{"id":424,"date":"2022-05-10T14:20:08","date_gmt":"2022-05-10T13:20:08","guid":{"rendered":"https:\/\/monito.irpi.cnr.it\/?p=424"},"modified":"2022-06-01T10:12:27","modified_gmt":"2022-06-01T09:12:27","slug":"systeme-de-surveillance-lidar-aeroporte","status":"publish","type":"post","link":"https:\/\/monito.irpi.cnr.it\/fr\/systeme-de-surveillance-lidar-aeroporte\/","title":{"rendered":"Syst\u00e8me de surveillance: LiDAR a\u00e9roport\u00e9"},"content":{"rendered":"\n

Description technique du principe de fonctionnement:<\/strong><\/p>\n\n\n\n

Le Lidar (de l’anglais Light detection and Ranging<\/em>) est un instrument qui, \u00e0 travers l’\u00e9mission d’une s\u00e9quence d’impulsions laser, est en mesure de reconstruire une image tridimensionnelle d’un objet ou d’une surface mesur\u00e9e. En g\u00e9n\u00e9ral, le syst\u00e8me est structur\u00e9 de mani\u00e8re \u00e0 pouvoir \u00e9mettre une s\u00e9rie d’impulsions laser et en recevoir les \u00e9chos. La version la plus moderne du LiDAR est caract\u00e9ris\u00e9e par la capacit\u00e9 d’analyser l’int\u00e9gralit\u00e9 de la forme d’onde de l’\u00e9cho (full waveform)<\/em>.Cette capacit\u00e9 est tr\u00e8s importante, car elle permet d’effectuer une op\u00e9ration de classification du signal de retour.  En effet, il est possible d’identifier, en fonction des caract\u00e9ristiques de l’\u00e9cho, le type d’objet qui l’a g\u00e9n\u00e9r\u00e9. Il est ainsi possible, par exemple, de distinguer les donn\u00e9es li\u00e9es \u00e0 la r\u00e9ponse de la v\u00e9g\u00e9tation de grande taille de celles provenant de la v\u00e9g\u00e9tation arbustive ou du terrain.<\/p>\n\n\n\n

En mati\u00e8re d’\u00e9tude des glissements de terrain, les donn\u00e9es relatives \u00e0 l’\u00e9cho renvoy\u00e9 par le terrain (ground<\/em>) sont incontestablement les plus importantes, car elles permettent de reconstruire un mod\u00e8le num\u00e9rique du terrain.<\/p>\n\n\n\n

Ces donn\u00e9es s’av\u00e8rent g\u00e9n\u00e9ralement tr\u00e8s importantes, car elles permettent d’analyser la morphologie de la surface topographique m\u00eame si celle-ci est recouverte de v\u00e9g\u00e9tation.<\/p>\n\n\n\n

Il existe deux grandes cat\u00e9gories de LiDAR bas\u00e9es sur le m\u00eame principe de fonctionnement : la cat\u00e9gorie a\u00e9roport\u00e9e et la cat\u00e9gorie terrestre (appel\u00e9e \u00e9galement scanner laser terrestre). <\/p>\n\n\n\n

Le syst\u00e8me a\u00e9rien est nettement plus complexe car il se compose non seulement de l’appareil LiDAR proprement dit mais \u00e9galement d’un ensemble d’\u00e9l\u00e9ments qui permettent l’acquisition du nuage de points en mouvement. Les autres \u00e9l\u00e9ments essentiels sont le r\u00e9cepteur GNSS, le syst\u00e8me inertiel et l’unit\u00e9 de commande. \u00c0 partir de l’assemblage de ces donn\u00e9es, le syst\u00e8me peut reconstruire la trajectoire du vol et g\u00e9o-rapporter correctement le nuage de points acquis. En g\u00e9n\u00e9ral, outre ces \u00e9l\u00e9ments, le syst\u00e8me LiDAR est \u00e9galement \u00e9quip\u00e9 d’un appareil photo capable d’acqu\u00e9rir une s\u00e9quence de photogrammes \u00e0 utiliser de mani\u00e8re st\u00e9r\u00e9oscopique pour cr\u00e9er une orthophotomosa\u00efque. Actuellement, la pr\u00e9cision des nuages de points et du produit orthophotographique est g\u00e9n\u00e9ralement de l’ordre du d\u00e9cim\u00e8tre.<\/p>\n\n\n\n

