Automatisation de la cartographie des voiries forestières par des techniques de Deep Learning à partir de données dérivées du LiDAR aérien
van Gils, Alexia
Promoteur(s) : Lejeune, Philippe
Date de soutenance : 30-aoû-2022 • URL permanente : http://hdl.handle.net/2268.2/15138
Détails
Titre : | Automatisation de la cartographie des voiries forestières par des techniques de Deep Learning à partir de données dérivées du LiDAR aérien |
Auteur : | van Gils, Alexia |
Date de soutenance : | 30-aoû-2022 |
Promoteur(s) : | Lejeune, Philippe |
Membre(s) du jury : | Monty, Arnaud
Dufrêne, Marc Soyeurt, Hélène |
Langue : | Français |
Nombre de pages : | 45 |
Discipline(s) : | Sciences du vivant > Sciences de l'environnement & écologie |
Institution(s) : | Université de Liège, Liège, Belgique |
Diplôme : | Master en bioingénieur : gestion des forêts et des espaces naturels, à finalité spécialisée |
Faculté : | Mémoires de la Gembloux Agro-Bio Tech (GxABT) |
Résumé
[fr] Les voiries forestières ont toujours joué un rôle essentiel dans la gestion forestière, que ce soit par les déplacements, le transport du bois ou encore l’accueil du public. Afin d’avoir une gestion forestière efficace et bien réfléchie il est primordial de posséder une cartographie précise et à jour de la voirie au sein d’un massif forestier. Cependant, les données existantes en Wallonie montrent encore quelques lacunes qu’il serait nécessaire de combler.
L’objectif de ce travail est d’automatiser la cartographie de ces voiries forestières. Pour cela, un modèle de Deep Learning a été entraîné à partir de données LiDAR à l’échelle d’une commune. Par la suite, des post traitements ont été réalisé afin d’améliorer les résultats. Une analyse des largeurs ainsi qu’une classification des voiries ont également été réalisé.
Les résultats sont encourageant pour la détection et le tracé des routes mais restent assez faibles quant à l’estimation des largeurs. La classification des voiries montre des résultats relativement encourageants mais qui mériteraient encore quelques améliorations.
Fichier(s)
Document(s)
Description:
Taille: 3.12 MB
Format: Adobe PDF
Citer ce mémoire
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.