Détection automatique d'objets géologiques à partir de données numériques d'affleurements 3D

• Auteur / Autrice : Dimitri Kudelski
• Direction : Yves Guglielmi, Sophie Viseur, Jean-Luc Mari
• Type : Thèse de doctorat
• Discipline(s) : Géosciences de l'Environnement
• Date : Soutenance le 08/12/2011
• Etablissement(s) : Aix-Marseille 1
• Ecole(s) doctorale(s) : Ecole doctorale Sciences de l'Environnement (Aix-en-Provence ; 1996-....)
• Jury : Président / Présidente : Dominique Faudot
• Jury : Examinateurs / Examinatrices : Yves Guglielmi, Jean-Luc Mari, Dominique Faudot, Samir Akkouche, Bruno Lévy, Géraldine Morin, Jean Borgomano
• Jury : Rapporteurs / Rapporteuses : Samir Akkouche, Bruno Lévy

Mots clés

Mots clés contrôlés

Télédétection

Lidar

Affleurements (géologie)

Modèles mathématiques

Mots clés libres

Modélisation géométrique

Maillage

Affleurement numérique

Lidar

Géométrie différentielle

Ligne caractéristique

Squelettisation

Geometric modeling

Mesh

Virtual outcrop

Lidar

Differential geometry

Feature line

Skeletonization

Résumé

Depuis plusieurs années, le LIDAR est utilisé en géologie pour acquérir la géométrie des affleurements sous forme de nuages de points et de surfaces. L'objectif de cette thèse consiste à développer des techniques visant à automatiser le traitement de ces données et notamment l'interprétation de structures géologiques sur affleurements numériques. Ces travaux s'insèrent dans un projet de recherche plus important financé par ENI qui a pour objectif de concevoir des méthodologies pour intégrer des données d'affleurements aux modèles géologiques. La problématique de cette thèse se focalise sur l'extraction d'objets géologiques (ie, traces de fractures ou de limites stratigraphiques) à partir de modèles numériques 3D d'affleurements. L'idée fondamentale consiste à considérer ces entités géologiques comme des lignes de ravins (ie, des lignes de forte concavité). Ce problème fait référence à la détection de lignes caractéristiques en informatique graphique. Dans un premier temps, nous proposons une méthode reposant sur les propriétés différentielles de troisième ordre de la surface (ie, dérivées de courbures). Un traitement est intégré afin de prendre en compte une connaissance a priori pour n'extraire que les objets orientés selon une direction particulière. Du fait du caractère rugueux et erratique des géométries d'affleurements, plusieurs limites apparaissent et mettent en défaut ce genre d'approche. Ainsi, dans un second temps, nous présentons deux algorithmes alternatifs afin de détecter de manière pertinente les objets géologiques ciblés. Ceux-ci prennent le contre-pied des techniques existantes en s'appuyant sur un marquage de sommets, établi depuis des propriétés différentielles de second ordre, suivi d'une opération de squelettisation. Nous validons, dans une dernière partie, l'ensemble des méthodes développées et proposons diverses applications afin de souligner la généricité des approches.

For a few years now, the LIDAR technology has been employed in geology to capture outcrop geometries as point clouds and surfaces. The objective of this thesis is to develop solutions aiming at processing these data automatically and particularly interpreting geological structures on numerical outcrops. This work is funded by ENI-Agip and fits into a larger project which is devoted to creating methodologies to integrate outcrop data into geological models. The problematic of this thesis focuses on the extraction of geological objects (ie, fractures and stratigraphic limit traces) depicted as polylines from numerical outcrop data. The fundamental idea therefore considers these geological entities as ravine lines (ie, lines with high concavity). This problem belongs to the large domain of feature line detection in computer graphics. We propose an approach based on third-order differential properties of the surface (ie, curvature derivatives). An a priori knowledge is integrated to constrain the detection in order to extract the geological structures oriented in a particular direction.The outcrop rugosity and erratic body geometries however raise several limits of this kind of method. We present two alternative algorithms to detect targeted geological objects in a pertinent way. These algorithms rely on a vertex labeling which is executed according to second-order differential properties and followed by a skeletonization process overcoming traditional approaches of feature detection. We finally present a different context of application than the detection of geological structures to validate the proposed approaches and emphasize their genericity.