Classer un nuage de points lidar
Télécharger et ouvrir le projet
Vous allez commencer par télécharger le projet contenant l’ensemble des données nécessaires au didacticiel et l’ouvrir dans ArcGIS Pro.
- Téléchargez le fichier Tuborg_Havn_LAS_Classification.zip.
- Localisez le fichier Tuborg_Havn_LAS_Classification.zip téléchargé sur votre ordinateur.
Remarque :
Par défaut, la plupart des navigateurs téléchargent les fichiers dans le dossier Downloads (Téléchargements) de votre ordinateur.
- Cliquez avec le bouton droit sur le fichier Tuborg_Havn_LAS_Classification.zip et extrayez-le dans un emplacement facile d’accès (par exemple, dans un dossier de votre lecteur C:).
- Ouvrez le dossier Tuborg_Havn_LAS_Classification extrait. Double-cliquez sur Tuborg_Havn_LAS_Classification.aprx pour ouvrir le projet dans ArcGIS Pro.
- À l’invite, connectez-vous avec votre compte ArcGIS.
Remarque :
Si vous n’avez pas accès à ArcGIS Pro ou ne disposez pas d’un compte d’organisation ArcGIS, consultez les options disponibles pour accéder aux logiciels.
Le projet s’ouvre.
Le projet contient une scène locale 3D centrée sur le quartier de Tuborg Havn à Copenhague (Danemark). La scène contient Tuborg_Havn.lasd, un jeu de données de nuage de points lidar au format LAS. Pour le moment, le nuage de points est symbolisé par élévation, avec le point le plus bas en bleu et les points les plus hauts en rouge.
En savoir plus sur la classification des jeux de données de nuages de points
Vous allez classer les points du jeu de données LAS dans plusieurs catégories, telles que le sol, les bâtiments, la végétation et le bruit, à l’aide d’une combinaison de techniques automatiques et manuelles. Le processus commence avec une série d’outils de classification automatique. Ces outils utilisent des algorithmes basés sur les règles pour évaluer des facteurs tels que l’élévation, le nombre de retours et la densité de point, avec pour objectif d’en déduire la classe la plus probable pour chaque point.
Par exemple, les points au sol sont généralement identifiés par leur faible élévation et leur bonne continuité, tandis que les points des bâtiments sont reconnaissables grâce à leur surface plate élevée et leurs arêtes vives. Les points de végétation présentent souvent des structures verticales irrégulières et plusieurs retours, tandis que les points de bruit sont repérés par les incohérences ou les anomalies identifiées dans les données.
Plus tard dans le processus, vous allez affiner la classification en ajustant manuellement les classes de points lorsque les outils automatiques peuvent avoir mal classé ou manqué des entités subtiles. Cette approche hybride garantit l’efficacité et la précision dans la génération d’un jeu de données de nuage de points bien structuré.
Remarque :
Souvent, les nuages de points lidar sont déjà classés par leur fournisseur. Dans ce cas, vous n’avez pas besoin d’effectuer la classification vous-même, sauf si vous souhaitez l’améliorer. Cependant, il est toujours utile de connaître les principes de classification des nuages de points lidar, ce qui est un des objectifs de ce didacticiel.
Classer les points de sol et de bruit
Vous allez commencer par classer les points qui représentent la surface au sol. Il s’agit généralement des points d’élévation les plus bas, qui créent les bases d’une analyse ultérieure. Dans le même temps, vous allez identifier les points de bruit qui apparaissent anormalement élevés ou bas et qui sont probablement des artefacts causés par des erreurs aléatoires dans le processus de collecte des données lidar. Cela est parfois dû à des oiseaux ou de la fumée dans l’air, ou vous pouvez décider qu’un groupe de points doit être défini comme bruit selon votre propre jugement, par exemple sur un chantier.
Vous allez d’abord ajuster les paramètres de symbologie pour visualiser les classes de points LAS.
- Dans la fenêtre Contents (Contenu), cliquez sur la couche Tuborg_Havn.lasd pour la sélectionner.
- Sur le ruban, cliquez sur l’onglet LAS Dataset Layer (Couche de jeu de données LAS). Dans le groupe Drawing (Dessin), cliquez sur la flèche vers le bas Symbology (Symbologie) et sélectionnez Class (Classe).
La symbologie affiche maintenant la classification de chaque point. Parce que tous les points sont actuellement non assignés, ils sont tous symbolisés en gris.
