Logiciel de classification de nuages de points : ce qu'il fait et comment l'évaluer
Un levé LiDAR arrive sous forme de millions de points avec coordonnées, intensité et information de retour, et rien qui dise quels points sont du sol, des arbres ou un toit. Un logiciel de classification de nuages de points écrit cette réponse dans le fichier : un code de classe sur chaque point, selon le schéma que le format LAS porte depuis ses premières versions [1]. Tout ce qui suit, du modèle de terrain au rapport de dégagement de corridor, lit ces codes. Cet article explique ce que fait réellement le logiciel, les quatre tâches qu'il doit réussir, et comment en tester un sur vos propres données avant de vous engager.
Ce que fait réellement un logiciel de classification
L'entrée est un fichier LAS ou LAZ, ou un fichier COPC, c'est-à-dire un LAZ organisé pour la diffusion en continu [2]. La sortie est le même fichier avec le champ de classification renseigné sur chaque point. Les codes sont normalisés : 2 pour le sol, 3 à 5 pour la végétation basse, moyenne et haute, 6 pour les bâtiments, 7 pour le bruit bas, 9 pour l'eau, 17 pour les tabliers de pont, 18 pour le bruit haut, et pour les réseaux 13 à 16 pour les câbles de garde, les conducteurs, les pylônes et les connecteurs [1]. Les codes 64 à 255 sont réservés aux classes définies par l'utilisateur dans les formats d'enregistrement modernes [1]. Un bon outil écrit ces codes et rien d'autre qu'on ne lui a pas demandé de toucher : coordonnées, numéros de retour, temps GPS et indicateurs ressortent tels qu'ils sont entrés.
Deux familles de méthodes font le travail. Les filtres à base de règles classent par géométrie : un point nettement sous une surface ajustée est du sol, un point loin au-dessus de ses voisins est du bruit. Ils sont prévisibles et restent l'ossature du travail de terrain. Les modèles appris classent à partir d'exemples et séparent ce que la géométrie seule peine à distinguer, un bord de toit d'une couronne d'arbre, un conducteur d'une branche. La plupart des outils de production combinent désormais les deux, et la question pratique n'est pas la méthode que nomme le fournisseur, mais quelles classes arrivent préentraînées et comment elles tiennent sur votre terrain.
Les quatre tâches qu'il doit réussir
- Le sol, de façon fiable. Chaque produit de terrain hérite de la classe sol ; une erreur ici se propage dans le MNT, les courbes de niveau et chaque hauteur mesurée au-dessus du sol. Testez-le sur un terrain escarpé, végétalisé et bâti, pas sur un champ plat.
- Les classes sémantiques. Les séparations de végétation, les bâtiments, les tabliers de pont, l'eau, et pour les corridors les classes de câbles et de structures. La liste de classes que livre le fournisseur est celle que vous obtenez le premier jour ; le reste est de l'entraînement que vous ferez vous-même.
- La fidélité de l'aller-retour. Lire LAS, LAZ et COPC ; les réécrire sans perdre l'en-tête, les enregistrements à longueur variable qui portent le système de coordonnées, ni les indicateurs de points. Un outil qui réécrit silencieusement le système de coordonnées ou supprime l'indicateur withheld corrompt le travail fait en amont [1].
- La révision. La classification n'est jamais la dernière étape. Le logiciel doit rendre la vérification rapide : un moyen de voir les points douteux, de relancer une tuile avec d'autres réglages, et de donner au réviseur quelque chose à approuver.
Comment l'évaluer sur vos propres tuiles
Les démonstrations des fournisseurs tournent sur les données des fournisseurs. Apportez trois tuiles à vous : une avec un terrain escarpé ou accidenté, un bloc urbain dense, et un corridor ou une lisière de forêt, selon ce sur quoi reposent vos contrats. Classifiez-les avec les réglages par défaut et chronométrez toute la boucle, export compris. Vérifiez ensuite les résultats comme le ferait un réviseur.
