Automatisation et précision accrues de la technologie de cartographie 3D

Une équipe de recherche de la Geneva School of Economics and Management (GSEM) et de l'EPF de Lausanne ont combiné l'intelligence artificielle avec un nouvel algorithme pour créer une méthode qui réduit considérablement le temps et les ressources nécessaires pour numériser avec précision des paysages complexes et qui pourrait être la clé de la cartographie automatisée par drone.

La nouvelle méthode a été développée par Davide A. Cucci (Collaborateur scientifique II au Research Center for Statistics de la GSEM), Aurélien Brun et Jan Skaloud et est décrite dans un article publié dans la revue ISPRS Journal of Photogrammetry and Remote Sensing.

La cartographie tridimensionnelle (3D) a de nombreuses applications telles que la surveillance des chantiers de construction, le suivi des effets du changement climatique sur les écosystèmes et la vérification de la sécurité des routes et des ponts. Cependant, la technologie actuellement utilisée pour automatiser le processus de cartographie est limitée, ce qui en fait une tâche longue et coûteuse.

Les scanners laser LiDAR projettent des millions d'impulsions lumineuses sur des surfaces pour créer des répliques informatiques haute résolution d'objets ou de paysages. Les lasers sont particulièrement efficaces pour collecter des données spatiales car ils ne dépendent pas de la lumière ambiante, peuvent collecter des données précises sur de grandes distances et peuvent « voir à travers » la végétation. Mais leur précision est souvent perdue lorsqu'ils sont installés sur des drones ou d'autres équipements mobiles, en particulier dans les villes denses, les sites avec des infrastructures souterraines et les endroits où les signaux GPS sont interrompus. Il s’ensuit des lacunes et des défauts d’alignement dans les points de données utilisés pour générer des cartes en 3D, et cela peut entraîner une vision double des objets numérisés.

"Pour l’instant, il n’existe aucun moyen de générer des cartes 3D parfaitement alignées sans passer par une étape de correction manuelle des données," explique Davide Cucci. "De nombreuses méthodes semi-automatiques sont à l’étude pour surmonter ce problème, mais la nôtre présente l’avantage de résoudre le problème directement au niveau du scanner, où les mesures sont prises, éliminant ainsi la nécessité d’effectuer des corrections ultérieures. Notre méthode est également entièrement pilotée par logiciel, ce qui signifie qu’elle peut être mise en œuvre rapidement et facilement par les utilisateurs finaux."

La méthode de l'équipe tire parti des progrès récents de l'intelligence artificielle pour détecter si un objet donné a été numérisé plusieurs fois sous différents angles. Elle consiste à sélectionner des correspondances et à les insérer dans ce qu’on appelle un réseau dynamique, afin de corriger les lacunes et les défauts d’alignement dans le nuage de points laser.

> Lien vers le communiqué de presse de l’Université de Genève.
> Cliquez ici pour lire la couverture presse de cette annonce.