Aller au contenu principal

Guide de Démarrage Rapide

Démarrez avec la bibliothèque de traitement IGN LiDAR HD en 5 minutes ! Ce guide vous accompagne dans votre premier flux de travail complet, du téléchargement à l'analyse.

Prérequis

Assurez-vous d'avoir installé IGN LiDAR HD. Sinon, consultez d'abord le Guide d'Installation.

🚀 Votre Premier Flux de Travail​

Traitons les données LiDAR en 3 étapes simples : Télécharger → Enrichir → Créer des Patchs

Étape 1 : Télécharger les Dalles LiDAR​

Téléchargez les dalles depuis les serveurs IGN en utilisant des coordonnées géographiques :

ign-lidar-hd download \
  --bbox 2.3,48.8,2.4,48.9 \
  --output data/raw \
  --max-tiles 5

Ce que cela fait :

  • Interroge le service WFS de l'IGN pour les dalles disponibles
  • Télécharge jusqu'à 5 dalles dans la boîte englobante spécifiée (région parisienne)
  • Enregistre les fichiers LAZ dans data/raw/
  • Ignore les dalles déjà téléchargées
Format de la Boîte Englobante

--bbox lon_min,lat_min,lon_max,lat_max (coordonnées WGS84)

Exemples de zones :

  • Paris : 2.3,48.8,2.4,48.9
  • Marseille : 5.3,43.2,5.4,43.3
  • Lyon : 4.8,45.7,4.9,45.8

Étape 2 : Enrichir avec des Caractéristiques​

Ajoutez des caractéristiques géométriques et des couleurs RGB optionnelles :

ign-lidar-hd enrich \
  --input-dir data/raw \
  --output data/enriched \
  --mode full \
  --use-gpu

Ce que cela fait :

  • Calcule les caractéristiques géométriques (normales, courbure, planarité)
  • Ajoute toutes les caractéristiques supplémentaires en mode 'full'
  • Utilise l'accélération GPU si disponible (repli sur CPU)
  • Pas d'augmentation par défaut (utilisez --augment pour activer)
  • Ignore les dalles déjà enrichies
Augmentation de Données (Désactivée par Défaut)

Par défaut, la commande enrich crée uniquement la dalle originale. Pour activer l'augmentation, ajoutez --augment qui crée 4 versions de chaque dalle :

  • tile_name.laz (original)
  • tile_name_aug1.laz (version augmentée 1)
  • tile_name_aug2.laz (version augmentée 2)
  • tile_name_aug3.laz (version augmentée 3)

Chaque version augmentée applique une rotation aléatoire, du bruit, une mise à l'échelle et un dropout avant le calcul des caractéristiques.

Pour activer : ajoutez --augment
Pour changer le nombre : ajoutez --num-augmentations N

Caractéristiques Ajoutées :

  • Normales de surface (vecteurs 3D)
  • Courbure (courbure principale)
  • Planarité, verticalité, horizontalité
  • Densité de points locale
  • Étiquettes de classification des bâtiments
Ajouter des Couleurs RGB

Ajoutez --add-rgb --rgb-cache-dir cache/ pour enrichir avec les couleurs des orthophotos IGN !

Étape 3 : Créer des Patchs d'Entraînement​

Générez des patchs prêts pour l'apprentissage automatique :

# Note : L'augmentation se fait pendant la phase ENRICH (désactivée par défaut)
# Utilisez le flag --augment à l'étape enrich pour créer des versions augmentées
ign-lidar-hd patch \
  --input-dir data/enriched \
  --output data/patches \
  --lod-level LOD2 \
  --num-points 16384

Ce que cela fait :

  • Crée des patchs de 150m × 150m à partir des dalles enrichies
  • Échantillonne 16 384 points par patch
  • Traite à la fois les dalles originales et augmentées (créées lors de l'enrichissement)
  • Enregistre sous forme de fichiers NPZ compressés

Structure de Sortie :

data/patches/
├── tile_0501_6320_patch_0.npz
├── tile_0501_6320_patch_1.npz
├── tile_0501_6320_patch_2.npz
└── ...

Chaque fichier NPZ contient :

  • points : Coordonnées XYZ [N, 3]
  • normals : Normales de surface [N, 3]
  • features : Caractéristiques géométriques [N, 27]
  • labels : Étiquettes de classe de bâtiment [N]

🎯 Flux de Travail Complet avec YAML​

Pour les flux de travail en production, utilisez des fichiers de configuration YAML pour la reproductibilité :

Créer une Configuration​

ign-lidar-hd pipeline my_workflow.yaml --create-example full

Cela crée un fichier de configuration YAML. Pour des exemples de configuration détaillés, consultez Exemples de Configuration.

