Classification des points au sol dans des données lidar aéroporté par apprentissage supervisé

点击翻译按钮获取中文摘要

Xeos Imagerie Inc. est une entreprise spécialisée dans la photographie aérienne et les relevés topographiques**lidar. Cette technologie est utilisée pour produire des nuages de points à haute densité de la surface terrestre.**Ces points sont ensuite classés en fonction de la surface: bâtiment, route, végétation... La première étape est de**séparer les points au sol du reste. Les logiciels actuels basés sur des approches géométriques ne permettent pas**de classer tous les points correctement et le travail de correction manuel est long et fastidieux compte tenu du**volume de points à traiter. Ce travail manuel ne nécessite pas un niveau de qualification élévé mais représente**un cout important. Il est généralement sous-traité à des entreprises étrangères où les couts sont beaucoup plus**faibles. Une amélioration des outils de classification aurait donc un impact important sur les temps et les couts**de traitement et donc sur la compétitivité de l'entreprise dans un secteur concurentiel.**De nouvelles approches basées sur l'apprentissage machine sont apparues récemment mais leurs performances**ne sont pas significativement meilleures et elles ne sont pas encore utilisées dans l'industrie. Pour cela, il serait**nécessaire de développer et d'évaluer de nouveaux indicateurs pour les terrains accidentés et les forêts.**Dans ce projet, nous définirons de nouveaux indicateurs et évaluerons leurs performances et celles des**indicateurs existants en fonction du type de terrain (urbain, accidenté, forêt) et de la densité de points. Un**prototype d'application sera développé en vue de son intégration dans la chaine de traitement de Xeos Imagerie.