Un nuage de points désigne un ensemble de points 3D qui représentent la forme et la structure d'un environnement. Ces points sont généralement générés par des systèmes LiDAR ou de numérisation 3D, et chaque point contient des coordonnées spatiales (X, Y, Z), parfois accompagnées d'attributs supplémentaires tels que l'intensité ou la couleur. Alors que le capteur LiDAR capture les données spatiales brutes, c'est le système de navigation inertielle (INS) qui fournit la position et l'orientation précises du capteur à chaque instant. Ceci est essentiel car, pour placer avec précision chaque point dans un référentiel global, le système doit savoir exactement où se trouvait le scanner et comment il était orienté lorsque chaque mesure a été prise.
L'INS, qui combine les données des accéléromètres et des gyroscopes (et souvent des récepteurs GNSS), suit en permanence le mouvement de la plateforme, qu'il s'agisse d'un avion, d'un véhicule, d'un drone ou d'un navire. Le LiDAR capture des millions de points par seconde, tandis que l'INS fournit simultanément des informations en temps réel sur la position et l'attitude, ce qui permet au système de géoréférencer correctement chaque point. Ce processus se traduit par un nuage de points très précis et spatialement cohérent.
En intégrant les données inertielles au LiDAR, les utilisateurs peuvent générer des représentations 3D détaillées d'environnements complexes, même dans les zones où le GNSS est inaccessible ou en cas de mouvement rapide. Ceci est particulièrement important dans la cartographie mobile, la topographie de précision, la navigation autonome et la modélisation environnementale. Par exemple, un UAV équipé d'un INS et d'un LiDAR peut cartographier la canopée d'une forêt ou un couloir de ligne électrique avec une précision de l'ordre du centimètre, même en volant au-dessus d'un terrain accidenté ou isolé.
De même, un véhicule de cartographie mobile peut scanner des environnements urbains en temps réel, l'INS garantissant que le nuage de points résultant reste cohérent et aligné malgré les changements de vitesse, de direction ou de terrain.
Comment les systèmes LiDAR ou d'imagerie génèrent-ils des nuages de points ?
Un nuage de points fonctionne en capturant un ensemble dense de points individuels dans l'espace 3D pour représenter la surface des objets ou des environnements. Chaque point du nuage contient des coordonnées spatiales—X, Y et Z—qui définissent sa position.
Les capteurs tels que le LiDAR (Light Detection and Ranging) ou les caméras 3D génèrent généralement ces points en scannant l'environnement avec des impulsions laser ou en utilisant l'imagerie stéréo pour mesurer les distances aux surfaces. Lorsque le capteur collecte des données, il calcule le temps nécessaire au retour du signal, ce qui lui permet de déterminer la position exacte de chaque point dans l'espace.
Lorsque le capteur se déplace—sur un véhicule, un UAV ou un appareil portable—, il collecte en permanence de nouveaux points de données sous différents angles. Le système enregistre l'horodatage de chaque point et utilise la position et l'orientation du capteur au moment de la capture pour reconstruire un modèle 3D précis.
C'est là qu'interviennent les systèmes de navigation inertielle (INS) ou les intégrations GNSS/INS. Le système suit le mouvement du capteur en temps réel, ce qui lui permet de géoréférencer les données du nuage de points et de les aligner avec précision sur le système de coordonnées du monde réel.
Une fois capturé et traité, un nuage de points fournit une réplique numérique riche et détaillée de l'environnement numérisé. Les utilisateurs peuvent appliquer ces ensembles de données pour créer des cartes 3D, effectuer des mesures, modéliser des bâtiments et des terrains, analyser les changements structurels et permettre la navigation dans les systèmes autonomes. Plus le nuage de points est dense, plus le modèle 3D résultant sera détaillé et précis.
En substance, les nuages de points fonctionnent en combinant des mesures laser ou d'imagerie avec des données de positionnement en temps réel pour créer une vue 3D détaillée et spatialement précise du monde.