Indoor spaces, where we spend the majority of our lives, greatly impact our work, social interactions, and well-being. In recognition of the central role that buildings play in our lives, architects and designers have increasingly focused on creating spaces that intentionally promote interaction and collaboration between building occupants. One challenge arising from this trend is evaluating the efficacy of new designs. This study used object tracking data for the Fall 2023 semester from a collection of lidar sensors installed in a portion of a mixed-use academic building on a university campus to algorithmically detect occupancy and serendipitous collisions between people - patterns of simultaneous movement and pause that indicate that two or more individuals have stopped and had a meaningful interaction. The algorithm detected over 14,000 collisions throughout the semester with high spatial and temporal precision. Occupancy and collisions were highly related over several scales of temporal and spatial analysis. Furthermore, several interesting patterns emerged, including (a) collisions peaked early in the semester, then declined before leveling off, (b) occupancy peaked in mid-afternoon, while collisions peaked in the late afternoon and early evening, (c) collisions peaked later in the week than did occupancy, and (d) specific hotspots were apparent at important nodes such as the bottom of stairs and near elevators. The patterns found in this study can provide insight as to how interactions can be measured using remote sensing data, and can aid designers in attempting to increase collaboration in shared indoor environments. / Master of Science / We spend lots of our times in buildings, and they are very important for our well-being. Designers have recently been focusing on promoting collaboration and interaction between people within building spaces. Despite their importance, these interactions within buildings have been challenging to categorize and analyze. This study used object-tracking data for the Fall 2023 semester from a collection of lidar sensors, which were intermittently placed in the ground-floor public spaces of a new hybrid residential-academic university building on Virginia Tech's Blacksburg campus. A computer program was written to parse through this data, and detect unplanned collisions between people; patterns of movement and pause that indicate that two or more people have stopped and had a meaningful interaction (for example, running into a friend while walking down the hallway). This study was able to detect collisions relatively well using a computer algorithm. The patterns and distributions of these collisions were then analyzed in time and space. The number of collisions and the number of people present in the space were highly related on all scales of time and space. In terms of time itself, collisions happened the most at the beginning of the semester, where they then dropped off. Collisions happened more frequently both later in the day (in afternoon, evening, and night hours) and later in the week (on Thursday, Friday, and Saturday). In terms of space, these collisions happened most frequently in the areas around the elevator, at the base of the stairs, and in the building's main lobby area. They happened less in hallways and near some seating areas. The patterns revealed from this study can help us better understand how to detect interactions between people within buildings, and can help designers increase the amount of these interactions.

Le traitement d'un très grand nombre de données LiDAR demeure très coûteux et nécessite des approches de modélisation 3D automatisée. De plus, les nuages de points incomplets causés par l'occlusion et la densité ainsi que les incertitudes liées au traitement des données LiDAR compliquent la création automatique de modèles 3D enrichis sémantiquement. Ce travail de recherche vise à développer de nouvelles solutions pour la création automatique de modèles géométriques 3D complets avec des étiquettes sémantiques à partir de nuages de points incomplets. Un cadre intégrant la connaissance des objets à la modélisation 3D est proposé pour améliorer la complétude des modèles géométriques 3D en utilisant un raisonnement qualitatif basé sur les informations sémantiques des objets et de leurs composants, leurs relations géométriques et spatiales. De plus, nous visons à tirer parti de la connaissance qualitative des objets en reconnaissance automatique des objets et à la création de modèles géométriques 3D complets à partir de nuages de points incomplets. Pour atteindre cet objectif, plusieurs solutions sont proposées pour la segmentation automatique, l'identification des relations topologiques entre les composants de l'objet, la reconnaissance des caractéristiques et la création de modèles géométriques 3D complets. (1) Des solutions d'apprentissage automatique ont été proposées pour la segmentation sémantique automatique et la segmentation de type CAO afin de segmenter des objets aux structures complexes. (2) Nous avons proposé un algorithme pour identifier efficacement les relations topologiques entre les composants d'objet extraits des nuages de points afin d'assembler un modèle de Représentation Frontière. (3) L'intégration des connaissances