Chapitre 4 : Traitement des données
4.4. Formation du nuage de points à partir des données LiDAR mobile
Le dernier segment du traitement de données concerne les observations collectées par le SLM. Tel que vu précédemment, chaque endroit où est effectué un scan avec le MX2 permet de générer un fichier .gps contenant les données de navigation de l'antenne GNSS et de l'IMU, un fichier .las contenant les observations faites par le laser et une ligne s'ajoute au fichier .xls contenant les mesures de distance prises par l'interféromètre. Pour l'acquisition des données LiDAR avec le MX2, le logiciel Trident Capture de Trimble a été utilisé. Pour la visualisation et le traitement des données laser et de navigation, le logiciel Trident Imaging Hub de Trimble a ensuite été utilisé. Avant d’effectuer le transfert des données entre ces deux logiciels, il a fallu remplacer les positions observées par le l'antenne GPS par les mesures de l’interféromètre sur le banc de calibrage en coordonnées de latitude et de longitude. Pour y arriver, plusieurs programmes et fonctions en langage Matlab ont été développés. Il est important d’indiquer que les algorithmes ont été adaptés à la collecte de données par le MX2. Des modifications seraient nécessaires pour qu'ils soient compatibles à tous les SLM. Néanmoins, l'approche reste applicable aux autres SLM dans sa forme générale.
Pour transformer les distances mesurées par l'interféromètre sur le banc de calibrage en coordonnées ellipsoïdales (latitude, longitude et hauteur), le programme M_ReferenceSpatiale et plusieurs fonctions sont utilisés, tel que présenté dans le Tableau 4.1. En disposant des coordonnées UTM de la pièce d'origine, il est possible de calculer
les coordonnées UTM de toutes les positions de l'IMU sur le banc de calibrage à partir des équations suivantes.
? = ,? + / (4.1)
n ? = n,? + 0+ UN] (4.2)
q ? = 1 (4.3)
où ? , n ? , q ? ∶ coordonnées UTM du centre de l'IMU;
? , ,
? , ,
?
, ∶ coordonnées UTM de la pièce d'origine; /, 0, 1∶ constantes initiales; et
UN] ∶ distance mesurée par l'interféromètre.
Une transformation inverse est ensuite utilisée pour convertir les coordonnées UTM calculées en coordonnées sur l'ellipsoïde (latitude, longitude et hauteur). Étant donné que les coordonnées ? et q ? dépendent seulement des coordonnées de l'origine et des constantes initiales, la longitude et la hauteur des coordonnées sur l'ellipsoïde ne varient pas. Seulement la latitude varie en fonction du déplacement sur le banc de calibrage. Par la suite, il faut remplacer les données de navigation contenues dans le fichier brut de format .gps par les valeurs calculées sur le banc de calibrage. Le programme M_TraceMod a été développé pour réaliser les cinq grandes étapes requises pour la transformation du fichier de navigation, lesquelles sont présentées au Tableau 4.9.
Tableau 4.9 : Les cinq grandes étapes permettant de modifier le fichier de navigation .gps No Fonction ou
programme utilisé Brève description de l'étape
Fichiers d'entrée Fichiers de sortie 1 T3D GPS (gps2shp.exe)
Appel du fichier exécutable gps2shp.exe dans le logiciel Matlab pour générer des fichiers
de format .dbf, .shp et .shx à partir du fichier de format .gps.
record(X).gps record(X).dbf record(X).shp record(X).shx 2 dbfread.m Utilisation de la fonction dbfread.m dans le logiciel Matlab pour lire les fichiers de
format .dbf et modifier les données de navigation contenues dans ces fichiers et les exporter dans des fichiers de
format .csv.
record(X).dbf record(X).csv
3 M_TraceMod.m
Génération de fichiers vidéo de format .avi dans le logiciel Matlab avec le même nom que
les fichiers de format .csv contenant les données de
navigation modifiées. record(X).csv record(X).avi 4 Advanced CSV Converter (csvcnv.exe)
Appel du fichier exécutable csvcnv.exe dans le logiciel Matlab pour générer des fichiers
de format .dbf à partir des fichiers de format .csv contenant
les données de navigation modifiées.
record(X).csv record(X).dbf
5 Trident Imaging Hub
Génération de fichiers de format .gps avec le logiciel Trident à partir des fichiers de format .dbf
et .avi.
record(X).dbf
Les étapes de calculs énoncées précédemment sont techniques et dépendantes des instruments et des logiciels utilisés lors de la collecte et lors d'une partie du traitement des données. Il est important de comprendre qu’elles ont été nécessaires pour s’adapter aux formats de données propriétaires des logiciels commerciaux utilisés pour réaliser certaines étapes de la procédure. Par conséquent, on a intentionnellement laissé de côté les détails de ces opérations dans ce mémoire afin d’alléger son contenu et focaliser plutôt sur les nouvelles contributions de la recherche.
