Pipeline LiDAR: 19 visualisations archéologiques, corrections SVF/Openness, légendes explicites

- Corriger SVF: ray-tracing 16 azimuts (inversion DEM remplacée) - Corriger Openness: angle zénith/nadir sur 8 directions (min/max filter remplacé) - Ajouter MSRM (LRM multi-échelle 5/10/25/50/100m) - Ajouter TPI multi-échelle (5m + 100m) - Ajouter détection dépressions (remplissage hydrologique) - Ajouter SAILORE (LRM adaptatif f(pente)) - Ajouter rugosité de surface (écart-type local 5m) - Ajouter anomalies statistiques (z-score + Moran's I) - Ajouter ondelette Mexican Hat (CWT 5 échelles) - Ajouter texture GLCM (contraste + entropie - homogénéité) - Ajouter accumulation de flux (D8) - Retirer geomorphons et VAT composite - Répertoire par fichier LAZ dans visualisations/ - Support multi-CPU (-w/--workers) - Légendes explicites avec différenciation entre techniques similaires - Docker: uid/gid 1000:1000 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
2026-05-09 21:13:20 +02:00
parent 7c609d0c24
commit d8502ff26e
3 changed files with 2013 additions and 263 deletions
--- a/11
+++ b/11
@ -26,15 +26,20 @@ RUN pip3 install --no-cache-dir \
    'laspy[laspy]' \
    scikit-image \
    scikit-learn \
+    scipy \
    tqdm

 # Copy scripts
 COPY process_lidar.py /usr/local/bin/
 RUN chmod +x /usr/local/bin/process_lidar.py

-# Create directories with correct permissions
-RUN mkdir -p /data/output /data/input && \
-    chmod 777 /data /data/output /data/input
+# Create user with uid/gid 1000:1000 and run as that user
+RUN groupadd -g 1000 lidar && \
+    useradd -u 1000 -g lidar -m lidar && \
+    mkdir -p /data/output /data/input && \
+    chown -R lidar:lidar /data /data/output /data/input
+
+USER lidar

 VOLUME ["/data"]

--- a/README.md
+++ b/README.md
@ -2,180 +2,185 @@

 Workflow automatisé pour générer des visualisations exploitables à partir de données LiDAR pour la détection de structures archéologiques.

-## 🎯 Ce que détecte ce pipeline
+## Visualisations (21 par fichier)

-| Visualisation | Utilité archéologique |
-|--------------|----------------------|
-| **Hillshade multidirectionnel** | Murs, terrasses, structures linéaires, routes |
-| **Slope (Pente)** | Murs de soutènement, talus, changements brusques |
-| **Sky-View Factor** | ⭐ **Top** - structures, tumulus, fondations |
-| **Local Relief Model** | Micro-reliefs, fossés, levées de terrain |
-| **Positive Openness** | Élévations, tumulus, bâtiments |
-| **Negative Openness** | ⭐ **Cavités, fossés, souterrains** |
+### Visualisations principales
+| # | Visualisation | Utilité archéologique |
+|---|--------------|----------------------|
+| 1 | **Hillshade multidirectionnel** | Murs, terrasses, structures linéaires, routes |
+| 2 | **Pente (Slope)** | Murs de soutènement, talus, changements brusques |
+| 3 | **Aspect (Orientation)** | Direction des pentes, exposition |
+| 4 | **Courbure (Curvature)** | Fossés, terrasses, talus, concavité/convexité |
+| 5 | **Sky-View Factor** | Structures, tumulus, fondations (ray-tracing 16 azimuts) |
+| 6 | **Local Relief Model** | Micro-reliefs, fossés, levées de terrain |
+| 7 | **Positive Openness** | Élévations, tumulus, bâtiments (ray-tracing 8 directions) |
+| 8 | **Negative Openness** | Cavités, fossés, souterrains (ray-tracing 8 directions) |

