Drones Algorithmes Et Solutions

Drones :
Algorithmes et Solutions
Réalisé par :
Sous l’encadrement de :
 Bouali Mouhcine Prof Sebari Imane
 El Haddyouy Mohammed
 El Abassi Zineb
 Ourhou-Skou Mohamad
Année Académique : 2023/2024
1
Table des matières
Introduction Générale : .......................................................................................................................... 3
Algorithmes ............................................................................................................................................. 4
I. Introduction ................................................................................................................................. 4
1. Objectifs et Portée de la Section sur les Algorithmes ................................................................. 4
2. Aperçu des Catégories d'Algorithmes Abordés ........................................................................... 4
II. Planification de Vol de Drone ...................................................................................................... 5
1. Principes de Base de la Planification de Vol ................................................................................ 5
2. Algorithme Lawnmower : ............................................................................................................ 6
3. Algorithme de Dijkstra :............................................................................................................... 8
III. Algorithmes utilisés lors de la Mission de Vol : ....................................................................... 9
1. Flux Optique : .............................................................................................................................. 9
2. Return To Home (RTH) : ............................................................................................................ 10
3. Dynamic Battery Life Prediction and Task Re-planning Algorithm: .......................................... 12
IV. Algorithmes de Traitement des Images : .............................................................................. 14
1. Importance du Traitement des Images dans les Drones: .......................................................... 14
2. SIFT (Scale-Invariant Feature Transform) : ................................................................................ 15
a. Détection des extrema dans l'espace-échelle : ......................................................................... 15
b. Localisation des points clés : ..................................................................................................... 16
c. Attribution d'orientation : ......................................................................................................... 16
d. Description des points clés ........................................................................................................ 17
3. SURF (Speeded-Up Robust Features) ........................................................................................ 18
a. Détection des points d'intérêt :................................................................................................. 18
b. Localisation et sélection des points clés :.................................................................................. 18
c. Attribution d'orientation : ......................................................................................................... 19
d. Description des points clés : ...................................................................................................... 19
4. Comparaison SIFT vs SURF :....................................................................................................... 20
5. RANSAC (Random Sample Consensus) : .................................................................................... 21
a. Méthodologie ............................................................................................................................ 21
b. Application dans la Correction des Erreurs : ............................................................................. 22
6. Reconstruction 3D : ................................................................................................................... 23
a. Techniques MVS (Multi-View Stereo) : ..................................................................................... 23
b. Poisson Surface Reconstruction : .............................................................................................. 24
c. Applications dans la Modélisation 3D à partir d'Images de Drones :........................................ 25
7. Récapitulation des points clés : ................................................................................................. 26
1
8. Conclusion : ............................................................................................................................... 27
Solutions : ............................................................................................................................................. 28
I. Solutions de planification : ........................................................................................................ 28
1. Présentation des solutions existantes au marché : ................................................................... 28
2. Critères de comparaison : ......................................................................................................... 34
II. Solutions de traitement : ........................................................................................................... 37
1. Logiciels commerciaux :............................................................................................................. 37
2. Logiciels libres :.......................................................................................................................... 39
III. Cas d’études pratiques : ........................................................................................................ 42
1. Cas pratique relatif à l’étude du Palais Rohan : ........................................................................ 42
2. Cas pratique relatif à une étude comparative des logiciels dans le cadre du développement
des smart cities : ................................................................................................................................ 46
3. Discussion des résultats : .......................................................................................................... 46
Conclusion générale :............................................................................................................................ 47
2
Introduction Générale :
L'avènement des technologies avancées a propulsé l'utilisation des

algorithmes dans le développement des drones, transformant radicalement le
paysage des industries et de la recherche. Ces algorithmes permettent une
navigation précise, l'exécution autonome de tâches complexes, et un traitement
efficace des données, ouvrant la voie à des applications innovantes. Cette
exploration détaillée des mécanismes algorithmiques met en lumière leur
contribution essentielle aux capacités étendues des drones modernes, illustrant
leur importance croissante dans le tissu de l'innovation technologique.
L'intégration des algorithmes dans les drones révolutionne non seulement

leur fonctionnement mais élargit également leur champ d'application, allant de
la surveillance environnementale à la logistique avancée. La capacité à naviguer
de manière autonome dans des environnements complexes, à collecter et à
analyser des données en temps réel transforme les drones en outils
indispensables pour de nombreux secteurs. Cette analyse approfondie des
algorithmes clés révèle comment ils optimisent la performance et la sécurité des
drones, soulignant l'impact significatif de ces avancées sur l'efficacité
opérationnelle et la découverte scientifique.
À l'horizon de l'innovation, les algorithmes continuent de façonner l'avenir