Dans la fenêtre Contents (Contenu), une liste de classes possibles apparaît, mais la plupart d’entre elles ne sont actuellement pas utilisées dans le jeu de données LAS.
- Cliquez sur la flèche en regard de Tuborg_Havn.lasd pour réduire la légende et désencombrer la fenêtre Contents (Contenu).
Remarque :
Un jeu de données LAS est souvent constitué de plusieurs fichiers LAS individuels. Dans certains cas, ces fichiers se superposent les uns aux autres à certains emplacements en raison des lignes de vol d’origine de l’avion ayant créé les données. Parce que les points dupliqués peuvent générer du bruit, vous devez commencer par les identifier à l’aide de l’outil Classify LAS Overlap (Classer LAS par superposition), puis désactivez-les. Cependant, les données actuelles ne présentent pas de superposition. Ce processus est donc inutile. En savoir plus sur la classification des superpositions.
Vous allez ensuite classer les points terrestres.
- Sur le ruban, cliquez sur l’onglet Classification. Dans le groupe Geoprocessing (Géotraitement), cliquez sur Automated Classification (Classification automatique) et consultez le contenu de la liste déroulante.
La liste déroulante Automated Classification (Classification automatique) est un emplacement pratique pour accéder à la plupart des outils de classification que vous allez utiliser dans ce didacticiel.
- Dans la liste déroulante Automated Classification (Classification automatique), sélectionnez Classify Ground (Classer le sol).
Dans la fenêtre Geoprocessing (Géotraitement), l’outil Classify LAS Ground (Classer le sol LAS) apparaît.
- Dans le fenêtre de l’outil Classify LAS Ground (Classer le sol LAS), pour Input LAS Dataset (Jeu de données LAS en entrée), vérifiez que Tuborg_Havn.lasd est sélectionné.
Cet outil contient également des options permettant de classer les points de bruit. Les points de bruit sont des points situés à une altitude anormalement élevée ou basse.
- Cliquez sur la flèche en regard de Noise Classification (Classification du bruit) pour développer cette section.
- Cochez la case Classify low-noise points (Classer les points à bruit faible). Pour Minimum Depth Below Ground (Profondeur minimale en dessous du sol), saisissez 2.
Cela signifie que tous les points situés à plus de 2 mètres en dessous du sol sont classés comme bruit faible.
- Cochez la case Classify high-noise points (Classer les points à bruit élevé). Pour Minimum Height Above Ground (Hauteur minimale au-dessus du sol), saisissez 42.
Tous les points situés à plus de 42 mètres au-dessus du sol sont classés comme bruit élevé.
Remarque :
Les bâtiments situés dans la région de Tuborg ont une hauteur maximale d’environ 40 mètres, ce qui explique pourquoi vous choisissez 42 mètres comme valeur maximale. Vous pouvez confirmer cela en explorant le nuage de points LAS. Pour déterminer la hauteur maximale d’un bâtiment, effectuez un zoom avant et cliquez sur le point le plus élevé visible. Une fenêtre contextuelle affiche l’élévation de ce point en mètres.
- Acceptez les valeurs par défaut des autres paramètres et cliquez sur Run (Exécuter).
Remarque :
La classification du sol est une première étape fondamentale pour le traitement des données lidar aériennes. Cela implique d’identifier et d’étiqueter les points d’un nuage de points qui représentent la surface de la terre nue. Cette étape est essentielle, car de nombreux précieux produits lidar, comme les modèles numériques d’élévation (MNE), nécessitent des points au sol classés précisément. De plus, la classification du sol pose les bases de l’identification d’autres entités, comme les bâtiments ou la végétation. Ces classifications s’appuient sur la connaissance de la hauteur d’un point par rapport au sol, ce qui fait que la classification du sol est un prérequis.
Pour identifier tous les points terrestres dans le nuage de points LAS, l’outil Classify LAS Ground (Classer le sol LAS) utilise des techniques telles que la recherche de l’ensemble de points qui sont constamment à l’altitude la plus basse dans la scène. En savoir plus à ce sujet sur la page Comprendre la classification du sol.
Une fois le processus terminé, les points terrestres LAS apparaissent en marron dans la scène. Les quelques points classés comme du bruit (faible ou élevé) s’affichent en rouge. Les points en gris ne sont toujours pas affectés.
