Projet Drones et Modèles Numériques de Surface Evaluation de qualité de Modèles Numériques de Surface acquis par drones.

Slides:



Advertisements
Présentations similaires
RENDU DE TERRAIN Problématique : Rendre une très large zone de terrains en la simplifiant au maximum pour réduire le nombre de polygones à afficher. A.Bailly.
Advertisements

Correction des flats-fields Nadège Meunier Atelier MTR, 17 janvier 2006, Tarbes.
Évaluation de la qualité d'une clusterisation
P. Le Borgne, F. Orain, H. Roquet Météo-France/DP/CMS, Lannion, France
Photographie aérienne
- Etude d'une système d'éclairage autonome de vélo.
Module d’Enseignement à Distance pour l’Architecture Logicielle
U6.2: Implantation - Contrôle
MODULE - METHODES POTENTIELLES Contenu du cours (par J.B. Edel & P. Sailhac) : I. Propriétés physiques des roches : densités, aimantations induites et.
Gouttes rebondissantes sur une surface vibrée verticalement
Baccalauréat professionnel SEN
approche interne des chaînes d'énergie et d'information (lecture)
Estimation des pluies au Sahel Évaluation des réseaux de mesure au sol et des produits satellitaux A. ALI*, A. AMANI, T. LEBEL, S. IBRAHIMA.
Le site de réduction de Fiko, Mali Bilan des interventions archéologiques ( )
ETAT DAVANCEMENT DES TRAVAUX Par: Narcisse TALLA TANKAM LETS - avril 2004.
Prospections géophysiques du sous-bassin versant de Kerrolland à Naizin (Morbihan) DESS de Géophysique Appliquée (Université Pierre et Marie Curie, Paris.
Le réseau écologique wallon : un mythe ou une réalité ?
Emmanuelle Weinzaepflen Fondation Universitaire Luxembourgeoise, Arlon
Support Vector Machine
Les systèmes d’information Géographique . نظم المعلومات الجغرافية
Suite à la rupture d ’écrases tubes utilisés par les agents GDF.
Precision Analyse of Industrial Codes PAIC MCIP-C.
Modélisation d'environnements forestiers
L’AGRICULTURE DE PRECISION - LA GESTION GEOGRAPHIQUE AGRICOLE
MODULE - METHODES POTENTIELLES
Système d’information géographique
Rédaction d’un article ou d’une thèse : le plan IMReD
2/12/2004 L. Niggeler/DCMO 1 Projets 2005, intentions, perspectives Projets 2005 MNT/MNS/Orthophotos MNT: 15 cm de précision Orthophotos.
Objectifs Etat des connaissances dans le domaine de la cartographie de la vulnérabilité Application de 5 méthodes sur la région de Sierre-Vétroz (Valais,
Son environnement concurrentiel Etude de son Cahier des Charges
Mise-à-jour de données de haute incertitude spatiale Présentation dans le cadre du groupe de discussion sur la fusion de données géospatiales – 22 nov.
ASUR, point de départ d’une méthode de conception de systèmes mixtes mobiles ? Emmanuel Dubois IRIT – LIIHS Assises GDR I3 – Groupe « mobilité et ubiquité.
Simulations 2D méridien-vertical sur l’Afrique de l’Ouest P
Groupe Navigation La Localisation en Intérieur à l ’aide de réseaux locaux sans fil (WLAN Indoor Positioning) Cas de Bluetooth Groupe Navigation GET/INT.
GPS ET SYSTEMES DE GUIDAGE
Quelques conseils pour l’interprétation géologique d’images satellites.
INFLUENCE DE LA NORMALISATION DES PIEDS SUR L’EQUILIBRE
La régression du Sonneur à ventre jaune (Bombina variegata L
Plusieurs techniques ont été expérimenté. Différentes modulations ont été étudiées et testées. Un setup expérimental a été mis en place. Les résultats.
LAMSADE Université Paris Dauphine
André M., Mahy G., Lejeune P., Maréchal J., Meniko J.-P., Bogaert J.
5 mars 2003 Géoévènement Analyse des paysages dans un contexte d’aménagement. L’intérêt des outils géomatiques Thierry Joliveau. CRENAM-CNRS UMR.
Rapports M1 Terrain Géophysique Le rapport doit tenir en 25 pages maximum ; les tableaux de mesures peuvent être en annexe (non comprises dans les 25 pages).
Mémoire de Master 2ème année
Apport de l’imagerie satellitaire et des SIG
Colloque Géomatique et cartographie 2 juillet 2014 CHEMIN ( Caractérisation Hydrologique de l’Extension du Milieu INondable)
Synthèse d’images et Rendu Réaliste Compression Progressive de Modèles 3D DOMENGET Bruno DUMAS Benjamin EISTI.
- Exemple de détermination de tolérance de localisation
- Application au Bassin versant du Jaudy-Guindy-Bizien -
Approximation des équations de la magnéto-hydrodynamique
13 ième congrès français de sédimentologie Dijon, Palais des Congrès – 14 au 16 Novembre 2011 La résilience de l’érosion du sol en réponse à l’évolution.
Cours Cotation TD TP.
LES CARTES TOPOGRAPHIQUES CARTOGRAPHIE LES CARTES TOPOGRAPHIQUES LES CARTES GEOLOGIQUES.
Comparaison multi-échelle des précipitations du modèle Méso-NH et des données radar Colloque CNFSH – Ecole des Ponts ParisTech – 11/12 juin 2009 A., Gires.
Présentation du système
Les différents types d’articles - cas clinique - éditorial - mise au point - revue générale - revue générale structurée - méta analyse - article original.
Le PS-InSAR pour évaluer le comportement des grottes en zone urbaine
Module 2.3 – Estimation des facteurs d’émission liés à l’évolution du couvert forestier (déboisement et dégradation des forêts) Matériels de formation.
Compte-rendu de projet du module Forêts Tropicales Humides 2009
Sciences Mécaniques Appliquées
Les Reliefs.
Projet Drone et « tour de plaine » : intérêts et apports des images aériennes à très haute définition spatiale et temporelle pour surveiller et caractériser.
Modélisation des Actions Mécaniques Première sti2d
Catherine Leduc, conseillère d’orientation
Hatem Mabrouk, 4/11/2015 Fatma Ben Jemaa Denis Feurer Sylvain Massuel Cas de la gestion technique d'un verger de pêcher.
Caractéristiques de la première éclaircie dans les peuplements de Pin maritime des Landes de Gascogne Céline Meredieu, Thierry Labbé, Lucie Rupil Cécile.
Algorithmes d’analyse spectrale en spectrométrie gamma embarquée
Simulation numérique d’un procédé de mise en forme par faible contact d’une virole acier J. Raujol-Veillé, F. Toussaint, L. Tabourot, M. Vautrot, P. Balland.
LA MODELISATION HYDROLOGIQUE Sébastien Zaragosi
Transcription de la présentation:

Projet Drones et Modèles Numériques de Surface Evaluation de qualité de Modèles Numériques de Surface acquis par drones

Introduction Drone : Modèle Numérique de Surface

Introduction Quelle est la qualité des MNS produits par drones à partir de chaines commerciales d’acquisition et de traitement ? Drone : Modèle Numérique de Surface Un contexte technologique propice : -Une attente de professionnels -Séminaire 3D Problématique :

Introduction Drone : Modèle Numérique de Surface Projet réalisé dans le cadre d’un module d’enseignement : - Etudiants 2° année - Etudiants AgroTIC

Matériel & méthode Drone : Modèle Numérique de Surface

Matériel & méthode Drone : Modèle Numérique de Surface La parcelle d’étude : Mas de la Chevalière à Cazouls-les-Beziers : Eléments caractéristiques : - Altitude de 150 à 175m - Pentes de 0 à 10% - Cuvette - Talus - Chemins plats

Matériel & méthode Drone : Modèle Numérique de Surface Les mesures de référence : Définition d’un MNT de référence : Tachéomètre Prisme Etc… -2 positions du tachéomètre -Quadrillage de la parcelle avec les prismes

Matériel & méthode Drone : Modèle Numérique de Surface Les mesures de référence : Résolution spatiale des mesures de terrain 10 m 20 m Inter-rang : 2,5m Inter-cep : 1m