des drones, promettant des avancées encore plus impressionnantes. En
permettant aux drones de traiter des données avec une précision accrue, de
répondre dynamiquement aux changements de l'environnement, et de réaliser
des missions de plus en plus complexes, ces technologies ouvrent des
perspectives nouvelles pour résoudre des défis contemporains. La convergence
des progrès algorithmiques et du développement des drones marque un
tournant décisif, indiquant une ère où leur application transcende les attentes
traditionnelles, offrant des solutions innovantes à travers divers domaines.
3
Algorithmes
I. Introduction
1. Objectifs et Portée de la Section sur les Algorithmes
Cette section du rapport se concentre sur les algorithmes qui sont au cœur du
fonctionnement des drones. Notre objectif est d'explorer et de comprendre
comment ces algorithmes permettent aux drones de naviguer, d'exécuter des
missions et de traiter des données de manière efficace et autonome. En
examinant les différents aspects algorithmiques, nous visons à fournir une
compréhension approfondie de ce qui rend possible les fonctionnalités avancées
des drones modernes. Cette compréhension est cruciale pour quiconque
s'intéresse à l'application, à la conception ou à la recherche dans le domaine des
drones.
2. Aperçu des Catégories d'Algorithmes Abordés
 Planification de Vol de Drone : Cette catégorie inclut des algorithmes tels que
le Lawnmower pour la planification de trajectoire et l'Algorithme de Dijkstra
pour l'optimisation de chemin. Ces algorithmes sont vitaux pour assurer que
les drones accomplissent leurs missions de manière efficiente tout en évitant
les obstacles et en optimisant le temps de vol et la consommation d'énergie.
 Algorithmes en Mission : Pendant le vol, les drones doivent réagir en temps
réel aux changements de leur environnement et à l'état de leurs systèmes.
Des algorithmes tels que le Flux Optique pour la navigation, le Return To
Home (RTH) pour la sécurité, la Prédiction Dynamique de la Durée de Vie de
la Batterie et la Re-planification des Tâches, ainsi que le Round-Trip Time
(RTT) pour la communication, sont essentiels pour ces fonctions.
 Traitement des Images : Un aspect crucial de l'utilisation des drones est leur
capacité à recueillir et à traiter des images. Les algorithmes tels que SIFT
(Scale-Invariant Feature Transform), SURF (Speeded-Up Robust Features),
RANSAC (Random Sample Consensus), et ceux impliqués dans la
Reconstruction 3D comme MVS (Multi-View Stereo) et Poisson Surface, sont
fondamentaux pour transformer les images capturées en informations utiles
et actionnables.
4
II. Planification de Vol de Drone
1. Principes de Base de la Planification de Vol
 Introduction à la Planification de Vol et son Importance :
La planification de vol est un aspect fondamental dans l'opération des drones,
jouant un rôle crucial dans la détermination de l'efficacité, de la sécurité et de la
réussite de leurs missions. Cette section aborde les concepts de base et
l'importance de la planification de vol pour les véhicules aériens sans pilote
(UAV).
 Définition et Objectifs de la Planification de Vol :
La planification de vol dans le contexte des drones implique l'établissement
d'une trajectoire ou d'une route que le drone suivra pour accomplir sa mission.
Cette planification prend en compte divers facteurs tels que la distance à
parcourir, la durée du vol, les conditions météorologiques, les obstacles
potentiels, et les exigences spécifiques de la mission. L'objectif principal est de
maximiser l'efficacité tout en assurant la sécurité du vol.
 Importance Stratégique dans les Opérations de Drones :
Une planification de vol efficace est essentielle pour plusieurs raisons :
 Optimisation des Ressources : Elle permet une utilisation optimale de la
batterie et minimise l'usure des composants, en planifiant des itinéraires
qui réduisent le temps de vol et l'énergie nécessaire.
 Sécurité et Fiabilité : Une bonne planification aide à éviter les collisions
avec des obstacles, d'autres aéronefs, ou des terrains difficiles,
augmentant ainsi la sécurité du drone.
 Précision de la Mission : Que ce soit pour la cartographie, la surveillance,
ou la livraison, un itinéraire bien planifié assure que le drone atteint ses
objectifs spécifiques de manière efficace.
5
 Considérations Clés dans la Planification :
Plusieurs éléments sont à considérer lors de la planification d'un vol de drone :
 Analyse de l'Environnement : Évaluation des conditions
environnementales telles que le terrain, les obstacles, et la météo.
 Contraintes de la Mission : Comprendre les objectifs spécifiques de la
mission et les exigences en termes de temps, de distance, et de qualité des
données recueillies.
 Capacités du Drone : Tenir compte des limites techniques du drone, telles
que l'autonomie de la batterie, la portée du signal, et les capacités de
navigation et de capteurs.
La planification de vol est donc un processus complexe qui nécessite une
compréhension approfondie à la fois des capacités du drone et des exigences de
la mission. Elle est la clé de voûte qui assure que les drones peuvent exécuter
leurs tâches de manière autonome, sûre et efficace.
2. Algorithme Lawnmower :
 Définition et Principe de Fonctionnement :
L'algorithme Lawnmower, souvent utilisé dans la planification de vol des drones,
est nommé ainsi en raison de sa ressemblance avec le motif de tonte d'une
pelouse. Ce modèle implique que le drone suive un chemin parallèle, allant et
venant dans une zone définie, assurant ainsi une couverture complète de la
région.
 Conception du Chemin : Le drone commence à un point de départ et se
déplace en ligne droite jusqu'à un point de terminaison. Il se déplace
ensuite latéralement d'une certaine distance et revient dans la direction
opposée.
 Répétition du Modèle : Ce processus est répété jusqu'à ce que l'ensemble
de la zone soit couvert. Le chemin peut être ajusté en fonction de la taille
de la zone, des obstacles et de la portée de la caméra ou des capteurs du
drone.
6
 Avantages et Limitations dans le Contexte des Drones :
 Avantages :
 Couverture Complète : Idéal pour des tâches comme la cartographie ou
l'agriculture de précision, où une couverture complète est nécessaire.
 Simplicité de Planification : Facile à planifier et à exécuter, ne nécessitant
pas d'algorithmes complexes.
 Prévisibilité : Le modèle de vol est prévisible, ce qui facilite l'analyse des
données collectées.
 Limitations :
 Inefficacité dans les Grandes Zones : Peut devenir inefficace en termes de
temps et de consommation d'énergie dans de grandes zones.
 Manque de Flexibilité : Moins efficace dans les zones avec de nombreux
obstacles ou terrains irréguliers.
 Redondance : Peut entraîner un chevauchement excessif et une récolte
redondante de données.
7
3. Algorithme de Dijkstra :
 Présentation et Mécanisme de l'Algorithme :
L'algorithme de Dijkstra, développé par l'informaticien néerlandais Edsger W.
Dijkstra en 1956, est une méthode de recherche de chemin qui permet de
trouver le chemin le plus court entre deux points dans un graphe. Ce graphe peut
être composé de nœuds, représentant des positions ou des états, et d'arêtes,
représentant des transitions ou des distances.
 Fonctionnement : L'algorithme commence au nœud de départ et explore
les voisins directs, mettant à jour la distance la plus courte de ces voisins
au point de départ. Il sélectionne ensuite le nœud non visité avec la
distance la plus courte et répète le processus jusqu'à atteindre le nœud
de destination.
 Optimisation du Chemin : Dijkstra utilise un principe d'optimisation pour
minimiser le coût total du chemin, souvent en termes de distance, mais il
peut également être adapté à d'autres métriques comme le temps ou la
consommation d'énergie.
 Application dans la Planification de Trajectoires de Drones :
L'algorithme de Dijkstra est particulièrement utile dans la planification de
trajectoires de drones pour plusieurs raisons :
 Navigation Efficace : Il permet de trouver le chemin le plus court ou le plus
efficace, ce qui est crucial pour minimiser la consommation de batterie et
le temps de vol.
 Évitement d'Obstacles : En intégrant des données sur les obstacles dans
le graphe, l'algorithme peut aider à tracer des trajectoires évitant les
obstacles.
 Flexibilité : Peut être
adapté pour tenir
compte de diverses
contraintes de vol,
comme les zones
interdites, les
conditions
météorologiques, et les
limitations de hauteur.
8
III. Algorithmes utilisés lors de la Mission de Vol :
1. Flux Optique :
 Définition et Rôle dans la Navigation des Drones :
Le flux optique est un concept utilisé en traitement d'images et en vision par
ordinateur pour déterminer le mouvement apparent d'objets, de surfaces ou de
bords dans une scène visuelle, causé par le mouvement relatif entre un
observateur (caméra) et la scène. Dans le contexte de la navigation des drones,
le flux optique joue un rôle crucial.
 Détection de Mouvement : Il permet aux drones de détecter et de
quantifier leur propre mouvement en analysant les changements dans les
images capturées par leurs caméras.
 Navigation et Stabilisation : Les données de flux optique aident à la
navigation, en particulier dans des environnements où le GPS n'est pas
fiable, et contribuent à la stabilisation du drone en vol.
 Principe et Logique de Fonctionnement :
Le principe de base du flux optique repose sur l'observation des changements
dans les modèles visuels.
 Analyse des Séquences d'Images : Le drone utilise sa caméra pour
capturer une série d'images rapides de son environnement. En analysant
comment les points spécifiques se déplacent d'une image à l'autre, le
drone peut déduire comment il se déplace par rapport à son
environnement.
 Calcul du Vecteur de Mouvement : Le flux optique est quantifié sous
forme de vecteurs de mouvement, chaque vecteur représentant le
déplacement d'un point de l'image entre deux instants.
 Application en Temps Réel : Pour une navigation efficace, les drones
effectuent ces calculs en temps réel, leur permettant de réagir rapidement
aux changements de leur environnement, comme l'évitement d'obstacles
ou le maintien de l'altitude.
9
2. Return To Home (RTH) :
 Principe et Mise en Œuvre dans les Drones :
Le Return To Home (RTH) est une fonctionnalité de sécurité clé intégrée dans de
nombreux drones modernes. Ce mécanisme permet au drone de revenir
automatiquement à son point de départ, généralement le lieu de décollage, en
cas de problème ou sur commande de l'utilisateur.
 Activation : RTH peut être déclenché manuellement par le pilote ou
automatiquement en réponse à certaines situations, comme la perte du
signal de commande, un niveau de batterie faible, ou la détection d'une
erreur de système.
 GPS et Algorithme de Navigation : Le drone utilise les données GPS pour
enregistrer la position de départ et calculer le chemin de retour. Lorsqu'il
est activé, le drone calcule la trajectoire la plus sûre et la plus efficace pour
revenir à cette position.
 Gestion des Obstacles : Certains drones avancés sont équipés de systèmes
de détection et d'évitement d'obstacles pour augmenter la sécurité
pendant le vol RTH.
10
 Sécurité et Fiabilité :
La fonction RTH est un élément essentiel pour assurer la sécurité des opérations
de drone, notamment dans des contextes imprévisibles ou difficiles.
 Prévention de Perte : En cas de perte de signal ou de problèmes de
communication, RTH aide à prévenir la perte du drone en le ramenant
automatiquement à un lieu sûr.
 Sécurité en Cas de Batterie Faible : Lorsque le niveau de la batterie atteint
un seuil critique, le RTH se déclenche pour garantir que le drone a
suffisamment d'énergie pour revenir à son point de départ.
 Fiabilité dans Diverses Conditions : Les drones équipés de RTH sont
généralement plus fiables, car cette fonctionnalité offre une solution de
secours en cas de situations imprévues.
 Limitations et Considérations : Bien que la fonction RTH augmente la
sécurité, elle n'est pas infaillible. Les utilisateurs doivent être conscients
des limitations, comme la dépendance aux données GPS précises et les
problèmes potentiels liés aux obstacles en hauteur non détectés.
La fonction RTH illustre comment les technologies avancées de navigation et de
communication sont utilisées pour améliorer l'autonomie et la sécurité des
drones, en fournissant une mesure de sécurité supplémentaire pour les
opérateurs de drones dans diverses conditions et applications.
11
3. Dynamic Battery Life Prediction and Task Re-planning Algorithm:
 Importance de la Prédiction de la Durée de Vie de la Batterie :
La prédiction dynamique de la durée de vie de la batterie dans les drones est un
élément crucial pour assurer une gestion efficace des missions et la sécurité des
opérations. Cette capacité permet aux drones de prendre des décisions
informées en temps réel concernant leur autonomie restante, ce qui est
essentiel pour éviter les interruptions inattendues de mission dues à
l'épuisement de la batterie.
 Optimisation des Missions : Une estimation précise de la durée de vie de
la batterie permet de planifier et d'exécuter des missions sans dépasser
les limites d'autonomie du drone.
 Prévention des Interruptions : En anticipant le besoin de recharge, la
prédiction de la durée de vie de la batterie aide à prévenir les atterrissages
d'urgence ou les pertes de drones dus à une panne de batterie.
 Adaptation aux Conditions Variables : Les facteurs tels que les conditions
météorologiques, le poids de la charge utile, et les changements de route
peuvent affecter la consommation de batterie. Une prédiction dynamique
permet d'adapter les plans de vol à ces variables.
12
 Mécanisme de Re-planification des Tâches :
Le mécanisme de re-planification des tâches dans les drones intervient lorsque
les conditions de la mission changent ou que les prédictions de la durée de vie
de la batterie indiquent un besoin de modification du plan de vol initial.
 Évaluation Continue : Le système surveille en continu l'état de la batterie
et les conditions de la mission, évaluant si le plan actuel est toujours
réalisable.
 Déclenchement de la Re-planification : Si les données indiquent que la
mission ne peut pas être achevée comme prévu, un algorithme de re-
planification est activé.
 Ajustement du Plan de Vol : L'algorithme peut ajuster le chemin de vol,
réduire la portée de la mission, ou prioriser certaines tâches pour s'assurer
que les objectifs les plus critiques sont atteints avant le retour du drone
pour la recharge.
 Sécurité et Efficacité : Cette re-planification dynamique vise à maximiser
l'efficacité de la mission tout en assurant la sécurité du drone, en évitant
des situations où le drone pourrait se retrouver à court de batterie dans
des conditions défavorables.
La combinaison de la prédiction dynamique de la durée de vie de la batterie et
de la re-planification des tâches représente une avancée significative dans la
gestion autonome des drones, permettant une plus grande flexibilité et fiabilité
dans diverses applications de vol.
13
IV. Algorithmes de Traitement des Images :
1. Importance du Traitement des Images dans les Drones:
 Rôle et Impact sur la Performance des Drones :
Le traitement des images est une composante cruciale dans le fonctionnement
des drones modernes, jouant un rôle vital dans une multitude d'applications
allant de la reconnaissance à la cartographie en passant par la surveillance et
l'agriculture de précision.
 Amélioration de la Navigation et de la Sécurité :
 Navigation Autonome : Le traitement d'images permet aux drones de
comprendre et d'interpréter leur environnement, ce qui est essentiel pour
la navigation autonome. En analysant les images, les drones peuvent
détecter et éviter les obstacles, suivre des chemins spécifiques, et
maintenir une altitude stable.
 Sécurité : Les techniques de traitement d'images contribuent à la
détection d'objets ou de situations dangereuses, permettant une réaction
rapide pour éviter les accidents.
 Applications Diversifiées et Précision des Données
 Cartographie et Topographie : Le traitement d'images permet de créer
des cartes détaillées et des modèles topographiques à partir de
photographies aériennes.
 Agriculture de Précision : En analysant les images des cultures, les drones
peuvent identifier les zones nécessitant une attention particulière,
optimisant ainsi l'utilisation des ressources comme l'eau et les engrais.
 Inspection et Surveillance : Les drones équipés de capacités de traitement
d'images sont utilisés pour l'inspection d'infrastructures, la surveillance de
zones sécurisées, et même la recherche et le sauvetage.
14
 Amélioration de la Qualité et de la Pertinence des Données
 Traitement en Temps Réel : Les drones peuvent traiter les images en
temps réel pour fournir des informations instantanées, cruciales dans des
situations d'urgence ou de surveillance continue.
 Analyse de Données Avancée : L'utilisation de techniques avancées de
traitement d'images, comme l'apprentissage automatique et la
reconnaissance de formes, permet d'extraire des informations détaillées
et pertinentes des données visuelles.
En résumé, le traitement des images dans les drones a un impact significatif sur
leur performance et leur applicabilité dans divers domaines. Cette technologie
ne cesse d'évoluer, ouvrant la voie à des capacités encore plus avancées et
innovantes dans le futur des drones.
2. SIFT (Scale-Invariant Feature Transform) :

