scholarly journals Modélisation de la canopée forestière par photogrammétrie depuis des images acquises par drone

Author(s):  
Jonathan Lisein ◽  
Stéphanie Bonnet ◽  
Philippe Lejeune ◽  
Marc Pierrot-Deseilligny

Les petits drones civils développés à des fins de cartographie rapide offrent, à une échelle locale, de nombreuses opportunités pour le suivit d'écosystèmes forestiers. Nous utilisons dans cette recherche des images acquises avec un avion sans pilote à voilure fixe afin de modéliser la surface de la canopée de peuplements feuillus. Une chaine de traitements photogrammétriques est mise en place aux moyens des outils de la suite open source {\tt MICMAC}. Nous comparons différentes stratégies de corrélation automatique d'images afin de déterminer le paramétrage qui permet au mieux de reconstruire les détails de la canopées. Bien que le modèle de surface photogrammétrique ne permette pas d'appréhender les petites dépressions et élévations des houppiers, nos résultats montrent que l'utilisation conjointe d'images drone et d'un modèle numérique de terrain LiDAR permet de mesurer la hauteur dominante des peuplements feuillus. Ces résultats confirment la faisabilité de modéliser l'évolution de la hauteurs des peuplements forestiers depuis une série temporelle d'images drone.

Author(s):  
Xavier Lucie ◽  
Sylvie Durrieu ◽  
Anne Jolly ◽  
Sylvain Labbé ◽  
Jean-Pierre Renaud

Le renouveau de la photogrammétrie et le développement de moyens aéroportés légers tels que les drones permettent de nouvelles applications dans le domaine de l'aménagement et la gestion forestière.L'estimation de variables forestières se fait dans le cadre de processus longs et fastidieux sur le terrain. Dans l'idée d'automatiser l'extraction de variables dendrométriques, nous mettons en place une méthodologie pour générer les modèles numériques de surfaces (MNS) par photogrammétrie multi-vues les plus précis possibles compte-tenu des limites imposées par les algorithmes de calcul. Nous utilisons pour ce faire la suite photogrammétrique libre de l'IGN MicMac.Notre zone d'étude se situe dans la forêt domaniale du Ventouret (région PACA) qui est une forêt mixte de moyenne montagne. Pour qualifier la précision de ces MNS, nous disposons de relevés dendrométriques sur des placettes d'analyse de 700 m² représentatives des peuplements les plus fréquents à l'échelle de la forêt. Ces zones ont été survolées par un drone multi-rotors équipé d'un appareil photo numérique à focale fixe. Les clichés ont une résolution spatiale de 2,5 cm contre 25 cm pour les prises de vues standardisées de l'IGN.Afin d'étudier l'impact de la résolution sur la qualité des MNS générés, nous dégradons la résolution des prises de vues du drone jusqu'à obtenir un pixel terrain d'une quarantaine de centimètres. Nous comparons ensuite les altitudes de chaque MNS avec des pointés stéréoscopiques de référence réalisés manuellement sur les prises de vues originales.En soustrayant à chaque MNS un modèle numérique de terrain (MNT) LiDAR, nous calculons ensuite un modèle de hauteur de couvert (MHC). L'étude de la distribution des hauteurs sur chaque placette et d'un modèle statistique de hauteur dominante (H0) nous permettent de conclure sur l'intérêt de l'approche photogrammétrique et de déterminer des résolutions spatiales optimales pour appuyer le travail des gestionnaires et aménagistes forestiers.


Author(s):  
Fadi P. Deek ◽  
James A. M. McHugh
Keyword(s):  

2019 ◽  
Vol 53 (4) ◽  
pp. 373-383
Author(s):  
Jean-François Chazalon
Keyword(s):  

L’intelligence artificielle ou IA est omniprésente. Nous la retrouvons à chaque moment de notre vie quand nous utilisons Google, Facebook ou même quand nous faisons une réservation. Et cela même sans que nous en soyons conscient. Notre pratique orthodontique n’y fait pas exception et plus particulièrement avec Invisalign, une des premières sociétés orthodontiques ayant utilisé le numérique. Dans cet article, nous ferons la part de l’IA dans les différents produits et logiciels développés par Invisalign.


Author(s):  
M Harth ◽  
St Zangos ◽  
Wo Schwarz ◽  
Oe Gürvit ◽  
Ma Lorenz ◽  
...  
Keyword(s):  

Sign in / Sign up

Export Citation Format

Share Document