Vous allez effectuer une comparaison entre cette classification et l’orthophoto fournie à l’aide de l’outil Swipe (Balayer).
- Dans la fenêtre Contents (Contenu), cliquez sur la case à cocher en regard de Tuborg_Havn_Ortho_Photo.tif pour activer la couche. Vérifiez que Tuborg_Havn.lasd est sélectionné.
- Sur le ruban, sur l’onglet LAS Dataset Layer (Couche de jeu de données LAS), dans le groupe Compare (Comparer), cliquez sur Swipe (Balayer).
- Sur la scène, faites glisser la poignée de balayage de haut en bas de façon répétée afin d’effacer le nuage de points et de révéler l’orthophoto.
Les points marron correspondent au sol, tandis que les points gris (toujours non classés) sont situés sur les bâtiments, la végétation, les voitures ou les bateaux. Notez que la section sud-est du voisinage est toujours en construction. Certains points situés sur des étendues d’eau ont été classés comme sol. Toutefois, dans ce processus, tous les points sont considérés comme sol, car vous n’avez pas besoin de distinguer la terre ferme de l’eau.
Remarque :
Étant donné que le nuage de points est une représentation 3D et que l’orthophoto est une image 2D, leur acquisition se fait différemment. Le système lidar récupère généralement les données directement en mode aérien à l’aide d’impulsions laser, tandis que l’imagerie est capturée à partir de caméras à différents angles. Lors de l’affichage dans une scène 3D, cette différence dans la géométrie d’acquisition peut faire que les bâtiments et d’autres entités apparaissent non alignés entre les deux couches, même si les données sont correctes.
- Lorsque vous avez terminé de comparer les deux couches, sur le ruban, dans le groupe Navigate (Naviguer) de l’onglet Map (Carte), cliquez sur le bouton Explore (Explorer) pour quitter le mode balayage.
Vous allez enregistrer votre projet.
- Dans Quick Access Toolbar (Barre d’outils Accès rapide), cliquez sur le bouton Save Project (Enregistrer le projet).
Filtrer les points classés
Vous allez ensuite vérifier certaines des classes de points séparément à l’aide de la fonctionnalité LAS Filter (Filtre LAS).
- Si nécessaire, dans la fenêtre Contents (Contenu), cliquez sur la couche Tuborg_Havn.lasd pour la sélectionner.
- Sur le ruban, dans l’onglet LAS Dataset Layer (Couche de jeu de données LAS), dans le groupe Filters (Filtres), cliquez sur le bouton LAS Points (Points LAS).
La fenêtre Layer Properties (Propriétés de la couche) apparaît sur l’onglet LAS Filter (Filtre LAS). Dans la colonne Classification Codes (Codes de classification), vous pouvez voir que les classes actuelles sont Unassigned (Non attribué), Ground (Sol), (faible) Noise (Bruit) et High Noise (Bruit élevé). Elles correspondent respectivement aux codes 1, 2, 7 et 18.
L’onglet LAS Filter (Filtre LAS) vous permet de choisir les catégories de points à afficher ou à masquer sur la vue. Pour le moment, les quatre classes sont activées. Vous allez à présent visualiser uniquement les points High Noise (Bruit élevé).
- Décochez les cases 1 Unassigned (1 Non attribué), 2 Ground (2 Sol) et 7 Noise (7 Bruit). Cliquez sur OK.
- À l’aide de la molette de la souris, effectuez un zoom avant sur la partie inférieure de l’étendue dans laquelle se trouvent certains points High Noise (Bruit élevé), symbolisés en rouge.
Grâce à l’orthophoto, vous pouvez voir que cet emplacement se situe dans la zone de construction. Le bruit élevé correspond donc certainement à la présence de deux grues.
Vous allez ensuite étudier les points (à faible) Noise (Bruit).
- Sur le ruban, dans l’onglet LAS Dataset Layer (Couche de jeu de données LAS), cliquez sur le bouton LAS Points (Points LAS). Dans la fenêtre Layer Properties (Propriétés de la couche), désactivez 18 High Noise (18 Bruit élevé) et activez 7 Noise (7 Bruit). Cliquez sur OK.
- Dans la fenêtre Contents (Contenu), désactivez la couche Tuborg_Havn_Ortho_Photo.tif.
- Effectuez un zoom arrière jusqu’à apparition de certains des quelques points à faible bruit, également symbolisés en rouge.