sur les objets et la reconnaissance des caractéristiques a été développée pour inférer automatiquement les étiquettes sémantiques des objets et de leurs composants. Afin de traiter les informations incertitudes, une solution de raisonnement automatique incertain, basée sur des règles représentant la connaissance, a été développée pour reconnaître les composants du bâtiment à partir d'informations incertaines extraites des nuages de points. (4) Une méthode heuristique pour la création de modèles géométriques 3D complets a été conçue en utilisant les connaissances relatives aux bâtiments, les informations géométriques et topologiques des composants du bâtiment et les informations sémantiques obtenues à partir de la reconnaissance des caractéristiques. Enfin, le cadre proposé pour améliorer la modélisation 3D automatique à partir de nuages de points de zones urbaines a été validé par une étude de cas visant à créer un modèle de bâtiment 3D complet. L'expérimentation démontre que l'intégration des connaissances dans les étapes de la modélisation 3D est efficace pour créer un modèle de construction complet à partir de nuages de points incomplets. / The processing of a very large set of LiDAR data is very costly and necessitates automatic 3D modeling approaches. In addition, incomplete point clouds caused by occlusion and uneven density and the uncertainties in the processing of LiDAR data make it difficult to automatic creation of semantically enriched 3D models. This research work aims at developing new solutions for the automatic creation of complete 3D geometric models with semantic labels from incomplete point clouds. A framework integrating knowledge about objects in urban scenes into 3D modeling is proposed for improving the completeness of 3D geometric models using qualitative reasoning based on semantic information of objects and their components, their geometric and spatial relations. Moreover, we aim at taking advantage of the qualitative knowledge of objects in automatic feature recognition and further in the creation of complete 3D geometric models from incomplete point clouds. To achieve this goal, several algorithms are proposed for automatic segmentation, the identification of the topological relations between object components, feature recognition and the creation of complete 3D geometric models. (1) Machine learning solutions have been proposed for automatic semantic segmentation and CAD-like segmentation to segment objects with complex structures. (2) We proposed an algorithm to efficiently identify topological relationships between object components extracted from point clouds to assemble a Boundary Representation model. (3) The integration of object knowledge and feature recognition has been developed to automatically obtain semantic labels of objects and their components. In order to deal with uncertain information, a rule-based automatic uncertain reasoning solution was developed to recognize building components from uncertain information extracted from point clouds. (4) A heuristic method for creating complete 3D geometric models was designed using building knowledge, geometric and topological relations of building components, and semantic information obtained from feature recognition. Finally, the proposed framework for improving automatic 3D modeling from point clouds of urban areas has been validated by a case study aimed at creating a complete 3D building model. Experiments demonstrate that the integration of knowledge into the steps of 3D modeling is effective in creating a complete building model from incomplete point clouds.

Dans ce mémoire nous présentons une méthode pour référencer deux nuages de points denses. Cette méthode commence par l'analyse d'un nuage de points de grand volume, composé d’environ 2 millions de points recueillis par un LiDAR (Light Detection And Ranging) monté sur une voiture, afin de le segmenter en surfaces représentatives pertinentes en termes de géométrie et de localisation. Ensuite, nous présentons la construction de descripteurs pour chacun des segments trouvés afin d’obtenir des caractéristiques significatives des segments. Ces descripteurs sont le FPFH (Fast Point Feature Histograms) et l’histogramme des orientations de surface. Pour finir, les descripteurs recueillis sur deux nuages de points différents du même environnement extérieur sont comparés pour repérer les segments similaires et ainsi permettre la localisation du véhicule par rapport à l'environnement extérieur. / In this work we present a method to reference two dense point clouds. We begin by analyzing a point cloud of a large number of points, approximately 2 million points collected by a LiDAR mounted on a car, in order to segment this point cloud into surfaces that feature representative regions of the point cloud that are interesting in terms of geometry. Then the construction of descriptors for each segment found is made to identify significant features. These descriptors are the FPFH (Fast Point Feature Histograms) and the surface orientation histogram. Finally, the descriptors collected on two different point clouds of the same outdoor environment are compared to identify similar segments and thus to allow the location of the vehicle in relation to the outdoor environment.

