époque
Temps t
Temps t+dt
Pour chaque pixel,
dz=z(t+dt)-z(t)
On obtient une grille régulière de
différences d’altitude
Opération très facilement réalisable
dans n’importe quel SIG
En anglais cette opération s’appelle Difference of Dem
Mesure par lidar aéroporté répétée sur une
période de 7 ans
• Pros
• Regular sampling, compact format
• Easy vertical differencing (Difference of DEM=DoD)
• Simple volume calculation
• Cons
• Loss of resolution on edges
• Cannot represent vertical surfaces
• No oriented difference
• E.g., Bank erosion requires rotating the data
• Interpolation on complex surfaces
• Sensitive to ground classification
• Cannot represent 3D above ground
Diff of DEM
Landsliding
Bank
erosion
Raster DEM
Rangitikei river, New-Zealand
Changes in visibility
3D surface normal
orientation
Cobble bed
Variable roughness in
space and time
Flat cliff Rockfall
10 m 10 m 10 m
Roughness creates uncertainty in the comparison of surfaces
1: Normal direction calculation on cloud 1
→ Oriented difference
2: Average distance between the two PC
→ Noise and roughness averaging
Averaging
scale
4: Distance smaller than confidence interval
→ statistically not significant
5: No intercept with other cloud
→ no calculation
→ no need to trim the data
CLOUD 1
CLOUD 2
3: Local confidence interval calculation
→ Local roughness
→ Local point density
→ Global registration
2009 2011
Target based
registration
qCANUPO
vegetation
removal on raw
data
qM3C2
3D difference
Lague et al., ISPRS, 2013
Single flood erosion map
10 m
View2
2007
Leroux, Lague and Crave, in prep
Mt St Michel Bay, France
Raw PC: 30 million points
35 surveys over 4 years
Target based
registration
qCANUPO
ground classif
on raw data
qM3C2
Vertical difference
on GROUND
7-8 oct 2011
5 minutes on a quadcore laptop
Raw Point Cloud
Classified Point Cloud
Ground Point Cloud- pt density
Core points
grid at 5 cm
from first
epoch
0.2 m averaging scale
Core Point Grid, 5 cm spacing
7-8 oct 2011 difference computed on a grid
Mean= 0.0106 m
Std = 0.085 m
Accretion in pioneer vegetation during 2 spring tides
• High accuracy : detect 5 mm change at 95 % confidence interval
• High resolution : ~ 1 pt/cm²
• Captures vegetation structure
• Captures heterogeneity of topographic change
• Direct spatial upscaling from cm to 100’s m
M3C2 grid of
difference
Vegetation
layer
CC: closest point
calculation
Distance to vegetation calculation
(Leroux et al., in prep)
Topographic change within 1 m of vegetation Topographic change away from vegetation
Segmentation by distance
to vegetation
Increased
erosion
Increased
sedimentation
qCANUPO
vegetation
removal
qM3C2
Horizontal difference
Automatic tracking of the variations in
sinuous bank orientation
Vertical core point
grid
• Highly localized bank erosion
• Dominance of overmarsh tide
events on bank erosion
• Frequency-magnitude analysis
implies that largest annual event
governs total annual bank retreat
(Lague and Leroux, in prep)
Sources d’erreur
Archivage 3D de l’environnement
3. Applications
• Geomodelling
• Numerisation in situ (e.g., paleontologie, archeologie)
Lidar et applications forestières (bcp de choses !)
Exemple up to date:
Carte de différences d’altitudes avant/après le séisme de février 2011 (données LIDAR)
Change detection on Mississipi Delta using repeat
Airborne Lidar surveys
(Wagner, Lague, Morhig, Passalacqua, Shaw, Moffett, GRL, 2017)
Uncertainty map combining roughness
and registration effects
Glissements de terrain
T1
T2
OSO Landslide, March 2014, US
USGS
Sans la végétation, la présence d’anciens glissements
est évidente
M1: Thomas Bernard (2018)
Detection glissements de terrains co-sismiques, Kaikoura 2016
(Bernard, Lague and Steer, subm)
Prédiction des risques d’inondation
Improvement with topo-bathymetric lidar
1 m Raster DTM
Prediction from code Floodos
(Davy et al., JGR, 2017) resolving
2D St-Venant equations
Uniform Manning friction = 0.035
Q = 300 m3/s (3 times Qmean)
Predicted depth
« Traditional » topo lidar
Predicted depth
with true bathymetry
1 km
Exemples d’applications
• Site web de Quantum Spatial
je n’ai aucune affiliation avec cette entreprise,
mais leur site est particulièrement bien réalisé !!!
https://quantumspatial.com
Dizaines d’autres applications
Glaciers, dunes, érosion cotière, transferts sédimentaires, etc…
• Lidar: un outil incontournable pour le suivi environnemental, les risques géologiques
• SFM : se développe très rapidement. Solution très intéressante et nettement moins
couteuse dans les zones sans végétation
. Contraintes réglementaires fortes pour la mise en œuvre par drone
• Outils 3D encore limités …les traitements sont hérités des techniques SIG 2D, et ne sont
pas toujours adaptées au très gros volume de données (plusieurs milliards de points).
Contact: dimitri.lague@univ-rennes1.fr

Contenu connexe

Tendances

Cours de télédétection entrée
Cours de télédétection entréeCours de télédétection entrée
Cours de télédétection entrée
FSTT
 
Système d’Information Géographique et Télédétection: généralités
Système d’Information Géographique et Télédétection: généralitésSystème d’Information Géographique et Télédétection: généralités
Système d’Information Géographique et Télédétection: généralités
Institut Pasteur de Madagascar
 
Cours GNSS
Cours GNSSCours GNSS
Cours GNSS
Mathieu Peyréga
 
Atelier no2: Télédétection et occupation du sol
Atelier no2: Télédétection et occupation du solAtelier no2: Télédétection et occupation du sol
Atelier no2: Télédétection et occupation du sol
teleparc
 
Mise en place d'un système d'information géographique pour la commune de Tunis
Mise en place d'un système d'information géographique pour la commune de TunisMise en place d'un système d'information géographique pour la commune de Tunis
Mise en place d'un système d'information géographique pour la commune de Tunis
Firas Mejri
 
SIG ET ANALYSE SPATIALE, SESSION 1
SIG ET ANALYSE SPATIALE, SESSION 1SIG ET ANALYSE SPATIALE, SESSION 1
SIG ET ANALYSE SPATIALE, SESSION 1
YOUSSOUPHA MBODJI
 
