Mise à jour du README: classification sol, options CLI, structure complète
- Section classification du sol (SMRF/PMF/CSF + auto-détection) - Pré-traitement ELM + outlier dans le workflow - Options --ground-classification et --force-classification - Paramètres GPU et classification dans la table des options - Structure des dossiers avec temp/ et tests/ - Section tests unitaires - Aucun lien externe Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
Jacquin Antoine
120
README.md
120
README.md
@ -1,6 +1,6 @@
|
||||
# Pipeline LiDAR Archéologique - Docker
|
||||
# Pipeline LiDAR Archéologique
|
||||
|
||||
Workflow automatisé pour générer des visualisations exploitables à partir de données LiDAR pour la détection de structures archéologiques.
|
||||
Workflow automatisé pour générer des visualisations exploitables à partir de données LiDAR HD (IGN) pour la détection de structures archéologiques. Tourne en Docker avec accélération GPU optionnelle (NVIDIA/CuPy).
|
||||
|
||||
## Visualisations (19 par fichier)
|
||||
|
||||
@ -35,6 +35,33 @@ Workflow automatisé pour générer des visualisations exploitables à partir de
|
||||
| 18 | **Photographie aérienne IGN** | Orthophotographie WMTS |
|
||||
| 19 | **Carte topographique IGN** | Plan IGN V2 WMTS |
|
||||
|
||||
## Classification du sol
|
||||
|
||||
Le pipeline classifie automatiquement les points sol à partir du nuage de points bruit. Le pré-traitement suit le workflow recommandé par PDAL :
|
||||
|
||||
1. **Filtre ReturnNumber** — élimine les points avec numéros de retour invalides
|
||||
2. **Réinitialisation Classification** — remet toutes les classifications à 0
|
||||
3. **ELM** (Extended Local Minimum) — marque les points bas aberrants comme bruit (Classification=7)
|
||||
4. **Outlier statistique** — supprime les points isolés (mean_k=8, multiplier=3.0)
|
||||
5. **Classification sol** — SMRF, PMF ou CSF
|
||||
6. **Extraction** — ne conserve que les points Classification=2
|
||||
|
||||
### Méthodes de classification
|
||||
|
||||
| Méthode | Mode | Usage | Vitesse |
|
||||
|---------|------|-------|---------|
|
||||
| **SMRF** | Auto (défaut) | Terrain naturel, forêt, rocaille | Rapide |
|
||||
| **PMF** | Auto (si urbain) | Zones urbaines, bâtiments, routes | Rapide |
|
||||
| **CSF** | Manuel uniquement | Terrain très complexe, falaises | Lent |
|
||||
|
||||
L'auto-détection analyse le ratio de retours uniques du nuage de points : ratio > 0.6 = milieu urbain → PMF, sinon → SMRF.
|
||||
|
||||
### Pré-traitement ELM (terrain calcaire)
|
||||
|
||||
Les paramètres ELM sont adaptés au terrain calcaire rocailleux avec végétation basse :
|
||||
- `cell=5.0m` — résolution fine pour capturer le relief rocheux
|
||||
- `threshold=2.0m` — seuil élevé pour ne pas marquer les affleurements comme bruit
|
||||
|
||||
## Architecture modulaire
|
||||
|
||||
```
|
||||
@ -43,14 +70,15 @@ lidar_pipeline/
|
||||
├── __main__.py # Point d'entrée: python -m lidar_pipeline
|
||||
├── cli.py # argparse + logging + main()
|
||||
├── gpu.py # CuPy/numpy abstraction (HAS_GPU, to_gpu, to_cpu, xp_*)
|
||||
├── dtm.py # Classification PDAL + génération DTM
|
||||
├── dtm.py # Classification PDAL (SMRF/PMF/CSF + auto) + génération DTM
|
||||
├── visualizations.py # Fonctions generate_* (19 visualisations)
|
||||
├── ign.py # Téléchargement tuiles IGN + overlay
|
||||
├── rendering.py # Colormaps, tif_to_png, rapport PDF
|
||||
└── pipeline.py # LidarArchaeoPipeline (orchestration + registry)
|
||||
├── pipeline.py # LidarArchaeoPipeline (orchestration + registry)
|
||||
└── tests/ # Tests unitaires (pytest)
|
||||
```
|
||||
|
||||
Ajouter une visualisation = 1 fonction + 1 entrée dans `VIZ_STEPS` + 1 entrée dans `COLORMAPS`. Supprimer = retirer les 3 entrées correspondantes.
