Le traitement des données acquises est effectué par deux logiciels différents. Un post-traitement des données de navigation (acquises par le récepteur GNSS et l’IMU) est d’abord effectué avec le logiciel POSPac MMS. Le logiciel Trident est ensuite utilisé pour le traitement des nuages de points acquis avec le scanneur LiDAR, notamment pour leur géoréférence au moyen de la trajectoire post-traitée avec POSPac MMS.
Pour calculer l’incertitude-type composée des données acquises, les données brutes avant post- traitement sont nécessaires. Par contre, pour extraire les données acquises, avec le MX2,
l’utilisateur doit procéder au post-traitement dans POSPac MMS et au géoréférencement des points dans Trident. Ensuite, sur Trident, l’extraction des données brutes est possible.
5.2.1 Post-traitement des données de navigation
Lorsque l’acquisition des données avec le système MX2 est effectuée, la trajectoire obtenue sans post-traitement ne peut pas être utilisée pour géoréférencer les données acquises par le scanneur LiDAR à cause de l’incertitude-type élevée associée. Donc, pour améliorer cette valeur d’incertitude-type des données de navigation acquises, elles sont traitées à l’aide du logiciel POSPac MMS. Les données d’une station de base GNSS sont également nécessaires. La station de base GNSS choisie est celle de l’ATRIUM (MERN, Québec, QC) situé à environ 8 km du campus de l’Université Laval où le levé a été réalisé. Les observations acquises avec le MX2 et celles de la station de base GNSS utilisées lors du post-traitement sont celles de la journée du 16 mai 2018. Le logiciel LV-POSView offre une option d’enregistrement des données qui seront utilisées lors du post-traitement avec POSPac MMS. Dans ce projet de recherche, un levé d’une durée d’environ 30 minutes a été post-traité permettant ainsi de produire une trajectoire améliorée. Comme résultat, un fichier qui contient la trajectoire post-traitée (".sbet") est généré. Cette trajectoire a une valeur d’incertitude-type associée moins élevée que celle de la trajectoire brute. Elle est donc utilisée pour le géoréférencement des données acquises avec le scanneur LiDAR. Suite au post-traitement, les données de la trajectoire améliorée ainsi que leurs incertitudes-types associées peuvent être observées et analysées sous forme de graphiques et de tableaux. Par exemple, une analyse portant sur la vitesse du MX2 pendant le levé est possible. La Figure 5.7 montre entre autres les périodes où le MX2 était en mode immobile lors du levé des façades des bâtiments où la vitesse du système était alors de 0 m/s avec des petites vitesses résiduelles.
La Figure 5.3 qui montre la trajectoire complète parcourue par le MX2, qui a été corrigée avec le logiciel POSPac MMS lors du post-traitement des données. Les incertitudes-types associées aux coordonnées X, Y et Z (pour le MX2 North, East et Down - NED) ont respecté les valeurs d’incertitudes-types fournies par les spécifications du fabricant (Tableau 4.1) en restant inférieures à 2 cm pour les coordonnées X et Y et inférieures à 5 cm pour la coordonnée Z. La Figure 5.8montre ces valeurs d’incertitudes-types fournies après le post-traitement. Il est possible d’observer quelques peaks entre les temps 334500 et 336500, qui sont expliqués par la perte de signal GNSS causant des obstructions au récepteur GNSS.
Les incertitudes-types montrées à la Figure5.8, lesquelles sont de 1,5 cm pour les coordonnées X et Y et 4,5 cm pour Z, présentent donc des valeurs inférieures à celles fournies par le fabricant lors des collectes des données des façades des bâtiments dont les périodes ont été présentées à la Figure 5.7. Les valeurs extrêmes des incertitudes-types surviennent lorsque le SLM est en mouvement entre les levés immobiles ou à l’initialisation du SLM. Cette perte de qualité des observations est due à plusieurs facteurs, entre autres, la perte du signal GNSS par
Figure 5.7 – Vitesse du Système MX2 pendant le levé (les périodes du levé des façades où le MX2 était immobile sont encerclées en vert - système immobile).
