En hydrographie, la bathymétrie est une technique de mesure permettant de visualiser le relief du fond de l’eau en créant un nuage de points 3D où chacun des points de sonde est géoréférencé dans un référentiel global tridimensionnel. Pour ce faire, une vedette hydrographique est équipée d’un SONAR, d’une centrale inertielle et d’un GNSS. Cependant, plusieurs sources d’incertitudes viennent altérer la qualité des points de sonde mesurés. C’est pourquoi, plusieurs efforts de recherche actuels visent l’élaboration d’estimateurs d’erreur permettant de détecter et de quantifier certaines erreurs systématiques en bathymétrie. Dans le contexte des ASV (Autonomous Surface Vehicles) ou véhicules autonomes de surface, ces estimateurs d’erreur ont pour but de rendre plus robustes les levés réalisés par ce type de véhicule, car les données acquises peuvent être validées en temps quasi-réel avant que le véhicule retourne à terre. Ceci permet d’assurer que les données respectent les spécifications demandées du levé hydrographique. Traditionnellement, de tels estimateurs d’erreur doivent être appliqués dans la zone de recouvrement d’au moins deux lignes de levé et représentant une région plane (i.e. un fond plat ou en pente). Ceci permet de vérifier la présence et la grandeur du biais de positionnement sur cette surface. Par ailleurs, de telles surfaces planes sont aussi d’intérêt pour la calibration automatique des systèmes d’acquisition bathymétrique. En effet, des plans sont nécessaires pour calculer les angles de visée entre la centrale inertielle et le sonar multifaisceaux. L’objectif de ce projet de maîtrise est d’élaborer une méthode robuste et fiable d’extraction de plans par croissance de régions dans un nuage de points bathymétriques. La solution élaborée permet d’obtenir la position et les paramètres des régions planes ainsi que leur qualité. Elle a été testée et validée avec différents jeux de données présentant une variété de morphologie du fond marin. / In hydrography, bathymetry is a measurement technique used to visualize the relief of the seabed by creating a 3D point cloud where each of the sounding points is georeferenced in a global three-dimensional reference frame. To do so, a hydrographic vessel is equipped with a SONAR, an inertial measurement unit (IMU) and a GNSS. However, several sources of uncertainty affect the quality of the measured sounding points. Therefore, current research efforts aim to develop error estimators to detect and quantify environmental and systematic bathymetric errors. In the context of Autonomous Surface Vehicles (ASVs), these error estimators aim to make the surveys more robust, since the data acquired can be validated in near real-time before the vehicle returns to the harbour. This ensures that the data meets the requested hydrographic survey specifications. Traditionally, such error estimators must be applied in the overlapping area of at least two survey lines and representing a flat region (i.e. a flat or slope bottom). On this surface, it is possible to check the presence and the magnitude of the positioning bias. Moreover, such flat surfaces are also of interest for automatic calibration of the bathymetric acquisition systems. Indeed, plans are needed to calculate the boresight angles between the inertial measurement unit and the multibeam sonar. The objective of this master’s project is to develop a robust and reliable method for extracting plans using region growing in a bathymetric point cloud. The developped solution provides the position and the parameters of the flat regions as well as their quality. It has been tested and validated with different datasets showing a variety of seabed morphology.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/66895 |
| Date | 23 March 2024 |
| Creators | Dupont, Vincent |
| Contributors | Daniel, Sylvie, Larouche, Christian |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | mémoire de maîtrise, COAR1_1::Texte::Thèse::Mémoire de maîtrise |
| Format | 1 ressource en ligne ( xii, 107 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0172 seconds