Contexte du projet

Un modèle numérique de terrain, ou MNT, est une représentation de la surface d’un terrain ou d’une planète, créée à partir des données d’altitude du terrain. Il ne prend pas en compte les objets présents à la surface du terrain tels que la végétation et les bâtiments. Il est en cela différent du modèle numérique de surface (MNS), description altimétrique du sol et des objets qui l’occupent.

Bulldozer est un outil permettant de générer des MNT à partir de MNS, semblables à ceux générés par l’outil de photogrammétrie CARS. Le produit Bulldozer a pour objectif de modéliser le sol en supprimant tous les éléments de sursol (végétation, bâtiments, etc.) présents dans le MNS.

Les MNT ont différentes applications, notamment :

• La simulation d'écoulement d'eau (modèles hydrodynamiques),
• La reconstruction 3D urbaine ou Level Of Detail (LOD),
• L'aide à la classification : ils peuvent notamment aider à distinguer la végétation haute et la végétation basse,
• La génération d'ortho-images,
• La détection de changements.

Bulldozer viendra aussi répondre aux besoins de la mission CO3D (Constellation Optique en 3D), qui a pour objectif de cartographier le globe en trois dimensions depuis une orbite basse pour répondre aux besoins des secteurs public et privé. Les quatre satellites CO3D, qui seront lancés en milieu d’année 2025, produiront ainsi le MNS de la surface terrestre émergée. En conséquence, il faudra traiter l’arrivée d’une grande volumétrie de donnée.

L’outil Bulldozer a été conçu de façon à pouvoir passer à l’échelle et gérer la production de tuiles MNT au fur et à mesure de l’arrivée des dalles MNS. Sa capacité à interpoler dans les MNS des zones de 'nodata' (zones d’eau pour lesquelles la corrélation est impossible, zones nuageuses, etc.) sera utilisée dans le cadre de la mission CO3D, afin de produire des MNS totalement rebouchés.

Il fonctionne également avec d’autres capteurs, que ceux-ci soient satellites (Pléiades, Pléiades Neo, SPOT, etc.), LiDAR, ou aériens. Il suffit de fournir en entrée de l’outil un MNS au format matriciel (raster).

Méthode

Contrairement à un grand nombre de méthodes d’extraction de MNT, Bulldozer ne requiert pas de carte de sursol ou d’autres données exogènes (masque d’eau, etc.). Il peut cependant prendre de manière optionnelle un masque de sol afin de produire un MNT de meilleur qualité.

Bulldozer repose sur le principe de simulation de chute de drap. Le concept simplifié est le suivant : on retourne le MNS fourni en entrée après l’avoir « nettoyé » en filtrant les zones bruitées, puis on fait chuter un drap dessus et on applique une tension afin d’éviter que le drap s’enfonce dans les creux du MNS. Après un certain nombre d’itérations, le drap obtenu modélise assez fidèlement le sol sur la scène. On retourne alors ce drap afin d’obtenir le MNT résultant.

 Animation illustrant la différence MNS/MNT sur une zone de Toulouse

Licence d’utilisation

Bulldozer est disponible en open-source sous une licence non-contaminante (Apache V2).

Références

• Codes source Bulldozer

Les images Pléiades sont acquises à bord du satellite à 70 cm de résolution (au nadir) pour le mode spectral panchromatique (noir et blanc) et à 2,8 m de résolution (au nadir) pour le mode multispectral (couleur : Rouge, Vert, Bleu et proche infrarouge). Elles sont ensuite ré-échantillonnées au sol pour rendre les produits robustes aux différents traitements informatiques qui seront réalisés ensuite. La résolution des produits Pléiades distribués par Airbus DS est de 50 cm en mode panchromatique et de 2 m en mode multispectral. Le traitement appelé Pansharpening consiste à fusionner la bande haute résolution panchromatique avec les bandes plus basse résolution multispectrale pour obtenir une image multispectrale à haute résolution spatiale.

Les images Pléiades sont distribuées avec différents niveaux de traitement géométrique dont le plus proche de l’image telle qu’acquise par le capteur est le format PRIMARY. Une ortho-image est une image géoréférencée et corrigée des effets d’angles et de relief, optimale pour une utilisation simple et directe de l’image et l’ingestion dans un SIG. L’orthorectification est donc l'étape de correction géométrique qui permet de passer de l'image PRIMARY à l'ortho-image.