Durant les vingt dernières années, les grandes avancées technologiques de la télédétection aéroportée active de type Lidar ont permis d'étendre ses applications principalement dans le secteur forestier. Le capteur Lidar nous permet de déterminer la distance et la position d'un objet à partir du temps que met le rayon de lumière à atteindre le sol et à retourner au capteur. Cette capacité du Lidar est utilisée avec succès dans les études de foresterie car elle permet de caractériser le sol, la végétation, et les structures dans les trois dimensions tout en recueillant de telles données rapidement sans façon destructive. D’autre part, la fusion des données Lidar avec des données multispectrales a ouvert un grand nombre d’applications en foresterie car elle fournit de l’information sur les types de végétation, la densité foliaire des arbres, leur phénologie, de même que les propriétés optiques pour des espèces choisies. La Financière Agricole de Québec (FADQ) en collaboration avec le Laboratoire de Géomatique Agricole et Appliquée (GAAP) , cherche à profiter de ce type de technologie afin de mieux évaluer et caractériser les vergers en améliorant sa capacité à en faire l’inventaire, l’estimation des rendements et l’évaluation de sa qualité. Le présent projet vise à démontrer le potentiel des données Lidar pour visualiser en trois dimensions des attributs de structure des pommiers individuels tel que la taille de la couronne et l’estimation de la hauteur avec lesquelles on obtient la quantification de la biomasse foliaire, le calcul de la densité de feuillage et l’état du couvert. Les résultats des inventaires et rendements estimés sont comparés au rendement réel en démontrant ses avantages par rapport à la méthode conventionnelle. / During the last twenty years, large technological advances in active airborne remote sensing have allowed its application to the forest and agricultural sectors. The Lidar sensor determines the distance and the position of an object, based on the time taken by a beam of light to reach the ground and to return to the sensor. Lidar has been successfully used in forestry studies because it results in a characterization of the structure of forest stands in three dimensions. Data collection is fast and non-intrusive. On the other hand, the fusion of Lidar data with multi-spectral data opens a large number of potential forestry applications because it provides information about the type of vegetation, the foliar density of trees, their phenology, as well as optical properties of certain species. The Financière Agricole de Québec (FADQ) in association with the Laboratoire de géomatique agricole et appliquée (GAAP), has used this technology to assess the yield and the quality of orchards in Québec. The present project aims at demonstrating the potential of Lidar and of multi-spectral data to show in 3D attributes of structure of individual apple trees such as the size of the crown and the estimation of the tree height. This then allows us to estimate the foliar biomass, the density of foliage and individual tree geo-positioning obtained by Lidar. The results of the tree counting and apple production estimations are compared with field data and with statistics from FADQ. The correlations are high, demonstrating that the Lidar method is able to accurately evaluate the production of apple orchards.

Avec l'avancement des connaissances cartographiques en hydrologie forestière, il est maintenant envisageable de déterminer les limites inférieures aquatique et terrestre des écotones riverains à partir de données topographiques à haute résolution spatiale. L'utilisation d'informations dérivées des données LiDAR aéroportées pourrait permettre de localiser précisément et de décrire la transition entre les milieux aquatiques et terrestres. Quatre variables géospatiales ont été utilisées, soit le *Depth-to-Water* (DTW), le *Topographic Wetness Index* (TWI), le Modèle de Hauteur de Canopée (MHC) et la différence d'élévation adjacente (DEA) issue d'un modèle numérique de terrain (MNT). Des inventaires sur le terrain pour décrire et documenter la zone de transition riveraine ont été réalisés en2019 et 2020 dans six bassins versants localisés dans trois régions écologiques différentes du Québec (Dépression de la Tuque, Massif de la Jacques-Cartier, Plateau de l'Abitibi). Au total, 3 743 stations de caractérisation réparties le long de 896 transects de longueurs variables ont été inventoriées. Les valeurs relatives aux différentes variables géospatiales utilisées ont été extraites à partir des données d'observations collectées sur le terrain. Les résultats ont montré que chacune des variables géospatiales utilisées permet d'identifier cartographiquement, à différents niveaux, les limites aquatiques et terrestres des écotones riverains sur le territoire. Il fut démontré que la DEA et le MHC forment la combinaison la plus parcimonieuse pour identifier lesdites limites. Ainsi, il a été possible d'évaluer les capacités des variables géospatiales pour identifier des limites représentant les écotones riverains selon une définition qui intègre et respecte les différents processus écologiques liés au milieu riverain. Elles pourraient être utilisées de façon fiable dès maintenant par les différents intervenants des environnements forestiers, assurant une protection adéquate des composantes hydrologiques et riveraines et qui répondent au besoin actuel de gestion et de planification.