a. Détection des extrema dans l'espace-échelle :
 Mode de Fonctionnement:
 Construction de la Pyramide d'Images: SIFT génère une série d'images à
différents niveaux de flou en appliquant successivement le filtre Gaussien
à l'image originale. Cette série forme une pyramide d'images pour
plusieurs échelles.
 Différence de Gaussiennes (DoG): Pour chaque paire d'images
consécutives dans l'échelle, une image DoG est créée en soustrayant une
image floue de l'autre. Ces images DoG servent à repérer les changements
de l'intensité qui indiquent des points d'intérêt potentiels.
 Principe de Fonctionnement:
 La détection des extrema dans les images DoG permet d'identifier les
points dont l'intensité est supérieure ou inférieure à celle de tous leurs
voisins immédiats dans l'espace et l'échelle. Ces points sont considérés
comme des candidats pour les points clés.
15
b. Localisation des points clés :
 Affinement des Points d'Intérêt: Les candidats sélectionnés sont affinés
pour déterminer leur position exacte. Cela est réalisé par une approche
basée sur le fit parabolique autour de chaque point d'extrema, en utilisant
l'expansion de la série de Taylor.
 Élimination des Points de Faible Contraste et des Points sur les Bords: Les
points de faible contraste sont éliminés en utilisant un seuil de l'intensité
de DoG. Les points situés sur les bords sont rejetés en examinant le
rapport des valeurs propres de la matrice de Hessian calculée au point
d'extrema.
 Cette étape assure que seuls les points clés robustes et bien définis sont
conservés pour les étapes suivantes, augmentant la fiabilité de la
reconnaissance.
c. Attribution d'orientation :
 Histogramme des Orientations: Pour chaque point clé, un histogramme
des orientations est construit à partir des gradients des pixels
environnants. L'orientation dominante déterminée par le pic de cet
histogramme est assignée au point clé.
 Invariance à la Rotation: Plusieurs orientations peuvent être attribuées à
un seul point clé si plusieurs pics significatifs sont détectés dans
l'histogramme, permettant ainsi de gérer les cas où un objet apparaît sous
différentes orientations.
 L'attribution d'orientation rend les points clés invariants à la rotation, ce
qui signifie que la reconnaissance des objets ou des scènes peut se faire
indépendamment de leur orientation dans l'image.
16
d. Description des points clés
 Descripteurs de Points Clés: Autour de chaque point clé, un descripteur
est formé en calculant les gradients dans une région. Cette région est
divisée en sous-régions, et pour chaque sous-région, un histogramme des
orientations est calculé.
 Vecteur des Descripteurs: Les histogrammes de toutes les sous-régions
sont combinés pour former un vecteur de descripteur de 128 dimensions
pour chaque point clé.
 Les descripteurs de points clés capturent les motifs locaux autour des
points clés tout en étant invariants aux changements d'échelle et de
rotation. Ils sont également partiellement invariants aux changements
d'illumination et de perspective, rendant SIFT extrêmement robuste pour
la reconnaissance d'objets et le mappage de scènes.
En résumé, SIFT procède par une série d'étapes soigneusement conçues pour
extraire des caractéristiques distinctives des images. Ces caractéristiques sont
robustes aux transformations communes telles que les translations, les
rotations, et les changements d'échelle, rendant SIFT idéal pour de nombreuses
applications de vision par ordinateur, y compris la reconnaissance d'objets, la
navigation robotique, et la création de panoramas.
17
3. SURF (Speeded-Up Robust Features)
a. Détection des points d'intérêt :
 Somme Intégrale: SURF utilise les sommes intégrales pour accélérer le
calcul des caractéristiques d'une image. Cette technique permet de
calculer rapidement la somme des intensités des pixels dans n'importe
quelle zone rectangulaire de l'image, facilitant ainsi le calcul rapide des
réponses du filtre de type Hessian.
 Réponse du Filtre Hessian: Le cœur de la détection des points d'intérêt
dans SURF est le calcul du déterminant du Hessian à plusieurs échelles. Le
déterminant du Hessian, calculé pour chaque pixel, sert à identifier les
régions de l'image qui contiennent des points d'intérêt potentiels.
 En utilisant le déterminant du Hessian, SURF détecte les points qui sont
invariants à l'échelle et adaptables aux différentes tailles de
caractéristiques dans l'image. Les points avec les plus fortes réponses sont
sélectionnés comme points d'intérêt.
b. Localisation et sélection des points clés :
 Affinement des Points d'Intérêt: Après la détection initiale, SURF affûte la
localisation des points d'intérêt pour obtenir une précision subpixel. Cela
est souvent réalisé par interpolation.
 Élimination des Points Non Pertinents: Les points de faible contraste et
ceux situés sur les bords sont éliminés. Cela est réalisé en examinant le
rapport des valeurs propres du Hessian, similairement à la technique
employée dans SIFT pour éliminer les points situés sur les bords.
 Ces étapes garantissent que seuls les points clés les plus robustes et
significatifs sont conservés pour le traitement ultérieur, améliorant ainsi
l'efficacité et la fiabilité de la reconnaissance.
18
c. Attribution d'orientation :
 Calcul de l'Orientation: Pour chaque point clé, SURF calcule une
orientation en analysant les gradients dans une région circulaire autour du
point. Cela est effectué pour assurer l'invariance à la rotation des
caractéristiques extraites.
 Histogramme des Orientations: Les orientations des gradients sont
utilisées pour créer un histogramme des orientations, dont le pic principal
fournit l'orientation du point clé.
 L'attribution d'une orientation unique à chaque point clé permet de
décrire la caractéristique de manière cohérente, indépendamment de
l'orientation de l'objet dans l'image.
d. Description des points clés :
 Descripteurs Basés sur les Ondelettes de Haar: Les descripteurs de points
clés dans SURF sont générés en utilisant les réponses des ondelettes de
Haar dans une région orientée autour du point clé. Cette approche capte
les motifs locaux de luminosité et de contraste.
 Vecteur de Descripteurs: Les réponses des ondelettes de Haar sont
compilées dans un vecteur de descripteur, généralement de 64
dimensions, bien qu'une version plus détaillée de 128 dimensions soit
aussi disponible.
 Les descripteurs SURF, bien que moins dimensionnels que ceux de SIFT,
capturent efficacement les informations essentielles sur les motifs locaux
autour des points clés. Cela contribue à une grande vitesse de traitement
tout en maintenant une robustesse significative aux transformations
géométriques et aux changements d'illumination.
19
4. Comparaison SIFT vs SURF :
 Vitesse: SURF est généralement plus rapide que SIFT en raison de son
utilisation des sommes intégrales pour le calcul des réponses du filtre
Hessian et de ses descripteurs de dimension inférieure.
 Robustesse: Bien que les deux algorithmes offrent une robustesse
significative à la rotation, à l'échelle, et aux changements d'illumination,
SIFT est souvent considéré comme légèrement plus robuste dans des
conditions extrêmes, en raison de sa méthode de détection et de
description plus détaillée.
 Applications: SIFT est fréquemment utilisé dans des applications où la
précision et la robustesse sont critiques, telles que la reconstruction 3D et
la reconnaissance d'objets dans des conditions variées. SURF, avec sa
rapidité, trouve son utilité dans les applications où le temps de traitement
est un facteur clé, comme le suivi d'objets en temps réel.
20
5. RANSAC (Random Sample Consensus) :
RANSAC (Random Sample Consensus) est une méthode statistique robuste
utilisée pour estimer les paramètres d'un modèle mathématique à partir d'un
ensemble de données qui contient un nombre significatif d'outliers. Elle est
particulièrement utile dans des domaines tels que la vision par ordinateur et le
traitement du signal où l'objectif est d'ajuster un modèle à des données qui
peuvent être corrompues par du bruit ou des mesures erronées.
a. Méthodologie
 Sélection et Ajustement : RANSAC sélectionne itérativement un sous-
ensemble aléatoire des données originales, appelé "peut-être inliers",
pour estimer les paramètres du modèle. Ce sous-ensemble est
généralement choisi pour être le nombre minimum nécessaire pour
déterminer les paramètres du modèle.
 Évaluation : L'algorithme évalue ensuite tous les autres points de données
par rapport au modèle ajusté et identifie ceux qui correspondent bien au
modèle dans un certain seuil d'erreur comme "inliers".
 Mise à jour du modèle : Si le nombre d'inliers trouvés est suffisamment
grand, le modèle est réestimé en utilisant tous les inliers identifiés pour
améliorer la précision.
 Itération : Ces étapes sont répétées pour un nombre prédéfini
d'itérations, et le modèle avec le meilleur ajustement (c'est-à-dire, le plus
grand ensemble de consensus d'inliers) est sélectionné comme modèle
final.
21
b. Application dans la Correction des Erreurs :
La capacité de RANSAC à identifier et à ignorer les outliers la rend très

