Introduction au LiDAR

 

Introduction à la technologie LiDAR

3 choses à savoir

Le LiDAR (acronyme de Light Detection and Ranging) est une technologie de télédétection qui utilise la lumière pulsée pour collecter des mesures de distance sur les objets environnants. Les capteurs LiDAR émettent des impulsions laser qui se réfléchissent sur les objets, ce qui leur permet de percevoir la structure de leur environnement. Les capteurs enregistrent l'énergie lumineuse réfléchie pour déterminer les distances aux objets afin de créer une représentation 2D ou 3D de l'environnement.

Les capteurs LiDAR font partie des principaux capteurs pour les applications de conduite autonome et de robotique. Ils permettent des workflows de perception 3D, tels que la détection d'objets et la segmentation sémantique, ainsi que des workflows de navigation tels que la cartographie, la localisation et la cartographie simultanées (SLAM) et la planification de trajectoires.

Importance du LiDAR

Les systèmes autonomes utilisent plusieurs capteurs tels que la caméra, l'IMU et le radar pour la perception de leur environnement. Les capteurs LiDAR peuvent surmonter certains des inconvénients des autres capteurs en fournissant des informations 3D structurelles et extrêmement précises sur leur environnement. Cet avantage a contribué à l'introduction des capteurs LiDAR sur le marché grand public de la perception.

Données LiDAR collectées par un capteur LiDAR monté sur un véhicule terrestre.

L'adoption des capteurs LiDAR sur le marché est motivée par trois facteurs clés :

  1. Des capteurs LiDAR low-cost

L'introduction de capteurs LiDAR low-cost, présentant des caractéristiques améliorées en matière de portée, de taille et de robustesse, a augmenté l'utilisation de cette technologie dans des applications industrielles relativement peu coûteuses.

  1. Des données 3D précises

Les capteurs LiDAR collectent des informations 3D haute densité sur l'environnement sous forme de nuages de points avec une précision supérieure à celle des autres capteurs de distance tels que les radars et les sonars. Cette capacité améliore en conséquence la précision de la reconstruction 3D.

  1. Des algorithmes de traitement LiDAR

Les récents développements en matière de workflows de traitement LiDAR, notamment la segmentation sémantique, la détection et le pistage d'objets, la fusion des données de caméra LiDAR, et la localisation et la cartographie simultanées (SLAM) LiDAR, ont permis aux ingénieurs d'ajouter des capteurs LiDAR à leurs workflows de développement. Vous pouvez utiliser des outils comme MATLAB® pour développer et appliquer des algorithmes de traitement LiDAR.

Applications du LiDAR

Les capteurs LiDAR sont utilisés dans de nombreux domaines d'application allant de la conduite autonome aux sciences terrestres et océaniques. Les applications sont regroupées en fonction de la plateforme sur laquelle les capteurs LiDAR sont montés.

  1. Capteurs LiDAR aériens
  2. Capteurs LiDAR terrestres
  3. Capteurs LiDAR intérieurs

Capteurs LiDAR aériens

Les capteurs LiDAR aériens sont montés sur des drones ou des aéronefs. Les capteurs LiDAR aériens permettent de capturer des données sous forme de nuages de points 3D sur des zones très étendues. Ces données peuvent alors être utilisées pour la cartographie LiDAR, l'extraction de caractéristiques, la classification de terrains ou d'autres cas d'utilisation.

Capteur LiDAR aérien.

 Données provenant d'un capteur LiDAR aérien.

Exemples d'applications des capteurs LiDAR aériens :

  • Agriculture : l'usage de la technologie LiDAR est très répandu dans l'agriculture pour cartographier la zone de végétation, identifier exactement le terrain de la ferme et la zone de captage d'eau.
  • Urbanisme : les capteurs LiDAR sont utilisés pour créer des modèles numériques de terrain (digital surface model - DSM), voire des modèles numériques de ville (Digital City Model - DCM) d'une zone donnée. Ces modèles sont ensuite utilisés pour concevoir une ville ou construire de nouvelles infrastructures dans une ville existante.
  • Cartographie géologique : les capteurs LiDAR peuvent être utilisés pour créer des cartes 3D de la surface de la Terre, utiles dans des applications comme l'exploitation minière, l'exploitation forestière de précision, et l'exploration pétrolière et gazière.
  • Navigation aérienne et planification de trajectoires : les capteurs LiDAR sont désormais utilisés dans des drones pour collecter des données 3D temps réel afin de naviguer de manière autonome dans un environnement.

Capteurs LiDAR terrestres

Les capteurs LiDAR terrestres peuvent être fixes ou mobiles.

Capteur LiDAR mobile.

Données provenant d'un capteur LiDAR mobile.

  • Les capteurs LiDAR terrestres fixes sont montés sur une plateforme fixe. Ils sont couramment utilisés pour les relevés cadastraux, les relevés routiers , la cartographie topologique, la création de cartes numériques d’élévation (DEM), l'agriculture et d'autres applications. Les capteurs LiDAR terrestres fixes sont adaptés aux applications qui nécessitent une capture détaillée et rapprochée de données.
  • Les capteurs LiDAR terrestres mobiles sont fixés sur une plateforme mobile comme une voiture ou un camion. L'application LiDAR mobile la plus répandue est la conduite autonome. Les capteurs LiDAR montés sur des véhicules capturent les données de l'environnement en nuages de points 3D; ceux-ci sont ensuite utilisés dans des workflows de perception et de navigation.