Remarque :
Le bruit peut également être classé indépendamment du sol en sélectionnant Classify Noise (Classer par bruit) dans la liste déroulante Automated Classification (Classification automatique). Cette action ouvre l’outil Classify LAS Noise (Classer le bruit LAS).
Pour le reste du processus, vous allez désactiver les points de bruit, dans la mesure où il s’agit des points que vous voulez ignorer, et vous allez réactiver les points de sol et les points non attribués.
- Dans la fenêtre Contents (Contenu), sélectionnez la couche Tuborg_Havn.lasd. Sur le ruban, dans l’onglet LAS Dataset Layer (Couche de jeu de données LAS), cliquez sur le bouton LAS Points (Points LAS). Dans la fenêtre Layer Properties (Propriétés de la couche), désactivez 7 Noise (7 Bruit) et activez 1 Unassigned (1 Non attribué) et 2 Ground (2 Sol). Cliquez sur OK.
Remarque :
Lorsque vous classez les points LAS, le jeu de données d’origine est mis à jour avec de nouveaux codes de classes. Si vous faites une erreur et devez annuler une modification, dans le menu déroulant Automated Classification (Classification automatique), sélectionnez Reassign Classification (Réattribuer la classification) et exécutez l’outil Change LAS Class Codes (Modifier les codes de classes LAS).
Par exemple, vous pouvez remplacer les points avec les valeurs Current Class (Classe actuelle) 2 (Ground [Sol]) par des points avec la valeur New Class (Nouvelle classe) 1 (Unassigned [Non attribué]). Si vous saisissez -1 comme valeur Current Class (Classe actuelle), tous les codes de classes sont réattribués.
Classer les points des bâtiments
Maintenant que vous avez classé les points de sol et de bruit, vous allez classer les points des bâtiments.
- Si nécessaire, dans la fenêtre Contents (Contenu), sélectionnez la couche Tuborg_Havn.lasd.
- Sur le ruban, sous l’onglet Classification, cliquez sur Automated Classification (Classification automatique) et sélectionnez Classify Buildings (Classer des bâtiments).
Dans la fenêtre Geoprocessing (Géotraitement), l’outil Classify LAS Building (Classer des bâtiments LAS) apparaît.
- Dans la fenêtre de l’outil Classer des bâtiments LAS, définissez les paramètres suivants :
- Pour Input LAS Dataset (Jeu de données LAS en entrée), vérifiez que Tuborg_Havn.lasd est sélectionné.
- Vérifiez que Minimum Rooftop Height (Hauteur de toit minimum) est défini sur 2 et que les unités sont définies sur Meters (Mètres).
- Pour Minimum Area (Superficie minimale), saisissez 10 et vérifiez que l’unité est définie sur Square Meters (Mètres carrés).
- Pour Classification Method (Méthode de classification), choisissez Aggressive (Agressive).
Les paramètres Minimum Rooftop Height (Hauteur de toit minimum) et Minimum Area (Superficie minimale) sont importants pour s’assurer qu’une surface trop basse ou trop petite n’est pas classée comme un bâtiment par erreur.
La valeur Classification Method (Méthode de classification) indique si les points sont catégorisés comme des bâtiments de manière plus classique ou plus agressive.
Dans ce didacticiel, les valeurs des paramètres ont été choisies par essais et erreurs afin qu’un maximum de points soient correctement classés comme bâtiments, tout en minimisant les faux positifs. Vous pouvez pousser plus loin l’expérience par vous-même.
- Développez Above-Roof Classification (Classification au-dessus du toit) et cochez la case Classify points above the roof (Classer les points au-dessus du toit). Pour Maximum Height Above Roof (Hauteur maximale au-dessus du toit), saisissez 15.
Cela signifie que tous les points au-dessus des toits des bâtiments détectés sont également attribués à la classe Building (Bâtiment) (code 6) dès lors qu’ils ne se trouvent pas à plus de 15 mètres au-dessus du toit. Cela permet d’attribuer correctement les éléments tels que les cheminées, les unités CVC ou les clochers.
- Développez Below-Roof Classification (Classification en dessous du toit) et cochez la case Classify points below the roof (Classer les points en dessous du toit).
Cela signifie que tous les points en dessous des toits détectés sont également attribués à la classe Building (Bâtiment) (code 6). Cela permet d’inclure les parties verticales des bâtiments (murs et fenêtres) dans la classification du bâtiment.
