Générer des données d'altitude à l'aide de l'assistant MNT

Disponible avec une licence Advanced.

Les données d’altitude peuvent découler de couples d’images stéréo à l’aide d’algorithmes de photogrammétrie. Un couple stéréoscopique comprend deux images de la même géolocalisation prises de perspectives différentes.

Les couples d’images stéréo d’une collecte d’images permettent de générer un nuage de points (points 3D) à partir duquel des données d’altitude peuvent être calculées. Les données d’altitude dérivée sont utilisées pour orthorectifier la collecte d’images dans l’espace de travail d’orthocartographie.

Remarque :

Les images satellite nadirales (verticales) haute résolution ne sont pas très affectées par la distorsion inhérente aux images aériennes en raison de la distance importante entre le capteur et le sol, de la grande distance focale du capteur (de l’ordre de 10 mètres) et du champ de visibilité restreint. Ces facteurs, alliés aux informations d’orientation précises sous forme de coefficients polynomiaux rationnels, entraînent la condition selon laquelle la précision MNT et les enregistrements denses sont moins importants dans la génération d’orthoimages précises, tant que l’orientation extérieure ajustée et les points de contrôle sont appropriés. Ainsi, l’étape de génération des MNT est souvent inutilisée et les MNT NED de l’USGS ou les MNT SRTM, alliés à des points de contrôle au sol précis, peuvent produire des orthoimages de classe I ou de classe II à une échelle de 1:5 000 ou inférieure.

Les points 3D générés à partir des couples stéréoscopiques dans l’assistant DEMs (MNE) sont classés en deux catégories :

• Modèle numérique de terrain (MNT) : altitude numérique de la Terre ne prenant pas en compte l’altitude des objets placés dessus. Ce format est également désigné par altitude de terre nue. Le jeu de données DTM terre nue est utilisé pour produire l’orthoimage et les orthomosaïques.
• Modèle numérique de surface (MNS) : altitude numérique de la Terre comprenant l’altitude des objets qui figurent dessus, tels que les arbres et les bâtiments. Le MNS est un jeu de données analytique précieux utilisé pour classer les entités en orthoimages (par exemple, pour distinguer les trottoirs des toitures en bardeaux d’asphalte). Ce modèle ne doit pas être utilisé pour l’orthorectification d’images, sauf si les images sources ont une direction nadirale sans inclinaison des bâtiments ou des entités, pour produire des orthoimages fiables.

Remarque :

Si une surface forestière est fortement boisée ou porte une autre couverture végétale dense, il ne sera pas possible de déduire la surface au sol du MNT, le sol n’étant pas visible. Le produit de surface d’altitude le plus approprié pour une occupation du sol forestière dense est un MNS, qui crée spécifiquement une surface représentant la partie supérieure de la canopée.

L'altitude peut être calculée lorsque la collecte d'images présente un chevauchement assez important pour former des paires stéréo. En règle générale, un chevauchement d'images produit des nuages de points si le chevauchement avant est de 80 pour cent le long d'une ligne de vol et de 60 pour cent entre les lignes de vol, de sorte que chaque emplacement au sol est couvert par plusieurs images. Il permet souvent de traiter des images de drone, des images aériennes numériques ou certaines images satellite capturées spécialement pour les applications stéréo.

Cet assistant propose deux étapes préconfigurées pour générer les sorties :

1. Générez des couples stéréoscopiques à partir de la collecte d’images afin de calculer le nuage de points.
2. Interpolez un raster à une résolution définie par l’utilisateur à partir du nuage de points.

Vous pouvez modifier les paramètres de traitement par défaut, mais vous ne pouvez pas supprimer une étape. Si vous souhaitez ignorer ou réaliser une étape spécifique, vous pouvez utiliser l’assistant Custom (Personnalisé).

Page Paramètres du nuage de points

Tout d’abord, spécifiez les paramètres de la page Point Cloud Settings (Paramètres du nuage de points).

