Réduction du bruit du lidar pour la création d'isolignes et l'analyse de pentes

Le lidar est recommandé en tant que forme précise de données d'altitude. Dans une large mesure, cela provient de son intervalle d'échantillonnage dense. Le lidar est parfois comparé à une "peinture du sol avec les mesures d'altitude". En effet, l'acquisition d'échantillonnage inférieur au mètre est courante avec le lidar. Il facilite la pénétration du couvert forestier, ce qui améliore la précision de modèles de sol dans les zones boisées. La densité d'échantillonnage élevée améliore également les résultats dans certaines applications telles que la délimitation d'une plaine inondable. Cependant, le lidar ne constitue pas toujours la source de données la plus optimale pour les activités de modélisation de surface. Deux domaines ont tendance à être problématiques : la dérivation des isolignes et l'analyses de pente.

Isolignes désordonnées et pentes escarpées

La génération par ordinateur d'isolignes agréables à regarder à partir de sources de données traditionnelles s'avère difficile. En produire à partir de données lidar l'est encore plus. Les isolignes produites à partir de lidar en résolution maximale ont tendance à être irréguliers avec de nombreuses circonvolutions, ainsi que des anneaux fermés isolés.

L'estimation des pentes à partir des données lidar s'avère également problématique. Si vous examinez la pente moyenne à partir de données lidar en résolution maximale, vous constatez qu'elle est exceptionnellement élevée. Ceci est vrai même sur un sol relativement plat, comme illustré dans l'image ci-dessous, qui représente la pente générée à partir de données lidar en résolution maximale. Le verre indique peu à pas de pente, le jaune une pente modérée, et le rouge la pente la plus escarpée. Notez la présence importante de jaune et rouge sur la surface.

Certaines personnes interprètent mal ces problèmes d'isolignes et de pente et estiment qu'ils proviennent de la plus grande précision du lidar par rapport à d'autres formes de données de surface. A des échelles suffisamment grandes, presque toutes les surface s'avèrent approximatives. Bien que cette assertion ne soit pas totalement infondée, une partie significative du problème tient à la relation entre la densité d'échantillonnage horizontal et la précision verticale. Comme pour toute technologie de mesure, le lidar n'est pas parfaitement précis. Sa précision verticale varie généralement de 12 à 15 centimètres. Cela entraîne une différence de hauteur aléatoire entre deux points adjacents de 24 à 30 centimètres. Lorsque les points sont simplement distants d'un mètre, voire moins, horizontalement, cette différence de hauteur devient significative. Du point de vue du traitement du signal, cela s'appelle du bruit à haute fréquence.

Techniques de réduction du bruit

Pour obtenir des isolignes moins irrégulières et des estimations de pente plus raisonnables, vous devez supprimer le bruit du lidar, tout en perdant le moins d'informations réelles possibles. Bien qu'il n'existe aucune méthode empêchant les pertes de données, il est tout de même possible de réduire ce problème. A cette fin, le jeu de données de MNT offre deux outils. L'un est un affineur de points intelligent. L'autre est un interpolateur de qualité supérieure.

L'affinage de points se produit lors du processus de création de la pyramide du MNT. Certains utilisateurs pensent que les pyramides constituent uniquement un outil de visualisation, servant exclusivement à accélérer le dessin. Bien que cela soit vrai pour les pyramides raster, ce n'est pas le cas des jeux de données de MNT. Les MNT ont été conçus en sachant que le lidar est mieux adapté à certaines applications lors de leur généralisation.

Il existe deux algorithmes d'affinage de point de jeu de données de MNT dans ArcGIS : la structure pyramidale de tolérance  z et la pyramide de type taille de fenêtre. Ces algorithmes offrent des caractéristiques spécifiques et sont probablement meilleurs que les filtres de point aléatoires utilisés dans d'autres solutions qui, bien que rapides et adaptés à la visualisation, ne doivent pas être utilisés à des fins d'analyse.

Le filtre de tolérance z emploie un algorithme basé sur TIN pour rechercher un sous-ensemble de points suffisant à la création d'une surface se trouvant à une distance verticale donnée de la surface en résolution maximale. L'utilisation de ce filtre est recommandée lorsqu'une mesure quantifiable de précision verticale est requise.