- Cliquez sur Run (Exécuter).
Remarque :
L’outil Classify LAS Building (Classer des bâtiments LAS) utilise plusieurs méthodes de détection pour identifier les points des bâtiments. Avant d’exécuter l’outil, il est primordial de séparer les points de sol et les points de bruit. Pour les points non classés restants, qui ne sont pas étiquetés comme sol ou bruit, l’outil recherche des surfaces solides qui ont produit un seul retour par impulsion laser. Il s’agit certainement de bâtiments. En revanche, les zones comportant plusieurs retours correspondent généralement à des arbres ou de la végétation, car le laser se reflète sur plusieurs niveaux dans le feuillage.
- À l’issue du traitement, sur le ruban, dans l’onglet LAS Dataset Layer (Couche de jeu de données LAS), cliquez sur LAS Points (Points LAS). Dans la fenêtre Layer Properties (Propriétés de la couche), sous Classification Codes (Codes de classification), activez la classe 6 Building (6 Bâtiment) et cliquez sur OK.
Les points des bâtiments apparaissent sur la scène, symbolisés en rouge, ainsi que les points de sol et les points non attribués.
- Appuyez sur Ctrl+S pour enregistrer le projet.
Effectuer une classification manuelle
Certains bâtiments ont été mal classés. ll est acceptable qu’il reste quelques points non attribués sur le toit ou sur les bords d’un bâtiment. En revanche, si toute une pièce du bâtiment est manquante, cela peut être corrigé en effectuant une classification manuelle. Vous allez le faire sur un bâtiment.
- Effectuez un zoom avant sur le grand bâtiment au centre gauche de la scène.
- Vérifiez que la molette de navigation est développée et faites glisser la molette intermédiaire vers le bas, jusqu’à voir le nuage de points lidar complètement depuis le haut (nadir).
- Si nécessaire, effectuez un zoom avant supplémentaire pour vous assurer que le bâtiment occupe une grande partie de la scène.
Vous pouvez voir que certaines parties du bâtiment n’ont pas été classées correctement et que les points ne sont toujours pas attribués.
Vous voulez reclasser ces points non attribués manuellement, mais vous voulez vous assurer que les points de sol ne risquent pas d’être reclassés comme bâtiments par erreur.
- Sur le ruban, dans l’onglet Classification, dans le groupe Selection (Sélection), cliquez sur Selectable Points (Points sélectionnables).
- Dans la fenêtre Layer Properties (Propriétés de la couche), décochez toutes les cases à l’exception de 1 Unassigned (1 Non attribué) et 6 Building (6 Bâtiment). Cliquez sur OK.
Seuls les points Unassigned (Non attribué) et Building (Bâtiment) peuvent maintenant être modifiés.
- Sur le ruban, dans l’onglet Classification, désactivez l’option Visible Points (Points visibles) (son arrière-plan doit être blanc, et non gris).
Cela permet de s’assurer que tous les points de la zone que vous sélectionnez sont traités. Vous allez maintenant dessiner la sélection de votre choix sous forme de polygone.
- Sur le ruban, dans l’onglet Classification, cliquez sur la flèche Select (Sélectionner), puis choisissez Polygon (Polygone).
- Cliquez sur un des angles du bâtiment et continuez à tracer l’emprise du bâtiment en cliquant sur chacun de ses coins ou angles. Double-cliquez sur le dernier coin (8) pour terminer le polygone.
Tous les points dans l’emprise du bâtiment sont maintenant mis en surbrillance en cyan.
Vous allez maintenant reclasser ces points.
- Sur l’onglet Classification, dans le groupe Interactive Editing (Mise à jour interactive), pour Classification Code (Code de classification), choisissez 6 Building (6 Bâtiment). Cliquez sur Apply changes (Appliquer les modifications).
La totalité du bâtiment est maintenant correctement classée.
Bien que vous puissiez améliorer d’autres bâtiments, vous allez vous arrêter ici pour ce didacticiel.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Tuborg_Havn.lasd et sélectionnez Zoom To Layer (Zoom sur la couche).
- Sur le ruban, dans l’onglet Map (Carte), cliquez sur le bouton Explore (Explorer) pour quitter le mode de sélection du polygone.
