Suppression éclairage solaire, GPU accéléré, --file multi, tests unitaires

- Suppression de generate_solar (éclairage solaire) des visualisations
- Accélération GPU de hillshade, slope, aspect, curvature, depressions,
  anomalies, roughness, texture GLCM, flow (sink filling)
- Nettoyage mémoire GPU entre visualisations (gpu_cleanup)
- Correction OOM texture GLCM: calcul entropie bin par bin au lieu d'un
  tableau 3D massif sur GPU
- Correction bug: xp_minimum_filter manquant dans imports visualizations
- Option --file accepte plusieurs noms complets sans extension
- run.sh affiche l'aide si appelé sans arguments
- Option --test pour exécuter les tests unitaires dans Docker
- Filtre ReturnNumber>=1 intégré dans le pipeline PDAL (plus d'erreur SMRF)
- 60 tests unitaires: GPU, visualisations, rendering, DTM, pipeline, CLI
- Ajout pytest au Dockerfile

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

lidar_pipeline/pipeline.py

@@ -17,11 +17,12 @@ import subprocess
 from .dtm import classify_ground, create_dtm_fast
 from .visualizations import (
     generate_hillshade, generate_slope, generate_aspect, generate_curvature,
-    generate_solar, generate_lrm, generate_svf, generate_openness,
+    generate_lrm, generate_svf, generate_openness,
     generate_mslrm, generate_tpi, generate_depressions, generate_sailore,
     generate_roughness, generate_anomalies, generate_wavelet, generate_texture,
     generate_flow,
 )
+from .gpu import gpu_cleanup
 from .ign import generate_ign_overlay
 from .rendering import tif_to_png, generate_pdf_report
 
@@ -36,7 +37,6 @@ VIZ_STEPS = [
     ('slope',      generate_slope),
     ('aspect',     generate_aspect),
     ('curvature',  generate_curvature),
-    ('solar',      generate_solar),
     ('svf',        generate_svf),
     ('lrm',        generate_lrm),
     ('pos_open',   lambda d, b, v, r: generate_openness(d, b, v, r, positive=True)),
@@ -167,6 +167,9 @@ class LidarArchaeoPipeline:
                 vis_results[name] = None
                 logger.error(f"    [{idx}/{total}] ✗ {name}: {e}", exc_info=True)
 
+            # Free GPU memory between visualizations to prevent OOM
+            gpu_cleanup()
+
         # Convert to WebP (only newly generated TIFs, not skipped ones)
         logger.info("  Conversion images WebP:")
         for name, tif_file in vis_results.items():