-## 📦 Installation Docker
+### Visualisations avancées
+| # | Visualisation | Description | Détection |
+|---|--------------|-------------|-----------|
+| 9 | **MSRM** | Multi-Scale Relief Model (sigma 5/10/25/50/100m) | Tumulus, fossés, murs à toutes échelles |
+| 10 | **TPI multi-échelle** | Topographic Position Index (5m + 100m) | Crêtes, vallées, plateformes |
+| 11 | **VAT composite** | Fusion hillshade+pente+SVF en RGB | Meilleure carte unique archéologique |
+| 12 | **Dépressions** | Remplissage cuvettes + différence | Dolines, sinkholes, zones inondables |
+| 13 | **SAILORE** | LRM adaptatif (noyau = f(pente)) | Terrain hétérogène, tout relief |
+| 14 | **Geomorphons** | 10 formes de terrain | Pics, crêtes, vallées, fosses, plateaux |
+| 15 | **Rugosité** | Écart-type de l'élévation | Surfaces anthropiques vs naturelles |
+| 16 | **Anomalies statistiques** | Z-score + Local Moran's I | Anomalies topographiques significatives |
+| 17 | **Ondelette Mexican Hat** | CWT 2D multi-échelle | Tumulus, fossés circulaires |
+| 18 | **Texture GLCM** | Contraste, entropie, homogénéité | Labour, surfaces archéologiques |
+| 19 | **Accumulation de flux** | Algorithme D8 hydrologique | Fossés d'enceinte, routes antiques |
+
+### Cartes de référence IGN
+| # | Visualisation | Source |
+|---|--------------|--------|
+| 20 | **Photographie aérienne IGN** | Orthophotographie WMTS |
+| 21 | **Carte topographique IGN** | Plan IGN V2 WMTS |
+
+## Installation Docker

 ```bash
-# Clone ou copiez les fichiers dans un dossier
 cd /votre/dossier/lidar
-
-# Créez le dossier pour vos fichiers LAZ
 mkdir -p input

 # Copiez vos fichiers .laz dans input/
 cp /chemin/vos/fichiers/*.laz input/

 # Build l'image Docker
-docker-compose build
-
-# Ou avec docker build
 docker build -t lidar-archeo .
 ```

-## 🚀 Utilisation
-
-### Méthode 1: docker-compose (recommandé)
+## Utilisation

+### Traitement standard (1 CPU)
 ```bash
-# Traitement avec résolution 0.5m
-docker-compose up
-
-# Résolution plus fine (plus lent)
-docker-compose run -e RESOLUTION=0.2 lidar process_lidar.py /data/input -o /data/output -r 0.2
-```
-
-### Méthode 2: docker run
-
-```bash
-# Basic
 docker run --rm \
  -v $(pwd)/input:/data/input:ro \
  -v $(pwd)/output:/data/output \
  lidar-archeo
+```

-# Avec résolution personnalisée
+### Traitement parallèle multi-CPU
+```bash
+# Utiliser 4 CPU pour traiter plusieurs fichiers en parallèle
 docker run --rm \
  -v $(pwd)/input:/data/input:ro \
  -v $(pwd)/output:/data/output \
  lidar-archeo \
-  process_lidar.py /data/input -o /data/output -r 0.3
+  process_lidar.py /data/input -o /data/output -w 4
+```

-# Plus de mémoire pour fichiers volumineux
+### Résolution personnalisée
+```bash
+# Résolution fine (0.2m) - bâtiments individuels
+docker run --rm \
+  -v $(pwd)/input:/data/input:ro \
+  -v $(pwd)/output:/data/output \
+  lidar-archeo \
+  process_lidar.py /data/input -o /data/output -r 0.2
+
+# Résolution standard (0.5m) - recommandée archéologie
 docker run --rm \
-  --memory=16g \
-  --memory-swap=16g \
  -v $(pwd)/input:/data/input:ro \
  -v $(pwd)/output:/data/output \
  lidar-archeo
 ```

-## 📁 Structure des dossiers
+### Combinaison résolution + multi-CPU
+```bash
+docker run --rm \
+  --memory=16g \
+  -v $(pwd)/input:/data/input:ro \
+  -v $(pwd)/output:/data/output \
+  lidar-archeo \
+  process_lidar.py /data/input -o /data/output -r 0.5 -w 4
+```
+
+## Structure des dossiers

 ```
 .
 ├── input/                    # Vos fichiers .laz (monté en read-only)
 ├── output/                   # Résultats générés
-│   ├── DTM/           # Modèles numériques d'élévation
-│   ├── visualisations/# Images PNG prêtes à l'emploi
-│   └── rapports/      # Vues synthétiques
+│   ├── DTM/                 # Modèles numériques de terrain (GeoTIFF)
+│   ├── visualisations/       # Images PNG par fichier LAZ
+│   │   ├── fichier_6881/     # Un sous-dossier par fichier LAZ
+│   │   │   ├── ..._hillshade_multi.png
+│   │   │   ├── ..._svf.png
+│   │   │   ├── ..._mslrm.png
+│   │   │   └── ... (21 visualisations)
+│   │   └── fichier_6882/
+│   │       └── ...
+│   └── rapports/            # Rapports PDF A3 par fichier
+│       ├── fichier_6881_rapport.pdf
+│       └── fichier_6882_rapport.pdf
 ├── Dockerfile
 ├── docker-compose.yml
 └── process_lidar.py
 ```

-## 📊 Sortie générée
+## Paramètres

-Après traitement, dans `output/` :
+| Paramètre | Option | Défaut | Description |
+|-----------|--------|--------|-------------|
+| Résolution | `-r` | 0.5 | Résolution en mètres par pixel |
+| Workers | `-w` | 1 | Nombre de CPU pour traitement parallèle |
+| Output | `-o` | /data/output | Dossier de sortie |