Capteurs LiDAR intérieurs

Les capteurs LiDAR sont largement utilisés dans les applications de robotique d'intérieur et montés sur des robots mobiles. Outre les capteurs LiDAR 3D, les capteurs LiDAR 2D ou les capteurs laser sont également utilisés dans des applications de robotique d'intérieur, telles que le balayage et la cartographie LiDAR. Ils collectent des informations approfondies sur l'environnement, qui sont ensuite traitées en fonction des cas d'utilisation.

Capteur LiDAR intérieur.

Données provenant d'un capteur LiDAR intérieur

Exemples d'utilisations courantes des capteurs LiDAR intérieurs :

  • Cartographie et SLAM LiDAR : vous pouvez utiliser des capteurs LiDAR 2D ou 3D pour créer respectivement des algorithmes de cartographie et SLAM 2D et 3D.
  • Détection d'obstacles, avertissement et évitement de collision : les capteurs LiDAR 2D sont fréquemment utilisés pour détecter des obstacles. Ces données peuvent également être utilisées pour créer des avertissements de collision ou éviter des obstacles.

Traitement LiDAR dans MATLAB

MATLAB et Lidar Toolbox™ simplifient les tâches de traitement LiDAR. Grâce à des fonctions et des outils dédiés, MATLAB vous aide à relever les défis courants dans le traitement des données LiDAR, concernant notamment les types de données 3D, la parcimonie des données, les points non valides dans les données et les niveaux de bruit élevés.

Vous pouvez importer des données LiDAR temps réel et enregistrées dans MATLAB, implémenter des workflows de traitement LiDAR et créer le code C/C++ et CUDA à déployer en production.

Parmi les fonctionnalités importantes offertes par MATLAB pour le traitement des nuages de points LiDAR , vous pouvez trouver:

Le streaming, la lecture et l'écriture de données LiDAR

La première étape du traitement des données de capteur dans MATLAB consiste à les récupérer dans l'espace de travail MATLAB. Vous pouvez :

  • Streamer des données temps réel à partir de capteurs Velodyne grâce au Hardware Support Package Velodyne Lidar.
  • Lire les nuages de points stockés dans différents formats de fichiers comme PCD, PLY, PCAP, Ibeo Data container, LAS et LAZ
  • Synthétiser des données LiDAR dans des environnements de simulation pour tester vos algorithmes de traitement. UAV Toolbox et Automated Driving Toolbox™ proposent des modèles de capteur LiDAR pour simuler des nuages de points LiDAR.

Streamer un flux de données temps réel à partir des capteurs LiDAR Velodyne

Traitement de données LiDAR

Vous pouvez prétraiter les données LiDAR pour améliorer la qualité des données et en extraire des informations de base. Lidar Toolbox offre des fonctionnalités pour le sous-échantillonnage, le filtrage médian, l'alignement, la transformation et l'extraction de caractéristiques à partir de nuages de points.

Calibrage de caméra LiDAR

MATLAB permet de calibrer des caméras LiDAR pour estimer les transformées LiDAR-caméra afin de fusionner des données LiDAR et des données de caméra. Vous pouvez également fusionner des informations de couleur dans des nuages de points LiDAR et estimer les boîtes englobantes 3D dans un signal LiDAR en utilisant des boîtes englobantes 2D créées à partir d'une caméra située au même endroit.

Application Lidar Camera Calibrator

Deep Learning pour LiDAR

Avec MATLAB, vous pouvez appliquer des algorithmes de Deep Learning pour la détection d'objets et la segmentation sémantique sur des données LiDAR.

  • Avec seulement quelques lignes de code dans MATLAB, vous pouvez importer des modèles de segmentation sémantique pré-entraînés, notamment PointSeg et SqueezeSegV2 pour segmenter des données LiDAR. Vous pouvez également entraîner, évaluer et déployer vos propres modèles de Deep Learning.
  • MATLAB permet de concevoir, d'entraîner et d'évaluer des détecteurs robustes tels que des réseaux PointPillars. Vous pouvez détecter et ajuster des boîtes englobantes autour d'objets dans des nuages de points LiDAR.
  • L'application Lidar Labeler, dans Lidar Toolbox, simplifie la labellisation de nuages de points. Vous pouvez ajouter manuellement des boîtes englobantes autour des objets et appliquer des algorithmes prédéfinis ou personnalisés pour automatiser la labellisation de nuage de points LiDAR et évaluer les performances des algorithmes d'automatisation.

Segmentation sémantique de nuages de points

Pistage d'objets dans des nuages de points

MATLAB peut unifier plusieurs domaines qui alimentent un workflow de pistage d'objets de bout en bout. Cela vous permet de lire des données LiDAR, de les prétraiter, d'appliquer des algorithmes de Deep Learning pour détecter des objets, de pister ces objets avec un tracker prédéfini et de les déployer sur un hardware cible.

Détection et pistage d'objets

Recalage des nuages de points et SLAM

MATLAB propose des fonctions permettant de recaler des nuages de points LiDAR et de créer des cartes 3D avec des algorithmes SLAM. Vous pouvez extraire et faire correspondre les descripteurs FPFH (Fast Point Feature Histogram) des nuages de points LiDAR, puis enregistrer les nuages de points en fonction des caractéristiques correspondantes.

Vous pouvez également implémenter des algorithmes 3D SLAM en assemblant des séquences de nuages de points LiDAR à partir de données LiDAR terrestres et aériennes.

Carte créée à partir de données séquentielles de nuages de points LiDAR

Pour plus d'informations sur le traitement LiDAR, découvrez Lidar Toolbox et Computer Vision Toolbox™.


Exemples et démonstrations


Références logicielles