Dans le monde des SIG open source, il existe des outils fantastiques pour travailler avec des nuages de points. PDAL<\/a> (\u00ab\u00a0Point Data Abstraction Library\u00a0\u00bb) est devenu un outil important qui prend en charge de nombreux formats de donn\u00e9es d’entr\u00e9e et propose \u00e9galement de nombreux algorithmes pour le traitement des nuages de points. Pour la visualisation sur le web, la biblioth\u00e8que JavaScript Potree<\/a> est le choix le plus courant. Pour visualiser les nuages de points dans une application de bureau, les utilisateurs ouvrent g\u00e9n\u00e9ralement CloudCompare<\/a>, qui est livr\u00e9 avec une vari\u00e9t\u00e9 d’outils int\u00e9gr\u00e9s.<\/p>\n\n\n\n L’int\u00e9gration d’une visionneuse de nuages de points dans un SIG apporte une valeur ajout\u00e9e consid\u00e9rable aux utilisateurs, par rapport \u00e0 une visionneuse de nuages de points sp\u00e9cialis\u00e9e et d\u00e9di\u00e9e :<\/p>\n\n\n\n La principale difficult\u00e9 li\u00e9e \u00e0 l’utilisation des donn\u00e9es de nuages de points provient du nombre consid\u00e9rable de points contenus dans les ensembles de donn\u00e9es : nous devons traiter des millions, voire des milliards de points pour des zones g\u00e9ographiques relativement petites, alors que des \u00e9tudes \u00e0 l’\u00e9chelle d’un pays peuvent impliquer des trillions de points. Avec une telle quantit\u00e9 de donn\u00e9es, il n’est pas possible de convertir simplement le jeu de donn\u00e9es en couches vectorielles \u00ab\u00a0ordinaires\u00a0\u00bb – les outils SIG typiques et les formats de donn\u00e9es tels que GeoPackage<\/a> ou Shapefile<\/a> ne sont pas optimis\u00e9s pour de telles quantit\u00e9s de donn\u00e9es, et toute op\u00e9ration prendrait beaucoup de temps.<\/p>\n\n\n\n Depuis la version 3.26, un nouveau type de couche cartographique a \u00e9t\u00e9 introduite dans QGIS : la couche de nuage de points, qui est utilis\u00e9e pour toutes les donn\u00e9es de nuage de points. Comme mentionn\u00e9 ci-dessus,il n’\u00e9tait pas possible de r\u00e9utiliser le type de couche vectorielle existant (avec des g\u00e9om\u00e9tries de points) car il n’est pas con\u00e7u pour prendre en charge de si grandes quantit\u00e9s de points.<\/p>\n\n\n\n Pour l’acc\u00e8s aux donn\u00e9es bas\u00e9es sur des fichiers, il a \u00e9t\u00e9 d\u00e9cid\u00e9 d’utiliser PDAL (\u00ab\u00a0point data abstraction library\u00a0\u00bb). Cette biblioth\u00e8que suit l’approche adopt\u00e9e par la biblioth\u00e8que GDAL<\/a> : elle fournit une interface commune pour lire, \u00e9crire ou traiter des donn\u00e9es de nuages de points et divers pilotes (\u00ab\u00a0lecteurs\u00a0\u00bb et \u00ab\u00a0\u00e9crivains\u00a0\u00bb dans la terminologie PDAL) prennent en charge les sp\u00e9cificit\u00e9s des diff\u00e9rents formats. En outre, PDAL propose un concept de pipelines permettant de combiner divers algorithmes de traitement.<\/p>\n\n\n\n La deuxi\u00e8me chose \u00e0 prendre en compte \u00e9tait la mani\u00e8re d’afficher efficacement les donn\u00e9es. Passer en revue tous les points d’un ensemble de donn\u00e9es et les dessiner ne fonctionnerait tout simplement pas bien et prendrait trop de temps. Ce serait \u00e9galement un gaspillage – en cas de zoom arri\u00e8re, seule une petite quantit\u00e9 de points doit \u00eatre affich\u00e9e. Un deuxi\u00e8me cas \u00e0 consid\u00e9rer \u00e9tait que lorsqu’un utilisateur zoome beaucoup, on devrait \u00eatre en mesure de rendre uniquement les points situ\u00e9s dans la zone d’int\u00e9r\u00eat plut\u00f4t que de lire les points situ\u00e9s en dehors de la vue courante. Il fallait donc un moyen d’interroger rapidement les points dans ces diff\u00e9rentes situations. Ce besoin est g\u00e9n\u00e9ralement r\u00e9solu par l’utilisation de structures de donn\u00e9es de partitionnement de l’espace (telles que les octrees) qui divisent hi\u00e9rarchiquement l’espace en volumes plus petits. Une caract\u00e9ristique importante est que non seulement les feuilles, mais aussi les n\u0153uds internes contiennent des donn\u00e9es : gr\u00e2ce \u00e0 cela, il est possible non seulement d’ interroger rapidement des points dans une petite zone d’int\u00e9r\u00eat, mais aussi d’obtenir de plus petites portions de points \u00e0 diff\u00e9rents niveaux de zoom.