Un outil pour la configuration 
des paramètres d’acquisition 
d’images hyperspectrales depuis 
un drone 
Hachem AGILI 
12-...
Le drone… une plateforme émergente
Le drone… une plateforme émergente
• Basse altitude de vol 
• Très haute résolution spatiale 
• Facilité et rapidité de mise en oeuvre 
• Haute résolution te...
5 
Capteurs Classiques 
Appareil photo (RVB) Capteur multispectral
6 
Nouvelle solution : 
Caméra Hyperspectrale + Drone 
Caméra hyperspectrale
Imagerie hyperspectrale..? 
Hyperspectral 
7 
Préfixe d’origine grec 
indiquant une propriété 
supérieure à la normale. 
L...
Imagerie hyperspectrale..? 
8 
Végétation 
Eau 
Sol 
Longueur d’onde (nm) 
Longueur d’onde (nm) 
Longueur d’onde (nm)
9 
Imagerie hyperspectrale et drone 
Planification 
Paramètres d’acquisition 
Acquisition 
Données brutes 
Correction 
Don...
10 
Imagerie hyperspectrale et drone 
Planification 
Paramètres d’acquisition 
Acquisition 
Données brutes 
Correction 
Do...
Paramètres d’acquisition des données 
11 
Capteur hyperspectral 
Élément dispersif 
Détecteurs 
Dimension spectrale 
Dimen...
12 
Méthodes classiques
13 
Méthodes classiques 
• Limites 
– Nombre limité de paramètres 
– Un seul capteur peut être testé 
– Une connaissance d...
Un outil de configuration des paramètres de 
vol d’un capteur hyperspectral embarqué sur 
un drone 
14 
Le nouvel outil… H...
15
16
http://wtemp.ffgg.ulaval.ca/ 17
Correction des données 
• Drone + Capteur hyperspectral : Une nouvelle solution conduisant 
18 
à de nouveaux problèmes : ...
19 
Correction des données 
• Une revue de littérature portant sur : 
– Les différents types de distorsion affectant les 
...
20 
Correction des données 
Type d’erreurs 
Spécificités liées au 
drone 
Niveau d’erreur lié au drone et méthodes 
de cor...
21 
Type d’erreurs 
Erreurs 
Correction des données 
radiométriques 
Spécificités liées au 
drone 
Niveau d’erreur lié au ...
22 
Erreurs 
Correction des données 
radiométriques 
Dimensions des détecteurs 
sont plus petites que celles 
d’un capteur...
23 
Erreurs 
Correction des données 
radiométriques 
Dimensions des détecteurs 
sont plus petites que celles 
d’un capteur...
24 
Type d’erreurs 
Erreurs 
Correction des données 
radiométriques 
Dimensions des détecteurs 
sont plus petites que cell...
25 
Erreurs 
Correction des données 
radiométriques 
Dimensions des détecteurs 
sont plus petites que celles 
d’un capteur...
26 
Erreurs 
Correction des données 
radiométriques 
Dimensions des détecteurs 
sont plus petites que celles 
d’un capteur...
27 
Erreurs 
Correction des données 
radiométrique 
Dimensions des détecteurs 
sont plus petites que celles 
d’un capteur ...
28 
Erreurs 
Correction des données 
radiométriques 
Dimensions des détecteurs 
sont plus petites que celles 
d’un capteur...
29 
Erreurs 
Correction des données 
radiométriques 
Dimensions des détecteurs 
sont plus petites que celles 
d’un capteur...
• Conclusions 
– La combinaison du drone et de l’imagerie hyperspectrale : 
• Une solution peu abordée 
• Avenir Prometteu...
• Perspectives 
– Améliorer l’outil de planification de vol en termes de 
types de capteurs, de paramètres et de présentat...
• Directrice de recherche : Sylvie Daniel 
• Co-directeur de recherche : Karem Chokmani 
• Les organismes & 
• Les profess...