Thèse en cotutelle : Université Laval Québec, Canada et École nationale supérieure des télécommunications de Bretagne Brest, France / La nécessité et l’importance de représenter une scène en 3-D ont été illustrées par de nombreuses applications en télédétection, telles que la planification urbaine, la gestion des catastrophes, etc. Dans ces applications, les données issues du LiDAR et de l’imagerie optique aérienne et satellitaire ont été largement utilisées. Il existe une complémentarité entre les données issues du LiDAR aéroporté et de l’imagerie optique aérienne/satellite, qui motive la fusion de ces données permettant de représenter des scènes observées en 3-D avec une meilleure précision et complétude. Ces dernières années, l’extraction automatique de l’empreinte des bâtiments dans les scènes urbaines et résidentielles est devenue un sujet d’intérêt croissant dans le domaine de la représentation et de la reconstruction de scènes en 3-D. Avec l’augmentation de la disponibilité d’une quantité massive de données capturées par différents capteurs LiDAR et d’imagerie installés sur des plateformes aériennes et spatiales, de nouvelles opportunités se présentent pour effectuer cette tâche à grande échelle. Cependant, les méthodes de fusion existantes considèrent généralement soit des systèmes d’acquisition hybrides composés de LiDAR et de caméras optiques fixés rigidement, soit des jeux de données acquis à partir de la même plateforme à des dates identiques ou très proches, et ayant la même résolution spatiale. Elles n’ont pas été conçues pour traiter des jeux de données acquis avec des plateformes différentes, dans différentes configurations, à des moments différents, ayant des résolutions spatiales et des niveaux de détail différents. Un tel contexte est appelé contexte d’acquisition non-contraint. D’autre part, l’extraction automatique de l’empreinte des bâtiments à grande échelle est une tâche complexe. Des méthodes existantes ont obtenu des résultats relativement significatifs mais en définissant des formes a priori pour les bâtiments, en imposant des contraintes géométriques, ou en se limitant à des zones spécifiques. De telles hypothèses ne sont plus envisageables pour des jeux de données à grande échelle. Ce travail de recherche est consacré au développement d’une méthode versatile de recalage grossier puis fin de jeux de données collectés selon un contexte d’acquisition non-contraint. Il vise à surmonter les défis associés à ce contexte tels que le décalage spatial entre les jeux de données, la différence de résolution spatiale et de niveau de détail, etc. De plus, ce travail de recherche propose une méthode d’extraction efficace des empreintes des bâtiments, offrant un niveau de précision élevé tout en étant une méthode non-supervisée dédiée aux applications à grande échelle. La méthode proposée, appelée “Super-Resolution-based Snake Model” (SRSM), consiste en une adaptation des modèles de snakes—une technique classique de segmentation d’images—pour exploiter des images d’élévation LiDAR à haute résolution générées par un processus de super-résolution. Il se rapporte au contexte d’acquisition de données non-contraint, servant d’exemple d’application de premier ordre. Des résultats pertinents ont été obtenus lors des évaluations rigoureuses des méthodes proposées, à savoir un niveau de précision hautement souhaitable par rapport aux méthodes existantes. Mots-clés : LiDAR aéroporté, imagerie optique satellitaire et aérienne, recalage de données, information mutuelle, super-résolution, scènes urbaines, extraction de bâtiments, grande échelle.