<\/p>\n\n\n\n Les donn\u00e9es des nuages de points dans les formats couramment utilis\u00e9s tels que LAS sont des ensembles assez simples de points qui ne sont associ\u00e9s \u00e0 aucune structure de donn\u00e9es d’indexation, et l’ordre des points peut \u00eatre arbitraire. Par cons\u00e9quent, il faut construire une telle structure de donn\u00e9es d’indexation lors de l’ouverture de ces fichiers afin de pouvoir les restituer – c’est ce que font \u00e9galement d’autres visualiseurs (tels que CloudCompare<\/a>). Dans le cadre de l’indexation, il faut r\u00e9organiser les points afin de pouvoir y acc\u00e9der rapidement lors du rendu. Une fois l’indexation termin\u00e9e, nous avons une structure de donn\u00e9es arborescente o\u00f9 chaque n\u0153ud contient un sous-ensemble du nuage de points – ce nuage de points index\u00e9 peut \u00eatre stock\u00e9 sur le disque ou conserv\u00e9 en m\u00e9moire.<\/p>\n\n\n\n Plus important encore, les utilisateurs peuvent visualiser les donn\u00e9es du nuage de points sur une carte en 2D ou en 3D. L’avantage suppl\u00e9mentaire d’une int\u00e9gration compl\u00e8te avec QGIS est que d’autres donn\u00e9es (vectorielles ou matricielles) peuvent \u00eatre superpos\u00e9es aux donn\u00e9es du nuage de points.<\/p>\n\n\n\n Pour permettre un rendu rapide en 2D et 3D m\u00eame dans le cas de grands ensembles de donn\u00e9es, QGIS est en mesure de rendre des sous-ensembles de donn\u00e9es gr\u00e2ce \u00e0 l’index hi\u00e9rarchique (g\u00e9n\u00e9r\u00e9 lorsque les donn\u00e9es sont charg\u00e9es pour la premi\u00e8re fois dans QGIS). Lorsque l’utilisateur effectue un zoom arri\u00e8re, QGIS ne dessine qu’une petite quantit\u00e9 de points, et d\u00e8s que l’utilisateur effectue un zoom avant, QGIS dessine des quantit\u00e9s de plus en plus importantes de points (tout en r\u00e9duisant l’\u00e9tendue de la carte).<\/p>\n\n\n\n L’ensemble du processus de rendu est pilot\u00e9 par la classe QgsPointCloudLayerRenderer (o\u00f9 le gros du travail est effectu\u00e9 dans un thread de travail, comme c’est le cas avec d’autres moteurs de rendu de couches). Pour l’instant, on d\u00e9termine l’erreur g\u00e9om\u00e9trique acceptable (c’est-\u00e0-dire l’espacement acceptable entre les points) en fonction de l’\u00e9chelle de la carte – par exemple, \u00e0 l’\u00e9chelle 1:1.000.000, un espacement de 1 km entre les points peut convenir, mais \u00e0 l’\u00e9chelle 1:1.000, un espacement beaucoup plus faible, par exemple de 1 m\u00e8tre, est n\u00e9cessaire. Ce param\u00e8tre est expos\u00e9 aux utilisateurs pour qu’ils puissent le contr\u00f4ler en tant que param\u00e8tre de \u00ab\u00a0filtrage dynamique\u00a0\u00bb, au cas o\u00f9 l’utilisateur souhaiterait remplacer le param\u00e8tre par d\u00e9faut (par exemple, pour un rendu de meilleure qualit\u00e9 ou un temps de rendu plus rapide).