Ce tutoriel décrit les étapes à réaliser pour réaliser la fusion et l'orthorectification à l'aide de l'Orféo Toolbox. Ce tutoriel décrit les lignes de commande de l'OTB CLI (Command Line Interface) mais les étapes peuvent également être réalisées depuis l'application OTB Monteverdi.

Choix de l'image

Si vous êtes dans le cas d'une acquisition stéréo ou tri-stéréo, vous avez plusieurs images pour la même scène. Afin de choisir quelle acquisition va servir pour générer l'ortho-image, on récupère les angles d'incidences de chaque image (ici le panchromatique). On va travailler sur l'acquisition dont l'angle d'incidence est le plus faible c'est-à-dire la plus proche d'une prise de vue nadir.

Dans chaque dossier on exécute la commande suivante qui va récupérer la valeur d'angle d'incidence dans le fichier DIMAP et on garde la valeur minimale :

grep "INCIDENCE_ANGLE>" DIM*

Pansharpening

Le traitement "Pansharpening" consiste à fusionner les bandes XS et PAN en les passant toutes à la résolution du panchromatique.

Pour chacune des images :

otbcli_BundleToPerfectSensor -inp <path>/<pan.[tif|jp2]> -inxs <path>/<rgb.[tif|jp2]> -out <pxs.tif>

Affinage du modèle géométrique (optionnel)

Afin d'améliorer la localisation de la future ortho-image, on peut affiner le modèle géométrique. Pour ce faire, il faut commencer par calculer les points homologues entre notre P+XS et une ortho de référence :

otbcli_HomologousPointsExtraction -in1 <pxs>.tif -in2 <ortho_ref>.tif -mode geobins -elev.dem <DEM e.g. SRTM> -algorithm sift -out homologous.txt -outvector homologous.shp

Une fois que l'on a récupéré les points homologues, on peut affiner le modèle :

otbcli_RefineSensorModel -ingeom <input>.geom -outgeom <output>.geom -elev.dem <DEM e.g. SRTM> -inpoints homologous.txt -outstat <stats>.txt -outvector <refined>.shp -map epsg -map.epsg.code <CODE_EPSG>

Si vous ne possédez pas de fichier `<input>.geom`, vous pouvez utiliser la commande suivante pour le générer :

otbcli_ReadImageInfo -in <DIMAP_PAN>.xml -outkwl <input>.geom

Ortho-rectification

Dans le cas où l'on possède un MNT pour la zone étudiée on peut exécuter la commande suivante :

otbcli_OrthoRectification -io.in <path>/<pan+XS.tif> -io.out <ortho.tif> uint16 -elev.dem <DEM e.g. SRTM>

Sinon par défaut, l'OTB utilisera le Géoïde comme référence :

otbcli_OrthoRectification -io.in <path>/<pan+XS.tif> -io.out <ortho.tif> uint16

Astuces

• Si un MNT plus haute résolution que le SRTM (MNT Pléiades, MNT Pléiades-Neo, etc.) est disponible pour la zone étudiée, il est préférable de l'utiliser lors de l'orthorectification.
• Pour l'affinage géométrique, si on recherche une ortho-image de référence, on peut aller sur le site de l'IGN qui propose en open-access la BD Ortho.

Résolutions des problèmes fréquents

• Lors de l'affinage géométrique, dans l'étape de l'extraction des points homologues, il faut vérifier que les bandes que l'on compare sont bien les mêmes (Rouge-Rouge par exemple). Dans le cas contraire, il faut mapper les bandes dans la commande OTB (par défaut, la commande compare la bande 1 de chaque image)
• Il peut arriver qu'on observe une erreur de localisation avec les images Pléiades lors de l'ortho-rectification. On peut utiliser une source externe (par exemple OpenStreetMap) pour vérifier si ce biais de localisation est présent.

Références

• Documentation Monteverdi
• Documentation OTB Pansharpening
• Documentation OTB extraction points homologues
• Documentation OTB affinage modèle géométrique
• Documentation génération fichier .geom
• Documentation OTB OrthoRectification