| Vérification | Quoi regarder | Ce que cela révèle |
|---|---|---|
| Surface du sol | Résidus aux points de contrôle ; ombrage du MNT pour crêtes et creux | Si la classe sol tient sur votre terrain |
| Accord par classe | Exactitude du producteur et de l'utilisateur sur une tuile de référence | Quelles classes fuient vers quelles autres |
| Aller-retour | En-tête, enregistrements du système de coordonnées, indicateurs et nombre de points avant et après | Si l'outil préserve le fichier |
| Temps de boucle | Exécuter, réviser, ajuster, relancer sur une tuile | Ce qu'un vrai bloc coûtera en heures |
L'exactitude du producteur répond, pour chaque classe, à combien de points de référence de cette classe l'outil a trouvés ; l'exactitude de l'utilisateur, à combien de points placés dans cette classe y appartiennent vraiment [3]. Lisez-les par classe, pas comme un chiffre global, car le sol et la végétation haute portent la plupart des points et peuvent masquer une classe bâtiment qui échoue discrètement. Notre note sur la mesure de l'exactitude détaille la matrice de confusion derrière ces deux chiffres.
Les questions qui décident du déploiement
Certains logiciels de classification s'exécutent sur un poste de travail, d'autres dans un navigateur, certains les deux. La bonne réponse dépend de l'endroit où arrivent vos blocs, de ce que vos contrats disent sur le lieu de traitement des données, et de la fréquence des réexécutions. Une clause qui désigne des machines contrôlées exclut les outils réservés au navigateur ; une petite firme sans poste GPU peut les préférer. La licence suit la même partition : perpétuelle ou par abonnement côté bureau, traitement mesuré côté infonuagique, où chaque réexécution est facturée de nouveau. Nous avons exposé les compromis dans où exécuter la classification LiDAR.
Quoi demander au fournisseur avant l'essai
- Quelles classes sont préentraînées, sur quel type de données, et qu'advient-il des points hors de cet ensemble ?
- Quels formats d'enregistrement de points et quelles versions LAS sont lus et écrits, et les octets supplémentaires et enregistrements de système de coordonnées sont-ils préservés ?
- Comment une réexécution est-elle facturée ou licenciée, et la réponse change-t-elle avec la taille du bloc ?
- Que voit le réviseur : une couche de classes, une couche de points douteux, des rapports par tuile, ou seulement le fichier final ?
- Où s'exécute le traitement, et cela peut-il satisfaire les clauses sur les données de vos contrats ?
Vecten répond à ces questions avec des modèles préentraînés pour le sol, la végétation, les bâtiments, les tabliers de pont, le bruit et les actifs de corridors de réseaux, et avec des couches de revue écrites à côté de chaque bloc classifié. Vecten Desktop les exécute sur votre propre poste ; Vecten Cloud exécute les mêmes modèles dans le navigateur.
Questions fréquentes
- La classification de nuages de points est-elle la même chose que la segmentation ?
- Non. La classification attribue un code de classe à chaque point. La segmentation regroupe les points en objets, un bâtiment ou un arbre, qui peuvent ensuite être classifiés ou extraits. Les livrables LiDAR de production sont spécifiés en classes ; c'est donc la classification que nomment les contrats.
- Quelles classes le logiciel doit-il prendre en charge ?
- Au minimum les classes standard ASPRS que nomment vos livrables : sol, séparations de végétation, bâtiment, eau, bruit et tablier de pont pour la cartographie ; les classes de câbles et de structures pour les corridors. Vérifiez que l'outil écrit les codes standard plutôt que sa propre numérotation.
- Un logiciel de classification peut-il travailler directement en LAZ ?
- La plupart des outils de production lisent et écrivent le LAZ, et beaucoup lisent maintenant le COPC. Ce qui compte, c'est que l'aller-retour compressé soit sans perte et que l'en-tête et les enregistrements à longueur variable y survivent.
- Combien de temps un essai devrait-il durer ?
- Trois tuiles, un après-midi. Si un outil ne peut classifier une tuile représentative et vous laisser en contrôler le résultat dans ce délai, la boucle est trop lente pour la production, quelle qu'ait été la démonstration.
Références
- [1] ASPRS, *LAS Specification 1.4 – R16*, The American Society for Photogrammetry & Remote Sensing, LAS Working Group, 2025. github.com/ASPRSorg/LAS
- [2] *Cloud Optimized Point Cloud (COPC) specification*. copc.io
- [3] R. G. Congalton, "A review of assessing the accuracy of classifications of remotely sensed data," *Remote Sensing of Environment*, vol. 37, no. 1, pp. 35-46, 1991, doi: 10.1016/0034-4257(91)90048-B.