<\/p>\n\n\n Ensuite, on parcoure la hi\u00e9rarchie d’index et on r\u00e9cup\u00e8re les n\u0153uds recoupant l’\u00e9tendue de la vue cartographique et pr\u00e9sentant une erreur g\u00e9om\u00e9trique acceptable. Enfin, on r\u00e9cup\u00e8re les donn\u00e9es du nuage de points de ces n\u0153uds – soit dans le cache de la couche (s’ils sont d\u00e9j\u00e0 en m\u00e9moire), soit dans les n\u0153uds d’index, et on dessine les points un par un. <\/p>\n\n\n\n Dans le travail r\u00e9alis\u00e9 jusqu’\u00e0 pr\u00e9sent, il a \u00e9t\u00e9 pr\u00e9vue une seule impl\u00e9mentation du moteur de rendu. Elle dessine des points de taille fixe, la couleur des points est d\u00e9termin\u00e9e par l’un des attributs choisis par l’utilisateur (par exemple, l’\u00e9l\u00e9vation, la classification, le num\u00e9ro de retour) et la rampe de couleur choisie. En outre, certaines options de filtrage de base sont prises en charge (par exemple, uniquement le dernier retour, uniquement une ou plusieurs valeurs particuli\u00e8res de la classification, uniquement une plage particuli\u00e8re d’\u00e9l\u00e9vations).<\/p>\n\n\n\n \u00c0 l’avenir, d’autres rendus pourront \u00eatre ajout\u00e9s, comme l’affichage d’une surface interpol\u00e9e (calcul\u00e9e \u00e0 la vol\u00e9e \u00e0 partir de donn\u00e9es ponctuelles), d’un ombrage ou de contours.<\/p>\n\n\n\n \u00c0 la base, le rendu des nuages de points en 3D suit les m\u00eames principes que le rendu en 2D : \u00e0 l’aide de l’index hi\u00e9rarchique, on d\u00e9termine quels n\u0153uds doivent \u00eatre affich\u00e9s, sur la base desquels les donn\u00e9es ponctuelles sont charg\u00e9es et affich\u00e9es dans la sc\u00e8ne 3D. Une partie de l’infrastructure n\u00e9cessaire \u00e9tait d\u00e9j\u00e0 en place : Les vues 3D de QGIS prennent en charge le rendu \u00ab\u00a0par morceaux\u00a0\u00bb du terrain depuis le d\u00e9but (au fur et \u00e0 mesure que l’utilisateur se rapproche du terrain, des \u00e9l\u00e9vations plus d\u00e9taill\u00e9es et des textures de carte sont rendues). Comme le m\u00e9canisme est assez g\u00e9n\u00e9rique et a \u00e9t\u00e9 \u00e9tendu aux donn\u00e9es des couches vectorielles dans le pass\u00e9, il l’a \u00e9t\u00e9 \u00e9galement pour les nuages de points. Par le pass\u00e9, il \u00e9tait limit\u00e9 par le fait qu’il s’attendait toujours \u00e0 une hi\u00e9rarchie quadripartite, mais cela a \u00e9t\u00e9 mis \u00e0 jour pour permettre des hi\u00e9rarchies arborescentes de type octree<\/a>.<\/p>\n\n\n\n Les options de style pour les vues 3D sont similaires aux options de rendu 2D : configuration de la taille des points, coloration bas\u00e9e sur un attribut unique et quelques options simples de filtrage des donn\u00e9es.<\/p>\n\n\n\n Il a \u00e9t\u00e9 possible aussi d’ajouter \u00e9galement l’effet d’\u00e9clairage eye-dome<\/a> qui am\u00e9liore la perception de la profondeur.<\/p>\n\n\n\n L’outil d’identification des cartes en 2D et en 3D a \u00e9t\u00e9 mis \u00e0 jour afin de renvoyer des informations compl\u00e8tes sur les points identifi\u00e9s. En plus de leurs coordonn\u00e9es XYZ, il renvoi \u00e9galement la valeur des autres attributs de chaque point (tels que la classification et d’autres attributs).<\/p>\n\n\n\n Un nouveau fournisseur de traitement natif a \u00e9t\u00e9 int\u00e9gr\u00e9 pour les algorithmes de nuages de points : le fournisseur utilise l’outil de ligne de commande pdal_wrench<\/em><\/strong> et prend actuellement en charge les algorithmes suivants :<\/p>\n\n\n Comme pdal_wrench<\/strong> n\u00e9cessite PDAL >= 2.5.0, le nouveau fournisseur de traitement ne sera disponible que si la version de PDAL requise est satisfaite.<\/p>\n\n\n\n Il y a plusieurs raisons d’utiliser pdal_wrench plut\u00f4t que d’utiliser l’API PDAL et de construire des pipelines :<\/p>\n\n\n\n Un nouveau widget de construction d’expression de nuage de points est disponible dans l’interface graphique pour cr\u00e9er des filtres pour les nuages de points d’une mani\u00e8re conviviale et coh\u00e9rente avec les interfaces existantes de construction d’expression de QGIS.