|
||||
Ajouter une visualisation = 1 fonction + 1 entrée dans `VIZ_STEPS` + 1 entrée dans `COLORMAPS`.
|
||||
|
||||
## Installation Docker
|
||||
|
||||
@ -82,20 +110,20 @@ docker build -t lidar-lidar .
|
||||
./run.sh [options]
|
||||
-r RESOLUTION Résolution en m/px (défaut: 0.5)
|
||||
-w WORKERS Nombre de workers parallèles (défaut: 1)
|
||||
-g Activer l'accélération GPU
|
||||
-g Activer l'accélération GPU NVIDIA
|
||||
-v Mode verbeux (timestamps + niveaux)
|
||||
--debug Mode debug (détails internes fichier:ligne)
|
||||
-f / --force Régénérer tous les fichiers même si les WebP existent
|
||||
--file NOM... Traiter un ou plusieurs fichiers LAZ spécifiques (nom partiel)
|
||||
--force-classification Reclassifier le sol même si le fichier .las existe déjà
|
||||
--ground-classification Méthode de classification: auto, smrf, pmf, csf (défaut: auto)
|
||||
--file NOM... Traiter un ou plusieurs fichiers LAZ spécifiques
|
||||
--test Exécuter les tests unitaires
|
||||
-h Afficher l'aide
|
||||
```
|
||||
|
||||
### Exemples
|
||||
```bash
|
||||
# Traitement standard
|
||||
./run.sh
|
||||
|
||||
# Avec accélération GPU
|
||||
# Traitement standard avec GPU
|
||||
./run.sh -g
|
||||
|
||||
# GPU + mode verbeux
|
||||
@ -104,17 +132,29 @@ docker build -t lidar-lidar .
|
||||
# GPU + 4 workers parallèles
|
||||
./run.sh -g -w 4
|
||||
|
||||
# Haute résolution + GPU + debug
|
||||
./run.sh -g -v -r 0.2
|
||||
# Haute résolution (0.2m/px)
|
||||
./run.sh -g -r 0.2
|
||||
|
||||
# Forcer la régénération de tous les fichiers
|
||||
./run.sh -g --force
|
||||
|
||||
# Reclassifier le sol seulement (sans régénérer les visualisations)
|
||||
./run.sh -g --force-classification
|
||||
|
||||
# Forcer la classification PMF au lieu de l'auto-détection
|
||||
./run.sh -g --ground-classification pmf
|
||||
|
||||
# Forcer la classification CSF (lent mais robuste sur terrain complexe)
|
||||
./run.sh -g --ground-classification csf
|
||||
|
||||
# Traiter un fichier spécifique (test rapide)
|
||||
./run.sh -g --file LHD_FXX_1000_6882_PTS_LAMB93_IGN69.copc
|
||||
|
||||
# Traiter deux fichiers spécifiques
|
||||
./run.sh -g --file LHD_FXX_1000_6881_PTS_LAMB93_IGN69.copc LHD_FXX_1000_6882_PTS_LAMB93_IGN69.copc
|
||||
|
||||
# Exécuter les tests unitaires
|
||||
./run.sh --test
|
||||
```
|
||||
|
||||
### Utilisation directe Docker
|
||||
@ -122,29 +162,29 @@ docker build -t lidar-lidar .
|
||||
# Traitement standard
|
||||
docker run --rm -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data/output lidar-lidar
|
||||
|
||||
# Avec GPU
|
||||
docker run --rm --gpus all -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data/output lidar-lidar
|
||||
# Avec GPU + classification forcée
|
||||
docker run --rm --gpus all -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data/output \
|
||||
lidar-lidar python3 -m lidar_pipeline /data/input -o /data/output \
|
||||
--ground-classification pmf
|
||||
|
||||
# Forcer la reclassification du sol
|
||||
docker run --rm --gpus all -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data/output \
|
||||
lidar-lidar python3 -m lidar_pipeline /data/input -o /data/output \
|
||||
--force-classification
|
||||
|
||||
# Mode verbeux
|
||||
docker run --rm --gpus all -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data/output \
|
||||
lidar-lidar python3 -m lidar_pipeline /data/input -o /data/output -v
|
||||
|
||||
# Un ou plusieurs fichiers spécifiques
|
||||
docker run --rm --gpus all -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data/output \
|
||||
lidar-lidar python3 -m lidar_pipeline /data/input -o /data/output --file LHD_FXX_1000_6882_PTS_LAMB93_IGN69.copc
|
||||
|
||||
# Forcer la régénération
|
||||
docker run --rm --gpus all -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data/output \
|
||||
lidar-lidar python3 -m lidar_pipeline /data/input -o /data/output --force
|
||||
```
|
||||
|
||||
## Structure des dossiers
|
||||
|
||||
```
|
||||
.