efficace pour la correction des erreurs dans l'analyse des données. Elle garantit
que le modèle n'est pas biaisé par des points de données anormaux, conduisant
à des résultats plus précis et fiables. Cela est particulièrement utile dans des
applications telles que l'assemblage d'images, où les caractéristiques
correspondantes à travers les images peuvent contenir des erreurs, et dans la
navigation robotique, où les données des capteurs pourraient être corrompues
par du bruit.
Le succès de RANSAC dépend de la sélection de ses paramètres : le nombre

d'itérations, la taille du sous-ensemble pour l'estimation initiale du modèle, le
seuil pour identifier les inliers, et le nombre minimum d'inliers requis pour qu'un
modèle soit considéré. Un réglage approprié de ces paramètres est crucial pour
que l'algorithme différencie efficacement entre inliers et outliers et converge
vers un modèle précis.
Malgré sa robustesse, RANSAC a des limitations, en particulier lorsque la

proportion d'outliers est très élevée ou que la distribution des inliers ne dépasse
pas significativement la distribution des outliers. De plus, étant un algorithme
non déterministe, RANSAC offre un résultat raisonnable avec une certaine
probabilité, qui augmente avec le nombre d'itérations.
22
6. Reconstruction 3D :
a. Techniques MVS (Multi-View Stereo) :
Méthodologie: La technique MVS utilise un ensemble d'images capturées à
partir de différents points de vue pour reconstruire la géométrie 3D d'un objet
ou d'une scène. L'approche repose sur l'identification des correspondances de
points entre les images, permettant de déterminer la structure tridimensionnelle
par triangulation.
 Étapes clés:
1. Calibration: Déterminer la position relative et l'orientation de
chaque image dans un système de coordonnées commun.
2. Appariement des points: Identifier les points correspondants sur
les images à l'aide de descripteurs de caractéristiques.
3. Triangulation: Calculer la position 3D des points en utilisant leur
position sur les images et la géométrie de la prise de vue.
4. Fusion des nuages de points: Intégrer les données 3D obtenues à
partir de différents points de vue en un modèle 3D cohérent.
Importance: La technique MVS est essentielle pour obtenir des reconstructions
3D détaillées et précises, particulièrement utile dans les applications telles que
la cartographie, l'inspection d'infrastructures, l'archéologie et la préservation du
patrimoine culturel.
23
b. Poisson Surface Reconstruction :
Méthodologie: La reconstruction de surface par la méthode de Poisson est une
technique puissante pour obtenir des surfaces 3D lisses à partir d'un nuage de
points désorganisé. Elle repose sur la résolution d'une équation de Poisson pour
interpoler une surface qui s'adapte le mieux au nuage de points.
 Étapes clés:
1. Estimation du champ de gradient: Calculer un champ de vecteurs
qui représente la direction normale de la surface à chaque point du
nuage.
2. Résolution de l'équation de Poisson: Utiliser le champ de gradient
pour résoudre l'équation de Poisson, aboutissant à une fonction
implicite décrivant la surface.
3. Extraction de surface: Générer une maillage de la surface à partir
de la fonction implicite en utilisant une technique comme le
Marching Cubes.
Importance: Cette méthode est particulièrement appréciée pour sa capacité à
produire des modèles 3D lisses et continus, même à partir de données
incomplètes ou bruitées, rendant possible la création de modèles précis et
esthétiquement agréables pour des applications telles que la visualisation 3D, la
réalité augmentée, et plus encore.
24
c. Applications dans la Modélisation 3D à partir d'Images de Drones :
L'utilisation combinée des techniques MVS (Multi-View Stereo) et de la
reconstruction de surface par Poisson dans l'analyse d'images capturées par des
drones représente une avancée majeure dans le domaine de la modélisation 3D.
Cette synergie technologique exploite pleinement le potentiel des drones
comme plateformes de capture d'images aériennes, offrant une richesse de
perspectives et de détails inégalée pour la reconstruction tridimensionnelle.
 Avantages de l'Usage Combiné de MVS et de Poisson dans l'Analyse par
Drones :
Capture Multidirectionnelle: Les drones sont capables de survoler des sites
d'intérêt sous de multiples angles, fournissant ainsi une quantité abondante de
données visuelles. Cette diversité de vues est cruciale pour les techniques MVS,
qui requièrent une variété d'images pour trianguler avec précision la position des
points dans l'espace et construire des modèles 3D robustes.
Reconstruction de Haute Précision: La méthode de Poisson, en extrapolant une
surface lisse à partir d'un nuage de points, complète idéalement le processus en
raffinant la géométrie et en produisant des modèles 3D d'une finesse
remarquable. Elle permet de combler les lacunes potentielles dans les données
recueillies par MVS, garantissant une reconstruction complète même en
présence de données manquantes ou de zones peu couvertes.
 Implications pour des Applications Spécifiques
Planification Urbaine: Dans le cadre de la planification urbaine, la modélisation
3D précise de l'environnement bâti permet aux urbanistes de simuler des
modifications de l'espace urbain, d'évaluer l'impact visuel de nouveaux projets
et de planifier de manière plus informée l'utilisation des terrains et la
conservation des espaces verts.
Gestion des Ressources Naturelles: Pour la gestion des ressources naturelles, la
capacité à modéliser en 3D des terrains et des écosystèmes offre des outils
inestimables pour le suivi de l'érosion, la gestion forestière, la surveillance des
cours d'eau, et bien d'autres applications environnementales.
Surveillance Environnementale: Dans le domaine de la surveillance
environnementale, les modèles 3D détaillés permettent une évaluation précise
des changements dans les paysages naturels et urbains, facilitant la détection
précoce des phénomènes tels que les glissements de terrain, les inondations, ou
encore les changements d'usage des sols.
25
7. Récapitulation des points clés :
Algorithme Rôle Avantages Inconvénients Applications
Détection et Robuste aux

Relativement Reconnaissance
description des changements
SIFT lent, calcul d'objets, navigation
caractéristiques d'échelle et de
intensif des drones
locales rotation
Détection rapide Plus rapide que

Surveillance,
des SIFT, bon pour les Moins précis
SURF reconnaissance
caractéristiques applications en que SIFT
faciale
locales temps réel
Estimation
Fiable pour Modélisation 3D,
robuste des Peut nécessiter
éliminer les analyse de
RANSAC paramètres, de nombreuses
données données
élimination des itérations
aberrantes géospatiales
outliers
Approximation
Recherche rapide Efficace pour les Reconnaissance
dans la
FLANN des voisins les grands ensembles de motifs,
recherche de
plus proches de données classification
voisins
Dépend de la
Reconstruction Crée des modèles Cartographie,
qualité et de la
MVS 3D à partir de 3D détaillés et modélisation
quantité des
multiples vues précis urbaine
vues
Poisson Reconstruction Génère des Peut lisser

Modélisation de
Surface de surfaces 3D à surfaces lisses, excessivement
terrains, jeux vidéo
Reconstruction partir de points comble les lacunes les détails
Reconstruction Adapté à la
Nécessite des Photogrammétrie,
C3DC 3D à partir photogrammétrie
calculs intensifs archéologie
d'images 2D complexe
26
8. Conclusion :
Le document détaille comment les algorithmes permettent aux drones de

naviguer et d'exécuter des missions de manière autonome, en se concentrant
sur la planification de vol, la réaction aux changements en temps réel, et le
traitement d'images pour la collecte de données. Il souligne l'importance de la
planification efficace pour optimiser l'utilisation des ressources et assurer la
sécurité des vols, en utilisant des algorithmes spécifiques pour tracer des
itinéraires optimaux et éviter les obstacles.
La section sur les algorithmes en mission met en avant la capacité des

drones à s'adapter dynamiquement à leur environnement, grâce à des
techniques comme le flux optique pour la navigation et le Return To Home pour
la sécurité. Ces algorithmes permettent une grande autonomie des drones, en
leur donnant les moyens de gérer les urgences et de réagir aux imprévus sans
intervention humaine.
Enfin, le traitement des images est présenté comme un aspect crucial de

l'utilisation des drones, permettant de transformer les images capturées en
informations utiles pour une variété d'applications, de la surveillance
environnementale à l'agriculture de précision. Les techniques comme SIFT et
SURF pour la reconnaissance de caractéristiques et la reconstruction 3D sont
examinées pour leur rôle dans l'amélioration des capacités analytiques des
drones.
27
Solutions :
I. Solutions de planification :
1. Présentation des solutions existantes au marché :
 Pix4D
PIX4DCapture Pro permet une planification précise des vols pour la
cartographie 2D et la modélisation 3D optimale. L'application supporte une
variété de drones, notamment les marques majeures telles que Parrot et DJI, et
elle est disponible en anglais, espagnol, français, japonais et portugais
Fonctionnalités :
Connaissance du terrain : Permet de cartographier avec précision en survolant
des terrains accidentés.
RTK réseau : Offre un positionnement et une précision du drone au centimètre
près pour des résultats fiables.
Cartes hors ligne : Planifiez vos missions à l'avance et travaillez hors ligne avec
des cartes de base téléchargées.
Plans de vol personnalisés : Propose des plans spécialisés pour la collecte de
données sur des objets spécifiques comme les tours de téléphonie mobile et les
tours de transmission.
Spécificité :
PIX4Dcapture Pro propose deux modes : Discovery et Professional, permettant
d'utiliser l'application avec ou sans licence Pix4D valide.
L'application peut être téléchargée gratuitement, mais nécessite un compte
pour être utilisée. Le mode Discovery est gratuit pour tous les détenteurs de
compte Pix4D, tandis que le mode Professional est disponible pour ceux qui
possèdent une licence valide Pix4D.
28
Avantages :
Polyvalence : Prise en charge d'une large gamme de drones et compatibilité avec
le RTK pour une précision élevée.
Flexibilité : Possibilité de planifier des vols à l'avance et de travailler hors ligne.
Simplicité : Interface utilisateur intuitive et facilité de planification des vols grâce
à des plans de vol personnalisés.
Inconvénients
Accessibilité : Certaines fonctionnalités avancées ne sont accessibles qu'avec
une licence Pix4D valide.
Compatibilité : Bien que supportant une large gamme de drones, certains
modèles plus récents peuvent être limités à Android jusqu'à ce que des mises à
jour soient disponibles.
En résumé, PIX4D capture Pro est une solution complète pour la