Figure 5.8 – Incertitude-type des coordonnées X - North (rouge), Y - East (gris) et Z - Down (vert).
l’obstruction du signal, le multi-trajet et le mouvement de la plateforme. En ce qui concerne la qualité des données GNSS, l’indicateur PDOP ("dilution of precision 3D") est utilisé pour évaluer les données GNSS de la trajectoire. Ces valeurs doivent être inférieures à 1 pour avoir le niveau maximal de qualité du levé. Les valeurs entre 1 et 4 sont acceptables et des valeurs supérieures à 5 représentent un faible niveau de confiance des observations. Comme montré à la Figure5.9, la valeur de PDOP n’a pas dépassé 4 pendant la période des observations, ce
qui représente un bon niveau de confiance des observations effectuées.
Figure 5.9 – PDOP des données GNSS collectées de la trajectoire.
Les incertitudes-types associées aux angles de navigation lacet (ψ), roulis (ϕ) et tangage (θ) sont observées à la Figure 5.10. Selon les spécifications techniques du fabricant, ces valeurs sont de 1 pour les angles de roulis et de tangage et 3’ pour l’angle de lacet en considérant un MX2 utilisant deux récepteurs GNSS. Comme expliqué précédemment, dans ce levé une seule antenne GNSS a été utilisée. Ainsi, l’incertitude-type du lacet sera supérieure à 3’.
Figure 5.10 – Incertitude-type des angles de navigation (ψ- vert, ϕ- rouge* θ- gris). *Noter que les incertitudes-types de ϕ et θ ont les mêmes valeurs.
ϕet θ sont compatibles à celles fournies par les spécifications du MX2 tandis que l’incertitude- type de ψ a une valeur supérieure à celle fournie, vu l’utilisation d’une seule antenne GNSS. Le post-traitement sur POSPac MMS permet la création de plusieurs graphiques servant à l’analyse des données de navigation observées. Les graphiques le plus pertinents sont dispo- nibles à l’Annexe A, notamment ceux qui montrent les angles de navigation (ϕ, θ et ψ), la coordonnée Z (altitude) et le nombre de satellites visibles.
Après avoir post-traité les données de navigation et obtenu la trajectoire corrigée, le géoré- férencement des données LiDAR est possible. Cette partie de traitement est effectué avec le logiciel Trident. Ce dernier utilise les fichiers des données post-traitées de format ".sbet" ainsi que les fichiers des données brutes du scanneur LiDAR de format ".la20" pour géoréférencer les nuages de points. Le logiciel permet l’affichage de la trajectoire complète d’une scéance avec un gradient de couleurs exprimant ainsi les incertitudes-types en fonction du type de données de navigation (altitude, roulis, tangage, lacet, etc). La Figure 5.11 montre l’incertitude-type du lacet le long de la trajectoire.
Figure 5.11 – Gradient de l’incertitude-type du lacet.
La Figure 5.11 montre que l’incertitude-type du lacet varie entre 6’ et 23’, passant du bleu (meilleure qualité) au rouge (mauvaise qualité). Cette façon de présenter les résultats (Figure 5.11) permet d’obtenir une vue globale de la qualité des données de navigation et de détecter rapidement les zones du levé avec les plus grandes incertitudes, ce qui est plus compliqué à obtenir sur le graphique de la Figure 5.10. La Figure5.12 montre un autre exemple, celui du gradient de couleurs de l’incertitude-type de la coordonnée Z le long de la trajectoire. La valeur de l’incertitude-type de la coordonnée Z (Figure 5.12) a respecté pour la majeure portion du levé la valeur fournie par le fabricant (inférieure à 5 cm), sauf sur une partie du
Figure 5.12 – L’incertitude-type de la coordonnée Z.
levé où il y avait de l’obstruction causée par la présence d’arbres et des 2 tours d’environ 50m de hauteur.
