Colloque

Classification automatique de nuages de points issus du lidar aéroporté par apprentissage profond

Mathieu Turgeon-Pelchat

Membre a labase

Mathieu Turgeon-Pelchat : Université de Sherbrooke

Résumé de la communication

Les données lidar sont utilisées dans la planification urbaine et l’aide à la décision en situation d’urgences. L’importance de ces données mène à une croissance dans la disponibilité des nuages de points issus de lidar aéroporté. Pour en permettre l’analyse, il est nécessaire de faire la classification de ces données, soit d’associer une classe d’occupation du sol à chacun des points. Pour certaines classes d’occupation du sol, les algorithmes de classification automatique ne parviennent pas à obtenir des résultats dont la qualité se rapproche de ce qu’une personne qualifiée peut obtenir. Ce faisant, cette étape nécessite une intervention manuelle importante afin de corriger les résultats des processus automatiques, ce qui augmente le coût de valorisation de ces données. Les caractéristiques des nuages de points varient énormément selon les spécifications d’acquisition, le capteur utilisé et les conditions de la zone à couvrir au moment de l’acquisition, ce qui augmente la difficulté d’automatisation de l'étape de classification. Cette recherche vise à vérifier l’applicabilité d’une méthode de classification basée sur l’apprentissage profond, à des nuages de points issus du lidar aéroporté dans différents contextes, de superficies importantes (>200km²). Les résultats ont été évalués quantitativement et qualitativement sur la capacité à classifier les points de bâtiments, de végétation et de plan d’eau, sur des sites d'études au Québec et au Nouveau-Brunswick.

Résumé du colloque

L’observation de la Terre (OT) concerne l’acquisition et la production d’informations sur notre milieu de vie, notamment les ressources naturelles, l’environnement, l’atmosphère et les infrastructures, à l’aide des technologies de télédétection par satellites ou par d’autres moyens aériens (avions, drones). On assiste de plus en plus à un développement fulgurant des différents types de plateformes d’acquisition par les agences spatiales à travers le monde, mais également par le secteur privé. Cette effervescence est motivée par les défis et les possibilités énormes liés, entre autres, à la gestion des espaces territoriaux, à la gestion des ressources naturelles ou au changement climatique. Les différentes plateformes permettent d’imager les territoires à des échelles temporelles et spatiales inédites, contribuant ainsi à une compréhension de plus en plus raffinée de notre environnement de vie. Ces technologies sont incontournables pour le Québec et le reste du Canada, compte tenu des énormes étendues territoriales peu habitées. Avec la multiplication des plateformes, l’OT est l’une des plus grandes sources de mégadonnées. Elle cumule jour après jour des quantités phénoménales de données. Se pose alors le défi de l’exploitation de ces données massives à l’ère de la 4^e révolution industrielle pour produire de l’information décisionnelle. Les progrès importants en intelligence artificielle influencent grandement les approches utilisées en télédétection, sur le plan tant des traitements que de l’utilisation de ces données. Ainsi, le colloque proposé s’interroge sur la place de l’OT dans cette nouvelle ère, les tendances dans l’archivage, les traitements et l’exploitation des données. Il s’interroge sur les changements de paradigmes, et en particulier sur l’impact sur la compréhension fondamentale des données d’OT face à des méthodes d’extraction automatisée. Le colloque s’intéresse à l’OT sous différents angles (mégadonnées, IA, etc.).