La demande de modèles urbains en 3D pour la planification et la gestion urbaines est en augmentation. Les attributs tels que les bâtiments, les routes et les arbres sont des éléments clés, et les différents types de bâtiments sont parmi les composants les plus importants de ces modèles. Aujourd'hui, les technologies aéroportées sont largement utilisées dans la planification urbaine parce qu'elles permettent la collecte de données 3D sur de vastes zones, où la photogrammétrie est largement utilisée pour capturer des informations sur les caractéristiques 3D des objets. Cependant, la géométrie et la visualisation de certains bâtiments, en particulier dans leurs parties inférieures ou frontales (façades), peuvent être déformées en raison de la visibilité réduite depuis le ciel. C'est pourquoi les données aériennes doivent souvent être fusionnées avec des données au sol afin d'obtenir des informations complètes et précises pour les projets de numérisation des villes en 3D.
LE DÉFI DE LA MODÉLISATION 3D DES BÂTIMENTS À L'AIDE DE LA PHOTOGRAMMÉTRIE AÉRIENNE
Dans cette étude, il était nécessaire de créer un modèle 3D détaillé d'un pavillon situé dans un complexe résidentiel. Les relevés aériens conventionnels n'ont pas permis d'obtenir des données suffisantes pour réaliser un modèle 3D précis en raison des limites de la vue aérienne du drone. Des données complètes n'ont pas pu être obtenues pour certaines zones intérieures et extérieures de la structure du bâtiment. Le résultat était un modèle qui omettait de nombreuses surfaces.
Figure 1. De haut en bas : données du pavillon et du modèle 3D obtenues par la méthode conventionnelle de relevé aérien.
Les photographies prises avec l'appareil photo traditionnel ne constitueraient pas une solution efficace en raison de l'imprécision des informations de localisation et du mauvais alignement entre les données au sol et les données aériennes. Le post-traitement manuel de ces images prendrait également beaucoup de temps et nécessiterait une main-d'œuvre importante. Le récepteur GNSS i93, qui intègre les dernières technologies GNSS, RTK, IMU et de photogrammétrie vidéo à double caméra, a été choisi pour ce projet car il permet une collecte de données rapide et précise sur le terrain.
Figure 2. Le CHCNAV i93 intègre les technologies GNSS, Auto-IMU et la vidéo-photogrammétrie à double caméra.
CAPTURER LES DONNÉES SIG PAR LA VIDÉO-PHOTOGRAMMÉTRIE POUR ACCROÎTRE L'EFFICACITÉ
La capture vidéo continue du pavillon à l'aide du GNSS i93 a été réalisée dans des zones où le champ de vision du drone était limité. Le mode de modélisation vidéo de l'i93 GNSS a fourni des plans vidéo à 360° du pavillon sous différents angles en deux enregistrements indépendants des parties intérieures des colonnes, garantissant ainsi la couverture de l'ensemble de la structure.
Figure 3. Mesure vidéo du pavillon avec le i93 GNSS dans la zone résidentielle.
Par rapport aux méthodes traditionnelles utilisées pour améliorer les levés aériens, les levés vidéo avec le i93 GNSS éliminent le besoin d'opérations manuelles de pointage et de prise de vue, augmentant ainsi l'efficacité de la collecte de données sur le terrain.
COMBINER L'IMAGERIE AÉRIENNE ET TERRESTRE POUR SIMPLIFIER LE FLUX DE TRAVAIL DE LA MODÉLISATION 3D
Les images et les données POS du drone et de la caméra du i93 GNSS ont été extraites pour un traitement transparent des données et une modélisation 3D. L'acquisition de données avec le i93 GNSS est plus efficace que les méthodes traditionnelles car elle ne nécessite pas beaucoup de travail manuel, en particulier en ce qui concerne la synchronisation des images. Les images géoréférencées capturées par le i93 GNSS sont compatibles avec les outils de modélisation courants tels que ContextCapture, Smart3D, etc. Cela simplifie grandement le processus de traitement des données, ce qui permet de gagner du temps et d'économiser des coûts de main-d'œuvre.
Les ensembles de données ont été automatiquement synchronisés dans ContextCapture dans un nouveau projet avec deux blocs pour traiter les données aériennes et terrestres, respectivement. Des calculs de triangulation aérienne ont été effectués sur ces deux blocs afin de déterminer la position et l'orientation correctes de chaque image. Comme les deux méthodes d'enquête utilisent le même système de coordonnées géographiques et des données de position de haute précision, il a été possible de combiner les blocs de données sans définir de points de connexion ni appliquer de points de contrôle d'image ; ainsi, après la triangulation aérienne, les données ont été fusionnées pour créer un modèle 3D commun, ce qui a considérablement amélioré la précision et la rentabilité du rendu.
Figures 4,5 : Modèle basé sur des données aériennes (à gauche) et modèle commun après reconstruction (à droite).
LA PHOTOGRAMMÉTRIE VIDÉO AU SOL GAGNE DU TERRAIN POUR AFFINER LES MODÈLES DE JUMEAUX NUMÉRIQUES
Les enquêtes aériennes permettent de recueillir une grande quantité d'informations en peu de temps. Cependant, l'utilisation de drones pour effectuer des relevés dans des environnements urbains complexes présente plusieurs défis uniques. Les risques de sécurité posés par les grands bâtiments et les lignes électriques limitent la zone et la hauteur à laquelle les drones peuvent opérer dans les villes. Pour surmonter ces limitations, les systèmes de relevé au sol, tels que le i93 GNSS, complètent les plates-formes aériennes et augmentent l'exhaustivité des informations collectées pour la modélisation 3D des bâtiments.
___
À propos de CHCNAV
CHC Navigation (CHCNAV) crée des solutions innovantes de navigation et de positionnement GNSS pour rendre le travail des clients plus efficace. Les produits et solutions de CHCNAV couvrent de nombreux secteurs tels que le géospatial, la construction, l'agriculture et la marine. Avec une présence dans le monde entier, des distributeurs dans plus de 120 pays et plus de 1 700 employés, CHC Navigation est aujourd'hui reconnue comme l'une des entreprises à la croissance la plus rapide dans le domaine des technologies géomatiques.
