{"id":1119,"date":"2023-09-05T07:46:21","date_gmt":"2023-09-05T07:46:21","guid":{"rendered":"https:\/\/www.satlabgeo.com\/?post_type=industries&p=1119"},"modified":"2025-03-28T02:25:27","modified_gmt":"2025-03-28T02:25:27","slug":"cygnus-slam-scanner-in-forestry-surveys","status":"publish","type":"industries","link":"https:\/\/www.satlabgeo.com\/fr\/industries\/cygnus-slam-scanner-in-forestry-surveys\/","title":{"rendered":"Application du scanner Cygnus SLAM aux relev\u00e9s forestiers"},"content":{"rendered":"

CLIQUEZ ICI POUR T\u00c9L\u00c9CHARGER CETTE \u00c9TUDE DE CAS<\/a><\/p>\n

Contexte du projet<\/strong><\/em><\/span><\/p>\n

Les nuages de points refl\u00e8tent la relation de position des objets cibles dans l\u2019espace tridimensionnel et constituent l\u2019une des formes de donn\u00e9es importantes pour l\u2019extraction d\u2019informations sur les ressources foresti\u00e8res.<\/p>\n

Avec l'approfondissement de l'enqu\u00eate sur les ressources foresti\u00e8res, la m\u00e9thode d'acquisition d'informations spatiales bas\u00e9e sur des donn\u00e9es lidar \u00e0 plate-forme unique pr\u00e9sente des d\u00e9fauts de faible pr\u00e9cision et de mauvaise int\u00e9grit\u00e9 des donn\u00e9es, qui ne peuvent pas r\u00e9pondre aux exigences de la foresterie de pr\u00e9cision pour une grande pr\u00e9cision d'extraction d'informations foresti\u00e8res.<\/p>\n

Pr\u00e9sentation de la solution<\/strong><\/em><\/span>
\nSur la base de l'\u00e9tude pr\u00e9liminaire de la zone foresti\u00e8re, nous avons choisi un syst\u00e8me LiDAR UAV \u00e0 faible co\u00fbt et un syst\u00e8me SLAM mobile comme solution pour collecter des informations plus compl\u00e8tes sur les arbres gr\u00e2ce \u00e0 la fusion des donn\u00e9es a\u00e9riennes et terrestres.
\nAfin de fusionner les donn\u00e9es, nous avons choisi le syst\u00e8me SLAM mobile Cygnus avec RTK. En raison de la faible qualit\u00e9 du signal du r\u00e9seau local, notre SLAM RTK partage la m\u00eame station de base avec le syst\u00e8me LiDAR du drone\u00a0; la communication s'effectue via une station radio externe.<\/p>\n

Les deux m\u00e9thodes sont collect\u00e9es simultan\u00e9ment. Le drone capture la zone en environ 11 minutes, tandis que le balayage SLAM du sac \u00e0 dos, comprenant deux balayages et un balayage, dure 30 minutes. La trajectoire de balayage du SLAM mobile suit une trajectoire en serpentin autour de l'arbre, l'espacement de balayage ne d\u00e9passant pas 10 m selon les conditions du terrain. Face \u00e0 l'impossibilit\u00e9 de fixer le RTK en raison de l'occlusion ponctuelle de l'arbre, nous essayons de r\u00e9p\u00e9ter le balayage autant que possible dans le cas d'un RTK fixe afin d'augmenter les contraintes des observations RTK fixes sur la trajectoire du SLAM.<\/p>\n

Comparaison des syst\u00e8mes LiDAR multiplateformes<\/span><\/strong><\/em><\/p>\n

En raison de la complexit\u00e9 de l'environnement forestier et de la densit\u00e9 de l'occlusion, le fonctionnement d'une seule plateforme LiDAR est limit\u00e9 et la port\u00e9e de balayage ne peut couvrir l'ensemble de la zone foresti\u00e8re. Cela entra\u00eene un manque de donn\u00e9es dans l'acquisition d'informations spatiales, rendant son application difficile dans les zones foresti\u00e8res complexes. Pour obtenir des nuages de points forestiers plus d\u00e9taill\u00e9s, on utilise g\u00e9n\u00e9ralement une combinaison de plateformes LiDAR.<\/p>\n

\"Cartographie<\/p>\n

Graphique 1 Comparaison des avantages et des inconv\u00e9nients des syst\u00e8mes LiDAR 3D<\/i><\/p>\n

