CloudCompare forum

Bonjour,

Je suis étudiant en Master 2 d'ingénieur géomètre et, dans le cadre de mon travail de fin d'études, je réalise une comparaison entre plusieurs scanners laser : Faro Focus 70S, RTC360 et BLK2GO.

Pour cette étude, un même bâtiment a été levé avec chacun de ces scanners en testant différentes résolutions d'acquisition. Comme référence, je dispose également d'un levé réalisé à la station totale.

Dans une première analyse, j'ai comparé les coordonnées des points mesurés sur des cibles damiers à la station totale avec les coordonnées des points correspondants dans les différents nuages de points.

Pour la seconde partie de mon travail, j'aimerais analyser et quantifier le bruit présent dans les différents nuages de points. C'est sur ce point que je suis un peu perdu.

Dans un premier temps, j'avais simplement réalisé des coupes dans AutoCAD afin de comparer visuellement l'épaisseur des nuages de points. Cependant, cette approche me paraît un peu légère pour un mémoire d'ingénieur.

Je me suis donc tourné vers CloudCompare. J'ai isolé une même portion de mur dans chacun des nuages de points. J'ai pris comme référence le nuage issu du RTC360, sur lequel j'ai utilisé l'outil Fit > Plane. Si j'ai bien compris, cet outil ajuste un plan par la méthode des moindres carrés.

À partir de ce plan, j'ai ensuite calculé les distances avec l'outil Cloud-to-Primitive Distance (voir la capture d'écran ci-jointe).

En revanche, je ne suis pas certain de bien comprendre ce que représentent exactement les valeurs obtenues. Si j'ai bien compris le principe de l'ajustement par moindres carrés, le plan est censé se situer au milieu de l'épaisseur du nuage de points. Dans ce cas, la distance maximale affichée correspond-elle simplement au point le plus éloigné de ce plan ? Autrement dit, si je souhaite estimer l'épaisseur totale du nuage de points, est-il correct de considérer qu'il faut approximativement doubler cette valeur, ou est-ce que mon raisonnement est erroné ?

J'en viens donc à mes questions :

Comment interpréter correctement les valeurs obtenues avec cet outil ?
Les statistiques (moyenne, écart-type, RMS, etc.) permettent-elles de caractériser le bruit du nuage de points ?
Mon interprétation concernant le plan ajusté et l'épaisseur du nuage est-elle correcte ?
Cette méthode vous semble-t-elle pertinente pour comparer la qualité des différents scanners ?
Connaissez-vous d'autres méthodes ou indicateurs qui seraient plus adaptés pour comparer le bruit et la qualité géométrique de plusieurs nuages de points ?

Merci d'avance pour vos conseils et vos retours d'expérience !

Bonjour,

Alors oui, fitter un plan sur une surface qu'on sait (ou suppose) plane est une très bonne technique pour caractériser le bruit. Pour la position exacte du plan fitté, c'est grosso-modo correct (mais ça dépend quand même de la densité locale des points et de de la répartition du bruit dans le nuage. Tout ça peut varier en fonction de l'orientation du scanner par rapport à la surface, de la couleur et des matériaux de la surface (si variés), etc.

Par contre, prendre la valeur extrême n'est jamais une bonne idée, car non robuste statistiquement et non reproductible. Il vaut mieux considérer l'écrat type (standard deviation) ou le RMS (qui devrait être équivalent dans ce cas, car normalement la moyenne des erreurs devrait être nulle ou quasi nulle par définition des moyens carrés). La moyenne ne vous donnera que la distance moyenne du scanner au mur, ce qui peut-être intéressant si vous pouvez positionnez tous les scanners scrupuleusement à la même distance du mur (pas facile) ou si vous avez un moyen fiable de calculer la vraie distance et donc évaluer l'erreur de mesure.

Pour le bruit, il y a aussi la mesure de rugosité (roughness) qui peut-être intéressante visuellement (voir https://www.cloudcompare.org/doc/wiki/i ... c_features).

Et dans l'idéal, pour une caractérisation complète du bruit il faut peut-être aussi faire varier les matériaux et/ou couleurs si possible, les distances du scanner à la cible, etc. Mais dans une première approche c'est déjà bien.