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

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

### 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 -w 4
```

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

### 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 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

```bash
# 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](https://pdal.io/)
- [LiDAR Archéologie - Méthodes avancées](https://archaeologydataservice.ac.uk/)
- [Relief Visualization Toolbox](https://rvtpy.readthedocs.io/)