lidar_rendu/README.md

Pipeline LiDAR Archéologique - Docker

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

Visualisations (21 par fichier)

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)

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

cd /votre/dossier/lidar
mkdir -p input

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

# Build l'image Docker
docker build -t lidar-archeo .

Utilisation

Traitement standard (1 CPU)

docker run --rm \
  -v $(pwd)/input:/data/input:ro \
  -v $(pwd)/output:/data/output \
  lidar-archeo

Traitement parallèle multi-CPU

# 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 -w 4

Résolution personnalisée

# 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 \
  -v $(pwd)/input:/data/input:ro \
  -v $(pwd)/output:/data/output \
  lidar-archeo

Combinaison résolution + multi-CPU

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 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

Paramètres

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

Résolution recommandée

• 0.2 - Très fine, bâtiments individuels (lent)
• 0.5 - Recommandée archéologie (équilibre vitesse/détail)
• 1.0 - Rapide, grandes structures uniquement

Interprétation archéologique

Pour détecter les cavités et souterrains

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. 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 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

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

Dépannage

# Vérifier Docker
docker --version

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

# Reconstruire l'image
docker build --no-cache -t lidar-archeo .

# Nettoyer
docker system prune -a

Erreur mémoire

Augmenter la mémoire Docker à 16Go+ pour les gros fichiers LiDAR HD.

Ressources

• PDAL Documentation
• LiDAR Archéologie - Méthodes avancées
• Relief Visualization Toolbox