Une fois les points classés manuellement dans un jeu de données LAS, les statistiques associées sont mises à jour pour refléter les nouveaux codes de classes. Pour vous assurer que les statistiques représentent les données à jour, il est recommandé de les recalculer à l’aide de l’outil LAS Dataset Statistics (Statistiques du jeu de données LAS). Cette étape permet de préserver l’intégrité des données et contribue à la fiabilité de l’analyse et de la visualisation des données.
- Dans la fenêtre Geoprocessing (Géotraitement), cliquez sur le bouton de retour.
- Dans la zone de recherche, saisissez LAS Dataset Statistics. Dans la liste de résultats, cliquez sur LAS Dataset Statistics (Statistiques du jeu de données LAS) pour ouvrir l’outil.
- Dans la fenêtre de l’outil LAS Dataset Statistics (Statistiques du jeu de données LAS), pour Input LAS Dataset (Jeu de données LAS en entrée), sélectionnez Tuborg_Havn.lasd et cliquez sur Run (Exécuter).
- Appuyez sur Ctrl+S pour enregistrer le projet.
Une fois que les points de sol et de bâtiment sont classés et que le bruit a été supprimé, votre jeu de données est prêt pour diverses sorties et analyses. Par exemple, vous pouvez générer des produits d’élévation comme un modèle numérique de terrain (MNT) et un modèle numérique de surface (MNS). Vous pouvez également créer une couche de polygones d’emprise des bâtiments en 2D et une couche des bâtiments en 3D à utiliser dans des projets futurs. Ces processus seront présentés dans des didacticiels ultérieurs.
Classer la végétation
Une fois les points de sol et de bâtiment classés et le bruit supprimé, certains points du jeu de données demeurent non attribués. Certains de ces points représentent certainement de la végétation, comme des arbres, des arbustes et d’autres plantes. Cependant, tous les points non attribués ne sont pas de la végétation. Certains peuvent être des véhicules, des entités au niveau de la rue ou de petits détails architecturaux comme le bord des toits et la découpe d’un bâtiment. L’identification précise de la végétation, en évitant les faux positifs, est essentielle pour créer des modèles d’élévation et des couches d’entités fiables.
Plusieurs méthodes permettent de classer la végétation dans des données de nuages de points, chacune présentant des avantages en fonction des caractéristiques du jeu de données. Dans ce didacticiel, vous allez examiner une méthode efficace. Le processus débute avec l’analyse des points non attribués restants afin de comprendre leurs motifs spatiaux. Cette analyse de départ permet de différencier la végétation des autres entités et prépare l’application de techniques de classification qui isolent plus précisément la végétation. Commencez par observer les points non attribués restants.
- Dans la scène, repérez où se trouvent certains des points non attribués (en gris).
Dans l’exemple d’image qui suit, vous voyez plusieurs arbres (grands blocs gris) que vous voulez classer comme végétation. Vous pouvez également voir certains points non attribués situés sur les bâtiments ou à proximité immédiate des bâtiments : il ne s’agit pas de végétation et ces points ne doivent pas être classés comme tels.
Vous allez utiliser une couche d’emprise de bâtiment en 2D pour identifier les points non attribués qui se trouvent sur les bâtiments ou à proximité immédiate des bâtiments. Vous allez attribuer ces points à une classe distincte pour les identifier. Commencez par afficher uniquement les points non attribués, qui sont les seuls points que vous voulez traiter.
- Si nécessaire, dans la fenêtre Contents (Contenu), sélectionnez la couche Tuborg_Havn.lasd. Sur le ruban, dans l’onglet LAS Dataset Layer (Couche de jeu de données LAS), cliquez sur le bouton LAS Points (Points LAS). Dans la fenêtre Layer Properties (Propriétés de la couche), désactivez toutes les classes à l’exception de 1 Unassigned (1 Non attribué). Cliquez sur OK.
Vous allez activer la couche d’emprise de bâtiment en 2D.
- Dans la fenêtre Contents (Contenu), développez le groupe Other layers (Autres couches), puis activez la couche Building_footprints.
La couche Building_footprints (orange clair) apparaît sur la scène, ainsi que les points non attribués.
Remarque :
La cocuhe Building_footprints a été générée à partir des données du nuage de points classées avec le code de classe 6 (Building [Bâtiment]). Ce processus fera l’objet d’un autre didacticiel. Vous pouvez également extraire les emprises des bâtiments à partir de l’imagerie en utilisant les techniques GeoAI, comme expliqué dans les didacticiels Identifier les infrastructures à risque de glissement de terrain et Améliorer un modèle de Deep Learning avec l’apprentissage par transfert. Une autre possibilité consiste à utiliser une couche d’emprise de bâtiment existante fournie par votre organisation ou la municipalité.