Sur la très vaste majorité des forêts publiques du Québec, notamment en forêt boréale, les principales données disponibles permettant de décrire les milieux humides sont celles provenant de l’inventaire forestier du quatrième décennal. Ces données manquent toutefois de précision, ce qui occasionne de nombreuses difficultés dans la planification et la récolte forestière. La cartographie à haute résolution, rendue possible grâce à l’acquisition de données lidar, devrait néanmoins permettre de pallier à cette problématique. Ce mémoire permet l’évaluation de la capacité d’outils cartographiques d’identification des zones humides potentielles à détecter les zones de contraintes de drainage aux opérations forestières (ZC) identifiées sur le terrain. Le « Topographic Wetness Index » (TWI), le« SAGA Wetness Index » (SAGAWI) et le « Depth-to-Water » (DTW) ont été produits à partir d’un modèle numérique de terrain (MNT) d’une résolution de 1 m dérivé du traitement des données lidar aéroporté. Des données de validation ont été prises sur le terrain dans les régions de la Capitale-Nationale et de l’Outaouais. La comparaison des indices a été réalisée à l’aide de statistiques zonales produites, d’arbres de classification et de matrices de confusion en lien avec les données de validation prises sur le terrain. Les résultats montrent que le SAGAWI est plus performant que le TWI pour l’identification des ZC. Il semble également plus efficace que le DTW : avec un seuil calibré pour l’ensemble des secteurs à l’étude, la précision globale du SAGAWI a été évaluée à 89%, alors que celle du DTW a été évaluée à 59%. On s’attend à ce que l’utilisation du SAGAWI puisse efficacement identifier des zones humides où les contraintes aux opérations forestières mécanisées sont potentiellement fortes, permettant ainsi de réduire les coûts environnementaux et économiques liés au l’altération du sol, favorisant une meilleure gestion intégrée des ressources.

La sous-estimation des hauteurs LiDAR est très largement connue, mais n’a jamais été étudiée pour plusieurs capteurs et diverses conditions forestières. Cette sous-estimation varie en fonction de la probabilité que le faisceau atteigne le sol et le sommet de la végétation. Les principales causes de cette sous-estimation sont la densité des faisceaux, le patron de balayage (capteur), l'angle des faisceaux, les paramètres spécifiques du survol (altitude de vol, fréquence des faisceaux) et les caractéristiques du territoire (pente, densité du peuplement et composition d’essences). Cette étude, réalisée à une résolution de 1 x 1 m, a d’abord évalué la possibilité de faire un modèle d’ajustement pour corriger le biais du modèle numérique de terrain (MNT) et ensuite un modèle d’ajustement global pour corriger le biais sur le modèle de hauteur de canopée (MHC). Pour cette étude, le MNT et le MHC ont été calculés en soustrayant deux jeux de données LiDAR: l’un avec des pixels comportant un minimum de 20 retours (valeur de référence) et l’autre avec des pixels à faible densité (valeur à corriger). Les premières analyses ont permis de conclure que le MNT ne nécessitait pas d’ajustement spécifique contrairement au MHC. Parmi toutes les variables étudiées, trois ont été retenues pour calibrer le modèle d’ajustement final du MHC : la hauteur du point le plus haut dans le pixel, la densité de premiers retours par mètre carré et l’écart type des hauteurs maximales du voisinage à 9 cellules. La modélisation s'est déroulée en trois étapes. Les deux premières ont permis de trouver les paramètres significatifs et la forme de l'équation (modèle linéaire mixte (1) et modèle non linéaire (2)).La troisième étape a permis d’obtenir une équation empirique à l’aide d’un modèle non linéaire mixte (3) applicable à un MHC d’une résolution de 1x 1m. La correction de la sous-estimation du MHC peut être utilisée comme étape préliminaire à plusieurs utilisations du MHC comme le calcul de volumes et la création de modèles de croissance ou d’analyses multi-temporelles.