L'étape 2 du Tableau 4.9 qui consiste à modifier des observations contenues dans le fichier de navigation est une étape avec une portée plus générale, laquelle est directement liée à la nouvelle procédure de calibrage. Les observations contenues dans le fichier de navigation devant faire l'objet de modifications sont présentées dans le Tableau 4.10.
Tableau 4.10 : Liste des observations contenues dans le fichier de navigation devant faire l'objet de modifications
Colonnes
du fichier Éléments Description
5, 6 et 7 Latitude, longitude et hauteur
Coordonnées sur l'ellipsoïde du centre de l'IMU déterminée avec les distances mesurées par
l'interféromètre et les constantes initiales. 18 Lacet Valeur du lacet (heading) déterminée à partir de
l'erreur d'alignement des trous de fixation.
27, 28 et 29
Incertitude des coordonnées 3D (X,Y,Z)
du centre de l'MU
Écart-type final estimé des coordonnées 3D (X,Y,Z) du centre de l'MU.
32 Incertitude du lacet
Écart-type de la valeur du lacet (heading) déterminé à partir de l'erreur d'alignement des
trous de fixation.
37 Ondulation du géoïde Ondulation du géoïde nulle selon la définition du système de coordonnées.
Pour les coordonnées ellipsoïdales du centre de l'IMU, on retrouve autant de valeurs que de positions sur le banc de calibrage déterminées par les mesures prises par l'interféromètre. Dans le cadre de la collecte du 22 décembre 2016 en direction de l'aller, 221 valeurs différentes de latitude ont été calculées, ce qui correspond aux 221 lignes de
scan effectuées. La valeur du lacet correspond aux valeurs déterminées à la Section 3.4 et contenues dans le Tableau 3.21 et le Tableau 3.22. Cette valeur varie de 180° si la collecte est effectuée à l’aller en direction avant ou au retour en direction arrière. Son incertitude correspond à la valeur de l'écart-type des trois mesures d'orientation calculées sur le banc de calibrage, soit 0,0141°, tel que montré au Tableau 3.20.
Pour la détermination de l'incertitude des coordonnées 3D (X, Y, Z) du centre de l'MU, plusieurs facteurs ont été pris en considérations. Le premier facteur est la qualité de la mesure de distance prise par l'interféromètre. La fidélité d'une mesure prise par cet interféromètre dépend de la longueur de la portée et peut être de l'ordre de 0,2 millimètre sans compensateur pour une distance de 10 mètres selon les spécifications du fabricant (Renishaw, 2016). Le deuxième facteur est la fidélité des constantes initiales qui ont été déterminées avec un écart-type de 0,1 millimètre chacune tel que montré au Tableau 3.19. Le troisième facteur correspond à l'incertitude du plan de conception fournie par le fabricant du MX2 contenant les distances entre les trous de fixation et le centre de l'IMU. L'incertitude garantie par le fabricant dans ce cas est de 1 millimètre (Trimble, 2013a). Bref, même si les deux premiers facteurs laissent présager qu'une incertitude de 0,2 à 0,3 millimètre pour les coordonnées du centre de l'IMU est raisonnable, celle-ci est trop optimiste. En raison du troisième facteur, un écart-type de 1 millimètre a été attribuée aux 3 coordonnées du centre de l'IMU.
La valeur de l'ondulation du géoïde choisie est nulle de manière à ce que l'altitude sur l'ellipsoïde contenue dans le fichier de navigation soit la même que l'altitude orthométrique affichée dans le logiciel de visualisation des données LiDAR mobile. Pour ce qui est des valeurs des autres angles mesurés par l'IMU, soit le roulis et le tangage, les valeurs observées ainsi que leur écart-type estimé ont été conservées. La qualité de ces valeurs et de leur écart-type estimé sera discutée au Chapitre 7.
Une fois les fichiers modifiés, il est possible de les importer dans le logiciel Trident pour visualiser le nuage de points. Habituellement, une collecte de données LiDAR mobile est effectuée en mouvement, alors la scène est complètement balayée et le nuage de points est plutôt homogène. Dans le cas d'une collecte de données LiDAR selon la présente procédure, le nuage de points est entièrement composé de lignes de scan parallèles les unes aux autres. La Figure 4.2 présente un aperçu du nuage de points assemblé à partir des données collectées le 22 décembre 2016.