Paramètres du nuage de points

Nom de paramètre	Description
Méthode d’appariement	Trois méthodes de correspondance permettent de générer un nuage de points : Correspondance MNT étendue (ETM, Extended Terrain Matching) est une technique d’appariement stéréo basée sur les entités dans laquelle l’opérateur Harris permet de détecter les points d’entités. Le nombre de points d’entités extraits étant moins élevé, cette méthode est rapide est peut être utilisée pour les données présentant un niveau moindre de variation MNT et de détail. Il s’agit de l’option par défaut.^1 Appariement semi-global (SGM, Semi-Global Matching) : produit des points plus denses avec des informations plus détaillées sur le MNT. Elle peut être utilisée pour les images de zones urbaines. Elle utilise plus de ressources que la méthode ETM.^2 Appariement multivue (MVM, Multi-View Matching) : repose sur la méthode d’appariement SGM à laquelle vient s’ajouter une étape de fusion dans laquelle les estimations d’altitude redondantes à travers un modèle stéréo unique sont fusionnées. Cette méthode de calcul efficace produit des points 3D denses.^3
Taille d'objet maximale (en mètres)	Définit un rayon de recherche qui permet d’éliminer les objets au-dessus du sol. Les objets dont la taille est inférieure au seuil sont filtrés comme appartenant au sol. Dans le cas contraire, ils sont traités comme des bâtiments, des ponts ou des arbres. La taille d’objet par défaut est de 10 mètres.
Espacement au sol des points	Définit l'espacement, en mètres, auquel sont générés les points 3D. L'espacement suggéré est cinq fois supérieur à la taille de pixel de l'image source.
Angle d'intersection minimal (en degrés)	Le nuage de points est généré à partir de couples stéréoscopiques. Cette valeur, en degrés, définit l’angle minimum auquel doit correspondre le couple stéréoscopique. La valeur par défaut est de 5 degrés. Remarque : Un couple stéréoscopique dont l’angle d’intersection est trop faible produit des résultats incertains lors de la triangulation des points 3D.
Angle d'intersection maximal (en degrés)	Le nuage de points est généré à partir de couples stéréoscopiques. Cette valeur, en degrés, définit l’angle maximum auquel doit correspondre le couple stéréoscopique. La valeur par défaut est de 70 degrés. Remarque : Un couple stéréoscopique dont l’angle d’intersection est trop élevé produit peu ou aucun point d’appariement.
Superposition de zones minimale	Le pourcentage de la zone de superposition sur l'image entière. La valeur par défaut est 0.6.
Différence Omega/Phi maximale (en degrés)	Seuil maximal pour la différence Omega/Phi entre les deux couples d’images. Les valeurs Omega et les valeurs Phi pour les couples d’images sont comparées. Si la différence entre les deux valeurs Omega ou les deux valeurs Phi est supérieure au seuil, les couples ne sont pas mis en forme en tant que couple stéréoscopique.
Différence GSD maximale	Le seuil pour la distance maximale de référence au sol (GSD) entre deux images dans un couple stéréoscopique. Si le ratio de résolution entre les deux images est supérieur à la valeur de seuil, les paires ne sont pas construites en tant que couple stéréoscopique. La valeur par défaut est 2.
Nombre de paires d'images	Le nombre de paires utilisées pour générer des points 3D. Dans le cas d’un projet ayant une forte densité de superpositions et un nombre élevé de couples stéréoscopiques, l’augmentation de cette valeur augmentera la durée de calcul. La valeur suggérée est 4. Il peut arriver qu'un emplacement soit recouvert de nombreuses paires d'images. Dans ce cas, l’outil classe les paires en fonction des différents paramètres de seuil spécifiés dans cet outil. Les paires dont les scores sont les plus élevés sont utilisés pour générer les points. Ce paramètre limite les trop nombreuses utilisations d’un couple. Les paramètres qui affectent l'ordre du couple stéréo, en plus de Angle d'intersection minimal, Angle d'intersection maximal, Superposition de zones minimale, peuvent également inclure Différence Omega/Phi maximale, Différence GSD maximale et Seuil de qualité d'ajustement.
Seuil de qualité d'ajustement	Indiquez la qualité d'ajustement minimum qui est acceptable. La valeur de seuil est comparée à la valeur de qualité d’ajustement qui est stockée au sein du modèle stéréo. Les paires d’images dont la qualité d’ajustement est inférieure au seuil spécifié reçoivent un score de 0 pour ce critère et leur position décroît dans la liste classée. Les valeurs pour le seuil sont comprises entre 0 et 1. La valeur suggérée est 0,2.

