Vectorisation automatique de voiries urbaines à partir des données LiDAR d'un système de cartographie mobile

Automatic vectorization of urban roads using LiDAR data from mobile mapping system

• Auteur / Autrice : Étienne Barçon
• Direction : Pierre Grussenmeyer, Tania Landes
• Type : Thèse de doctorat
• Discipline(s) : Image et vision
• Date : Soutenance le 16/09/2024
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
• Jury : Président / Présidente : Pierre Charbonnier
• Jury : Examinateurs / Examinatrices : Elisabeth Simonetto
• Jury : Rapporteurs / Rapporteuses : Pierre Charbonnier, Bruno Vallet

Mots clés

Mots clés contrôlés

Lidar

Nuages de points

Cartographie

Mots clés libres

Automatisation

Vectorisation

Nuage de points

Cartographie mobile

Automation

Vectorization

Point clouds

Mobile mapping

Résumé

Cette thèse aborde l’automatisation des procédés de cartographie urbaine allant de l’échelle de la rue à celle de la ville. Elle intervient dans un contexte de modification des procédures de levé topographique entrainé par l’essor des capteurs LiDAR embarqués. Si cette évolution technologique réduit le temps nécessaire à l'acquisition des données sur le terrain, elle augmente également le volume et le temps nécessaire au traitement des nuages de points obtenus vers d’autres livrables comme des plans topographiques. Cette thèse propose et met en œuvre une méthodologie visant à automatiser la procédure manuelle de vectorisation des nuages de points issus d’un dispositif de cartographie mobile. L’approche proposée permet d’obtenir la vectorisation automatique d’environ 70% des bordures de trottoir, marquages au sol et mâts pour une classe de précision de 5 cm.

This thesis deals with the automation of urban mapping processes, from the street to the city scale. This comes at a time when topographic surveying procedures are being changed by the development of on-board LiDAR sensors. While this change in technology reduces the time needed to acquire data in the field, it also increases the volume and time needed to process the resulting point clouds into other deliverables, such as a topographic map. This thesis proposes and implements a methodology to automate the manual process of vectorizing point clouds from a mobile mapping device. The proposed approach allows to automatically vectorize around 70% of curbs, road markings and poles for a precision class of 5 cm.