La teledetection
La teledetectionLa teledetection
La teledetectionCrissu
 
SIG ET ANALYSE SPATIALE, SESSION 3
SIG ET ANALYSE SPATIALE, SESSION 3SIG ET ANALYSE SPATIALE, SESSION 3
SIG ET ANALYSE SPATIALE, SESSION 3
YOUSSOUPHA MBODJI
 
03 acquisition
03 acquisition03 acquisition
03 acquisition
LaurickbrolKom
 
Système d'information géographique
Système d'information géographiqueSystème d'information géographique
Système d'information géographique
Hassan NAIT-SI
 
Geomatique ppt - m11 intro-cours_eg_20131014
Geomatique ppt - m11 intro-cours_eg_20131014Geomatique ppt - m11 intro-cours_eg_20131014
Geomatique ppt - m11 intro-cours_eg_20131014
Amine Ouariache
 
Cartographie et SIG 2016 - Partie 2
Cartographie et SIG 2016 - Partie 2Cartographie et SIG 2016 - Partie 2
Cartographie et SIG 2016 - Partie 2
Ibrahima Sylla
 
Réalisation d’un plan topographique de la ville de El-Brij,Sidi Bouzid
Réalisation d’un plan topographique  de la ville de El-Brij,Sidi BouzidRéalisation d’un plan topographique  de la ville de El-Brij,Sidi Bouzid
Réalisation d’un plan topographique de la ville de El-Brij,Sidi Bouzid
Firas Mejri
 
réalisation d'un montage photogrammétrie
réalisation d'un montage photogrammétrieréalisation d'un montage photogrammétrie
réalisation d'un montage photogrammétrie
yaakoub aouf
 
Gps localisation
Gps localisationGps localisation
Gps localisation
USIGGENEVE
 
Mise en place d'un système d'information géographique pour la commune de Tunis
Mise en place d'un système d'information géographique pour la commune de TunisMise en place d'un système d'information géographique pour la commune de Tunis
Mise en place d'un système d'information géographique pour la commune de Tunis
Firas Mejri
 
Apports des SIG dans la gouvernance foncière des communautés rurales au Sénégal
Apports des SIG dans la gouvernance foncière des communautés rurales au SénégalApports des SIG dans la gouvernance foncière des communautés rurales au Sénégal
Apports des SIG dans la gouvernance foncière des communautés rurales au Sénégal
eAtlas Francophone Afrique de l'Ouest
 
La télédétection : un outil pour le suivi et l’évaluation de la désertificati...
La télédétection : un outil pour le suivi et l’évaluation de la désertificati...La télédétection : un outil pour le suivi et l’évaluation de la désertificati...
La télédétection : un outil pour le suivi et l’évaluation de la désertificati...
csfd
 

Tendances (20)

Cours de télédétection entrée
Cours de télédétection entréeCours de télédétection entrée
Cours de télédétection entrée
 
Système d’Information Géographique et Télédétection: généralités
Système d’Information Géographique et Télédétection: généralitésSystème d’Information Géographique et Télédétection: généralités
Système d’Information Géographique et Télédétection: généralités
 
Cours GNSS
Cours GNSSCours GNSS
Cours GNSS
 
Atelier no2: Télédétection et occupation du sol
Atelier no2: Télédétection et occupation du solAtelier no2: Télédétection et occupation du sol
Atelier no2: Télédétection et occupation du sol
 
Mise en place d'un système d'information géographique pour la commune de Tunis
Mise en place d'un système d'information géographique pour la commune de TunisMise en place d'un système d'information géographique pour la commune de Tunis
Mise en place d'un système d'information géographique pour la commune de Tunis
 
Gps
GpsGps
Gps
 
SIG ET ANALYSE SPATIALE, SESSION 1
SIG ET ANALYSE SPATIALE, SESSION 1SIG ET ANALYSE SPATIALE, SESSION 1
SIG ET ANALYSE SPATIALE, SESSION 1
 
La teledetection
La teledetectionLa teledetection
La teledetection
 
Introduction aux sig
Introduction aux sigIntroduction aux sig
Introduction aux sig
 
SIG ET ANALYSE SPATIALE, SESSION 3
SIG ET ANALYSE SPATIALE, SESSION 3SIG ET ANALYSE SPATIALE, SESSION 3
SIG ET ANALYSE SPATIALE, SESSION 3
 
03 acquisition
03 acquisition03 acquisition
03 acquisition
 
Système d'information géographique
Système d'information géographiqueSystème d'information géographique
Système d'information géographique
 
Geomatique ppt - m11 intro-cours_eg_20131014
Geomatique ppt - m11 intro-cours_eg_20131014Geomatique ppt - m11 intro-cours_eg_20131014
Geomatique ppt - m11 intro-cours_eg_20131014
 
Cartographie et SIG 2016 - Partie 2
Cartographie et SIG 2016 - Partie 2Cartographie et SIG 2016 - Partie 2
Cartographie et SIG 2016 - Partie 2
 
Réalisation d’un plan topographique de la ville de El-Brij,Sidi Bouzid
Réalisation d’un plan topographique  de la ville de El-Brij,Sidi BouzidRéalisation d’un plan topographique  de la ville de El-Brij,Sidi Bouzid
Réalisation d’un plan topographique de la ville de El-Brij,Sidi Bouzid
 
réalisation d'un montage photogrammétrie
réalisation d'un montage photogrammétrieréalisation d'un montage photogrammétrie
réalisation d'un montage photogrammétrie
 
Gps localisation
Gps localisationGps localisation
Gps localisation
 
Mise en place d'un système d'information géographique pour la commune de Tunis
Mise en place d'un système d'information géographique pour la commune de TunisMise en place d'un système d'information géographique pour la commune de Tunis
Mise en place d'un système d'information géographique pour la commune de Tunis
 
Apports des SIG dans la gouvernance foncière des communautés rurales au Sénégal
Apports des SIG dans la gouvernance foncière des communautés rurales au SénégalApports des SIG dans la gouvernance foncière des communautés rurales au Sénégal
Apports des SIG dans la gouvernance foncière des communautés rurales au Sénégal
 
La télédétection : un outil pour le suivi et l’évaluation de la désertificati...
La télédétection : un outil pour le suivi et l’évaluation de la désertificati...La télédétection : un outil pour le suivi et l’évaluation de la désertificati...
La télédétection : un outil pour le suivi et l’évaluation de la désertificati...
 