Donn\u00e9es LiDAR des drones<\/span><\/strong><\/em><\/pre>\n
Pour le syst\u00e8me LiDAR pour drone, nous utilisons le LiDAR SatLab S1, capable de collecter simultan\u00e9ment le nuage de points et les donn\u00e9es d'image. Apr\u00e8s traitement des donn\u00e9es RINEX, nous importons les donn\u00e9es GNSS, IMU, laser et d'image dans le logiciel SatLiDAR pour un traitement en un clic et l'exportation du nuage de points couleur final (fichier *.las).<\/p>\n
\"drone-lidar\"<\/p>\n
Figure 1 Flux de travail du LiDAR pour drone SatLab S1<\/i><\/p>\n
Le drone a une autonomie de vol d'environ 11 minutes et la densit\u00e9 du nuage de points est de 508,79 pts\/m\u00b2. Le nuage de points et la coupe transversale du LiDAR du drone sont pr\u00e9sent\u00e9s ci-dessous. Les donn\u00e9es manquantes sont visibles sous la canop\u00e9e.<\/p>\n
\"Cartographie<\/p>\n
Figure 2 Nuage de points LiDAR pour drone<\/i><\/div>\n
Donn\u00e9es du sac \u00e0 dos SLAM<\/span><\/strong><\/em><\/p>\n
Le syst\u00e8me SLAM du SatLab Cygnus Backpack est illustr\u00e9 \u00e0 la figure 2. Les donn\u00e9es SLAM de sortie peuvent \u00eatre converties en coordonn\u00e9es locales pour le g\u00e9or\u00e9f\u00e9rencement. Le nuage de points SLAM est pr\u00e9sent\u00e9 \u00e0 la figure 10. Sa densit\u00e9 est d'environ 2\u00a0539,59 points\/m\u00b2.
\n\"\"<\/p>\n
Figure 3 Nuage de points SLAM<\/i><\/div>\n
Fusion et traitement des donn\u00e9es<\/span><\/strong><\/em><\/p>\n
Nous avons plac\u00e9 le nuage de points LiDAR UAV et le nuage de points SLAM dans le m\u00eame syst\u00e8me de coordonn\u00e9es et segment\u00e9 la zone d'int\u00e9r\u00eat pour extraire les informations foresti\u00e8res. La fusion des nuages de points LiDAR UAV et SLAM, ainsi que la coupe transversale des donn\u00e9es fusionn\u00e9es, sont pr\u00e9sent\u00e9es dans la figure 11. La combinaison des deux m\u00e9thodes illustre la structure compl\u00e8te de l'arbre. La densit\u00e9 du nuage de points fusionn\u00e9 est de 4\u00a0701,48 points\/m\u00b2.<\/p>\n
\"\"
\n\"\"<\/p>\n
Figure 4 Nuage de points de fusion<\/i><\/div>\n
\u00c9tant donn\u00e9 que le traitement massif de nuages de points consomme beaucoup de ressources de calcul, nous avons divis\u00e9 le nuage de points de fusion en blocs, puis proc\u00e9d\u00e9 \u00e0 un r\u00e9\u00e9chantillonnage et \u00e0 un d\u00e9bruitage pour obtenir des donn\u00e9es relativement propres. Nous utilisons ensuite le filtre de simulation de tissu (CSF) et la densification progressive TIN (PTD) comme filtrage de base pour classer le nuage de points de base. \u00c0 partir de ce point de base, nous g\u00e9n\u00e9rons un MNE. Apr\u00e8s avoir calcul\u00e9 la normalisation du nuage de points, nous utilisons un algorithme de segmentation d'arbre unique pour classer le nuage de points d'arbre. Certains arbres mal segment\u00e9s peuvent \u00eatre manuellement.
\n\u00e9dit\u00e9.<\/p>\n
Selon les r\u00e9sultats de la segmentation, nous pouvons extraire l'esp\u00e8ce, la position, la hauteur, le diam\u00e8tre \u00e0 hauteur de poitrine (DBH), etc. d'un arbre. Le vecteur de structure de l'arbre peut \u00e9galement \u00eatre g\u00e9n\u00e9r\u00e9.<\/p>\n
\"\"<\/p>\n
Figure 5 R\u00e9sultat de la segmentation de l'arbre<\/i><\/div>\n
\"\"<\/p>\n
Figure 6 R\u00e9sultat de la vectorisation de l'arbre<\/i><\/div>\n
\"Nuage<\/p>\n
Figure 7 R\u00e9sultats de l'extraction des informations de l'arbre<\/i><\/div>\n
Conclusion<\/span><\/strong><\/em><\/p>\n
Gr\u00e2ce \u00e0 la combinaison du LiDAR UAV et des diff\u00e9rentes donn\u00e9es obtenues par le scanner mobile SLAM dans la zone foresti\u00e8re, il est possible d'obtenir rapidement une structure verticale foresti\u00e8re de haute pr\u00e9cision et d'extraire les param\u00e8tres de la structure arborescente unique de la parcelle d'\u00e9chantillonnage avec plus de pr\u00e9cision et
\nefficacement.<\/p>\n
Compar\u00e9e aux m\u00e9thodes d'enqu\u00eate traditionnelles, elle r\u00e9duit consid\u00e9rablement la charge de travail et les co\u00fbts, enrichit les types de donn\u00e9es et am\u00e9liore la qualit\u00e9 du suivi. Parall\u00e8lement, il est n\u00e9cessaire de planifier judicieusement le parcours de num\u00e9risation lors de l'utilisation de plateformes telles que l'ULS (UAV Laser Scanning) et le BLS (Backpack Laser Scanning) afin d'am\u00e9liorer l'efficacit\u00e9 et l'int\u00e9grit\u00e9 de la collecte de donn\u00e9es et d'accro\u00eetre les possibilit\u00e9s d'obtenir des informations foresti\u00e8res \u00e0 grande \u00e9chelle plus rapidement.<\/p>\n
Cette nouvelle application de fusion de donn\u00e9es LiDAR sol-air a une grande importance pratique.<\/p>\n
\n
<\/p> 
    <\/ul><\/div>\n
    \n
    \n\n\n\n\n\n\n\n\n\n\n\n\n\n<\/div>\n
    \n    
    Contactez-nous<\/b><\/h4><\/div>\n    
    \n        
    \n