Hachem.agili.1@ulaval.ca 
33
Prochain SlideShare
Chargement dans…5
×

Un outil pour la configuration des paramètres d’acquisition d’images hyperspectrales depuis un drone

3 531 vues

Publié le

Les drones se présentent comme une nouvelle tendance dans le domaine de l’aérospatiale. Le dynamisme de cette industrie en émergence associé aux avancées technologiques en matière de miniaturisation des instruments de navigation et des capteurs hyperspectraux a conduit à de nouvelles solutions d’acquisition d’images de télédétection basées sur ces systèmes sans pilote. C’est dans ce contexte que s’inscrit notre conférence qui mettra l’accent sur deux phases intervenant dans l’acquisition d’images hyperspectrales depuis un drone : la planification des acquisitions et le prétraitement des données enregistrées. Ainsi, dans un premier temps, nous présenterons le tout nouvel outil, dénommé Hyper-Config, que nous avons développé. Celui-ci, dédié à la simulation de différentes missions d’acquisition de données, permet de déterminer les paramètres du capteur hyperspectral et de planification du vol du drone qui conditionnent l’atteinte des objectifs de la mission (ex. résolution spatiale, vitesse maximale d’acquisition, …). Dans un deuxième temps, nous passerons en revue les différents types de distorsion affectant les données hyperspectrales acquises depuis un drone ainsi que les prétraitements à mettre en œuvre pour les corriger. Ce volet proposera également une comparaison synthétique des spécificités de l’acquisition hyperspectrale depuis un drone par rapport à celle effectuée en mode aéroporté.

Publié dans : Technologie
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
3 531
Sur SlideShare
0
Issues des intégrations
0
Intégrations
10
Actions
Partages
0
Téléchargements
49
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive
  • Bonjour tout le monde. Merci d’être présent pour cette conférence. Aujourd’hui je vais présenter une partie de mes travaux de recherche qui a été consacrée au developpement d’un outil pour l aconfiguration des paramètres de vol d’un capteur hyperspectral embarqué sur un drone. C’était dans le cadre d’une maîtrise en sciences géomatiques à l’université Laval
  • De nos jours, les drone ou encore les aéronefs sans pilote se présentent comme une nouvelle tendance dans le domaine de la télédétection civile après avoir été monopolisé par les services militaires pour longtemps. En effet, les applications civiles qui s’intéressent à ce système sont de plus en plus nombreux.
  • Le grand intêret aux drones peut être également noté à travers l’augmentation du volume du marché de ce système, ceci peut être illustré par la graphique suivante qui montre l’évolution de marché à l’union européen en ce multipliant par 20 sur une persiode de 10ans,
  • Le grand intérêt aux drone peut être justifié par les avantages qu’offrent ce système par rapport aux plateformes classiques comme les avions. Parmi ces avantages on peut citer la facilité et la rapidité de mise en œuvre la basse altitude de vol qui implique une haute résolution spatiale, la haute résolution temporelle càd des acquisitions éffectuées d’une façon fréquente la possibilité d’acceder à des zones lointaines et risquée et les cout d’operation très réduit notamment on le comparant à l’avion et ses frais de location de mise en oeuvre
  • Classiquement, les drones sont équipé de deux types de capteurs imageurs, à savoir les apareil photo numérique qui acquierent les images sur 3 canaux RVB ou encore les capteurs multispectraux qui permettent d’acqérir les données sur un nombre limité de longueur d’onde.
  • Durant ces dernière années, une nouvelle solution qui combine le drone à une caméra hyperspectrale est de plus en plus utilisé, ceci peut être expliqué par les avancées technologique en termes de miniaturisation de ce type de capteur ainsi que les systèmes de navigation.
  • Donc à quoi consiste ce type d’imagerie? La réponse peut découler de l’analyse du mot hyperspectral. En effet, elle est composé du préfixe hyper qui sgnifi une propriété supérieure à la normale et le mot spectral qui définit l’ensemble des radiations monochromatiques résultant de la décomposition de la lumière.
    Une définition plus formelle peut être énoncé comme suit : Il s’agit d’une technologie qui permet la représentation d’une scène suivant un grand nombre de bandes spectrales étroites et contigues,
  • Grace à ces propriétés l’imagerie hyperspectrale peut caractériser d’un façon unique de tout les matériaux de la surface à travers leurs signatures spectrales comme l’illustre la figure suivante,
  • Comme tout sytème de télédetection, l’acquisition des données à l’aide d’un drone équipé d’un capteur hyperspectral passe généralement par 4 principales étapes à savoire la planification en calculant les paramètres d’acquisitions comme l’altitude de vol et la résolution spatial souhaitée, l’acquistion en tant que telle qui permet d’avoir des données brutes puis la correction de ces données en enfin le traitement comme la classifcation ou la detection d,anomalie qui permet d’extraire de l’information utile de ces données
  • Dans le cadre de cette conférence on va s’interesser seulement à deux phase de ce processus à savoir la planification et la correction des données
  • La planification d’une mission d’acquisition de donées hyperspectrales passe toujours par l’étape de calcul des paramètres d’acquistion qui traduisent les spécifications fixées par l’utilisateur.
