Ajouter la couche relief orienté et une échelle d'openness fixe

Nouvelle visualisation relief_oriente : une image RGB unique qui fusionne
l'openness positive locale (MNT détendancé σ 10 m, rayons 5/10/20 m,
16 directions) portée par la clarté CIELAB et l'orientation des pentes
portée par la teinte. Échelle log fixe et support de 40 m sous la bande
de raccord de 100 m : dalles jointives. Calcul sur grille décimée à 0,8 m,
noyau dédié (CuPy RawKernel, numba parallèle, repli numpy) et colorisation
par table L* × teinte : ~8 s par dalle sur CPU au lieu de ~50 s.

L'openness positive et négative est normalisée par des références figées
mesurées sur 15 dalles au lieu d'un z-score par dalle, qui rendait
l'échelle de couleur non jointive.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

lidar_pipeline/rendering.py

@@ -166,7 +166,9 @@ COLORMAPS = {
 RGB_LEGENDS = {
     'ortho': {},
     'topo': {},
+    'relief_oriente': {},   # RGB calculé (visualizations.generate_relief_oriente)
 }
+RGB_KEYWORDS = tuple(RGB_LEGENDS)
 
 # Fusion des textes de légende (titre / lecture du rendu / méthode de calcul)
 # depuis la source unique VIZ_LEGENDS (index.py, sans dépendance lourde).
@@ -406,7 +408,7 @@ def tif_to_png(tif_file, vis_dir, resolution, keep_tif=False, source_info=None,
 
     try:
         with rasterio.open(tif_file) as src:
-            is_rgb = src.count >= 3 and any(k in str(tif_file) for k in ('ortho', 'topo'))
+            is_rgb = src.count >= 3 and any(k in str(tif_file) for k in RGB_KEYWORDS)
 
             if is_rgb:
                 data = src.read([1, 2, 3])
@@ -840,7 +842,7 @@ def tif_to_crop(tif_file, vis_dir, resolution, keep_tif=False, quality=60, outpu
 
     try:
         with rasterio.open(tif_file) as src:
-            is_rgb = src.count >= 3 and any(k in str(tif_file) for k in ('ortho', 'topo'))
+            is_rgb = src.count >= 3 and any(k in str(tif_file) for k in RGB_KEYWORDS)
 
             if is_rgb:
                 data = src.read([1, 2, 3])