Le système LiDAR mobile (SLM) est une technologie d'acquisition de données de pointe qui permet de cartographier les scènes du monde réel en nuages de points 3D. Les applications du SLM sont très vastes, de la foresterie à la modélisation 3D des villes, en passant par l'évaluation de l'inventaire routier et la cartographie des infrastructures portuaires. Le SLM peut également être monté sur diverses plateformes, telles que des plateformes aériennes, terrestres, marines, etc. Indépendamment de l'application et de la plateforme, pour s'assurer que le SLM atteigne sa performance optimale et sa meilleure précision, il est essentiel de traiter correctement les erreurs systématiques du système, spécialement l'erreur des angles de visée à laquelle on s'intéresse particulièrement dans cette thèse. L'erreur des angles de visée est définie comme le désalignement rotationnel des deux parties principales du SLM, le système de positionnement et d'orientation et le scanneur LiDAR, introduit par trois angles de visée. En fait, de petites variations angulaires dans ces paramètres peuvent causer des problèmes importants d'incertitude géométrique dans le nuage de points final et il est vital d'employer une méthode d'alignement pour faire face à la problématique de l'erreur des angles de visée de ces systèmes. La plupart des méthodes existantes d'alignement des angles de visée qui ont été principalement développées pour les SLM aériens et terrestres, tirent profit d'éléments in-situ spécifiques et présents sur les sites de levés et adéquats pour ces méthodes. Par exemple, les éléments linéaires et planaires extraits des toits et des façades des maisons. Cependant, dans les environnements sans présence de ces éléments saillants comme la forêt, les zones rurales, les ports, où l'accès aux éléments appropriées pour l'alignement des angles de visée est presque impossible, les méthodes existantes fonctionnent mal, voire même pas du tout. Par conséquent, cette recherche porte sur l'alignement des angles de visée d'un SLM dans un environnement complexe. Nous souhaitons donc introduire une procédure d'acquisition et traitement pour une préparation adéquate des données, qui servira à la méthode d'alignement des angles de visée du SLM. Tout d'abord, nous explorons les différentes possibilités des éléments utilisés dans les méthodes existantes qui peuvent aider à l'identification de l'élément offrant le meilleur potentiel pour l'estimation des angles de visée d'un SLM. Ensuite, nous analysons, parmi un grand nombre de possibles configurations d'éléments (cibles) et patrons de lignes de balayage, celle qui nous apparaît la meilleure. Cette analyse est réalisée dans un environnement de simulation dans le but de générer différentes configurations de cibles et de lignes de balayage pour l'estimation des erreurs des angles de visée afin d'isoler la meilleure configuration possible. Enfin, nous validons la configuration proposée dans un scénario réel, soit l'étude de cas du port de Montréal. Le résultat de la validation révèle que la configuration proposée pour l'acquisition et le traitement des données mène à une méthode rigoureuse d'alignement des angles de visée qui est en même temps précise, robuste et répétable. Pour évaluer les résultats obtenus, nous avons également mis en œuvre une méthode d'évaluation de la précision relative, qui démontre l'amélioration de la précision du nuage de points après l'application de la procédure d'alignement des angles de visée. / A Mobile LiDAR system (MLS) is a state-of-the-art data acquisition technology that maps real-world scenes in the form of 3D point clouds. The MLS's list of applications is vast, from forestry to 3D city modeling and road inventory assessment to port infrastructure mapping. The MLS can also be mounted on various platforms, such as aerial, terrestrial, marine, and so on. Regardless of the application and the platform, to ensure that the MLS achieves its optimal performance and best accuracy, it is essential to adequately address the systematic errors of the system, especially the boresight error. The boresight error is the rotational misalignment offset of the two main parts of the MLS, the positioning and orientation system (POS) and the LiDAR scanner. Minor angular parameter variations can cause important geometric accuracy issues in the final point cloud. Therefore, it is vital to employ an alignment method to cope with the boresight error problem of such systems. Most of the existing boresight alignment methods, which have been mainly developed for aerial and terrestrial MLS, take advantage of the in-situ tie-features in the environment that are adequate for these methods. For example, tie-line and tie-plane are extracted from building roofs and facades. However, in low-feature environments like forests, rural areas, ports, and harbors, where access to suitable tie-features for boresight alignment is nearly impossible, the existing methods malfunction or do not function. Therefore, this research addresses the boresight alignment of a marine MLS in a low-feature maritime environment. Thus, we aim to introduce an acquisition procedure for suitable data preparation, which will serve as input for the boresight alignment method of a marine MLS. First, we explore various tie-features introduced in the existing ways that eventually assist in the identification of the suitable tie-feature for the boresight alignment of a marine MLS. Second, we study the best configuration for the data acquisition procedure, i.e., tie-feature(s) characteristics and the necessary scanning line pattern. This study is done in a simulation environment to achieve the best visibility of the boresight errors on the selected suitable tie-feature. Finally, we validate the proposed configuration in a real-world scenario, which is the port of Montreal case study. The validation result reveals that the proposed data acquisition and processing configuration results in an accurate, robust, and repeatable rigorous boresight alignment method. We have also implemented a relative accuracy assessment to evaluate the obtained results, demonstrating an accuracy improvement of the point cloud after the boresight alignment procedure.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/103163 |
| Date | 22 November 2022 |
| Creators | Hassanzadeh Shahraji, Mohsen |
| Contributors | Larouche, Christian, Cocard, Marc |
| Source Sets | Université Laval |
| Language | English |
| Detected Language | French |
| Type | COAR1_1::Texte::Thèse::Thèse de doctorat |
| Format | 1 ressource en ligne (xxii, 183 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0182 seconds