    Cette figure illustre la géométrie d’cquisition d’un capteur hyperspectral de type pushbroom qui est le plus utilisé.
    Permi ces paramètres on peut citer la résolution spatiale, la largeur de la fauchée le nombre de lignes qui définissent l’image. En effet, les capteurs hyperspectraux de petites dimensions sont généralement de type pushbroom càd la formation de l’image se fait ligne par ligne contrairement à la photographie classique. L’altitude et la vitesse de vol,
  • Ces paramètres sont classiquement calculés à l’aide de différentes méthodes. La plus simple est de faire un calcul manuel en se référant aux formules mathématiques de chaque paramètre. Ces paramètres peuvent être fournis par le fabriquant sous la forme de tableux excel dans lesquels figurent un ecertains nombre de combinaison de paramètres, Une autre façon de le faire, est d’avoir des documents sur commandes offerts par le fabriquant dans lequel il répond aux besoins du client. Finalement, quelques applicqtions stand alone peuvent exister pour quelques fournisseurs qui se limitent aux caractéristiques de leurs produits,
  • Ces méthodes classiques présentent plusieurs limitations comme une connaissance du fondement mathématique est requis notamment pour le calcul manuel, généralement c’est un seul capteur qui est utilisé ce qui ne permet pas de faire des comparaisons, ils necessitent généralement beucoupde temps de calcul et de validation, la manipulation est parfois difficile, un nombre limité de paramètres est offert
  • Afin de combler ces inconvenients, un nouvel outil de configuration de paramètres de vol a été developpé,
  • Cet outil a pris au debut la forme d’une application stand alone qui a été developpé sous la langage C++n puis une version web a été developpée.
  • Cette application est composé de 4 principales rubriques, La première permet à l’utilisateur de choisir l’un de des modes d’utilsation offerts soit un calcul libre soit un capteur est choisi, le choix des caractéristiques du capteurs passe par 3 étapes le choix du fabriquants puis le capteur enfin le jeux de lentilles associé, ces informations sont chargé à partir d’un fichier XML qui peut être mis à jour facilement, en deuxième lieu les paramètres en sortie doivent être choisi, puis, la parmètres en entrèe ou encore les spécification de l’utilisateur doivent être introduiten. On peut bient remarquer que les paramètres liès au capteur sont introduites automatiquement à partir du même fichier xml qu’on vient de parler, Enfin, les paramètres cochés au début peuvent être calculé et affiché en finalement stocké dans un fichier texte qui va servir comme support pour l’utilisateur afin de faire ses acquisition
  • Dans cette diapo je vous propose de voire cette vidéo qui présente une démonstration de l’utilisation de cette application,
  • Une fois les images hyperspectrales sont acquises, ces données soivent être corrigés. En effet, cette nouvelle solution coposé du drone et du capteur hyperspectral conduit à de nouveaux problèmes par rapport aux systèmes classiques, ces problèmes sont dus aux erreurs radiometriques les effets atmosphériques et aux distorsions géometriques,
  • Afin d’étudier ces sources d’imperfections on a effectué une revue portant sur les différent types de distorsion inhérent aux données hyperspectrale depuis un drone ainsi que les prétraitements à mettre en oeuvre pour les corriger,
  • Les résutats de cette étude a été synthétiser dans ce tableau qui présente 3 colonnes : a savoir le type de correction les speccificités liées aux drones et le niveau d’erreur et les méthodes de correction,
  • Commençons tout d»’abord par les correction radiométrique
  • A ce niveau nous avons constater que les dimensions des détecteurs des petits capteur hyperspectraux son t généralement plus petites que celles d’un capteur aéroporté
  • Ceci a un effet direct sur la qualité des images qui devient mois bonne à cause de l;a présence d’un façon plus fréquente des distorsions radiométriques, ces erreurs peuvent être corriger généralement à travers les même méthodes utilisées dans le mode aéroporté
  • Le deuxième type concerne les effet atmosphérique
  • Parmi les principales caractéristiques des drones est leurs basse altitude de vol
  • Ceci se traduit par une présence moins importante des constituants de l’atmosphère par lasuite ces effets atmosphériques peuvent être corrigés à l’aide des méthodes empiriques, Ces méthodes se basent seulement sur l’inforamtion présente dan l’image sans avoir besoin d’une modélisation complexe de l’atomosphère, Dans certains travux ces effet peut être négligé notamment à très basse altitude0,