Similaire à Cours Topographie haute résolution & lidar, M1 2021.pdf

1ères Rencontres ASIT VD : Tout sur le LiDAR : de la technologie aux applicat...
1ères Rencontres ASIT VD : Tout sur le LiDAR : de la technologie aux applicat...1ères Rencontres ASIT VD : Tout sur le LiDAR : de la technologie aux applicat...
1ères Rencontres ASIT VD : Tout sur le LiDAR : de la technologie aux applicat...
Association pour le Système d'Information du Territoire
 
Présentation1.pptx
Présentation1.pptxPrésentation1.pptx
Présentation1.pptx
ssuser5e7a24
 
L'imagerie satellitaire, une source d'information incontournable
L'imagerie satellitaire, une source d'information incontournableL'imagerie satellitaire, une source d'information incontournable
L'imagerie satellitaire, une source d'information incontournable
VisionGEOMATIQUE2014
 
Approches méthodologiques pour la cartographie des habitats naturels par télé...
Approches méthodologiques pour la cartographie des habitats naturels par télé...Approches méthodologiques pour la cartographie des habitats naturels par télé...
Approches méthodologiques pour la cartographie des habitats naturels par télé...ACSG - Section Montréal
 
Xavier BRIOTTET : Activités sur l'ensemble du domaine optique (0.4-12 µm)
Xavier BRIOTTET : Activités sur l'ensemble du domaine optique (0.4-12 µm)Xavier BRIOTTET : Activités sur l'ensemble du domaine optique (0.4-12 µm)
Xavier BRIOTTET : Activités sur l'ensemble du domaine optique (0.4-12 µm)
kmichel69
 
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtlVille de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
ACSG Section Montréal
 
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...VisionGÉOMATIQUE2012
 
Présentation cirad madagascar
Présentation cirad madagascarPrésentation cirad madagascar
Présentation cirad madagascarvoninavono
 
Soutenance de Thèse
Soutenance de ThèseSoutenance de Thèse
Soutenance de Thèse
pbosser
 
2016.02.18 big data from space toulouse data science
2016.02.18   big data from space    toulouse data science2016.02.18   big data from space    toulouse data science
2016.02.18 big data from space toulouse data science
Gasperi Jerome
 
Methode d'exploration rapide pour decouvrir de nouveaux gisement petroliers ...
Methode d'exploration rapide pour decouvrir de nouveaux  gisement petroliers ...Methode d'exploration rapide pour decouvrir de nouveaux  gisement petroliers ...
Methode d'exploration rapide pour decouvrir de nouveaux gisement petroliers ...
Fands-llc
 
Physique de la mesure en télédétection optique, Partie 1 : photométrie et rad...
Physique de la mesure en télédétection optique, Partie 1 : photométrie et rad...Physique de la mesure en télédétection optique, Partie 1 : photométrie et rad...
Physique de la mesure en télédétection optique, Partie 1 : photométrie et rad...
hagolleo
 
Bénédicte Guérinel
Bénédicte GuérinelBénédicte Guérinel
Bénédicte GuérinelDIOT Clément
 
Mesures radar
Mesures radarMesures radar
Mesures radar
assad63
 
Estimation et suivide la degradation liée à l’exploitation artisanale
Estimation et suivide la degradation liée à l’exploitation artisanaleEstimation et suivide la degradation liée à l’exploitation artisanale
Estimation et suivide la degradation liée à l’exploitation artisanale
CIFOR-ICRAF
 
PROFEEAC CP1: Estimation et Suivide la Degradation Liéeà L’exploitation Artis...
PROFEEAC CP1: Estimation et Suivide la Degradation Liéeà L’exploitation Artis...PROFEEAC CP1: Estimation et Suivide la Degradation Liéeà L’exploitation Artis...
PROFEEAC CP1: Estimation et Suivide la Degradation Liéeà L’exploitation Artis...
CIFOR-ICRAF
 
Instruction gps
Instruction  gpsInstruction  gps
Instruction gpsHimou Himo
 
IRD FRAME Uganda
IRD FRAME UgandaIRD FRAME Uganda
IRD FRAME Uganda
RainerZaiss
 
Environnement électromagnétique et santé Yann Toutain Satimo
Environnement électromagnétique et santé Yann Toutain Satimo Environnement électromagnétique et santé Yann Toutain Satimo
Environnement électromagnétique et santé Yann Toutain Satimo AFEIT
 
Guillaume Labbé-Morissette
Guillaume Labbé-MorissetteGuillaume Labbé-Morissette
Guillaume Labbé-Morissette
Web à Québec
 

Similaire à Cours Topographie haute résolution & lidar, M1 2021.pdf (20)

1ères Rencontres ASIT VD : Tout sur le LiDAR : de la technologie aux applicat...
1ères Rencontres ASIT VD : Tout sur le LiDAR : de la technologie aux applicat...1ères Rencontres ASIT VD : Tout sur le LiDAR : de la technologie aux applicat...
1ères Rencontres ASIT VD : Tout sur le LiDAR : de la technologie aux applicat...
 
Présentation1.pptx
Présentation1.pptxPrésentation1.pptx
Présentation1.pptx
 
L'imagerie satellitaire, une source d'information incontournable
L'imagerie satellitaire, une source d'information incontournableL'imagerie satellitaire, une source d'information incontournable
L'imagerie satellitaire, une source d'information incontournable
 
Approches méthodologiques pour la cartographie des habitats naturels par télé...
Approches méthodologiques pour la cartographie des habitats naturels par télé...Approches méthodologiques pour la cartographie des habitats naturels par télé...
Approches méthodologiques pour la cartographie des habitats naturels par télé...
 
Xavier BRIOTTET : Activités sur l'ensemble du domaine optique (0.4-12 µm)
Xavier BRIOTTET : Activités sur l'ensemble du domaine optique (0.4-12 µm)Xavier BRIOTTET : Activités sur l'ensemble du domaine optique (0.4-12 µm)
Xavier BRIOTTET : Activités sur l'ensemble du domaine optique (0.4-12 µm)
 
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtlVille de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
 
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
 
Présentation cirad madagascar
Présentation cirad madagascarPrésentation cirad madagascar
Présentation cirad madagascar
 
Soutenance de Thèse
Soutenance de ThèseSoutenance de Thèse
Soutenance de Thèse
 
2016.02.18 big data from space toulouse data science
2016.02.18   big data from space    toulouse data science2016.02.18   big data from space    toulouse data science
2016.02.18 big data from space toulouse data science
 
Methode d'exploration rapide pour decouvrir de nouveaux gisement petroliers ...
Methode d'exploration rapide pour decouvrir de nouveaux  gisement petroliers ...Methode d'exploration rapide pour decouvrir de nouveaux  gisement petroliers ...
Methode d'exploration rapide pour decouvrir de nouveaux gisement petroliers ...
 