planification de missions de drones, offrant des outils avancés pour la
cartographie et la modélisation 3D. La distinction entre les modes Discovery et
Professional permet à la fois aux utilisateurs occasionnels et professionnels de
trouver une option adaptée à leurs besoins.
 Drone deploy
DroneDeploy est une solution complète et rapide pour créer des cartes
aériennes et des modèles, conçue principalement pour l'automatisation des vols
et la capture de données avec les drones DJI, ainsi que pour le traitement et
l'analyse des données capturées. L'application mobile de DroneDeploy,
disponible à la fois sur iOS et Android, facilite la planification des vols tout en
assurant une couverture et un chevauchement adéquats des images.
Fonctionnalités :
Prise de vue et analyse de données : DroneDeploy permet de capturer des
images avec des drones DJI et de les traiter pour créer des cartes et des modèles.
Il prend en charge diverses missions de vol, y compris les vols en corridor, les
panoramas et les vols vidéo.
Santé des plantes et NDVI : L'application offre la possibilité d'utiliser des
caméras modifiées pour capturer des informations NDVI ou des caméras RGB
standard pour appliquer l'algorithme VARI.
29
Spécificités :
DroneDeploy est utilisé dans diverses industries, y compris l'agriculture, la
construction, l'exploitation minière, le pétrole et le gaz, l'énergie renouvelable,
et plus encore. Il est reconnu pour économiser du temps et de l'argent tout en
fournissant un avantage compétitif grâce à sa technologie de pointe.
L'application mobile peut être téléchargée gratuitement, mais le traitement et

l'analyse des données nécessitent un abonnement. DroneDeploy propose
différents plans tarifaires, allant de l'offre individuelle à 329 $/mois (facturée
annuellement) pour un utilisateur administrateur avec support par email et chat,
jusqu'à l'offre avancée à 599 $/mois (facturée annuellement) offrant des
capacités de traitement et d'analyse étendues pour un pilote avancé.
Avantages :
Polyvalence : Prise en charge d'une large gamme de drones et de types de
missions.
Analyse avancée : Capacité à traiter des images thermiques et à réaliser des
analyses radiométriques thermiques.
Facilité d'utilisation : Interface intuitive pour la planification de vols et l'analyse
de données.
Inconvénients :
Coût : Les fonctionnalités avancées nécessitent des abonnements coûteux.
Compatibilité limitée : Optimisé pour les drones DJI, bien que d'autres images
géo-référencées puissent être traitées.
En résumé, DroneDeploy offre une plateforme puissante pour la capture et

l'analyse de données aériennes, avec une large application à travers diverses
industries. Son approche intégrée de la planification de vol et de l'analyse de
données facilite l'accès à des informations précieuses pour la prise de décision,
tout en présentant un coût d'entrée pour les fonctionnalités les plus avancées.
30
 DJI GO :
L'application DJI GO, successeur de DJI PILOT, permet la gestion des drones et
caméras DJI, offrant un retour vidéo en direct, le paramétrage de la caméra, et
des mises à jour. Compatible avec iOS et Android, elle est adaptée aux gammes
Phantom 3, Inspire 1, Matrice, et Osmo. DJI GO est gratuite, fournissant des
modes de vol automatiques, un éditeur vidéo simple, et un simulateur de vol
pour l'entraînement. Son avantage réside dans sa facilité d'utilisation, bien que
l'application nécessite des appareils récents pour fonctionner de manière
optimale.
 Site scan :
Site Scan for ArcGIS est un outil complet destiné à la planification, à l'exécution
et à l'analyse de vols de drones pour diverses applications, notamment la
cartographie, l'inspection et le suivi de projets. Il permet une intégration fluide
avec l'écosystème ArcGIS pour une analyse approfondie des données collectées
.
Fonctionnalités:
Planification de Vol: Les utilisateurs peuvent planifier la trajectoire de vol

optimale en important des couches et modèles 3D issus de vols précédents ou
d’ArcGIS Online pour une sécurité et une précision accrues.
Vol autonome: Après avoir rempli une liste de vérifications prévol, le drone peut
effectuer un vol autonome, facilitant la collecte des données.
Chargement et Traitement Cloud: Les données sont chargées pour être traitées
sur le Cloud, avec la possibilité de marquer manuellement ou automatiquement
les points de contrôle au sol.
Visualisation, Analyse et Partage: Il permet de visualiser des sorties 2D et 3D sur
le Web, prendre des mesures, suivre les modifications, et partager les données
et résultats du projet.
31
Spécificité:
Site Scan for ArcGIS se distingue par sa capacité à intégrer étroitement avec
ArcGIS pour une gestion, une analyse et un partage de données avancés, offrant
des fonctionnalités telles que la gestion de la flotte de drones, l'analyse de
données avancée dans ArcGIS, et le partage rapide des données de projet.
L'application Site Scan for ArcGIS est téléchargeable gratuitement depuis l'App
Store Apple, mais l'utilisation de la plateforme pour le traitement et l'analyse des
données peut nécessiter un abonnement ou des coûts associés à l'écosystème
ArcGIS.
Avantages:
 Intégration poussée avec ArcGIS pour une analyse et un partage de
données enrichis.
 Gestion avancée de la flotte de drones et suivi des vols.
 Capacités étendues de visualisation et d'analyse des données 2D et 3D.
 Supporte une variété de drones industriels pour différentes applications.
Inconvénients:
 Nécessite éventuellement un abonnement ArcGIS pour le plein accès à
toutes les fonctionnalités et analyses.
 Peut présenter une courbe d'apprentissage pour les utilisateurs non
familiers avec ArcGIS ou la planification de vol de drones.
 Drone Harmony
Drone Harmony est une plateforme avancée conçue pour optimiser la
planification et l'exécution des missions de drones. Elle s'adresse principalement
aux professionnels nécessitant des plans de vol détaillés et précis, notamment
pour des opérations de cartographie et d'inspection. Drone Harmony se
distingue par sa capacité à intégrer des données d'élévation pour ajuster les
plans de vol en fonction du relief, ce qui est crucial pour la photogrammétrie et
d'autres applications nécessitant une grande précision.
32
Fonctionnalités:
Planification de Missions Panoramiques et Régulières: Permet de combiner des

waypoints réguliers et panoramiques au sein d'une même mission, offrant une
flexibilité considérable dans la collecte des données.
Utilisation de Données d'Élévation: Intègre des "terrain data sets" pour ajuster
la hauteur des vols selon le relief, optimisant les prises de vue pour un traitement
photogrammétrique précis.
Catalogue de Plans: Propose une collection de motifs applicables pour générer
des missions adaptées à différents besoins, avec des options spécifiques pour la
planification sur des terrains complexes.
Spécificité:
La spécificité de Drone Harmony réside dans son approche basée sur des
données terrain pour la planification de vols, permettant une prise en compte
précise du relief. Ceci est particulièrement avantageux pour la cartographie et
l'inspection de sites où le respect de la topographie est crucial.
Drone Harmony propose différentes formules d'abonnement, avec des
fonctionnalités avancées disponibles pour les clients Professional et Enterprise,
telles que l'accès aux données d'élévation pour plusieurs pays, y compris la
France.
Avantages:
Précision de la Planification: Grâce à l'intégration des données d'élévation,
Drone Harmony permet une planification très précise des missions.
Flexibilité des Missions: La plateforme offre une grande flexibilité dans la
création de plans de vol, adaptés à diverses applications professionnelles.
Support Multinational: Prise en charge des données d'élévation pour plusieurs
pays, facilitant la planification des missions à l'international.
Inconvénients:
Accès Limité pour les Formules de Base: Les données d'élévation avancées
ne sont pas disponibles pour les utilisateurs de la formule Starter, ce qui peut
limiter l'utilisation de certaines fonctionnalités pour les petits projets ou les
utilisateurs individuels.
Complexité potentielle: La riche gamme de fonctionnalités et la précision de la
planification pourraient représenter une courbe d'apprentissage pour les
nouveaux utilisateurs.
Drone Harmony est donc une solution puissante pour les professionnels du
drone cherchant à optimiser leurs opérations de cartographie et d'inspection
grâce à une planification de vol précise et flexible.
33
2. Critères de comparaison :
Il existe plusieurs solutions de planification de missions pour les drones,

