# Pipeline LiDAR Archéologique - Docker

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

## 🎯 Ce que détecte ce pipeline

| 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** |

## 📦 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)

```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
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

# Plus de mémoire pour fichiers volumineux
docker run --rm \
  --memory=16g \
  --memory-swap=16g \
  -v $(pwd)/input:/data/input:ro \
  -v $(pwd)/output:/data/output \
  lidar-archeo
```

## 📁 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
├── Dockerfile
├── docker-compose.yml
└── process_lidar.py
```

## 📊 Sortie générée

Après traitement, dans `output/` :

```
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
```

## 👁️ Interprétation

### 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

### 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

### Pour élévations de terrain
1. **Slope** - Changements de pente brusques
2. **Positive Openness** - Zones en hauteur
3. **LRM** - Zones rouges = relief local

## ⚙️ Paramètres

### 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

```bash
# Vérifier que Docker fonctionne
docker --version
docker-compose --version

# Voir les logs en temps réel
docker-compose up -f

# Shell dans le conteneur
docker-compose run lidar bash

# Nettoyer tout
docker-compose down -v
docker system prune -a
```

### Erreur mémoire
```bash
# Augmenter la limite mémoire dans docker-compose.yml
# Ou utiliser --memory=16g avec docker run
```

### 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

- [PDAL Documentation](https://pdal.io/)
- [WhiteboxTools](https://www.whiteboxgeo.com/manual/wbt_book/)
- [Archéologie LiDAR](https://archaeologydataservice.ac.uk/)