Optimiser la performance de calcul pour la cartographie en temps réel avec un Laser Scanner aéroporté
Notice bibliographique
Résumé
Cet article est essentiellement la traduction de: Skaloud J. & Schaer P.: Optimizing Computational Performance for Real-Time Mapping with Airborne Laser Scanning, présenté lors de: Technical Commission I Symposium, WG I/5 Commission I, Calgary, June 2010 et publié dans: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences; vol. 38, num. 1, 2010. Il s'inscrit dans la continuité de contributions publiées dans Géomatique Suisse 9/2008 et 3/2009. Dans cet article, on évalue et on optimise les procédures de calcul pour la cartographie en temps réel à partir des mesures d'un laser scanner aéroporté. Les étapes considérées incluent le géoréférencement direct (GRD) du nuage de points, en temps réel et avec la résolution maximale, l'analyse de la couverture et de la densité des bandes scannées, la propagation d'erreur, la classification du sol, la production des modèles numériques de surface (MNS) et de terrain (MNT), ainsi que l'estimation de la qualité du MNT. Pour chaque étape de calcul, différentes approches sont implémentées dans le système "maison" Scan2map. Leur rapidité et leur exactitude sont évaluées en conditions réelles de lever. Les investigations montrent que le GRD est possible en temps réel avec un ordinateur portable usuel pour un rythme du scanner allant jusqu'à 200 kHz. De plus, on montre que l'analyse de la couverture et de la densité du nuage de points exige moins de puissance de calcul. Il en va de même pour le calcul du MNS et la génération des ombres dues au relief. Ainsi, ces tâches peuvent être effectuées rapidement après chaque ligne de vol. En fait, la classification nécessaire pour la production du MNT ainsi que la propagation d'erreur s'avèrent les plus gourmandes en calculs. Il faut donc maximiser leur vitesse d'exécution tout en maintenant leur exactitude. Les solutions retenues sont présentées, de même que des recommandations pour les développeurs ultérieurs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».