5.2.2 Géoréférencement des données acquises avec le scanneur LiDAR
Les lignes de balayage obtenues lors des acquisitions des données LiDAR aux positions A, B et C sont présentées à la Figure 5.13. Entre les deux façades choisies pour effectuer l’acquisition des données, il y avait des obstructions, comme un arbre (lequel n’avait pas beaucoup de feuilles à cette époque de l’année), des piétons ainsi que des voitures qui passaient dans la rue au moment du levé. Le jeu A présente plus de données bruitées à cause de l’arbre sur la façade du Pavillon des Sciences de l’Éducation (partie supérieure). Les données utilisées sont celles de la façade du Pavillon Félix-Antoine Savard. La même obstruction a affecté le jeu C (60m), puisque le MX2 était positionné sur la même ligne que le jeu A, mais déplacé vers le Pavillon Félix-Antoine Savard. Par contre, la partie affectée par cette obstruction est située sur la partie inférieure du bâtiment seulement. Dans les deux cas, cette partie bruitée n’est pas un problème, puisqu’elle peut être retirée des données extraites.
La Figure 5.14 montre l’emplacement du MX2 lors de l’acquisition des données du jeu A, une coupe du nuage de points produit, les obstructions et les données bruitées (trous dans les lignes verticales).
Les jeux B et C ont été observés à partir de la même ligne de balayage entre les tours. La Figure 5.15 montre l’emplacement du MX2, les données acquises, les obstructions ainsi que les zones obstruées.
Figure 5.13 – Lignes de balayage (jaune - MX2 à 35m de chaque façade (position A), rouge - MX2 à 10m et 60m des façades (positions B et C respectivement).
Figure 5.14 – Données acquises de la position A.
ciel POSPac MMS et géoréférencés avec le logiciel Trident. Ces opérations effectuées sur les données observées ont permis de produire les données géoréférencées et les incertitudes-types des observations acquises par chaque capteur qui compose le MX2. Il est également possible avec Trident de consulter les observations brutes acquises par le récepteur GNSS, l’IMU et le scanneur LiDAR, ainsi que les incertitudes-types des observations GNSS et de l’IMU. Chaque ligne de balayage contient plus de 15 millions de points. Au lieu d’extraire les observations et les incertitudes-types sur l’ensemble de cette grande quantité de données, des zones d’in-
Figure 5.15 – Données acquises des positions B et C.
térêts ont été déterminées. Ces zones d’intérêt ont été choisies de façon à considérer l’angle d’incidence du faisceau sur la façade du bâtiment. Pour le jeu A, 8 zones d’intérêts ont été analysées, 10 zones pour le jeu B et 7 zones pour le jeu C. Ces zones vont du faisceau perpen- diculaire, en bas de la façade jusqu’au faisceau le plus rasant en haut de la façade (Figures 5.16 et5.17). Chaque zone extraite est de 30cm dans la direction de l’axe Z (15cm supérieur et 15cm inférieur au point choisi).
Figure 5.16 – Zones d’intérêt extraites pour le jeu A (bloc en noir sur la façade).
L’obstruction causée par l’arbre lors du levé à la position A peut être observée à la Figure5.16 dans la partie supérieure de la façade du Pavillon des Sciences de l’Éducation. Donc, comme
mentionné précédemment, les données considérées pour le jeu A sont celles du Pavillon Félix- Antoine Savard dont la façade présente peu d’observations bruitées lesquelles sont situées surtout en bas de la tour et causées par le passage de piétons et des véhicules pendant le levé. Les extractions pour les jeux B et C sont présentés à la Figure 5.17.
Figure 5.17 – Zones d’intérêt extraites pour les jeux B et C (blocs en noir sur les façades).
Puisque le MX2 était proche de la façade du Pavillon Félix-Antoine Savard (environ 10m) et qu’il n’y avait aucune obstruction, les données observées du jeu B sont peu bruitées (Figure 5.17). Lors du levé du jeu C, l’obstruction causée par l’arbre est observée à la partie inférieure de la façade du Pavillon des Sciences de l’Éducation, ce qui n’a pas empêché d’extraire les zones d’intérêt (Figure 5.17).