Les Systèmes LiDAR Mobiles (SLM) sont devenus des outils d’acquisition de données géospatiales de plus en plus accessibles pour plusieurs professionnels oeuvrant dans différents domaines. Cette accessibilité permet à ces professionnels la modélisation 3D de leurs projets s’étendant sur de longs corridors routiers, côtiers, ferroviaires, etc. Les premiers SLM ont été développés pour des applications de cartographie sur des plateformes aériennes (avions, hélicoptères). Plus récemment (à partir des années 90), ils ont été adaptés aux véhicules terrestres, aux embarcations marines et aux drones. Un SLM est une combinaison d’au moins trois capteurs, un récepteur GNSS, une centrale inertielle et un scanneur LiDAR. D’autres capteurs peuvent s’ajouter pour améliorer la qualité de l’acquisition des données. Un facteur important, lors d’une acquisition des données ou du post-traitement des données acquises, est de connaître la qualité associée. Cette qualité peut être estimée en connaissant les incertitudes-types de chaque capteur fournies par les spécifications du système. De plus, l’incertitude associée aux points observés par le système ne provient pas seulement des incertitudes-types des capteurs. Les erreurs peuvent être divisées en trois composantes. La première composante est la source d’erreur, qui provient des spécifications des capteurs. La deuxième, est la variable d’état du système qui dépend de la plateforme sur laquelle le SLM est embarqué. Puis, la troisième, est la géométrie de l’objet scanné, ou pour les SLM considérés dans ce projet, la morphologie du terrain. Cette combinaison montre que ce n’est pas seulement l’incertitude-type des capteurs qui est responsable de la qualité du levé, mais aussi sa plateforme et le terrain à lever. Par exemple, un système terrestre qui observe les données d’une certaine surface à partir d’une voiture ne produira pas nécessairement des données de même qualité que celles levées sur cette même surface avec le même système embarqué sur un drone. L’objectif de ce projet de recherche est de développer un modèle mathématique qui considère ces trois composantes d’erreurs et de valider ce modèle avec les données acquises sur le terrain avec un SLM terrestre. Le système utilisé pour l’acquisition des données est un SLM disponible au Département des sciences géomatiques de l’Université Laval. Un site de levé a été sélectionné sur le campus de la même université. / Mobile LiDAR Systems (MLS) have become more accessible geospatial data collection tools to more professionals in different areas. This accessibility allows these professionals to carry out 3D modeling of their projects. The first Mobile LiDAR Systems were developed for aerial cartography applications and more recently (from the 90s) they were adapted to land vehicles, marine crafts and drones. A MLS is a combination of at least three sensors, a GNSS receiver, an IMU and a LiDAR scanner. Other sensors can be added to improve the quality of the data acquisition. An important factor when acquiring or post-processing MLS data is knowing the associated quality. This quality can be estimated by using the standard measurement uncertainty of each sensor. This information is available in these sensor specifications datasheets. Moreover, the uncertainty associated to points collected by the system do not come only from the sensor standard measurement uncertainty. In fact, three types of uncertainties are involved. The first type of uncertainty comes from the sensor specifications datasheets. The second one is the system state variable which depends on the system platform. The third one is the geometry of the scanned object, and more specifically for this project, the field morphology. This combination shows that the standard measurement uncertainty of the sensors is not the only one responsible for the quality of the acquired data, but also the moving platform and the field to be scanned. For instance, the same system that collects data of a surface from a car will not have necessarily the same quality as the data acquired on the same surface with the same system if it is installed on a drone. The research project objective is to develop of a mathematical model that considers the above three components of mentionned uncertainties and to validate this model by using data acquired in a field with a terrestrial MLS. The system used for data acquisition is a MLS available at the Department of Geomatics Sciences of Laval University and the data acquisition site is located on the campus of the same university.
Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/33669 |
Date | 20 February 2019 |
Creators | Cassol, Willian Ney |
Contributors | Seube, Nicolas, 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 (xiv, 108 pages), application/pdf |
Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0016 seconds