chacune offrant des fonctionnalités spécifiques adaptées à différents besoins. Le
choix d'une solution de planification dépend de plusieurs facteurs.
1. Type de Mission :
Il faut identifier le type de mission pour lequel vous utilisez le drone. Les
missions peuvent varier de la cartographie, de la modélisation 3D, de l'inspection
industrielle, de la surveillance agricole à d'autres applications spécifiques.
Certaines solutions sont mieux adaptées à des types de missions particuliers.
2. Compatibilité avec le Drone :
Il faut s’assurer que la solution est compatible avec le modèle spécifique
de drone utilisé. Certains logiciels sont conçus pour fonctionner avec des
marques ou des modèles particuliers, tandis que d'autres sont plus polyvalents.
3. Facilité d'utilisation :
La convivialité de l'interface utilisateur est un aspect important. Une
solution intuitive facilite la planification des missions, en particulier pour les
utilisateurs moins expérimentés.
4. Planification Automatisée et Flexibilité :
Recherchez des fonctionnalités de planification automatisée des vols qui
permettent de définir des itinéraires précis, d'ajuster l'altitude, la couverture, et
de personnaliser les paramètres de mission.
5. Télémétrie et Surveillance en Temps Réel :
Certaines solutions offrent des fonctionnalités de télémétrie en temps réel
et de surveillance de mission. Cela peut être crucial pour ajuster les plans de vol
en cours de mission ou pour recueillir des données importantes pendant le vol.
6. Coût et Licence :
Lors du choix d'une solution de planification de missions pour drones, la
considération du coût et de la licence revêt une importance cruciale. Il est
essentiel d'évaluer les coûts initiaux, qu'ils soient uniques ou récurrents dans le
cadre d'un modèle d'abonnement, tout en prenant en compte d'éventuels frais
additionnels. Pour des solutions plus économiques, l'exploration d'options open
source peut être envisagée. Ainsi, ce sont des considérations essentielles pour
une décision éclairée conforme au budget et à aux besoins opérationnels.
34
Lors du choix d'une solution de planification de la mission drone, Il faut
s’assurer de prendre en compte les besoins spécifiques, tels que le type de
mission, la taille de la zone à couvrir, les fonctionnalités de cartographie
requises, la compatibilité avec votre drone, etc. Par conséquent, la solution
sélectionnée répondra le mieux aux exigences et optimisera l'efficacité des
opérations par drone.
 Comparaison des solutions :

A ce stade, nous allons choisir trois solutions de planification et nous allons
comparer entre elles selon plusieurs critères. Pix4D, DJI Ground Station Pro (DJI
GS Pro), et Autodesk's Site Scan sont toutes des solutions de planification de
missions pour drones, chacune ayant ses propres caractéristiques et avantages.
Voici une comparaison générale basée sur plusieurs critères :
PIX4D DJI GO 4 SITE SCAN

Prix Gratuit Gratuit Commercial
Plateforme IOS & Android IOS & IOS
Android
Mode hors ligne OUI NON OUI
Type de mission 5 8 8
Altitude oui oui oui

Recouvrement oui non oui
Vitesse oui oui oui
Camera Angle seulement numérique numérique
Mission de vol oui oui oui
Transfert de données Pour PIX4D non Site Scan et
automatique Capture drone2map
Tableau : Comparaison entre différentes solutions de planification de mission de vol
En plus de cela, nous pouvons constater que en termes de :
35
 Facilité d'Utilisation :
Pix4D : Peut avoir une courbe d'apprentissage plus raide en raison de ses
fonctionnalités avancées.
DJI GS Pro : Interface conviviale et intuitive, adaptée aux utilisateurs de drones

DJI.
Site Scan : Interface utilisateur simplifiée, conçue pour faciliter la planification

de missions et la collecte de données.
 Planification Automatisée :
Pix4D : Permet une planification précise des missions automatisées.
DJI GS Pro : Offre une planification automatisée avec des paramètres

configurables.
Site Scan : Propose des outils de planification automatisée pour les missions de
capture d'images.
En conclusion, le choix entre DJI GS Pro, Pix4D Capture et DroneDeploy ou

n’importe quelle autre solution dépendra des besoins spécifiques, de la marque
de drone, de la complexité de la mission et des préférences en matière
d'interface utilisateur.
36
II. Solutions de traitement :
Des logiciels spécialisés permettent la conversion des données brutes
capturées par les drones en informations exploitables, allant de la création de
cartes et de modèles 3D à l'analyse détaillée de zones spécifiques. En mettant
l'accent sur des critères tels que la précision du traitement, les fonctionnalités
avancées d'analyse, la compatibilité avec différents types de données, et la
facilité d'utilisation, les professionnels peuvent choisir la solution qui répond le
mieux à leurs besoins spécifiques, offrant ainsi des résultats visuellement riches
et des informations exploitables pour des applications variées.
1. Logiciels commerciaux :
 Pix4D :
Pix4D a été conçu par une société dérivée de l'École polytechnique fédérale de
Lausanne spécialisée dans le traitement des images. La suite logicielle comporte
quelques modules avec différentes spécialisations, en particulier sur l'utilisation
dans l'agriculture de précision.
Étant un logiciel commercial, l'algorithme derrière Pix4D n'est pas disponible.
Néanmoins, un rapport relativement complet est disponible à la fin de chaque
étape de traitement ce qui nous permet de contrôler le résultat. Au niveau du
résultat visuel, Pix4D ressemble beaucoup à Photoscan.
Le traitement sous Pix4D commence par le chargement des images. À partir de
celles-ci le logiciel va déterminer les informations préliminaires comprises dans
leur fichier EXIF. Avec ces informations, un modèle de calibration prédéfini est
identifié dans la base de données de la caméra.
Après la détermination des paramètres du projet, l'utilisateur est dirigé vers le e
MapView Il peut ainsi déterminer la zone de travail du projet. Il s'agit alors d'une
sorte de masque pour limiter la zone de traitement permettant de diminuer le
temps de calcul. Cette étape est cependant optionnelle. Le premier calcul se fait
sur la fonction Initial Processing, dans laquelle des points homologues sont
recherchés et appariés KONG et al. (2011)
Ensuite, l'onglet “ruy Clouds” permet d'ajouter des points d'appui.
Malheureusement Pix4D ne supporte pas l'identification automatique des cibles;
cependant, l'ajout des points d'appui est fait de manière semi-automatique.
Après une identification d'un point sur au moins deux images, le logiciel projette
ses coordonnées calculées sur les images.
La densification du nuage de points se fait par la fonction Point Cloud & Mesh,
où un maillage est tout de suite appliqué sur le nuage densifié. Enfin, la fonction
DSM Orthophoto 8 Inder crée l'orthophoto ainsi que le MNT (Modèle numérique
de terrain).
37
 Photoscan :
Agisoft Photoscan est un logiciel autonome qui effectue un traitement
photogrammétrique des images numériques afin de générer des données 3D.
Basée à Saint-Pétersbourg, la société Agisoft a été fondée en 2006 en tant
qu'entreprise de recherche spécialisée en vision par ordinateur. Le logiciel
Photoscan est son produit principal, il peut être exploité pour des images
terrestres et aériennes. Le fonctionnement de Photoscan est très simple, ce qui
peut être un atout mais aussi un inconvénient lorsque nous parlons d'utilisations
plus avancées qui nécessitent plus de paramètres. Nous parlons ainsi d'un
système « boîte-noire >. Il est composé notamment de 4 étapes principales:
1. Étape d'orientation des images c'est l'étape où les positions et les
orientations des images sont déterminées. Il s'agit de la partie d'orientation
externe/relative rencontrée dans la photogrammétrie. Dans ce cas-là, nous
pouvons insérer directement les coordonnées de chaque cliché mesurées par
GPS, si elles existent. Pour le faire, Photoscan cherche des points homologues
pour chaque couple stéréoscopique et il calcule l'orientation en utilisant la
méthode d'ajustement des faisceaux. Le résultat est ainsi un nuage de points
dit clairsemé.
2. Étape d'appariement dense c'est un processus qui va créer le nuage de points
de vue à partir des données d'orientation fournies par l'étape précédente.
REMONDINO et al. (2014) ont signalé que L'algorithme implémenté par
Photoscan est similaire à celui de stéréo SGM. Nous observons également
que Photoscan travaille en choisissant des couples stéréos parmi l'ensemble
des images. Des cartes de profondeur sont ensuite calculées à partir de ces
paires et converties en images de points. A la fin du processus, une étape
d'assemblage fusionne les images venant des couples stéréos pour créer un
nuage de points unique. Au vu du nombre de points réduit du produit final,
un filtrage avec contrainte épipolaire est très probablement également
effectué dans cette étape.
3. Étape de maillage: il s'agit d'une étape où le logiciel va générer le modèle
maillé à partir des nuages de points établis dans l'étape d'appariement (soit
dense, soit clairsemée). Photoscan nous donne le choix de l'algorithme dans
ce processus. Nous pouvons faire le maillage en utilisant l'algorithme dédié
pour des images naturelles (comme les images aériennes par exemple) ou un
autre algorithme pour des images convergentes (comme c'est souvent le cas
pour application terrestre). A partir de nos observations, Photoscan utilise
plus probablement l' implémentation de la méthode de reconstruction de
surface de Poisson à plusieurs niveaux d'entrée.
38
4. Étape de texturage, cette étape génère la texture pour le modèle maillé. Nous
pouvons ainsi créer Orthophoto en utilisant cette fonctionnalité de
Photoscan après avoir généré le nuage de points et son maillage.
2. Logiciels libres :
 Apero et Micmac
Apero et Micmac 10 ont des logiciels libres développés par le laboratoire MATIS
de TIGN. Ces deux logiciels peuvent être liés également au module de recherche
des points homologues, Pastis (qui est d'ailleurs une interface de SIFT) et au
module de génération d'orthophoto, Porto Le module Apero a pour but de
reconstruire la position et l'orientation des stations de prises de vue (PIERROT-
DESEILLIGNY et CLERY (2012)). Cette reconstruction est faite à l'aide des points
homologues récupérés par Pastis. Les points homologues sont appariés et les
paramètres d'orientation externe calculés en faisant une compensation des
faisceaux en bloc. Le résultat d'Apéro est constitué des orientations de chaque
prise de vue ainsi que du résultat de calcul d'auto-calibration
Micmac prend le résultat d'Apero pour créer un nuage de points dense. Ce