Physique de la mesure en télédétection optique, Partie 1 : photométrie et rad...
Physique de la mesure en télédétection optique, Partie 1 : photométrie et rad...Physique de la mesure en télédétection optique, Partie 1 : photométrie et rad...
Physique de la mesure en télédétection optique, Partie 1 : photométrie et rad...
 
Bénédicte Guérinel
Bénédicte GuérinelBénédicte Guérinel
Bénédicte Guérinel
 
Mesures radar
Mesures radarMesures radar
Mesures radar
 
Estimation et suivide la degradation liée à l’exploitation artisanale
Estimation et suivide la degradation liée à l’exploitation artisanaleEstimation et suivide la degradation liée à l’exploitation artisanale
Estimation et suivide la degradation liée à l’exploitation artisanale
 
PROFEEAC CP1: Estimation et Suivide la Degradation Liéeà L’exploitation Artis...
PROFEEAC CP1: Estimation et Suivide la Degradation Liéeà L’exploitation Artis...PROFEEAC CP1: Estimation et Suivide la Degradation Liéeà L’exploitation Artis...
PROFEEAC CP1: Estimation et Suivide la Degradation Liéeà L’exploitation Artis...
 
Instruction gps
Instruction  gpsInstruction  gps
Instruction gps
 
IRD FRAME Uganda
IRD FRAME UgandaIRD FRAME Uganda
IRD FRAME Uganda
 
Environnement électromagnétique et santé Yann Toutain Satimo
Environnement électromagnétique et santé Yann Toutain Satimo Environnement électromagnétique et santé Yann Toutain Satimo
Environnement électromagnétique et santé Yann Toutain Satimo
 
Guillaume Labbé-Morissette
Guillaume Labbé-MorissetteGuillaume Labbé-Morissette
Guillaume Labbé-Morissette
 

Dernier

QCM de révision pour la haute qualité.pdf
QCM de révision pour la haute qualité.pdfQCM de révision pour la haute qualité.pdf
QCM de révision pour la haute qualité.pdf
ffffourissou
 
02_UMT STAR_un nouveau biomarqueur de résilience basé sur les métabolites du ...
02_UMT STAR_un nouveau biomarqueur de résilience basé sur les métabolites du ...02_UMT STAR_un nouveau biomarqueur de résilience basé sur les métabolites du ...
02_UMT STAR_un nouveau biomarqueur de résilience basé sur les métabolites du ...
Institut de l'Elevage - Idele
 
01_UMT STAR_étude de la résilience et des compromis entre résilience et effic...
01_UMT STAR_étude de la résilience et des compromis entre résilience et effic...01_UMT STAR_étude de la résilience et des compromis entre résilience et effic...
01_UMT STAR_étude de la résilience et des compromis entre résilience et effic...
Institut de l'Elevage - Idele
 
SRE - Mythes et Réalités - Voxxed 2024.pdf
SRE - Mythes et Réalités - Voxxed 2024.pdfSRE - Mythes et Réalités - Voxxed 2024.pdf
SRE - Mythes et Réalités - Voxxed 2024.pdf
Henri Gomez
 
Rénovation des prairies sans labour est-ce possible en bio.pdf
Rénovation des prairies sans labour est-ce possible en bio.pdfRénovation des prairies sans labour est-ce possible en bio.pdf
Rénovation des prairies sans labour est-ce possible en bio.pdf
idelewebmestre
 
S210-S-27.04-chaudiere-à-vapeur bilan thermique
S210-S-27.04-chaudiere-à-vapeur bilan thermiqueS210-S-27.04-chaudiere-à-vapeur bilan thermique
S210-S-27.04-chaudiere-à-vapeur bilan thermique
ALIIAE
 
Alternative au 3eme lien et complement au Tramway de la ville de Quebec Rev 1...
Alternative au 3eme lien et complement au Tramway de la ville de Quebec Rev 1...Alternative au 3eme lien et complement au Tramway de la ville de Quebec Rev 1...
Alternative au 3eme lien et complement au Tramway de la ville de Quebec Rev 1...
Daniel Bedard
 
PROVINLAIT - Bâtiment et bien-être estival
PROVINLAIT - Bâtiment et bien-être estivalPROVINLAIT - Bâtiment et bien-être estival
PROVINLAIT - Bâtiment et bien-être estival
idelewebmestre
 
Alternative - Complément au Tramway et 3 ème lien de la ville de Quebec (PDF)
Alternative - Complément au Tramway  et 3 ème lien de la ville de Quebec (PDF)Alternative - Complément au Tramway  et 3 ème lien de la ville de Quebec (PDF)
Alternative - Complément au Tramway et 3 ème lien de la ville de Quebec (PDF)
Daniel Bedard
 
Note Agro-climatique et prairies n°4 - Juin 2024
Note Agro-climatique et prairies n°4 - Juin 2024Note Agro-climatique et prairies n°4 - Juin 2024
Note Agro-climatique et prairies n°4 - Juin 2024
idelewebmestre
 
05_UMT STAR_Vers une indexation de la longévité fonctionnelle en ovin lait
05_UMT STAR_Vers une indexation de la longévité fonctionnelle en ovin lait05_UMT STAR_Vers une indexation de la longévité fonctionnelle en ovin lait
05_UMT STAR_Vers une indexation de la longévité fonctionnelle en ovin lait
Institut de l'Elevage - Idele
 
03_UMT STAR_compromis entre résistance au parasitisme et efficience alimentai...
03_UMT STAR_compromis entre résistance au parasitisme et efficience alimentai...03_UMT STAR_compromis entre résistance au parasitisme et efficience alimentai...
03_UMT STAR_compromis entre résistance au parasitisme et efficience alimentai...
Institut de l'Elevage - Idele
 
04_UMT STAR_Étude de nouveaux caractères en lien avec la santé et le bien-êtr...
04_UMT STAR_Étude de nouveaux caractères en lien avec la santé et le bien-êtr...04_UMT STAR_Étude de nouveaux caractères en lien avec la santé et le bien-êtr...
04_UMT STAR_Étude de nouveaux caractères en lien avec la santé et le bien-êtr...
Institut de l'Elevage - Idele
 

Dernier (13)

QCM de révision pour la haute qualité.pdf
QCM de révision pour la haute qualité.pdfQCM de révision pour la haute qualité.pdf
QCM de révision pour la haute qualité.pdf
 
02_UMT STAR_un nouveau biomarqueur de résilience basé sur les métabolites du ...
02_UMT STAR_un nouveau biomarqueur de résilience basé sur les métabolites du ...02_UMT STAR_un nouveau biomarqueur de résilience basé sur les métabolites du ...
02_UMT STAR_un nouveau biomarqueur de résilience basé sur les métabolites du ...
 
