Contribution à la génération de cartes 3D-couleur de milieux naturels à partir de données d'un système multicapteur pour drone

Contribution to the generation of 3D-colour maps of natural environments from data from a multi-sensor system for drone

• Auteur / Autrice : Quentin Pentek
• Direction : Christophe Fiorio, Olivier Strauss
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 07/02/2020
• Etablissement(s) : Montpellier
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....) - Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)
• Jury : Président / Présidente : Pascal Vasseur
• Jury : Examinateurs / Examinatrices : Christophe Fiorio, Olivier Strauss, Pascal Vasseur, Marc Pierrot-Deseilligny, Cédric Demonceaux, Tristan Allouis
• Jury : Rapporteur / Rapporteuse : Marc Pierrot-Deseilligny, Cédric Demonceaux

Mots clés

Mots clés contrôlés

Fusion multicapteurs

Lidar

Étalonnage

Mots clés libres

Colorisation

Étalonnage de capteurs

Données mutlimodales

LiDAR

Fusion de données

Colorization

Sensor calibration

Multmodal data

LiDAR

Data fusion

Résumé

Ces travaux de thèse sont des travaux préliminaires à la construction de cartes 3D-couleur. Ils visent à résoudre la problématique de fusion des données LiDAR et de l'imagerie optique acquises depuis un drone. Deux prérequis sont identifiés. Ceux-ci consistent, d'une part, à caractériser les erreurs de mesure des données hétérogènes issues des capteurs, et d'autre part, à aligner géométriquement ces-dernières.Dans un premier temps, nous proposons le développement d'un modèle de prédiction de l'incertitude de mesure LiDAR prenant en compte l'influence de l'empreinte laser. Une nouvelle méthode sans référence est introduite dans le but de valider ce modèle de prédiction. Une deuxième méthode utilisant un plan de référence valide l'adéquation de l'utilisation de la méthode sans référence.Dans un second temps, nous proposons une nouvelle méthode d'étalonnage du système multicapteur composé d'un LiDAR, d'une caméra, d'un système de navigation inertielle et d'un système de positionnement par satellites. La performance de cette méthode est évaluée sur des données synthétiques et réelles. Elle présente l'avantage d'être entièrement automatique, ne nécessite pas de mire d'étalonnage ou de point de contrôle au sol et peut opérer indifféremment en milieu naturel ou urbain. La flexibilité de cette méthode lui permet d'être mise en œuvre rapidement avant chaque acquisition.Finalement, nous proposons une méthode permettant de générer des cartes 3D-couleur sous forme de nuages de points colorisés. Nos expériences montrent que l'alignement géométrique des données permet d'améliorer fortement la qualité des cartes 3D-couleurs. Si on regarde plus attentivement ces cartes 3D-couleur, il persiste des erreurs de colorisation dues principalement à la non prise en compte des erreurs de mesure. L'exploitation du modèle de prédiction de l'incertitude de mesure LiDAR proposé pour la construction des cartes 3D-couleur serait donc la suite logique de ces travaux.

These thesis works are preliminary works to the construction of 3D-colour maps. They aim to solve the problem of combining LiDAR data and optical imagery acquired from a drone. Two prerequisites are identified. These consist, on the one hand, in characterizing the measurement errors of heterogeneous data from the sensors and, on the other hand, in geometrically aligning the latter.First, we propose the development of a LiDAR measurement uncertainty prediction model that takes into account the influence of the laser footprint. A new method without reference is introduced to validate this prediction model. A second method using a reference plane validates the adequacy of the use of the method without reference.In a second step, we propose a new method for calibrating the multi-sensor system consisting of a LiDAR, a camera, an inertial navigation system and a global satellite navigation system. The performance of this method is evaluated on synthetic and real data. It has the advantage of being fully automatic, does not require a calibration object or ground control point and can operate in either natural or urban environments. The flexibility of this method allows it to be implemented quickly before each acquisition.Finally, we propose a method to generate 3D-color maps in the form of colored point clouds. Our experiments show that geometric data alignment significantly improves the quality of 3D-color maps. If we look more closely at these 3D-colour maps, there are still colorization errors due mainly to the failure to take into account measurement errors. The use of the proposed LiDAR measurement uncertainty prediction model in the construction of 3D-color maps would therefore be the logical continuation of this work.