\"\"
Fig. 1 \u2013 Sch\u00e9ma de fonctionnement \u00e9mission, r\u00e9flexion et enregistrement des impulsions LiDAR a\u00e9rien<\/figcaption><\/figure>\n\n\n\n
\"\"
Fig. 2 – Lidar a\u00e9roport\u00e9 CNR IRPI<\/figcaption><\/figure>\n\n\n\n
\"\"
Fig. 3 Scanner laser terrestre utilis\u00e9 pour la d\u00e9tection d’un ph\u00e9nom\u00e8ne d’effondrement pr\u00e9judiciable \u00e0 la voirie (commune de San Germano Chisone \u2013 TO).<\/figcaption><\/figure>\n\n\n\n

La version terrestre du LiDAR se pr\u00e9sente habituellement comme un instrument de dimension plus petites permettant une bonne portabilit\u00e9. Il s’agit d’un instrument utilis\u00e9 sur un support sp\u00e9cial (g\u00e9n\u00e9ralement un chevalet photographique) et qui peut capturer un nuage de points se trouvant dans la zone environnante. Il s’agit par cons\u00e9quent d’une acquisition statique depuis un point de balayage unique. Pour capturer une zone plus grande, il est donc n\u00e9cessaire d’utiliser la m\u00e9thode du balayage multiple, c’est-\u00e0-dire d’effectuer plusieurs balayages depuis des points de vue diff\u00e9rents s’inscrivant dans un r\u00e9f\u00e9rentiel unique. Pour ce faire, on utilise g\u00e9n\u00e9ralement des points ou des \u00e9l\u00e9ments de r\u00e9f\u00e9rence qui permettent ensuite une op\u00e9ration d’assemblage des diff\u00e9rents balayages.<\/p>\n\n\n\n

\"\"
Figure 4 : la m\u00e9thode des balayages multiples utilis\u00e9e pour capturer un ph\u00e9nom\u00e8ne de glissement de terrain. Les c\u00f4nes d’ombre pr\u00e9sents sur les diff\u00e9rents balayages sont compens\u00e9s par les captures effectu\u00e9es depuis des points de vue diff\u00e9rents.<\/figcaption><\/figure>\n\n\n\n

Description des m\u00e9thodes d’utilisation pour la surveillance des ph\u00e9nom\u00e8nes de glissement de terrain et exemples pratiques :<\/strong><\/p>\n\n\n\n

En ce qui concerne l’\u00e9tude et la surveillance des ph\u00e9nom\u00e8nes de glissement de terrain, le LiDAR est utilis\u00e9 principalement pour deux finalit\u00e9s :<\/p>\n\n\n\n

  1. comme soutien \u00e0 d’autres activit\u00e9s de recherche et de surveillance en fournissant un mod\u00e8le num\u00e9rique du terrain \u00e0 haute r\u00e9solution sur de vastes portions du territoire ;<\/li>
  2. comme syst\u00e8me de surveillance proprement dit pour l’\u00e9valuation des variations morphologiques d’une zone d’\u00e9tude donn\u00e9e.<\/li><\/ol>\n\n\n\n

    Les d\u00e9tections LiDAR sur de vastes zones se pr\u00eatent particuli\u00e8rement bien \u00e0 l’identification et \u00e0 la cartographie des ph\u00e9nom\u00e8nes de glissement de terrain, qu’ils soient r\u00e9cents ou de formation plus ancienne. Cette capacit\u00e9 se r\u00e9v\u00e8le tr\u00e8s utile pour la d\u00e9tection de ph\u00e9nom\u00e8nes de glissement de terrain qui se sont produits en concomitance avec une inondation. Une d\u00e9tection LiDAR et l’orthophotographie correspondante offrent un soutien incomparable pour l’identification des ph\u00e9nom\u00e8nes g\u00e9o-hydrologiques, qu’ils soient li\u00e9s \u00e0 la dynamique du versant ou torrentielle. En g\u00e9n\u00e9ral, cet instrument est donc particuli\u00e8rement utile (surtout la version a\u00e9roport\u00e9e) pour l’\u00e9tude des cons\u00e9quences d’une inondation sur de grands espaces.<\/p>\n\n\n\n

    La version terrestre est quant \u00e0 elle fr\u00e9quemment utilis\u00e9e pour l’acquisition de mod\u00e8les num\u00e9riques d’affleurements et de parois rocheuses sub-verticales. Dans ce cas, les d\u00e9tections (comme celles r\u00e9alis\u00e9es avec des drones) peuvent \u00eatre tr\u00e8s utiles pour identifier les discontinuit\u00e9s.<\/p>\n\n\n\n