- Dans la fenêtre Contents (Contenu), si nécessaire, sélectionnez Tuborg_Havn.lasd. Sur le ruban, sous l’onglet Classification, cliquez sur Automated Classification (Classification automatique) et sélectionnez Set Class Codes Using 2D Proximity to Features (Définir les codes de classe selon la proximité 2D par rapport aux entités).
Dans la fenêtre Geoprocessing (Géotraitement), l’outil Set LAS Class Codes Using Features (Définir les codes de classes LAS en fonction des entités) apparaît.
- Dans la fenêtre de l’outil Set LAS Codes Using Features (Définir les codes LAS en fonction des entités), définissez les paramètres suivants :
- Pour Input LAS Dataset (Jeu de données LAS en entrée), vérifiez que Tuborg_Havn.lasd est sélectionné.
- Pour Features (Entités), sélectionnez Other layers (Autres couches)\Building_footprints.
- Pour Buffer Distance (Distance de la zone tampon), entrez 2.
- Pour New Class (Nouvelle classe), saisissez 100.
Vous définissez une zone tampon de 2 mètres autour des polygones de l’emprise de bâtiment, afin que l’outil récupère non seulement les points non attribués restants sur les bâtiments, mais également ceux situés à proximité des bâtiments.
Les classes 64 à 255 sont définies par l’utilisateur, ce qui signifie que vous pouvez les utiliser à n’importe quelle fin. Dans le cas présent, vous allez utiliser la classe 100 pour mettre de côté les points identifiés par l’outil.
- Cliquez sur Run (Exécuter).
Remarque :
Malheureusement, dans ArcGIS Pro 3.6, l’outil Set LAS Class Codes Using Features (Définir des codes de classes LAS à l’aide d’entités) pose problème et risque de ne pas fonctionner correctement. Si l’exécution échoue, passez directement à l’étape 9 de ce didacticiel. Le résultat final que vous obtenez sera de moindre qualité tout en restant à un niveau acceptable.
L’outil fonctionne correctement dans ArcGIS Pro 3.5 et fonctionnera à nouveau dans ArcGIS Pro 3.7.
- À l’issue du traitement, sur le ruban, dans l’onglet LAS Dataset Layer (Couche de jeu de données LAS), cliquez sur le bouton LAS Points (Points LAS), activez 100 User Defined (100 Défini par l’utilisateur), puis cliquez sur OK.
Sur la scène, observez comment les points sur ou à proximité des bâtiments sont désormais classés comme 100 User Defined (100 Défini par l’utilisateur) (jaune).
Remarque :
Vous pourriez être tenté de reclasser ces points 100 User Defined (100 Défini par l’utilisateur) comme 6 Buildings (6 Bâtiments). Toutefois, ces points sont un mélange de points de bâtiments et de non-bâtiments. Il est donc recommandé de les conserver séparés.
Vous allez désormais classer les points non attribués restants comme végétation en fonction de leur hauteur. Commencez par désactiver les points 100 User Defined (100 Défini par l’utilisateur) afin qu’ils ne soient pas traités.
- Sur le ruban, dans l’onglet LAS Dataset Layer (Couche de jeu de données LAS), cliquez sur le bouton LAS Points (Points LAS), désactivez 100 User Defined (100 Défini par l’utilisateur), puis cliquez sur OK.
- Sur le ruban, sous l’onglet Classification, cliquez sur Automated Classification (Classification automatique) et sélectionnez Classify By Height (Classer par hauteur).
L’outil Classify LAS By Height (Classer LAS par hauteur) apparaît.
- Dans la fenêtre de l’outil Classify LAS By Height (Classer LAS par hauteur), définissez les paramètres suivants :
- Pour Input LAS Dataset (Jeu de données LAS en entrée), vérifiez que Tuborg_Havn.lasd est sélectionné.
- Sous Height Classification (Classification par hauteur), saisissez les valeurs suivantes.