  • Le dernier type de correction est geometrique
  • Ceci s’implique directement à trvers les distorsions qui sont visuellemet tres remarquable et touche la qualité de l’image, Pour corriger ces erreurs les méthodes paramétriques sont souvent utilisées. Ce type de méthde permet une modélisation fidèle de la geometrie de l’image en se basant sur des données auxilière comme les données de position d’attitude et d’élevation du terrain,
    Afin d’avoir plus d’information concernant ce sujet, vous pouvez consulter notre article qui sera publié dans la revue Geomatica dans un numéro special qui s’interesse aux drones,
  • Dans notre étude les solution qui combine le done avec l’hyperspectral sont peu abordé par rapport aux autres types de capteurs qui a par contre un avenir promotteur grace à son potentiel notamment en cartographie de la surface en une haute résolution spatiel et specrale,
  • Un outil pour la configuration des paramètres d’acquisition d’images hyperspectrales depuis un drone

    1. 1. Un outil pour la configuration des paramètres d’acquisition d’images hyperspectrales depuis un drone Hachem AGILI 12-11-2014 1
    2. 2. Le drone… une plateforme émergente
    3. 3. Le drone… une plateforme émergente
    4. 4. • Basse altitude de vol • Très haute résolution spatiale • Facilité et rapidité de mise en oeuvre • Haute résolution temporelle • Accès à des zones lointaines ou à haut risque • Coûts d’opération très réduits • … 4 Le drone… ses points forts
    5. 5. 5 Capteurs Classiques Appareil photo (RVB) Capteur multispectral
    6. 6. 6 Nouvelle solution : Caméra Hyperspectrale + Drone Caméra hyperspectrale
    7. 7. Imagerie hyperspectrale..? Hyperspectral 7 Préfixe d’origine grec indiquant une propriété supérieure à la normale. Larousse.fr Ensemble des radiations monochromatiques résultant de la décomposition d'une lumière ou, plus généralement, d'un rayonnement complexe. Larousse.fr Une technologie permettant la représentation d’une scène suivant un grand nombre de bandes spectrales, étroites, et contiguës
    8. 8. Imagerie hyperspectrale..? 8 Végétation Eau Sol Longueur d’onde (nm) Longueur d’onde (nm) Longueur d’onde (nm)
    9. 9. 9 Imagerie hyperspectrale et drone Planification Paramètres d’acquisition Acquisition Données brutes Correction Données corrigées Traitement Informations utiles
    10. 10. 10 Imagerie hyperspectrale et drone Planification Paramètres d’acquisition Acquisition Données brutes Correction Données corrigées Traitement Informations utiles
    11. 11. Paramètres d’acquisition des données 11 Capteur hyperspectral Élément dispersif Détecteurs Dimension spectrale Dimension spatiale Dispositif optique Altitude Vitesse Résolution spatiale Nombre de lignes
    12. 12. 12 Méthodes classiques
    13. 13. 13 Méthodes classiques • Limites – Nombre limité de paramètres – Un seul capteur peut être testé – Une connaissance du fondement mathématique est requis – Couteuses en terme de temps – Manipulation difficile – …
    14. 14. Un outil de configuration des paramètres de vol d’un capteur hyperspectral embarqué sur un drone 14 Le nouvel outil… Hyper-Config
    15. 15. 15
    16. 16. 16
    17. 17. http://wtemp.ffgg.ulaval.ca/ 17
    18. 18. Correction des données • Drone + Capteur hyperspectral : Une nouvelle solution conduisant 18 à de nouveaux problèmes : – Erreurs radiométriques – Effets atmosphériques – Distorsions géométriques
    19. 19. 19 Correction des données • Une revue de littérature portant sur : – Les différents types de distorsion affectant les données hyperspectrales acquises depuis un drone – Les prétraitements à mettre en oeuvre pour les corriger
    20. 20. 20 Correction des données Type d’erreurs Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction
    21. 21. 21 Type d’erreurs Erreurs Correction des données radiométriques Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction
    22. 22. 22 Erreurs Correction des données radiométriques Dimensions des détecteurs sont plus petites que celles d’un capteur aéroporté. Type d’erreurs Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction
    23. 23. 23 Erreurs Correction des données radiométriques Dimensions des détecteurs sont plus petites que celles d’un capteur aéroporté. • Qualité des images est moins bonne. • Distorsions radiométriques plus fréquentes. • Les mêmes approches utilisées pour le mode aéroporté sont souvent utilisées. Type d’erreurs Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction
    24. 24. 24 Type d’erreurs Erreurs Correction des données radiométriques Dimensions des détecteurs sont plus petites que celles d’un capteur aéroporté. • Qualité des images est moins bonne. • Distorsions radiométriques plus fréquentes. • Les mêmes approches utilisées pour le mode aéroporté sont souvent utilisées. Effets atmosphériques Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction
    25. 25. 25 Erreurs Correction des données radiométriques Dimensions des détecteurs sont plus petites que celles d’un capteur aéroporté. • Qualité des images est moins bonne. • Distorsions radiométriques plus fréquentes. • Les mêmes approches utilisées pour le mode aéroporté sont souvent utilisées. Effets atmosphériques Acquisition de données à basse altitude Type d’erreurs Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction
    26. 26. 26 Erreurs Correction des données radiométriques Dimensions des détecteurs sont plus petites que celles d’un capteur aéroporté. • Qualité des images est moins bonne. • Distorsions radiométriques plus fréquentes. • Les mêmes approches utilisées pour le mode aéroporté sont souvent utilisées. Effets atmosphériques Acquisition de données à basse altitude • Présence moins importante des constituants de l’atmosphère • Correction à l’aide des méthodes empiriques • Les effets atmosphériques peuvent même être négligés Type d’erreurs Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction
    27. 27. 27 Erreurs Correction des données radiométrique Dimensions des détecteurs sont plus petites que celles d’un capteur aéroporté. • Qualité des images est moins bonne. • Distorsions radiométriques plus fréquentes. • Les mêmes approches utilisées pour le mode aéroporté sont souvent utilisées. Effets atmosphérique Acquisition de données à basse altitude • Présence moins importante des constituants de l’atmosphère • Correction à l’aide des méthodes empiriques • Les effets atmosphériques peuvent même être négligés Type d’erreurs Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction Distorsions géométriques
    28. 28. 28 Erreurs Correction des données radiométriques Dimensions des détecteurs sont plus petites que celles d’un capteur aéroporté. • Qualité des images est moins bonne. • Distorsions radiométriques plus fréquentes. • Les mêmes approches utilisées pour le mode aéroporté sont souvent utilisées. Effets atmosphériques Acquisition de données à basse altitude • Présence moins importante des constituants de l’atmosphère • Correction à l’aide des méthodes empiriques • Les effets atmosphériques peuvent même être négligés Type d’erreurs Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction Distorsions géométriques • Sensibilité aux facteurs climatique • Faible stabilité
    29. 29. 29 Erreurs Correction des données radiométriques Dimensions des détecteurs sont plus petites que celles d’un capteur aéroporté. • Qualité des images est moins bonne. • Distorsions radiométriques plus fréquentes. • Les mêmes approches utilisées pour le mode aéroporté sont souvent utilisées. Effets atmosphériques Acquisition de données à basse altitude • Présence moins importante des constituants de l’atmosphère • Correction à l’aide des méthodes empiriques • Les effets atmosphériques peuvent même être négligés Type d’erreurs Spécificités liées au drone Niveau d’erreur lié au drone et méthodes de correction Distorsions géométriques • Sensibilité aux facteurs climatique • Faible stabilité • La présence des distorsions plus remarquable et plus critique • les méthodes paramétriques sont privilégiée par rapport aux méthodes non paramétriques.
    30. 30. • Conclusions – La combinaison du drone et de l’imagerie hyperspectrale : • Une solution peu abordée • Avenir Prometteur – Hyper-Config : un outil • Accessible • Facile à manipuler • Un grand choix de capteurs • Une multitude de paramètres • Mise à jour facile – Distorsions : Drone VS Avion • Mêmes types d’erreur • Ampleur des erreurs différente • Méthodes de correction différentes 30 Conclusions et perspectives
    31. 31. • Perspectives – Améliorer l’outil de planification de vol en termes de types de capteurs, de paramètres et de présentation des résultats – Approfondir la recherche en termes des corrections des images acquises depuis le drone 31 Conclusions et perspectives Echelle de l’indicateur Technologie Readiness Level (TRL) – Un grand potentiel dans le futur • Imagerie hyperspectrale : TRL =6 • Drone : TRL = 6
    32. 32. • Directrice de recherche : Sylvie Daniel • Co-directeur de recherche : Karem Chokmani • Les organismes & • Les professeurs et mes collègues au CRG 32 Remerciements
    33. 33. Hachem.agili.1@ulaval.ca 33

    ×