Exemple Rapide​

input_dir: "data/enriched"
output: "data/patches"
lod_level: "LOD2"
patch_size: 150.0
num_points: 16384
augment: true
num_augmentations: 3

Exécuter le Pipeline​

ign-lidar-hd pipeline my_workflow.yaml

Avantages :

  • ✅ Flux de travail reproductibles
  • ✅ Compatible avec le contrôle de version
  • ✅ Collaboration d'équipe facile
  • ✅ Exécution de phases spécifiques uniquement
  • ✅ Documentation de configuration claire

🐍 API Python​

Pour un contrôle programmatique, utilisez l'API Python :

from ign_lidar import LiDARProcessor

# Initialiser le processeur
processor = LiDARProcessor(
    lod_level="LOD2",
    augment=True,
    num_augmentations=3,
    use_gpu=True
)

# Traiter une seule dalle
patches = processor.process_tile(
    input_file="data/raw/tile.laz",
    output_dir="data/patches"
)

print(f"Généré {len(patches)} patchs d'entraînement")

# Ou traiter un répertoire entier
num_patches = processor.process_directory(
    input_dir="data/raw",
    output_dir="data/patches",
    num_workers=4
)

print(f"Total de patchs générés : {num_patches}")

🎓 Comprendre les Niveaux LOD​

Choisissez le bon niveau de détail pour votre tâche :

LOD2 (15 Classes)​

Modèles de bâtiments simplifiés - bon pour la classification générale :

Classes :

  • Sol, végétation, route, voie ferrée
  • Parties de bâtiment : mur, toit, balcon, fenêtre, porte
  • Mobilier urbain, lignes électriques, etc.

Cas d'Usage :

  • Détection et segmentation de bâtiments
  • Urbanisme
  • Modélisation 3D de ville (basique)
processor = LiDARProcessor(lod_level="LOD2")

LOD3 (30+ Classes)​

Modèles de bâtiments détaillés - pour l'analyse architecturale :

Classes Supplémentaires :

  • Types de toits détaillés (plat, à pignon, à quatre pans, etc.)
  • Éléments architecturaux (colonnes, corniches, ornements)
  • Matériaux de construction
  • Styles architecturaux précis

Cas d'Usage :

  • Documentation du patrimoine architectural
  • Reconstruction 3D détaillée
  • Évaluation de l'état des bâtiments
processor = LiDARProcessor(lod_level="LOD3")

⚡ Conseils de Performance​

1. Utiliser l'Accélération GPU​

# Calcul de caractéristiques 5-10x plus rapide
ign-lidar-hd enrich --use-gpu --input-dir tiles/ --output enriched/

2. Traitement Parallèle​

# Utiliser plusieurs cœurs CPU
ign-lidar-hd enrich --num-workers 8 --input-dir tiles/ --output enriched/

3. Reprise Intelligente​

Toutes les commandes ignorent automatiquement les fichiers existants :

# Sûr d'interrompre et de reprendre
ign-lidar-hd enrich --input-dir tiles/ --output enriched/
# Appuyez sur Ctrl+C à tout moment
# Réexécutez - continue là où il s'est arrêté

4. Mise en Cache RGB​

Lors de l'utilisation de l'augmentation RGB, mettez en cache les orthophotos pour réutilisation :

ign-lidar-hd enrich \
  --add-rgb \
  --rgb-cache-dir cache/orthophotos \
  --input-dir tiles/ \
  --output enriched/

🔍 Vérifier Vos Données​

Vérifier les Fichiers Enrichis​

import laspy

# Charger le fichier LAZ enrichi
las = laspy.read("data/enriched/tile.laz")

# Vérifier les dimensions
print("Dimensions disponibles :", las.point_format.dimension_names)

# Devrait inclure :
# - X, Y, Z (coordonnées)
# - normal_x, normal_y, normal_z
# - curvature (courbure)
# - planarity, verticality (planarité, verticalité)
# - intensity, return_number
# - RGB (si vous utilisez --add-rgb)

Vérifier les Patchs NPZ​

import numpy as np

# Charger un patch
data = np.load("data/patches/tile_patch_0.npz")

# Vérifier le contenu
print("Clés :", list(data.keys()))
print("Forme des points :", data['points'].shape)
print("Forme des étiquettes :", data['labels'].shape)

# Vérifier le nombre de points
assert data['points'].shape[0] == 16384  # num_points par défaut

🐛 Dépannage​

GPU Non Détecté​

# Vérifier la disponibilité de CUDA
python -c "import cupy as cp; print('CUDA disponible :', cp.is_available())"

Si CUDA n'est pas disponible :

  • Assurez-vous que les pilotes GPU NVIDIA sont installés
  • Installez la bonne version de CuPy pour votre boîte à outils CUDA
  • La bibliothèque bascule automatiquement sur le CPU

Mémoire Insuffisante​

Pour les dalles volumineuses (>10M points) :

# Réduire la taille des patchs ou le nombre de points
processor = LiDARProcessor(
    patch_size=100.0,      # Patchs plus petits (par défaut : 150.0)
    num_points=8192,       # Moins de points (par défaut : 16384)
)

Traitement Lent​

  1. Activer l'accélération GPU : --use-gpu
  2. Augmenter les workers : --num-workers 8
  3. Utiliser le mode 'core' au lieu de 'full' : --mode core

📚 Prochaines Étapes​

En Savoir Plus​

Exemples​

Obtenir de l'Aide​

Prêt à traiter votre premier jeu de données ? 🚀

# Télécharger et traiter en une seule fois
ign-lidar-hd download --bbox 2.3,48.8,2.4,48.9 --output raw/ --max-tiles 5
ign-lidar-hd enrich --input-dir raw/ --output enriched/ --use-gpu
ign-lidar-hd patch --input-dir enriched/ --output patches/ --augment

Bon traitement ! 🎉