-```
-output/
-├── DTM/
-│   └── fichier_dtm.tif
-├── visualisations/
-│   ├── fichier_hillshade_multi.png
-│   ├── fichier_svf.png              # ⭐ Sky-View Factor
-│   ├── fichier_lrm.png              # Local Relief Model
-│   ├── file_positive_openness.png   # Élévations
-│   ├── file_negative_openness.png   # ⭐ Cavités
-│   └── fichier_slope.png
-└── rapports/
-    └── fichier_overview.png         # Vue 2x3 synthétique
-```
+### Résolution recommandée
+- `0.2` - Très fine, bâtiments individuels (lent)
+- `0.5` - Recommandée archéologie (équilibre vitesse/détail)
+- `1.0` - Rapide, grandes structures uniquement

-## 👁️ Interprétation
+## Interprétation archéologique

 ### Pour détecter les cavités et souterrains
-Regardez dans cet ordre :
-1. **Negative Openness** - Zones bleues foncées = creux
-2. **Local Relief Model** - Zones bleues = dépressions
-3. **Hillshade** - Ombres inhabituelles en forme de trous
+1. **Negative Openness** - Zones sombres = creux profonds
+2. **Dépressions** - Carte spécifique des dolines et sinkholes
+3. **Local Relief Model** - Zones bleues = dépressions
+4. **Hillshade** - Ombres inhabituelles en forme de trous

 ### Pour détecter structures et bâtiments anciens
-1. **Sky-View Factor** - Structures géométriques claires
-2. **Positive Openness** - Zones orangées/rouges = élévations
-3. **Hillshade** - Lignes droites, rectangles, angles
+1. **VAT composite** - Meilleure carte unique combinant hillshade+pente+SVF
+2. **Sky-View Factor** - Structures géométriques claires
+3. **MSRM** - Détection multi-échelle de tous les reliefs
+4. **Geomorphons** - Classification automatique des formes

-### Pour élévations de terrain
-1. **Slope** - Changements de pente brusques
-2. **Positive Openness** - Zones en hauteur
-3. **LRM** - Zones rouges = relief local
+### Pour anomalies statistiques
+1. **Anomalies statistiques** - Zones significativement différentes du terrain
+2. **Ondelette Mexican Hat** - Structures circulaires (tumulus, enclos)
+3. **Rugosité** - Surfaces anthropiques vs naturelles
+4. **Texture GLCM** - Labour ancien, chemins, murs enfouis

-## ⚙️ Paramètres
+### Pour hydrologie et fossés
+1. **Accumulation de flux** - Fossés d'enceinte, routes antiques
+2. **Dépressions** - Zones de collecte d'eau, dolines
+3. **Negative Openness** - Fossés et tranchées

-### Résolution (-r)
- `0.2` - Très fine, bâtiments individuels (lent)
- `0.5` - Recommandé archéologie (équilibre)
- `1.0` - Rapide, grandes structures
-
-### Ressources Docker
-Modifiez dans `docker-compose.yml` :
-```yaml
-deploy:
-  resources:
-    limits:
-      cpus: '4'      # CPU cores
-      memory: 8G     # RAM
-```
-
-## 🔧 Dépannage
+## Dépannage

 ```bash
-# Vérifier que Docker fonctionne
+# Vérifier Docker
 docker --version
-docker-compose --version
-
-# Voir les logs en temps réel
-docker-compose up -f

 # Shell dans le conteneur
-docker-compose run lidar bash
+docker run --rm -it \
+  -v $(pwd)/input:/data/input \
+  -v $(pwd)/output:/data/output \
+  --entrypoint bash lidar-archeo

-# Nettoyer tout
-docker-compose down -v
+# Reconstruire l'image
+docker build --no-cache -t lidar-archeo .
+
+# Nettoyer
 docker system prune -a
 ```

 ### Erreur mémoire
-```bash
-# Augmenter la limite mémoire dans docker-compose.yml
-# Ou utiliser --memory=16g avec docker run
-```
+Augmenter la mémoire Docker à 16Go+ pour les gros fichiers LiDAR HD.

-### Erreur PDAL/Whitebox
-```bash
-# Recréer l'image
-docker-compose build --no-cache
-```
-
-## 📝 Prochaines améliorations
-
- [ ] Classification automatique des structures détectées
- [ ] Export GeoTIFF géoréférencés pour QGIS
- [ ] Interface web pour exploration interactive
- [ ] Support multi-fichiers avec mosaïque
-
-## 📚 Ressources
+## Ressources

 - [PDAL Documentation](https://pdal.io/)
- [WhiteboxTools](https://www.whiteboxgeo.com/manual/wbt_book/)
- [Archéologie LiDAR](https://archaeologydataservice.ac.uk/)
+- [LiDAR Archéologie - Méthodes avancées](https://archaeologydataservice.ac.uk/)
+- [Relief Visualization Toolbox](https://rvtpy.readthedocs.io/)
--- a/process_lidar.py
+++ b/process_lidar.py