    Dans le domaine de l’\u00e9tude de l’\u00e9volution d’un ph\u00e9nom\u00e8ne de glissement de terrain, le Lidar est habituellement utilis\u00e9 pour acqu\u00e9rir une s\u00e9quence de mod\u00e8les num\u00e9riques du terrain sur une m\u00eame portion de territoire.<\/p>\n\n\n\n

    Ces mod\u00e8les num\u00e9riques du terrain peuvent \u00eatre compar\u00e9s pour identifier et mesurer les \u00e9ventuelles diff\u00e9rentes li\u00e9es \u00e0 l’\u00e9volution du processus gravitatif. Difficilement utilisable avec des syst\u00e8mes \u00e0 temps quasi r\u00e9el, le LiDAR peut \u00eatre utilis\u00e9 pour identifier des macro-diff\u00e9rences comme celles li\u00e9es au d\u00e9tachement de blocs de parois rocheuses ou des variations plus discr\u00e8tes et progressives telles que celles li\u00e9es \u00e0 des glissements de terrain \u00e0 comportement progressif et non impulsif. Compte tenu de la pr\u00e9cision d\u00e9cim\u00e9trique du nuage de points, ce syst\u00e8me ne convient g\u00e9n\u00e9ralement pas \u00e0 la surveillance de glissements de terrain tr\u00e8s lents, car l’ampleur du d\u00e9placement risque d’\u00eatre du m\u00eame ordre de grandeur que l’incertitude du nuage de points. La densit\u00e9 \u00e9lev\u00e9e des points d\u00e9crivant le terrain au niveau du sol permet de les utiliser pour l’estimation volum\u00e9trique des variations qui se sont produites ou pour la g\u00e9n\u00e9ration de cartes et de sections.<\/p>\n\n\n\n

    \"\"
    Figure 5-A : exemple de classification d’un nuage de points : nuage de points non class\u00e9 et, en dessous, l’orthophotographie<\/figcaption><\/figure>\n\n\n\n
    \"\"
    Figure 5-B : exemple de classification d’un nuage de points : mod\u00e9lisation num\u00e9rique de la surface<\/figcaption><\/figure>\n\n\n\n
    \"\"
    Figure 5-C : exemple de classification d’un nuage de points : donn\u00e9es class\u00e9es comme infrastructures anthropiques (constructions – en rouge)<\/figcaption><\/figure>\n\n\n\n
    \"\"
    Figure 5-D : exemple de classification d’un nuage de points : donn\u00e9es class\u00e9es comme v\u00e9g\u00e9tation (en vert)<\/figcaption><\/figure>\n\n\n\n
    \"\"
    Figure 5-E : exemple de classification d’un nuage de points : mod\u00e9lisation num\u00e9rique du terrain<\/figcaption><\/figure>\n\n\n\n

    .<\/p>\n","protected":false},"excerpt":{"rendered":"

    Description technique du principe de fonctionnement: Le Lidar (de l’anglais Light detection and Ranging) est un instrument qui, \u00e0 travers l’\u00e9mission d’une s\u00e9quence d’impulsions laser, est en mesure de reconstruire une image tridimensionnelle d’un objet ou d’une surface mesur\u00e9e. En g\u00e9n\u00e9ral, le syst\u00e8me est structur\u00e9 de mani\u00e8re \u00e0 pouvoir \u00e9mettre une s\u00e9rie d’impulsions laser et en recevoir les \u00e9chos. La version la plus moderne du LiDAR est caract\u00e9ris\u00e9e par la capacit\u00e9 d’analyser l’int\u00e9gralit\u00e9 de la forme d’onde de l’\u00e9cho (full waveform).Cette capacit\u00e9 est tr\u00e8s importante, car elle permet d’effectuer une op\u00e9ration de classification du signal de retour.  En effet, il\u2026<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[16],"tags":[],"blocksy_meta":{"styles_descriptor":{"styles":{"desktop":"","tablet":"","mobile":""},"google_fonts":[],"version":5}},"_links":{"self":[{"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/posts\/424"}],"collection":[{"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/comments?post=424"}],"version-history":[{"count":3,"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/posts\/424\/revisions"}],"predecessor-version":[{"id":499,"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/posts\/424\/revisions\/499"}],"wp:attachment":[{"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/media?parent=424"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/categories?post=424"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/monito.irpi.cnr.it\/fr\/wp-json\/wp\/v2\/tags?post=424"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}