Matériel & méthode Produits commerciaux fournis par 3 sociétés de drones : Drone : Modèle Numérique de Surface Les Modèles Numériques de Surface étudiés : Modèles Numériques de Surfaces construits par photogrammétrie

Matériel & méthode Drone : Modèle Numérique de Surface MNT de référence tachéomètre MNT Geofalco MNT Aeortech MNT Airinnov’ Comparaison entre chaque MNT et le MNT de référence Le principe de la méthode de comparaison Points de comparaison

Matériel & méthode Drone : Modèle Numérique de Surface méthode de comparaison : Calcul de l’erreur moyenne MNT de référence tachéomètre MNT drone Points de comparaison 48 points de comparaison Calcul de l’erreur en chaque point Calcul de l’erreur moyenne : ErrM En XY : ErrMxy En Z : ErrMz

Matériel & méthode Drone : Modèle Numérique de Surface méthode de comparaison : Calcul de l’erreur moyenne MNT de référence tachéomètre MNT drone Points de comparaison 48 points de comparaison Calcul de l’erreur en chaque point Calcul de l’erreur corrigée : ErrCor En XY : RMSExy En Z : RMSEz Carte ErrCor Normalisation des MNT drones

Matériel & méthode Drone : Modèle Numérique de Surface MNT de référence tachéomètre MNT Geofalco MNT Aeortech MNT Airinnov’ Comparaison entre chaque MNT et le MNT de référence Le principe de la méthode de comparaison Points de comparaison ErrMxy ErrMz RMSExy RMSEz Carte ErrCor

Résultats Drone : Modèle Numérique de Surface

Résultats Drone : Modèle Numérique de Surface Comparaison à une échelle globale MNS obtenu par drone (société C)MNT de référence -MNS très semblables entre eux -Principaux éléments caractéristiques -Artéfacts d’interpolation

Résultats Drone : Modèle Numérique de Surface Etude d’une zone de rupture de pente MNS (société C)MNT de référence -Végétation visible sur MNT -Artéfacts d’interpolation

Résultats Drone : Modèle Numérique de Surface Etude de l’erreur en XY : ErrMxy et RMSExy dGPS B A C ref Représentation de l’erreur en XY Légende ref B RMSExy ErrMxy ABC (cm) 4338 RMSE (cm) Erreur des MNS acquis par drones en XY

Résultats Drone : Modèle Numérique de Surface Etude de l’erreur en XY : ErrMxy et RMSExy dGPS B A C ref Représentation de l’erreur en XY ABC ErrMxy (cm) 4338 RMSExy (cm) Erreur des MNS acquis par drones en XY -Erreur moyenne très faible -Importance des points de référence -Une RMSE plutôt bonne

Résultats Drone : Modèle Numérique de Surface Etude de l’erreur en Z : ErrMz et RMSEz ABC ErrMz (cm) RMSExy (cm) 855 Erreur des MNS acquis par drones en XY -Erreur moyenne plutôt faible -Importance des points de référence -Une excellente RMSE en Z

Résultats Drone : Modèle Numérique de Surface Cartographie de l’erreur corrigée en Z Pour les 3 MNS obtenus par drones -Une erreur structurée spatialement -Pas de corrélation entre erreur et caractéristiques du terrain -Hypothèse : corrélation entre erreur et plan de vol et/ou algorithme de post-traitement

Discussion Drone : Modèle Numérique de Surface

Discussion -Technologie intéressante pour : -caractérisation de pente -Ecoulements inter-parcellaires -Source de données abordable avec une qualité équivalente aux données de référence -Une précision toutefois trop faible pour des usages de suivi de l’érosion intra- parcellaire Drone : Modèle Numérique de Surface

Discussion -Des voies d’amélioration à explorer pour la qualité des données : -Meilleur résolution (Hauteur de vol) -Algorithme de traitement -Plan de vol -Limite atteinte pour les données de référence Drone : Modèle Numérique de Surface

Conclusion Drone : Modèle Numérique de Surface

Conclusion -Une technologie mature -Une qualité équivalente aux solutions de référence -Des usages potentiels très intéressants Drone : Modèle Numérique de Surface