Aerosols show type-specific characteristics, which depend on intensive aerosol optical and microphysical properties that influence the radiation processes in the atmosphere in several ways. There are still large uncertainties in the calculation of the aerosol direct radiative effect. The classification of aerosols and the characterization of the vertical aerosol distribution is needed in order to provide more accurate information for radiative-transfer simulations. In the framework of the present thesis, the vertical and spatial distribution as well as optical properties of atmospheric aerosols over the European continent were investigated based on lidar measurements. Possibilities for an aerosol classification or so-called aerosol typing were presented and major aerosol types were specified. Former studies about the classification of aerosols were summarized and representative values for aerosol-type-dependent parameters were given. Case studies were used to demonstrate how observations of the European lidar network EARLINET from 2008 until 2010 were analyzed for aerosol layers and how model simulations and auxiliary data including the assessment of meteorological conditions were applied to determine the origin of each single aerosol layer. Thus, aerosol-type dependent parameters were evaluated and a novel method for the typing of aerosols was developed, which can be used, e.g., within algorithms of satellite data retrievals. Additionally, conversion factors were determined, which are needed for the harmonization of satellite data of present and upcoming missions. Furthermore, findings of the aerosol typing based on EARLINET data were compared to results of the aerosol classification scheme for satellite-borne lidar measurements onboard CALIPSO. It could be shown that deficient classifications of the aerosol type emerged systematically within the automated CALIPSO algorithm. Those wrong classification leads to an underestimation of the single-scattering albedo and hence to an overestimation of the warming effect of the respective aerosol layer. This overestimated warming effect has to be kept in mind for simulations of the global aerosol radiative effect based on CALIPSO data. / Die Bestimmung des direkten Strahlungsantriebs von Aerosolen ist mit großen Unsicherheiten behaftet. Inwiefern Aerosole die Strahlungsprozesse in der Atmosphäre beeinflussen ist abhängig von ihren optischen und mikrophysikalischen Eigenschaften. Zur Optimierung von Strahlungstransfersimulationen werden daher ergänzende Informationen über typspezifische Aerosoleigenschaften sowie die vertikale Aerosolverteilung benötigt. Im Rahmen der vorliegenden Arbeit wurden anhand von Lidarmessungen die vertikale und räumliche Verteilung atmosphärischer Aerosole über Europa analysiert sowie deren optische Eigenschaften ermittelt. Einleitend werden Möglichkeiten der Aerosolklassifizierung erläutert und Aerosoltypen spezifiziert, die über Europa beobachtet werden können. Vorherige Studien zur Aerosolklassifizierung sind in einer Literaturübersicht zusammengefasst. Anhand von Fallstudien wurde zunächst die Analyse von Beobachtungen des europäischen Lidarnetzwerkes EARLINET von 2008 bis 2010 auf das Vorhandensein von Aerosolschichten verdeutlicht. Die Herkunft jeder einzelnen Aerosolschicht wurde anschließend unter Verwendung von Modellrechnungen sowie weiteren Informationen bestimmt und aerosoltypspezifische Kenngrößen berechnet. Mit Hilfe dieser Kenngrößen ist es möglich, den Typ des Aerosols abzuleiten. Daraus wurde eine neuartige Methode zur Typisierung von Aerosolen entwickelt, die z.B. in Algorithmen zur Verarbeitung von Satellitendaten verwendet werden kann. Zusätzlich wurden Umrechnungsfaktoren bestimmt, die zur Zusammenführung und zum Vergleich von Daten aktueller und zukünftiger Satellitenmissionen benötigt werden. Die Ergebnisse der Aerosoltypisierung auf Basis von EARLINET-Daten wurden anschließend mit Ergebnissen der automatischen Typisierung weltraumbasierter Lidarmessungen des CALIPSO-Satelliten verglichen. Es konnte gezeigt werden, dass innerhalb des CALIPSO-Algorithmus systematisch fehlerhafte Klassifizierungen des Aerosoltyps auftreten. Diese falsche Klassifizierung führt zu einer Unterschätzung der Einfachstreualbedo und zu einer Überschätzung der erwärmenden Wirkung der betreffenden Aerosolschicht. Die überschätzte Wärmewirkung hat wiederum fehlerhafte Ergebnisse bei Strahlungstransferrechnungen, die auf CALIPSO-Daten basieren, zur Folge.

This thesis presents a development to the technique of rotational Raman lidar by, incorporating an imaging spectrometer in conjunction with a clocking CCD detection system. This allowed the rotational Raman spectra of nitrogen and oxygen to be simultaneously recorded as a function of altitude. The rotational Raman spectra were uses to calculate temperature profiles. Recording the complete band envelopes of the rotational Raman spectra removed the need for an external reference, such as a radiosonde. Results are presented from measurements made in Cambridge in chapter 4 and Ny-Alesund in chapter 6. Chapter 7 presents some conventional lidar backscatter measurements made using a PMT in Birmingham during the winter part of the pollution in the Urban Midlands Area (PUMA) campaign. These measurements were used to determine the cloud base and the planetarty boundary layer height. Two automated algorithms were tested at retrieving the PBL height, the inflection point method and the centroid method.