Bibliographie

1. Harris, Christopher G. et Mike Stephens. « A combined corner and edge detector. » Alvey vision conference, vol. 15, no. 50, pp. 10-5244. 1988.
2. Hirschmuller, Heiko, Maximilian Buder et Ines Ernst. « Memory Efficient Semi-Global Matching. » ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume 1–3, (2012): 371–376.
3. Hirschmuller, Heiko. « Stereo Processing by Semiglobal Matching and Mutual Information. » IEEE Transactions on pattern analysis and machine intelligence, Volume 30, no. 2 (2007): 328-341.

Page Paramètres d'interpolation MNT

Tout d’abord, spécifiez les paramètres de la page DEM Interpolation Settings (Paramètres d’interpolation MNT).

Paramètres d'interpolation MNT

Nom de paramètre	Description
Type de surface	Créez un modèle numérique de terrain ou un modèle de surface numérique. DTM : créez un modèle numérique de terrain en interpolant uniquement la surface raster à l'aide des points au sol uniquement. DSM : créez un modèle numérique de surface en interpolant un raster à l'aide de tous les points (les points au sol et les points au-dessus du sol).
Taille de cellule	Taille de cellule du jeu de données raster en sortie.
Format	Le format du jeu de données raster en sortie : Cloud Raster Format. Il s’agit de l’option par défaut. Format TIFF
Compression	Méthode utilisée pour compresser le jeu de données raster en sortie. None (Aucune) : ne compressez pas le jeu de données raster en sortie. Il s’agit de l’option par défaut. LERC : utilisez la compression LERC pour compresser le jeu de données raster en sortie. La méthode de compression LERC fonctionne sur n’importe quel type de données (octet, entier, réel et double précision). L’efficacité de l’algorithme de compression augmente avec l’espace par pixel.
Erreur maximum	Erreur maximum autorisée pour la compression LERC. La valeur d'erreur maximale est la valeur de tolérance applicable par pixel (et non une moyenne pour l'image). Pour utiliser cette option, définissez la Compression sur LERC.
Méthode d’interpolation	La méthode utilisée pour interpoler le jeu de données raster en sortie à partir du nuage de points. TIN Linear Interpolation (Interpolation linéaire TIN) : également connue sous le nom d’interpolation linéaire de réseau triangulé irrégulier (TIN) conçue pour les points de faible densité répartis irrégulièrement, tels que les points de solution issus du calcul d’ajustement de bloc. Il s’agit de l’option par défaut. TIN Natural Neighbor Interpolation (Interpolation par voisins naturels TIN) : cette méthode s’apparente à la triangulation , mais génère une surface plus lisse et exige un plus grand nombre de ressources. Interpolation moyenne pondérée par l'inverse de la distance : elle est utilisée pour les points de forte densité répartis régulièrement, tels que les fichiers LAS de nuage de points issus de l'outil Générer un nuage de points. Le rayon de recherche IDW est calculé automatiquement en fonction de la densité moyenne des points.
Méthode de lissage	Sélectionnez un filtre pour lisser le jeu de données raster en sortie. Gaussien de 3 sur 3 : un filtre gaussien avec une fenêtre de 3 sur 3. Gaussien de 5 sur 5 : un filtre gaussien avec une fenêtre de 5 sur 5. Il s’agit de l’option par défaut. Gaussien de 7 sur 7 : un filtre gaussien avec une fenêtre de 7 sur 7. Gaussien de 9 sur 9 : un filtre gaussien avec une fenêtre de 9 sur 9. Aucun lissage : aucun filtre de lissage n'est appliqué.
Remplir les pixels manquants avec	Spécifiez un MNE en entrée utilisé pour remplir les zones NoData. Remarque : Les zones NoData peuvent exister lorsque le chevauchement stéréoscopique est insuffisant, ou qu’aucun point d'appariement n’est trouvé dans la zone lors de la génération du nuage de points.