Le filtre de taille de fenêtre sélectionne des points à une distance d'échantillonnage horizontal donnée. A un intervalle d'unités donné dans x, y (taille de fenêtre d'échantillonnage), les points de cette surface sont examinés et un ou deux d'entre eux sont sélectionnés selon l'option choisie. La méthode de sélection de point peut être l'une des suivantes : le point plus proche de la moyenne des autres points de la fenêtre d'échantillonnage, le plus élevé ou le plus bas des points de la fenêtre d'échantillonnage ou ces deux derniers à la fois. Comme indiqué précédemment, le problème du bruit provient principalement d'un mauvais ratio densité d'échantillonnage horizontal élevé/précision verticale. Le filtre de taille de fenêtre vous permet d'améliorer ce ratio. Bien qu'il soit difficile de quantifier la précision des données affinées, d'un point de vue empirique, cette approche fonctionne correctement.

Affinage des données

Les points lidar sont affinés lors de la création d'un jeu de données de MNT. L'algorithme de filtre appliqué est basé sur le type de pyramide sélectionné pour le jeu de données de MNT. Heureusement, le nom du type de pyramide est identique à celui de l'algorithme de filtre, ce qui évite toute ambiguïté. Le type de pyramide est sélectionné via l'Assistant MNT du menu contextuel de jeu de données d'entité d'ArcCatalog ou de la fenêtre Catalogue.

Vous devez ensuite spécifier les niveaux de pyramide. A des fins d'atténuation de bruit, vous devez sélectionner le premier niveau de pyramide, qui est l'étape en dessous de la résolution maximale. Une tolérance z égale à la précision verticale des données est raisonnable pour ce niveau. Ce processus élimine autant de bruit que possible, tout en préservant maximum la précision du résultat. Si vous commencez par une précision verticale de 15 centimètres, vous obtenez approximativement une précision de 30 centimètres ; si vous produisez des isolignes, définissez leur intervalle sur une valeur deux fois supérieure, à savoir 60 centimètres ou approximativement 2 pieds. Lors de la création d'une pyramide de taille de fenêtre, une distance de référence égale à deux fois l'espacement des points nominal est raisonnable.

Après avoir créé un jeu de données de MNT, les points affinés résident dans leur pyramide. Utilisez les outils de géotraitement Isoligne de surface et Pente de surface pour générer des isolignes et la pente. Les résultats offriront moins de bruit qu'avec des points non affinés. Cette technique présente cependant un inconvénient : les isolignes et les évaluations de pente générées à partir de ces surfaces basées sur TIN seront plus angulaires et discontinues que nécessaire. Une alternative recommandée consiste à utiliser un raster qui offrira des résultats plus lisses.

Interpolation raster

Les sorties d'isoligne et de pente peuvent être améliorées en les dérivant d'un raster créé à partir d'un jeu de données de MNT. Les ingénieurs ont traditionnellement une préférence pour l'utilisation directe des TIN. Ils sont donc susceptibles de ne pas apprécier l'idée d'utiliser un raster, mais en matière de production spécifique d'isolignes et de pente à partir de données lidar, cette préférence est injustifiée. D'abord, les points lidar sont essentiellement collectés dans une distribution aléatoire, Les triangles obtenus ne sont pas sélectionnés manuellement et peuvent ne pas s'ajuster à certains modèles mathématiques des logiciels DAO (par exemple, la conception de routes).

En outre, la surface linéaire segmentée définie par des faces de triangle planaires n'est pas lisse. Il est possible d'obtenir une surface plus lisse à l'aide de l'outil de géotraitement MNT vers raster avec l'option d'interpolation des voisins naturels. Autre avantage de l'utilisation de l'outil MNT vers raster est que vous pouvez rasteriser un jeu de données de MNT entier en une seule opération, en évitant la contrainte de taille associée à l'extraction TIN.

Une fois que vous avez généré un modèle de surface raster du jeu de données de MNT, vous pouvez utiliser les outils de géotraitement de raster Isoligne et Pente sur le raster dérivé. Les images suivantes illustrent la différence entre la résolution maximale et les dérivés d'isoligne et de pente généralisés.

A gauche, les isolignes créées à partir de données lidar en résolution maximale et, à droite, une version rastérisée de l'ensemble affiné. Le résultat, bien que n'étant pas de qualité cartographique, représente quand même une amélioration significative.

A gauche, la pente générée à partir de données lidar en résolution maximale, et, à droite, légèrement affinée et rastérisée.

Le lidar est considéré comme bruyant en raison de sa précision verticale basse par rapport à la distance d'échantillonnage horizontal. Ce bruit se traduit par des isolignes de mauvaises qualité et des taux de pente moyenne excessivement élevés. Le bruit peut être réduit par le biais de l'affinage et du lissage des points, sans perte significative de précision et de détail. Le jeu de données de MNT fournit ces outils via une structure pyramidale et l'interpolation des voisins naturels.