Présentation de deux mémoires et d'un projet d'intervention

Vincent Dupont
Sylvie Daniel, directrice de recherche
Christian Larouche, codirecteur

Titre du mémoire : Élaboration d’une méthode d’extraction de plans par croissance de régions dans un nuage de points bathymétriques servant à alimenter des estimateurs d’erreur bathymétrique.

Résumé : En hydrographie, la bathymétrie est une technique de mesure permettant de visualiser le relief du fond de l’eau en créant un nuage de points 3D géoréférencé. Lors de l’acquisition, plusieurs sources d'incertitudes viennent altérer la qualité des points de sonde mesurés. Pour assurer la qualité d’un tel levé, notamment avec des véhicules autonomes de surface, il est possible d’utiliser des estimateurs d’erreur bathymétrique. Ces derniers doivent être appliqués sur des surfaces planes dans le nuage de points. Par ailleurs, les surfaces planes sont aussi d’intérêt pour la calibration automatique des systèmes d’acquisition bathymétrique. Pour répondre à ces deux besoins, l'objectif de ce projet de recherche est de concevoir et développer une méthode d'extraction de plans par croissance de régions adaptée aux nuages de points bathymétriques (CRAB). La solution élaborée permet d’obtenir la position et les paramètres des régions planes ainsi que leur qualité.

Nicolas Farinaccio
Mir A. Mostafavi, conseiller

Titre du projet d'intervention : Homologation du logiciel SiRail de Leica pour la détection de courbes en voies ferrées à partir de données LiDAR.

Olivier Matte
Martin Béland, directeur

Titre du mémoire : Cartographie des forêts à haute valeur de stockage de carbone par apprentissage profond sur l’île de Bornéo (Indonésie)

Résumé : Les forêts de l’Asie du Sud-Est subissent de fortes pressions de la culture de palmier à huile. Dans le cadre du développement d’un outil de détection de déforestation lié à ce type d'agriculture, ce projet vise à cartographier les territoires à surveiller. Afin de limiter l'expansion agricole aux zones non-sensibles, une méthodologie de classification des forêts à fort capacité de stockage de carbone (HCSA), a été utilisée.  Notre objectif de recherche est d'évaluer l'efficacité de l'utilisation combiné du LiDAR aéroporté et de l’apprentissage profond pour la classification HCSA à l’échelle de l’île de Bornéo. Pour ce faire, une estimation de la biomasse aérienne sera obtenue par l’utilisation de transects LiDAR.  Puis, l'entrainement d’un algorithme d’apprentissage profond permettra, par l’utilisation d’images satellites, de faire un saut spatial et temporel, afin d’établir une cartographie des forêts à surveiller en 2019 et sur l’intégralité de l’île de Bornéo.