logiciel travaille avec le principe grossière à fine, c'est-à-dire que les images sont
ré-échantillonnées à plusieurs niveaux de zoom (des pyramides). L’appartient est
fait d'abord sur les images à faible résolution Le résultat de cet appariement est
ensuite utilisé en tant que valeur approchée pour le prochain appartement
utilisant le niveau de résolution plis élevé. Ce processus est répété jusqu'au
niveau de résolution soulmité avec une possibilité d'aller jusqu'à la pleme
résolution PIERROT-DESHI et al (2011)|.
Micmac travaille en deux stratégies, la première est une stratégie dite < image >
qui nécessite une image maîtresse et ses images filles pour l'appariement. Pour
chaque point 3D candidat une parcelle est identifiée dans l'image maîtresse.
Cette parcelle est alors projetée vers chaque image fille et une similitude globale
est calculée. La deuxième stratégie dite terrain est ciblée vers la
photogrammétrie aérienne. Dans ce cas-là, aucune image maîtresse n'est
nécessaire: par contre un voxel est défini en fonction de la taille du bloc d'images
et de la distance caméra-objet De façon similaire à l'autre approche, les points
3D candidats sont ré-projetés vers toutes les images et une similitude globale est
calculée. Enfin pour les deux approches l' approche de minimisation d'énergie
similaire à SGM est implémentée afin de forcer la régularité des surfaces et
d'éviter des pics indésirables [PIERROT-DESEILLIGNY et al. (2011); REMONDINO
et al (2013. 2014).
39
Le processus de densification par Micmac génère également des parcelles
d'orthophotos. Le module Porto est ainsi destiné à l'intégration de ces parcelles
ainsi qu'à la correction radiométrique afin d'homogénéiser l’orthophoto finale
Dans Micmac il existe plusieurs façons de traiter les données (voir ansei TABLEAU
2.4) Le mode standard règle les modules Pastis. Apero, Micmac et Porto vu
utilisant des fichiers XML.
Il existe également des outils simplifiés pour chaque module, qui travaillent en
lignes de commandes:
1. Tapioca est un interface de Pastis, avec quelques possibilités de régler la

résolution d'image ainsi que le mode de recherche de points homologues. Ces
paramètres peuvent être affinés en fonction des cas rencontrés
2. Tapas est une interface d'Apero. Tapas supporte plusieurs modèles

mathématiques d'anto- calibration y compris le modèle standard de Brown et le
modèle pour les caméras å lentille hypergone.
3. Malt est l'interface simplifiée de Micmac. Trois stratégies de densification sont

disponibles: image pour des projets convergents et souvent terrestres, terrain
surtout pour des projets aériens et urbaine pour des projets aériens sur des
zones urbaines. Ces stratégies ont été expliquées dans le paragraphe précédent.
4. Tawny est une interface très simplifiée de Porto qui sert à générer une
orthophoto.
De plus, une approche automatique est aussi disponible qui simplifie beaucoup
de fonctionnements de Micmac Cette approche automatique est utilisable avec
la commande C3DC
 VisualSFM et PMVS :
Le logiciel libre VisualSFM est une implémentation des principes de SfM par
Changchang Wu, à l'époque post-doctorante informatique à l'Université de
Washington. Il s'agit d'une interface graphique pour l'algorithme de
correspondance d'images SIFT, suivi par un calcul d'ajustement des faisceaux. Il
est bien adapté pour un grand nombre d'images [WU (2016)].
L'orientation des images Mir Vin a SFM est faite en deux étapes. Premièrement,
le logiciel va chercher des points homologues en implémentant l'algorithme de
SIFT. Ensuite, il va calculer la correspondance de chaque point homologie et
40
calculer les positions et les orientations de chaque station à partir de audite
correspotalance en faisant un ajustement des faisceaux VisualSFM ne fait que
l'orientation des images par la méthode de SEM Son fonctionnement natif
d'appariement deuse est en but un module externe de PMVS/CMVS. L'utilisateur
doit télécharger ce module séparément
PRVS Patch-based multi-ese we stereo) utilise une approche différente des

autres solutions pour Tappucirtuent dense Isagit de Trapproche laser sur l'objet
et non sur les pixels (ef aussi le sous-chapitre 23.1 sur la classification des
algorithmes d'appariement dense). Il effectue un appariement stéréo muti-vues
en commençant par un nuage clairsemé généré par les points de SIFT calenie par
VisualSFM La parcelle appariée autour d'un point homologue est alors élargie à
plusieurs reprises vers les pixels voisins. Les pixels pris en compte dans ce
processus sont filtrés par des contraintes de viabilité [FURU KAWS et POSCE
(2009)].
Dans ce sens, une comparaison rapide des modules de trois logiciels est
affichée dans le tableau suivant. La comparaison a été faite suivant la chaîne de
traitement classique vue en photogrammétrie.
Tableau : Comparaison entre différents solution de traitement
41
III. Cas d’études pratiques :
1. Cas pratique relatif à l’étude du Palais Rohan :
Le Palais Rohan est un bâtiment historique de la ville de Strasbourg datant du
XVIIIe siècle. Situé à côté de la cathédrale, le palais a été bâti pour le Cardinal
Rokan entre les années 1732 et 17-42.
Dans ce projet, le Sensefly Albris était utilisé pour acquérir les images. En
profitant du paramétrage de son mode de distance caméra-objet, le drone a
volé environ 5 mètres de la façade. De plus, une vingtaine de points d'appui et
points de vérifications distribués sur la Façade a été mesurée à l'aide d'un
tachéomètre.
La synthèse du cas d'étude sur le Palais Rohan dans le cadre de ce projet de
maîtrise se concentre sur les résultats et analyses de l'aérotriangulation et de
l'appariement dense, fournissant un aperçu détaillé des techniques et
technologies utilisées, ainsi que des défis rencontrés et des solutions apportées.
Méthodologie et Instruments:
 Drones Utilisés: Le premier, l'Albris (SenseFly), équipé d'un appareil photo

de 38 mégapixels, d'un capteur thermique, et de capteurs à ultrasons pour
des inspections rapprochées à haute résolution, et le DJI Phantom 3, plus
adapté à un usage grand public mais utilisé ici pour ses capacités de vol
fiables et son coût abordable.
 Instruments Terrestres: En complément, un appareil photo reflex et un
scanner laser ont été employés pour capturer des images terrestres et
générer des nuages de points de référence sur certaines parties des objets
étudiés.
Résultats de l’aérotriangulation:
La première étape dans la reconstruction 3D par la photogrammétrie est le

calcul des positions et orientations des stations de caméra. Cette procédure est
analogue aux calculs de l'aérotriangulation en photogrammétrie classique.
L'identification des points homologues se fait automatiquement et peut
permettre d'atteindre jusqu'à un millier de points par image. Ceci est réalisé avec
des algorithmes de détection des caractéristiques tels que SIFT ou SURF.
La précision de l'aérotriangulation a été évaluée théoriquement avant

l'exécution, en prenant en compte la taille de pixel-objet, la distance caméra-
objet, et la précision manuelle du pointage des points d'appui. Des analyses ont
42
révélé une précision manuelle pouvant atteindre jusqu'à 0.3 pixel, influençant
directement la précision spatiale xyz.
Tableau : valeurs de résidus avec 6 points d’appuis
Tableau : valeurs de résidus avec 7 points de vérification
Afin d'évaluer la précision et l'exactitude, les résultats de l'étape

d'aérotriangulation sont affichés dans les TABLEAUX 12 et 4.3. Tous les
algorithmes ont permis d'orienter les images sauf VisualSFM. Ceci peut être lié
au seuil de points homologues détectés par défaut. A noter que le bruit dans les
images et la qualité du capteur sont des facteurs déterminants pour la précision
du pointage manuel et donc pour la qualité finale du modèle 3D.
Résultats de l’appariement Dense :
L'appariement dense a été réalisé en tenant compte de plusieurs paramètres

techniques et théoriques, notamment le niveau pyramidal d'images d'entrée, le
taux de sous-échantillonnage, et le filtrage post-traitement pour optimiser la
densité et la qualité du nuage de points résultant. La précision théorique de
l'appariement dense a été calculée, offrant un aperçu de la résolution et de la
précision attendues du nuage de points.
43
Figure : résultats de nuages de points issus de l’étape de l’appariement dense de 3
algorithmes pour la façade du palais Rohan
Une comparaison sur l'ensemble de la façade a tout d'abord été effectuée. Une
zone commune entre tous les nuages de points issus de la photogrammétrie et
celui du scanner laser a été déterminée afin d'éviter les valeurs aberrantes lors
du calcul de statistiques. En général, les nuages de points denses issus de la
photogrammétrie donnent tous des valeurs d'écart-type de l'ordre de 1 cm en
comparant avec la référence. Celle-ci correspond à peu près aux valeurs
calculées précédemment lors du calcul théorique, soit 1,4 cm pour Photoscan,
Micmac et Pix4D et 0,7 cm pour Photomodeler. Remarquons que Photomodeler
dans ce cala donne le mauvais résultat par rapport à la précision attendue; ceci
est aussi apparent visuellement avec la présence de plus de bruit et de trous.
Figure : Analyse des résultats de l'appariement dense en utilisant les données du scanner laser comme
référence
44
Photoscan et Pix4D donnent des nuages de points plus homogènes avec
moins de bruit. Photoscan fournit une valeur d'écart-type légèrement plus faible
que celle de Pix4D. Photoscan détecte plus d'erreurs sur les bordures des objets
particuliers comme les fenêtres ou les balustrades des balcons. Ceci peut
éventuellement être lié à l'algorithme d'appariement dense implémenté par
Photoscan qui a priori s'apparente à la méthode de SGM. La partie basse de la
façade du résultat de Photoscan donne également un systématisme léger. La
stratégie de filtrage de points générés peut influencer le résultat, sachant que
dans Photoscan ces paramètres ne peuvent pas être réglés par l'utilisateur. Par
contre, il est également intéressant de noter que Photoscan a réussi à détecter
plus de points sur les vitres comparé à Pix4D et bien d'autres solutions.
Micmac génère un nuage de points qui est plus homogène que celui de
Photomodeler, mais toujours avec du bruit et des trous évidents. Au niveau des
colonnes Photoscan et Pix4D donnent des résultats nettement plus homogènes.
Ceci correspond bien avec l'hypothèse de l'influence du coefficient de corrélation
dans Micmac déjà évoquée pendant le test préliminaire sur le Pavillon Joséphine.
En effet, pour le calcul d'appariement dense sur Micmac, le mode prédéfini de
CBDC a été utilisé. La valeur de ce coefficient est donc également prédéterminée
Lorsqu'un point calculé dépasse le seuil de ce coefficient de corrélation, Micmac le
supprime et laisse à sa place un trou afin de garantir la fiabilité du résultat obtenu.
A priori, c'est également le cas dans Photomodeler. Photoscan et Pix4D.
Cependant, dans Photoscan et Pix4D les nuages de points sont plus complets. ce
qui nous indique un traitement caché à la fin du processus d'appariement
Conclusions:
 La combinaison des technologies drone et photogrammétrie terrestre,