01_UMT STAR_étude de la résilience et des compromis entre résilience et effic...
01_UMT STAR_étude de la résilience et des compromis entre résilience et effic...01_UMT STAR_étude de la résilience et des compromis entre résilience et effic...
01_UMT STAR_étude de la résilience et des compromis entre résilience et effic...
 
SRE - Mythes et Réalités - Voxxed 2024.pdf
SRE - Mythes et Réalités - Voxxed 2024.pdfSRE - Mythes et Réalités - Voxxed 2024.pdf
SRE - Mythes et Réalités - Voxxed 2024.pdf
 
Rénovation des prairies sans labour est-ce possible en bio.pdf
Rénovation des prairies sans labour est-ce possible en bio.pdfRénovation des prairies sans labour est-ce possible en bio.pdf
Rénovation des prairies sans labour est-ce possible en bio.pdf
 
S210-S-27.04-chaudiere-à-vapeur bilan thermique
S210-S-27.04-chaudiere-à-vapeur bilan thermiqueS210-S-27.04-chaudiere-à-vapeur bilan thermique
S210-S-27.04-chaudiere-à-vapeur bilan thermique
 
Alternative au 3eme lien et complement au Tramway de la ville de Quebec Rev 1...
Alternative au 3eme lien et complement au Tramway de la ville de Quebec Rev 1...Alternative au 3eme lien et complement au Tramway de la ville de Quebec Rev 1...
Alternative au 3eme lien et complement au Tramway de la ville de Quebec Rev 1...
 
PROVINLAIT - Bâtiment et bien-être estival
PROVINLAIT - Bâtiment et bien-être estivalPROVINLAIT - Bâtiment et bien-être estival
PROVINLAIT - Bâtiment et bien-être estival
 
Alternative - Complément au Tramway et 3 ème lien de la ville de Quebec (PDF)
Alternative - Complément au Tramway  et 3 ème lien de la ville de Quebec (PDF)Alternative - Complément au Tramway  et 3 ème lien de la ville de Quebec (PDF)
Alternative - Complément au Tramway et 3 ème lien de la ville de Quebec (PDF)
 
Note Agro-climatique et prairies n°4 - Juin 2024
Note Agro-climatique et prairies n°4 - Juin 2024Note Agro-climatique et prairies n°4 - Juin 2024
Note Agro-climatique et prairies n°4 - Juin 2024
 
05_UMT STAR_Vers une indexation de la longévité fonctionnelle en ovin lait
05_UMT STAR_Vers une indexation de la longévité fonctionnelle en ovin lait05_UMT STAR_Vers une indexation de la longévité fonctionnelle en ovin lait
05_UMT STAR_Vers une indexation de la longévité fonctionnelle en ovin lait
 
03_UMT STAR_compromis entre résistance au parasitisme et efficience alimentai...
03_UMT STAR_compromis entre résistance au parasitisme et efficience alimentai...03_UMT STAR_compromis entre résistance au parasitisme et efficience alimentai...
03_UMT STAR_compromis entre résistance au parasitisme et efficience alimentai...
 
04_UMT STAR_Étude de nouveaux caractères en lien avec la santé et le bien-êtr...
04_UMT STAR_Étude de nouveaux caractères en lien avec la santé et le bien-êtr...04_UMT STAR_Étude de nouveaux caractères en lien avec la santé et le bien-êtr...
04_UMT STAR_Étude de nouveaux caractères en lien avec la santé et le bien-êtr...
 