<\/p>\n\n\n\n Ajout de l’option permettant de filtrer le nuage de points d’entr\u00e9e par rectangle (\u00e9tendue) et par expression dans les algorithmes PDAL suivants :<\/p>\n\n\n\n Cela permet de ne traiter qu’un sous-ensemble de points du ou des fichiers d’entr\u00e9e, sans avoir \u00e0 effectuer une \u00e9tape de filtrage interm\u00e9diaire ou \u00e0 g\u00e9n\u00e9rer des fichiers temporaires.<\/p>\n\n\n\n Pour ceux qui n’ont besoin que d’un filtrage, il existe \u00e9galement un algorithme de filtrage s\u00e9par\u00e9 capable de filtrer soit par \u00e9tendue, soit par expression, soit par leur combinaison.<\/p>\n\n\n\n Un nouveau fournisseur de donn\u00e9es est disponible pour les fichiers de nuages de points virtuels (VPC) cr\u00e9\u00e9s par l’utilitaire pdal_wrench et l’outil Build virtual point cloud (VPC) dans le nouveau fournisseur Native point cloud Processing.<\/p>\n\n\n\n Le fichier VPC est trait\u00e9 comme une couche unique dans QGIS et peut contenir un grand nombre de fichiers de nuages de points dont les index sont charg\u00e9s lorsque le canevas est suffisamment agrandi. Les fichiers individuels contenus dans le fichier virtuel sont affich\u00e9s sous forme d’emprises tant que leur \u00e9tendue est inf\u00e9rieure \u00e0 la largeur de la fen\u00eatre cartographique. D\u00e8s que le zoom est suffisant et que l’emprise d’un fichier individuel d\u00e9passe la largeur de la fen\u00eatre cartographique, ce sont les points du fichier qui sont affich\u00e9s.<\/p>\n\n\n\n Un nuage de points virtuel est un fichier conteneur JSON avec une extension .vpc, faisant r\u00e9f\u00e9rence \u00e0 d’autres fichiers\/URL qui contiennent les donn\u00e9es r\u00e9elles du nuage de points. Il s’agit d’un concept similaire \u00e0 celui des rasters virtuels (VRT) dans GDAL. <\/p>\n\n\n\n Les nuages de points virtuels peuvent \u00eatre rendus dans des vues 3D. Pour la gestion des performances, un seuil de sous-indice est sp\u00e9cifi\u00e9 de sorte que la vue ne rende les points du nuage de points que lorsque cela est appropri\u00e9 et rende plut\u00f4t l\u2019emprise d’un sous-indice particulier lorsque le crit\u00e8re de seuil n’est pas respect\u00e9.<\/p>\n\n\n\n
Les nouvelles couches \u00ab\u00a0Nuages de points\u00a0\u00bb<\/h2>\n\n\n\n
L’indexation des nuages de points<\/h2>\n\n\n\n
Vue cartographique 2D\/3D<\/h2>\n\n\n\n
Rendu 2D<\/h2>\n\n\n\n
![\"nuages](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/erreurmax.png?resize=640%2C688&ssl=1\")
<\/a>Rendu 3D<\/h2>\n\n\n\n
Identification des points<\/h2>\n\n\n\n
Les nouveaut\u00e9s de la version 3.32<\/h2>\n\n\n\n
Le fournisseur de traitement natif pour les nuages de points\u00b6<\/h3>\n\n\n\n
![\"Nouveaux](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/news.png?resize=271%2C440&ssl=1\")
<\/a><\/figure>\n<\/div>\n\n\n\n
\n
Constructeur d’expression de nuages de points pour Processing framework\u00b6<\/h3>\n\n\n\n
![\"assistant](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/expression.png?resize=640%2C485&ssl=1\")
<\/a><\/figure>\n\n\n\nAjout du filtrage par rectangle et par expression aux algorithmes PDAL\u00b6<\/h3>\n\n\n\n
\n
![\"filtrage](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/filtrage.png?resize=640%2C745&ssl=1\")
<\/a><\/figure>\n\n\n\nNuages de points virtuels (VPC)\u00b6<\/h3>\n\n\n\n
![\"fonctionnement](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/vpc.gif?resize=640%2C386&ssl=1\")
<\/a><\/figure>\n\n\n\n<\/div>
Afficher des nuages de points virtuels (VPC) dans des vues 3D\u00b6<\/h3>\n\n\n\n
![\"fonctionnement](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/i3D.gif?resize=403%2C301&ssl=1\")
<\/a><\/figure>\n<\/div>","protected":false},"excerpt":{"rendered":"