ainsi que l'utilisation stratégique des données et des méthodes de
traitement, ont permis de surmonter les défis liés à la modélisation 3D
précise du Palais Rohan.
 Malgré certaines limitations, comme la nécessité d'une calibration précise
des instruments et la gestion du bruit dans les images, le projet a atteint
une précision satisfaisante, démontrant l'efficacité de l'approche
multidisciplinaire employée pour la documentation du patrimoine
architectural.
45
2. Cas pratique relatif à une étude comparative des logiciels dans le
cadre du développement des smart cities :
Lors de la conférence de clôture du projet Seed 4NA, qui a comme objectif de
soutenir la modernisation, l'accessibilité et l'internationalisation du domaine de
l'enseignement supérieur dans les pays partenaires éligibles, de contribuer à la
coopération entre l'UE et les pays partenaires éligibles (et entre les pays
partenaires. Et d’améliorer la qualité de l'enseignement supérieur et renforcer
sa pertinence pour le marché du travail et la société, une conférence a été
présentée par Znonimir Nevistic dans laquelle une étude comparative est menée
à propos du développement des smart cities dans laquelle plusieurs conclusion
ont été faites dans le sens de comparaison de trois solutions de traitement de
données issu par drone. Les résultats peuvent être synthétisés dans le tableau
suivant :
Tableau : comparaison entre trois solutions de traitement d’images drone
3. Discussion des résultats :
Le choix du logiciel idéal dépend de plusieurs facteurs : prix, complexité du

logiciel, temps de traitement, qualité et quantité des données obtenues …
Site Scan offre des avantages en termes de temps de traitement des données,
facilité d'utilisation ainsi que la possibilité de traitement des données dans le
cloud. En plus, il a offert une meilleure Orthomosaïque et la plus réaliste pour
toute la zone de couverture sauf que nous pouvons constater de Petites
déformations dans certaines zones. Drone2map est un logiciel qui est facile à
utiliser avec une interface conviviale. Mais, les resultats obtenus sont les moins
bons dans presque tous les segments. Quant à Context Capture, il a donné le plus
haut niveau de détails (modèle 3D et nuage de points), les meilleurs résultats de
traitement technique, la précision de positionnement et GSD. Sauf que le temps
de traitement, la mémoire requise et la configuration matérielle requise sont
très importants et montre beaucoup d'exigences en ce sens.
46
Conclusion générale :
L'intégration des algorithmes avancés et des solutions logicielles joue un

rôle crucial dans l'évolution des drones, ouvrant la voie à des applications
prometteuses dans divers secteurs. L'emploi de techniques de pointe telles que
le SIFT (Scale-Invariant Feature Transform), le SURF (Speeded Up Robust
Features), le RANSAC (Random Sample Consensus), le MVS (Multi-View Stereo),
et la Reconstruction de Surface de Poisson, en conjonction avec des logiciels
spécialisés comme Pix4D et DroneDeploy, marque une amélioration notable de
la précision et de l'efficacité dans la collecte et le traitement des données. Ces
progrès technologiques sont essentiels pour avancer dans les capacités de
modélisation en 3D et de cartographie, améliorant significativement la manière
dont les informations sont recueillies et analysées.
Ces avancées technologiques ne se limitent pas à améliorer les processus

existants ; elles élargissent également le champ des possibles pour l'utilisation
des drones. Les domaines d'application s'étendent de la surveillance
environnementale, essentielle pour le suivi des changements climatiques et la
protection des écosystèmes, à la planification urbaine, où elles peuvent
contribuer à une conception plus efficace et durable des espaces de vie.
L'agriculture de précision, un autre domaine bénéficiaire, utilise ces technologies
pour optimiser les rendements et gérer les ressources de façon plus durable,
soulignant l'impact positif des drones sur l'efficacité et la durabilité.
L'amélioration continue et l'innovation dans les technologies de drones

promettent une intégration plus profonde et plus significative de ces appareils
dans notre vie quotidienne. Cette évolution suggère un avenir où les drones,
équipés d'algorithmes avancés et de logiciels sophistiqués, offriront des
solutions innovantes à une gamme étendue de défis contemporains. Que ce soit
dans la gestion des catastrophes naturelles, l'exploration géographique, ou le
développement d'infrastructures, les drones sont sur le point de devenir un outil
indispensable, témoignant de leur potentiel transformateur dans le monde
moderne.
47
Références :
https://blog.studiosport.fr/application-dji-go/
https://www.pix4d.com/fr/blog/pix4dcapture-pro-mission-planner/
https://www.pix4d.com/product/pix4dcapture/
https://www.pix4d.com/fr/blog/pix4dcapture-pro-mission-planner/
https://help.dronedeploy.com/hc/en-us/articles/10979950027415-What-is-DroneDeploy
https://help.dronedeploy.com/hc/en-us/sections/1500001030881-Planning-missions
https://help.dronedeploy.com/hc/en-us/articles/1500004861581-Frequently-Asked-
Questions
https://prod.dronedeploy.com/fr-fr/
https://prod.dronedeploy.com/pricing.html
https://droneharmony.com/docs/the-plan-catalog/
https://www.helicomicro.com/2021/08/06/drone-harmony-les-cartes-delevation-france-
pour-la-preparation-des-vols/
Mémoire de soutenance du diplôme d’ingénieur INSA spécialité topographie. Protocole

d’acquisition d’images et de traitement de données par drone. Septembre 2016.
Conférence de clôture Seed4NA, présentation de Znonimir Nevistic.
48

Drones Algorithmes Et Solutions

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Drones Algorithmes Et Solutions

Transféré par

Droits d'auteur :

Formats disponibles

Drones :

Année Académique : 2023/2024

L'avènement des technologies avancées a propulsé l'utilisation des

L'intégration des algorithmes dans les drones révolutionne non seulement

À l'horizon de l'innovation, les algorithmes continuent de façonner l'avenir

2. SIFT (Scale-Invariant Feature Transform) :

La capacité de RANSAC à identifier et à ignorer les outliers la rend très

Le succès de RANSAC dépend de la sélection de ses paramètres : le nombre

Malgré sa robustesse, RANSAC a des limitations, en particulier lorsque la

Algorithme Rôle Avantages Inconvénients Applications

Détection et Robuste aux

Détection rapide Plus rapide que

Poisson Reconstruction Génère des Peut lisser

Le document détaille comment les algorithmes permettent aux drones de

La section sur les algorithmes en mission met en avant la capacité des

Enfin, le traitement des images est présenté comme un aspect crucial de

En résumé, PIX4D capture Pro est une solution complète pour la

L'application mobile peut être téléchargée gratuitement, mais le traitement et

En résumé, DroneDeploy offre une plateforme puissante pour la capture et

Planification de Vol: Les utilisateurs peuvent planifier la trajectoire de vol

Planification de Missions Panoramiques et Régulières: Permet de combiner des

Il existe plusieurs solutions de planification de missions pour les drones,

 Comparaison des solutions :

PIX4D DJI GO 4 SITE SCAN

Altitude oui oui oui

Tableau : Comparaison entre différentes solutions de planification de mission de vol

En plus de cela, nous pouvons constater que en termes de :

DJI GS Pro : Interface conviviale et intuitive, adaptée aux utilisateurs de drones

Site Scan : Interface utilisateur simplifiée, conçue pour faciliter la planification

Pix4D : Permet une planification précise des missions automatisées.

DJI GS Pro : Offre une planification automatisée avec des paramètres

En conclusion, le choix entre DJI GS Pro, Pix4D Capture et DroneDeploy ou

Micmac prend le résultat d'Apero pour créer un nuage de points dense. Ce

1. Tapioca est un interface de Pastis, avec quelques possibilités de régler la

2. Tapas est une interface d'Apero. Tapas supporte plusieurs modèles

3. Malt est l'interface simplifiée de Micmac. Trois stratégies de densification sont

PRVS Patch-based multi-ese we stereo) utilise une approche différente des

Tableau : Comparaison entre différents solution de traitement

 Drones Utilisés: Le premier, l'Albris (SenseFly), équipé d'un appareil photo

La première étape dans la reconstruction 3D par la photogrammétrie est le

La précision de l'aérotriangulation a été évaluée théoriquement avant

Tableau : valeurs de résidus avec 6 points d’appuis

Tableau : valeurs de résidus avec 7 points de vérification

Afin d'évaluer la précision et l'exactitude, les résultats de l'étape

Résultats de l’appariement Dense :

L'appariement dense a été réalisé en tenant compte de plusieurs paramètres

 La combinaison des technologies drone et photogrammétrie terrestre,

Tableau : comparaison entre trois solutions de traitement d’images drone

3. Discussion des résultats :

Le choix du logiciel idéal dépend de plusieurs facteurs : prix, complexité du

L'intégration des algorithmes avancés et des solutions logicielles joue un

Ces avancées technologiques ne se limitent pas à améliorer les processus

L'amélioration continue et l'innovation dans les technologies de drones

Mémoire de soutenance du diplôme d’ingénieur INSA spécialité topographie. Protocole

Conférence de clôture Seed4NA, présentation de Znonimir Nevistic.

Vous aimerez peut-être aussi