Cours Topographie haute résolution & lidar, M1 2021.pdf

  • 1. Topographie haute résolution & lidar : méthodes d’acquisition et applications en environnement Dimitri Lague, Directeur Recherche, CNRS, Géosciences Rennes https://geosciences.univ-rennes1.fr/interlocuteurs/dimitri-lague Responsable Scientifique de la plateforme lidar Topo-Bathymétrique Nantes-Rennes
  • 2. Modèle Numérique de Terrain à 30 m (couverture mondiale) Modèle Numérique de Terrain à 1 m (lidar aéroporté) Haute Résolution Topographique Données Topographiques Standard C. Crosby, Opentopography presentation
  • 3. Très Haute Résolution Topographique e.g., espacement entre points < 1 cm Otira Gorge, N-Z, D. Lague
  • 4. Très Haute Résolution Topographique e.g., espacement entre points < 1 cm Otira Gorge, N-Z, D. Lague
  • 5. 1. Méthodes d’acquisition 1. Techniques laser (lidar aéroporté, terrestre) 2. Techniques photogrammétriques (Structure From Motion) 2. Traitements de base des données 1. Classification 2. Analyse Géométrique 3. Création de MNT/MNE 4. Detection/mesure de changement 3. Applications en Sciences de la Terre & Environnement
  • 6. Quelques sites web intéressants • Opentopography : http://www.opentopography.org • Données lidar US gratuites, quelques cours, et des references vers des outils de traitement • Cloudcompare : http://www.cloudcompare.org • Logiciel gratuit de traitement de nuages de points 3D • Visualisation dans potree de données lidar: • Données US : https://usgs.entwine.io/ • Jeu de données utilisé pour l’illustration du cours: https://ot-process2.sdsc.edu/potree/index.html?r=%22https://ot- process2.sdsc.edu/sampleUT/pc1569530546678%22
  • 7. Nom anglais SOL SURSOL Modèle Numérique de Surface Digital Surface Model X X Modèle Numérique de Terrain Digital Elevation Model* X *: on voit aussi parfois Digital Terrain Model Modèle Numérique de Canopée (CHM : Canopy Height Model) = hauteur de la végétation MNS MNT MNC = MNSvegetation - MNT
  • 8. Définitions 3D point cloud (nuage/semi de points) x,y,z + attributs 3D Mesh/TIN (maillage): arêtes et faces connectant les points -> création d’une surface Format des données brutes: Distribution non régulière des points Plusieurs points sur la même verticale 2D Raster (image matricielle) Grille régulière d’altitudes Peu utilisé dans le traitement des données topographiques Caractéristique : taille de pixel qui fixe la résolution (1 x 1 m²) Format très utilisé par les SIG traditionnels (e.g. ARCGIS) Très compact MAIS, perte de résolution Impossible d’avoir 2 points sur la même verticale
  • 9. Johnson et al., Geosphere (2014) Satellite Stereo Imagery Spatial Resolution= 20 cm Accuracy= 5-10 cm Vegetation penetration Spatial Resolution= 1-20 cm Accuracy= 2-20 cm No vegetation penetration Spatial Resolution= 0.5-10 cm Accuracy= 0.5-1 cm Vegetation penetration Spatial Resolution= 1-2 m Accuracy= 50 cm No vegetation penetration LiDAR: Light Detection And Ranging
  • 10. 1. Méthodes d’acquisition Principe de la mesure de distance • Temps de vol : mesure du temps aller retour d’un pulse laser entre l’instrument et la cible • Lidar terrestre longue portée (> 500 m) • Lidar aéroporté • Lidar satellitaire • Différence de phase : mesure du déphasage d’un signal modulé • Lidar terrestre courte portée (< 300 m) • Très rapide (1 Million pts/sec) • Très précis à courte distance (< 1 mm)
  • 11. Plateformes lidar Position fixe durant le scan (Leica Scanstation 2, OSUR/Univ Rennes 1) Terrestrial Laser Scanning (TLS) Airborne Laser Scanning (ALS) Lidar Optech Titan Univ Nantes + Rennes, Avion Fit-Conseil Mobile Laser Scanning (MLS) + satellite (e.g., Icesat), drones etc… Véhicules autonome
  • 12. Instruments TLS (terrestrial laser scanning) • Laser vert (532 nm) • Calcul de distance par temps de vol : • portée 100 - 150 m • tache laser 3 – 10 mm • Précision à 50 m < 1.5 mm • Bruit de mesure < 1.4 mm • Densité: 1 mm résolution à 50 m • Champ de vision vertical 270°, horizontal 360 ° • Jusqu’à 50000 pts/sec • Compensé horizontalement • Crée un nuage de point X,Y,Z, Intensité réfléchie + photo RGB • Appareil de terrain, ~ 70 k€ HT avec logiciel • Nécessite ordinateur + groupe électro e.g., Leica Scanstation 2 (années 2007-2010)
  • 13. Instruments TLS • Laser infrarouge (1550 nm) • Calcul de distance par différence de phase: • portée 300 m • Précision à 50 m < 1.5 mm • Bruit de mesure < 1.4 mm • Besoin d’être calibré annuellement • Densité: 5 mm résolution à 50 m • Champ de vision vertical 300°, horizontal 360 ° • Jusqu’à 1 Million pts/sec • Crée un nuage de point X,Y,Z, Intensité réfléchie, + photo RGB • Appareil de terrain, autonome, 30-40 k€ HT e.g., Faro X330 (année 2014)
  • 15. Mise en œuvre sur le terrain Baie du Mont Saint Michel
  • 16. 1.5 m 60-70 million points Registration between surveys using bolted targets ~ 2-3 mm error (1 std)
  • 17. Géoreferencement • Absolu : besoin de connaitre la position GPS des cibles, ou positionnement des cibles au dessus de points connus • Si uniquement GPS, positionnement absolu limité par la précision du GPS (typiquement ~ 1 cm) • Local • Eléments de l’environnement supposés fixes et utilisés comme références (coin de maison, ponts, etc…) • Support de cible absolument fixes dans lesquels on vient placer des cibles à chaque levé TLS • Précision du référencement lié à la précision et résolution du scanner • Permet d’avoir une incertitude de positionnement de levés TLS de l’ordre de 2-3 mm dans le meilleur des cas (Lague et al., 2013). Important pour suivre l’évolution d’une zone, ou pour lier des données TLS à d’autres données (e.g. GPS)
  • 18. A considérer : les zones d’ombres • Déplacer l’instrument si nécessaire • Mais avec de la végétation, il restera toujours des zones d’ombre
  • 19. • L’unité de mesure inertielle est un élément essentiel pour positionner de manière précise les points. • Géoréferencement absolu par GPS différentiel • Besoin de stations au sol si il n’y en a pas à proximité pour assurer une précision optimale Hauteur de vol: 300 – 5000 m Tache laser : 0.1 – 1.5 m Densité de points Ancienne génération : 1-4 pts/m² Nouvelle génération : 10-50 pts/m² Vol de nuit ou de jour mais sans nuages Cout des données A partir de 30 €/km² et jusqu’à 2000 €/km² à très haute résolution
  • 20. Caractéristique essentielle des lidar aéroporté: PERMET DE VOIR A TRAVERS LA VEGETATION pour mesurer la hauteur du sol (à condition que la canopée ne soit pas trop dense)
  • 21. • Systèmes couteux et rares • Profondeur de pénétration limitée dans les zones turbides (e.g., estuaires) • Tache laser > 1 m, et densité spatiale faible ~ 1 pt/m², hauteur de vol ~ 300 m • Mais permet de cartographier une zone non mesurable en bateau ou par laser topographique Ile de Sein, SHOM
  • 22. Dernière génération d’instrument: Optech TITAN, lidar bi-longueur d’onde, topo-bathymétrique Consortium OSUNA/OSUR/Fit-Conseil 2 longueurs d’onde: • Mesure continue sol/eau • Classification des espèces végétales et des sols • … Profondeur de pénétration dans l’eau variant de 0.5 à 5 m en fonction de la turbidité et de la réflectance du fond