Code de classe Hauteur 101
3
4
22
18
100
L’outil classe les points non attribués restants de la manière suivante :
- Les points en dessous de 3 mètres de hauteur sont classés comme 101 User Defined (101 Défini par l’utilisateur), car les points bas ne semblent pas correspondre de manière fiable à de la végétation. Comme la classe 100 un peu plus tôt, la classe 101 est une autre classe définie par l’utilisateur qui peut servir à distinguer ces points.
- Les points entre 3 et 22 mètres de hauteur sont classés comme 4 Medium Vegetation (4 Végétation moyenne), car il s’agit de la hauteur de la plupart des arbres dans l’étendue.
- Les points entre 22 et 100 mètres de hauteur sont classés comme 18 High Noise (18 Bruit élevé), car ils sont plus hauts que tous les arbres de l’étendue et peuvent donc être considérés comme du bruit.
Ces chiffres ont été choisis en cliquant sur différents points d’arbres pour voir leur valeur Elevation (Élévation), mais aussi par tâtonnements.
Remarque :
Il existe trois classes de végétation courantes : 3 Low Vegetation (3 Végétation basse), 4 Medium Vegetation (4 Végétation moyenne) et 5 High Vegetation (5 Végétation haute). L’utilisation de ces classes est particulièrement adaptée aux zones forestières. Les zones urbaines comme Tuborg Havn peuvent ne nécessiter qu’une ou deux de ces classes.
D’autres méthodes permettent d’améliorer encore davantage la classification de la végétation. Par exemple, vous pouvez utiliser l’imagerie spectrale pour repérer les zones avec de la végétation et créer une couche de polygones qui identifie ces régions (voir Extraire l’occupation du sol haute résolution avec GeoAI). Vous pouvez ensuite appliquer cette couche vectorielle de polygones comme masque dans l’outil Classify LAS By Height (Classer LAS par hauteur) (situé sous Processing Boundary [Limite de traitement], sous Processing Extent [Étendue de traitement]).
- Cliquez sur Run (Exécuter).
- À l’issue du traitement, sur le ruban, dans l’onglet LAS Dataset Layer (Couche de jeu de données LAS), cliquez sur le bouton LAS Points (Points LAS), activez 2 Ground (2 Sol), 4 Medium Vegetation (4 Végétation moyenne) et 6 Building (6 Bâtiment), désactivez toutes les autres classes, puis cliquez sur OK.
- Dans la fenêtre Contents (Contenu), désactivez Building_footprints.
Le nuage de points apparaît désormais classé avec le sol, les bâtiments et la végétation.
Les arbres ont été classés avec un nombre minimum de faux positifs. Dans la zone au sud, quelques faux positifs sont présents en raison du chantier de construction. Si vous le souhaitez, vous pouvez utiliser le processus de classification manuelle pour les reclasser.
Remarque :
Dans ce processus, il n’est pas nécessaire de distinguer la terre ferme de l’eau, sauf si votre analyse post-classification l’impose. Toutefois, si vous voulez classer l’eau, vous pouvez utiliser une couche vectorielle de polygones représentant des étendues d’eau. À l’aide de l’outil Set LAS Codes Using Features (Définir les codes LAS en fonction des entités), vous pouvez attribuer le code de classe 9 (Water [Eau]) à tous les points de ces polygones.
- Appuyez sur Ctrl+S pour enregistrer le projet.
Dans ce didacticiel, vous avez utilisé des outils de classification automatique pour catégoriser les données d’un nuage de points lidar dans cinq classes : sol, bâtiment, végétation, (faible) bruit et bruit élevé. Vous avez également appris à filtrer les points par code de classe pour simplifier la visualisation et le traitement. Outre les méthodes automatiques, vous avez classé des points manuellement et utilisé une couche de polygones 2D pour attribuer des codes de classes. Votre nuage de points classés prend désormais en charge divers processus : la génération de rasters d’élévation (MNT et MNS), l’extraction d’emprises de bâtiments en 2D ou la création de couches 3D pour les bâtiments et les arbres.
Ce processus s’est concentré sur les techniques de classification standard, mais il existe des méthodes plus avancées. Par exemple, les modèles de Deep Learning GeoAI peuvent être utilisés pour classer les entités complexes, comme les lignes à haute tension ou la végétation, de manière plus précise. Pour en savoir plus à ce propos, consultez le didacticiel Classer des lignes à haute tension à l’aide du Deep Learning.
Vous trouverez d’autres didacticiels tels que celui-ci dans la série Prise en main du lidar dans ArcGIS Pro.