|
||||
├── input/ # Fichiers .laz (monté en read-only)
|
||||
├── input/ # Fichiers .laz (monté en read-only dans Docker)
|
||||
├── output/ # Résultats générés
|
||||
│ ├── DTM/ # Modèles numériques de terrain (GeoTIFF)
|
||||
│ ├── temp/ # Fichiers temporaires (classification .las)
|
||||
│ ├── visualisations/ # Images WebP par fichier LAZ
|
||||
│ │ ├── fichier_6881/ # Un sous-dossier par fichier LAZ
|
||||
│ │ │ ├── ..._hillshade_multi.webp
|
||||
@ -157,14 +197,14 @@ docker run --rm --gpus all -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data
|
||||
│ ├── fichier_6881_rapport.pdf
|
||||
│ └── fichier_6882_rapport.pdf
|
||||
├── lidar_pipeline/ # Package Python modulaire
|
||||
│ ├── __init__.py
|
||||
│ ├── cli.py
|
||||
│ ├── gpu.py
|
||||
│ ├── dtm.py
|
||||
│ ├── visualizations.py
|
||||
│ ├── ign.py
|
||||
│ ├── rendering.py
|
||||
│ └── pipeline.py
|
||||
│ ├── cli.py # Arguments CLI + logging
|
||||
│ ├── gpu.py # Abstraction CuPy/numpy
|
||||
│ ├── dtm.py # Classification sol + DTM
|
||||
│ ├── visualizations.py # 19 fonctions generate_*
|
||||
│ ├── ign.py # Tuiles IGN
|
||||
│ ├── rendering.py # Colormaps, WebP, PDF
|
||||
│ ├── pipeline.py # Orchestration
|
||||
│ └── tests/ # Tests unitaires
|
||||
├── process_lidar.py # Point d'entrée compatible
|
||||
├── Dockerfile
|
||||
├── run.sh
|
||||
@ -177,9 +217,12 @@ docker run --rm --gpus all -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data
|
||||
|-----------|--------|--------|-------------|
|
||||
| Résolution | `-r` | 0.5 | Résolution en mètres par pixel |
|
||||
| Workers | `-w` | 1 | Nombre de CPU pour traitement parallèle |
|
||||
| GPU | `-g` | off | Activer l'accélération NVIDIA GPU |
|
||||
| Classification sol | `--ground-classification` | auto | Méthode : auto, smrf, pmf, csf |
|
||||
| Forcer classification | `--force-classification` | off | Reclassifier le sol même si .las existe |
|
||||
| Output | `-o` | /data/output | Dossier de sortie |
|
||||
| Force | `-f/--force` | off | Régénérer même si les WebP existent |
|
||||
| File | `--file` | tous | Traiter un ou plusieurs fichiers LAZ (nom complet sans extension) |
|
||||
| File | `--file` | tous | Traiter un ou plusieurs fichiers LAZ |
|
||||
| Verbose | `-v` | off | Mode verbeux (timestamps + niveaux) |
|
||||
| Debug | `--debug` | off | Mode debug (détails internes) |
|
||||
|
||||
@ -207,6 +250,14 @@ docker run --rm --gpus all -v $(pwd)/input:/data/input:ro -v $(pwd)/output:/data
|
||||
2. **Dépressions** — Zones de collecte d'eau, dolines
|
||||
3. **Negative Openness** — Fossés et tranchées
|
||||
|
||||
## Tests
|
||||
|
||||
```bash
|
||||
./run.sh --test
|
||||
```
|
||||
|
||||
Les tests tournent dans le conteneur Docker et couvrent la classification du sol (SMRF/PMF/CSF), l'auto-détection, le rendu, et les visualisations.
|
||||
|
||||
## Dépannage
|
||||
|
||||
```bash
|
||||
@ -226,3 +277,6 @@ docker system prune -a
|
||||
|
||||
### Erreur mémoire
|
||||
Augmenter la mémoire Docker à 16Go+ pour les gros fichiers LiDAR HD.
|
||||
|
||||
### Données LiDAR HD (IGN)
|
||||
Les fichiers COPC (.laz) de l'IGN sont supportés directement. Le pipeline détecte automatiquement la méthode de classification du sol (SMRF/PMF) en analysant le ratio de retours uniques du nuage de points.
|
||||
Reference in New Issue
Block a user