  • 23.
  • 24. Film disponible ici : https://www.lidar-nantes-rennes.eu/wp-content/uploads/2017/10/Titan_PFT_RENNES_AIN_EDF.wmv
  • 25. Exemple de données sur l’Ain Extract of the Ain river survey (16 km over 35 km) (Data courtesy of EDF)
  • 26. From Lague et al., Topo-bathymetric airborne LiDAR for fluvial geomorphology analysis, Remote sensing in Geomorphology, 2019 Extrait des données de l’Ain
  • 27. Lidar topographique (1064nm) : pas de pénétration dans l’eau La Loire près d’Angers à l’étiage Pas de données Lidar sur plus de 50 % du fond de rivière Sans bathymétrie il manque une grande partie du fond de la rivière Profils bathymétriques Données Loire:Univ. Tours (S. Rodrigues)/Plateforme Lidar Nantes-Rennes Données Ain: EDF/Plateforme Lidar Nantes-Rennes L’Ain à l’étiage (près de pont d’Ain) Pas de données Lidar sur plus de 80 % du fond de rivière 4500 m 400 m
  • 28. La révolution du Lidar Topo-bathymétrique Données Loire:Univ. Tours (S. Rodrigues)/Plateforme Lidar Nantes-Rennes Données Ain: EDF/Plateforme Lidar Nantes-Rennes L’Ain à l’étiage (près de pont d’Ain) Prof max atteinte ~ 2 m, 90 % couverture bathy La Loire près d’Angers à l’étiage Prof max atteinte ~ 4 m, 80-95 % couverture bathy 400 m 4500 m
  • 29. Film: https://www.lidar-nantes-rennes.eu/wp-content/uploads/2017/10/Bertheaume.mpg Anse de Bertheaume, Joint project IUEM/OSUR/OSUNA, 2017 Côte Bretonne, vols proche du Conquet
  • 30. Exemple sur des données topo-bathymétriques Le Retour d’onde complet (full waveform) From Lague et al., Topo-bathymetric airborne LiDAR for fluvial geomorphology analysis, Remote sensing in Geomorphology, 2020
  • 31. Interet de l’enregistrement du retour d’onde complet en bathymétrie (e.g., Abdallah et al., 2012, Richter et al. 2017, Guenther, 1985) Strong echo, easily detected onboard Weak echo not detected onboard, Needs post-processing recovery Emitted pulse Emitted pulse Physics of laser interaction with turbid media
  • 32. • Suivi de l’épaisseur de la glace en arctique & antarctique • Mesure de l’altitude précise à +- 25 cm • Tache de 25m espacée de 3 km • 91 jours de revisite • Estimation du niveau des océans • Technique de comptage de photon
  • 33. • Embarqué sur l’ISS • Mesure de l’altitude précise à +- 9 cm • Tache de 25m espacée de 1 km • Estimation de la structure de la canopée par retour d’onde complet https://gedi.umd.edu
  • 34. • Cf cours Ed Nissen, dispo ici : https://cloud.sdsc.edu/v1/AUTH_opentopography/www/shortcourses/UNAM_Mexico15/n issen-OpenTopo-UNAM-mar-2015-structure-from-motion.pdf • Principe : • photos d’un même objet avec de multiples points de vue, et une superposition importante • Le logiciel détecte automatiquement des points remarquables et reconstruit ensuite la position des caméras • A partir de la position des caméras, il reconstruit un nuage de point 3D de l’objet • Prise de photos: • A la main/au sol • Par drone • Nécessite à minima une échelle, et généralement des cibles référencées par GNSS • Vous pouvez essayer vous-même: • telechargez Agisoft Photoscan (très simple d’utilisation), version d’essai gratuite de 30 jours. • Prenez des photos d’un objet avec votre smartphone, et hop.. • Existe aussi des logiciels libre, mais un peu plus complexe d’utilisation (micmac, visualSFM)
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42. Tiré de : Structure from Motion (SfM) Introductory Guide, Unavco website: http://kb.unavco.org/kb/article/structure-from-motion-sfm-introductory-guide-843.html
  • 43. Exemple de données acquises par un drone Mavic Pro (~ 1000 €)
  • 44. Exemple de données obtenues par drone (Ed Baynes, Géosciences Rennes sur la dynamique des cascades en Nelle-Zélande)
  • 45. Données SFM Rangitikei, NZ Partie sous l’eau nécessitant une correction de réfraction Une technique qui se développe pour les eaux très claires : Bathymétrie par Structure From Motion/imagerie par drone
  • 46. Comparaison lidar/SFM En zone végétalisée le lidar possède un réel avantage par rapport au méthodes photogrammétriques. Mais en zone non végétalisée, la SFM Est une excellente alternative nettement moins couteuse, et pouvant générer des données nettement plus denses Application : Detection de failles
  • 48. Traitement des données Lidar Acquisition des données + post- traitement Assemblage, alignement et géoréférencement Verification, nettoyage, simplification Filtrage de la végétation & classification Création de MNT (grille régulière) Utilisation de traitement RASTER (e.g., ARCGIS) Analyse scientifique Utilisation de traitement 3D sur nuage de points (e.g., Cloudcompare) Generalement réalisé par le fournisseur de données mais pas toujours correct à 100 %, sauf si validation manuelle
  • 49. • Donner à chaque point un attribut • Végétation • Sol nu • Batiment • Route…. • Permet de ne travailler que sur les points intéressants • Filtrage de la végétation pour la création de Modèle Numérique de Terrain • Détection des batiments, de la surface d’eau,…. • Nombreuses méthodes existantes pour le lidar aéroporté • Mais sujet de recherche très actif • Peu de méthodes pour le lidar terrestre et la SFM • Exemple Algorithme CANUPO (Brodu and Lague, 2012) 2. Traitements de base Couvert végétal (colorisée par altitude) Sol (gris)
  • 50. Données lidar aéroporté classifiées Classification temps réel d’une google car Classification automatique Classification manuelle Thèse A. Le Guennec (Géosciences Rennes/ COSTEL/ IRISA)
  • 51. ~ 2D surface Neighborhood ball of a given diameter Scene elements are characterized by different combination of dimensionality over scales ranging from e.g. 2 cm to 1.5 m
  • 52. • Use the large range of spatial scales available in high res TLS data, e.g. 1 cm - 100 m • Define a simple 3D geometrical property of the point cloud : the local dimensionality (e.g. Vandapel et al., 2004) • Obtained using a principal component analysis on the neighbors of a scene point. 1D 2D 3D
  • 53. •Vegetation is clearly distinct from bedrock only at scale > 20-50 cm •Vegetation cannot be clearly separated from gravels at any single scale •Gravels and water surface have similar dimensionality signature at any single scale
  • 54.
  • 55. Raw point cloud Automatically classified point cloud N individual clouds of boulders Connected Component Segmentation
  • 56. 35 m Classification accuracy on vegetation is up to 99.7 % in densely scanned zones 3 m Vegetation segmentation (J. Leroux’s PhD)
  • 57. Classification & segmentation des gros volumes de données 3D: domaine de recherche très actif Strimbu & Strimbu, 2015, A graph-based segmentation algorithm for tree crown extraction using airborne LiDAR data
  • 58. Forets 3D haute résolution avec arbres individualisés (quantum spatial)