Figure 4.2 : Nuage de points capté par un scanner LiDAR mobile
À partir de ce nuage de points, on peut extraire les points localisés à la surface des 18 sphères de référence. Le logiciel Trident ne permet pas d'extraire automatiquement ces points, alors plusieurs manipulations manuelles ont été nécessaires. Étant donné que cette problématique est propre au logiciel utilisé, la façon de la résoudre n'est pas présentée dans le cadre de ce mémoire. La sélection manuelle des sphères est l'étape qui nécessite le plus de temps dans le processus entier du traitement de données. Il faut prévoir de deux à quatre heures pour compléter cette étape avec les 18 sphères contenues dans le nuage de points mesurées dans les deux directions. Il est donc clair qu'un processus d'extraction automatisé des sphères dans un nuage de points permettrait de diminuer grandement le temps de traitement. La Figure 4.3 et la Figure 4.4 montrent la sélection manuelle des points localisés à la surface des sphères numéro 12 et 16.
Figure 4.3 : Sélection manuelle des points sur la sphère 12
Pour contourner le problème d'extraction manuelle des sphères, il faudrait complètement éliminer le recours à un logiciel de visualisation des données
dispose des coordonnées des sphères de référence, il serait possible d'extraire tous les points situés à proximité de ces sphères avec un algorithme de recherche. Par la suite, pourrait détecter l'ensemble des points qui appa
nuage de points. Non seulement cette méthode serait plus efficace, mais elle permettrait de rendre la procédure plus générale et celle
le type de SLM utilisé. Bref, une
les observations suivantes pour chaque point situé à la surface d'une sphère tel que présenté dans le Tableau 4.11
: Sélection manuelle des points sur la sphère 12
Figure 4.4 : Sélection manuelle des points sur la sphère 16
Pour contourner le problème d'extraction manuelle des sphères, il faudrait complètement éliminer le recours à un logiciel de visualisation des données LiDAR. Compte tenu
dispose des coordonnées des sphères de référence, il serait possible d'extraire tous les points situés à proximité de ces sphères avec un algorithme de recherche. Par la suite,
détecter l'ensemble des points qui appartiennent à une sphère pour les extraire du nuage de points. Non seulement cette méthode serait plus efficace, mais elle permettrait de rendre la procédure plus générale et celle-ci deviendrait donc applicable, peu importe le type de SLM utilisé. Bref, une fois cette procédure appliquée, il est possible d'extraire les observations suivantes pour chaque point situé à la surface d'une sphère tel que
11.
: Sélection manuelle des points sur la sphère 16
Pour contourner le problème d'extraction manuelle des sphères, il faudrait complètement Compte tenu que l'on dispose des coordonnées des sphères de référence, il serait possible d'extraire tous les points situés à proximité de ces sphères avec un algorithme de recherche. Par la suite, on rtiennent à une sphère pour les extraire du nuage de points. Non seulement cette méthode serait plus efficace, mais elle permettrait ci deviendrait donc applicable, peu importe fois cette procédure appliquée, il est possible d'extraire les observations suivantes pour chaque point situé à la surface d'une sphère tel que
Tableau 4.11 : Observations de tous les capteurs permettant de localiser un point à la surface d'une sphère
Colonnes du fichier Éléments Description
1, 2 et 3 X¤¥¦§¨, Y¤¥¦§¨ et Z¤¥¦§¨ Coordonnées 3D (X, Y et Z) du point à la surface de la sphère 4, 5 et 6 α, β et ρ Mesures d'angles (α et β) et de portée (ρ) du laser 7, 8 et 9 X«¬-, Y«¬- et Z«¬- Coordonnées 3D (X, Y et Z) du centre de l'IMU 10, 11 et 12 l, r et t Lacet (l), roulis (r) et tangage
(t)
14, 15 et 16 σ®¯°±, σ²¯°± et σ³¯°±
Écart-type des coordonnées 3D (X, Y et Z) du centre de
l'IMU
17, 18 et 19 σ´, σµ et σ¨ Écart-type du lacet (σ´), du roulis (σµ) et du tangage (σ¨) Peu importe le type de SLM utilisé, il est nécessaire de disposer de toutes les observations présentées dans le Tableau 4.11 pour correctement modéliser l'équation de projection d'un point LiDAR correspondant à l'Équation 2.1. Le cadre mathématique de l'approche de calibrage est présenté au Chapitre 5.