  • 59. • Mesures répétées de la même scène: suivre en 3D et de manière exhaustive les changements environnementaux • Changement de hauteur du sol : érosion/sédimentation • Changement de végétation: croissance in situ, evolution biomasse, … • Changement d’occupation du sol: infrastructures, constructions • Vos idées… les applications sont infinies T1 T2 OSO Landslide, March 2014, US USGS
  • 60. • Hyp: 2 nuages de points correspondant à 2 époques différentes, assemblés dans le même référentiel • 2 cas: 1. Pas d’érosion, sédimentation ou changement de végétation significatif ET surface rugueuses • « Feature matching » : reconnaissance de formes permettant un calcul en 3D de vecteur de déplacement 2. Erosion, sédimentation, changement de végétation • Pas de corrélation possible entre les surfaces • On ne peut qu’estimer le changement que par une mesure de distance orthogonale à la surface • Deux types de données possibles : • Directement sur les nuages de points 3D • Sur des Modèles Numériques de Terrain raster : METHODE LA PLUS COURANTE
  • 61. • Derived from techniques of 2D image correlation but using a Digital Elevation Model (raster of elevations) • 3D displacement field • Aryal et al., JGR, 2012: Using cross- correlation techniques developped for Particle Image Velocimetry • ~ m scale change detection • Requires features to track
  • 62. • Piecewise ICP (Iterative Closest Point): each PC is divided in smaller clouds and a registration is performed between the two epochs to find the displacement vector • e.g., Teza et al. 2007,2008: 3D landslide kinematics • e.g., Nissen et al., 2012 : 3D surface displacement after EQ Level of change detection set by: • georeferencing accuracy: fixed targets ~ 0.3-1 cm, dGPS: 1- 5 cm • laser ranging noise: 1-10 mm • surface roughness and point density • Teza et al., TLS : ~ 1-5 cm • Nissen et al., ALS : ~20 cm horizontal, ~ 4 cm vertical
  • 63. On calcule1 Modèle Numérique de Terrain (Digital Elevation Model, DEM) pour chaque époque Temps t Temps t+dt Pour chaque pixel, dz=z(t+dt)-z(t) On obtient une grille régulière de différences d’altitude Opération très facilement réalisable dans n’importe quel SIG En anglais cette opération s’appelle Difference of Dem
  • 64. Mesure par lidar aéroporté répétée sur une période de 7 ans
  • 65. • Pros • Regular sampling, compact format • Easy vertical differencing (Difference of DEM=DoD) • Simple volume calculation • Cons • Loss of resolution on edges • Cannot represent vertical surfaces • No oriented difference • E.g., Bank erosion requires rotating the data • Interpolation on complex surfaces • Sensitive to ground classification • Cannot represent 3D above ground Diff of DEM Landsliding Bank erosion Raster DEM
  • 66.
  • 67.
  • 68.
  • 69. Rangitikei river, New-Zealand Changes in visibility 3D surface normal orientation Cobble bed Variable roughness in space and time Flat cliff Rockfall 10 m 10 m 10 m Roughness creates uncertainty in the comparison of surfaces
  • 70. 1: Normal direction calculation on cloud 1 → Oriented difference 2: Average distance between the two PC → Noise and roughness averaging Averaging scale 4: Distance smaller than confidence interval → statistically not significant 5: No intercept with other cloud → no calculation → no need to trim the data CLOUD 1 CLOUD 2 3: Local confidence interval calculation → Local roughness → Local point density → Global registration 2009 2011
  • 71. Target based registration qCANUPO vegetation removal on raw data qM3C2 3D difference Lague et al., ISPRS, 2013
  • 73. View2 2007 Leroux, Lague and Crave, in prep Mt St Michel Bay, France Raw PC: 30 million points 35 surveys over 4 years
  • 74. Target based registration qCANUPO ground classif on raw data qM3C2 Vertical difference on GROUND 7-8 oct 2011 5 minutes on a quadcore laptop Raw Point Cloud Classified Point Cloud Ground Point Cloud- pt density Core points grid at 5 cm from first epoch 0.2 m averaging scale Core Point Grid, 5 cm spacing 7-8 oct 2011 difference computed on a grid Mean= 0.0106 m Std = 0.085 m
  • 75. Accretion in pioneer vegetation during 2 spring tides • High accuracy : detect 5 mm change at 95 % confidence interval • High resolution : ~ 1 pt/cm² • Captures vegetation structure • Captures heterogeneity of topographic change • Direct spatial upscaling from cm to 100’s m
  • 76. M3C2 grid of difference Vegetation layer CC: closest point calculation Distance to vegetation calculation (Leroux et al., in prep) Topographic change within 1 m of vegetation Topographic change away from vegetation Segmentation by distance to vegetation Increased erosion Increased sedimentation
  • 77. qCANUPO vegetation removal qM3C2 Horizontal difference Automatic tracking of the variations in sinuous bank orientation Vertical core point grid
  • 78. • Highly localized bank erosion • Dominance of overmarsh tide events on bank erosion • Frequency-magnitude analysis implies that largest annual event governs total annual bank retreat (Lague and Leroux, in prep)
  • 80. Archivage 3D de l’environnement 3. Applications • Geomodelling • Numerisation in situ (e.g., paleontologie, archeologie)
  • 81. Lidar et applications forestières (bcp de choses !) Exemple up to date:
  • 82.
  • 83.
  • 84. Carte de différences d’altitudes avant/après le séisme de février 2011 (données LIDAR)
  • 85. Change detection on Mississipi Delta using repeat Airborne Lidar surveys (Wagner, Lague, Morhig, Passalacqua, Shaw, Moffett, GRL, 2017) Uncertainty map combining roughness and registration effects
  • 86. Glissements de terrain T1 T2 OSO Landslide, March 2014, US USGS Sans la végétation, la présence d’anciens glissements est évidente
  • 87. M1: Thomas Bernard (2018) Detection glissements de terrains co-sismiques, Kaikoura 2016 (Bernard, Lague and Steer, subm)
  • 88. Prédiction des risques d’inondation
  • 89. Improvement with topo-bathymetric lidar 1 m Raster DTM Prediction from code Floodos (Davy et al., JGR, 2017) resolving 2D St-Venant equations Uniform Manning friction = 0.035 Q = 300 m3/s (3 times Qmean) Predicted depth « Traditional » topo lidar Predicted depth with true bathymetry 1 km
  • 90. Exemples d’applications • Site web de Quantum Spatial je n’ai aucune affiliation avec cette entreprise, mais leur site est particulièrement bien réalisé !!! https://quantumspatial.com
  • 91. Dizaines d’autres applications Glaciers, dunes, érosion cotière, transferts sédimentaires, etc… • Lidar: un outil incontournable pour le suivi environnemental, les risques géologiques • SFM : se développe très rapidement. Solution très intéressante et nettement moins couteuse dans les zones sans végétation . Contraintes réglementaires fortes pour la mise en œuvre par drone • Outils 3D encore limités …les traitements sont hérités des techniques SIG 2D, et ne sont pas toujours adaptées au très gros volume de données (plusieurs milliards de points). Contact: dimitri.lague@univ-rennes1.fr