Attributs du nuage de points

Pour accéder aux attributs d'un nuage de points, ouvrez le menu projet et sélectionnez votre nuage de points. Cliquez sur l'onglet Attributs, ci-dessous vous trouverez un menu déroulant énumérant tous les attributs possibles, sélectionnez celui que vous souhaitez utiliser. Vous trouverez ci-dessous une liste de tous les attributs possibles et de leur fonction.

Voici une liste de toutes les valeurs disponibles ainsi que leur utilisation et les options associées :

• Analyse : Fonctionne uniquement avec les nuages de points d'analyse. Pour plus d'informations sur l'analyse, consultez cet article.

  • Nom : Modifier le nom du nuage de points
  • Voir la position
  • Voir la rotation
  • Voir l'échelle
  • Supprimer l'analyse (sera uniquement supprimée de l'application 3D, elle peut être rechargée plus tard si c'est une analyse côté serveur)

• Classification : Fonctionne uniquement avec les nuages de points compatibles. L'objectif de la classification est de regrouper des points similaires en catégories significatives, telles que sol, végétation, bâtiments et autres objets.

  • Afficher / masquer tout : afficher ou masquer chaque catégorie
  • Une ligne par catégorie, cliquez sur la ligne pour l'afficher / la masquer, cliquez sur la couleur pour la changer

• Couleur : Coloriser l'ensemble du nuage de points avec 1 couleur

  • Sélectionnez une couleur à l'aide de la palette
  • Utilisez un code hexadécimal pour sélectionner la couleur
  • Choisissez une couleur de la liste par défaut

• Composite : Utilisez ceci si vous souhaitez utiliser plusieurs options en même temps, faites glisser les curseurs pour augmenter / diminuer leur utilisation.

  • RGBA : Nuage de points colorisé
    • Gamma : Essentiellement l'exposition du nuage de points, un gamma plus bas équivaut à une exposition plus élevée, un gamma plus élevé, une exposition plus faible, donne un aspect crépusculaire
    • Luminosité : La luminosité du nuage de points, une luminosité plus basse le rendra plus sombre, une luminosité plus élevée le rendra plus clair.
    • Contraste : Change le contraste du nuage de points, un contraste plus bas rendra le nuage de points gris, un contraste plus élevé surexposera les couleurs standard (rouge, jaune, vert, bleu…)
  • Intensité : Force ou magnitude du signal
    • Plage : De faible intensité à haute intensité
    • Gamma : Essentiellement l'exposition du nuage de points, un gamma plus bas équivaut à une exposition plus élevée, un gamma plus élevé, une exposition plus faible, donne un aspect crépusculaire
    • Luminosité : La luminosité du nuage de points, une luminosité plus basse le rendra plus sombre, une luminosité plus élevée le rendra plus clair.
    • Contraste : Change le contraste du nuage de points, un contraste plus bas rendra le nuage de points gris, un contraste plus élevé surexposera les couleurs standard (rouge, jaune, vert, bleu…)
  • Élévation : Hauteur ou position verticale de chaque point
    • Plage d'élévation : définissez où commence et se termine le dégradé en termes de hauteur
    • Mode de dégradé
      • Clamp : Dégradé standard, en dehors de la plage, conserve la couleur finale du bord
      • Répéter : Lorsque le dégradé se termine, redémarre à partir de la couleur d'origine
      • Répéter en miroir : Lorsque le dégradé se termine, applique un nouveau dégradé inversé, similaire à répéter sauf qu'il n'y a pas de discontinuité de couleur
    • Schéma de dégradé : Changez les couleurs du dégradé, sélection uniquement à partir d'une liste prédéfinie
  • Analyse : Uniquement si disponible sur ce nuage de points, comparaison modèle à nuage de points
  • Classification : Uniquement si disponible sur ce nuage de points, divise différents types d'objets (sol, végétation, bâtiments…)
  • Nombre de retours : Nombre de pulses nécessaires pour obtenir ce point
  • ID source de point : Regroupé par ID de scan

• Élévation : Cela représente la hauteur ou la position verticale de chaque point. Les données d'élévation sont importantes dans de nombreuses applications de nuages de points, telles que la cartographie topographique, la modélisation des inondations, la planification urbaine et la conception d'infrastructures. En analysant les données d'élévation, il est possible de créer des modèles numériques d'élévation (MNE) précis et détaillés qui peuvent être utilisés pour un large éventail d'analyses géospatiales et d'objectifs de visualisation.

  • Plage d'élévation : définissez où commence et se termine le dégradé en termes de hauteur
  • Mode de dégradé
    • Clamp : Dégradé standard, en dehors de la plage, conserve la couleur finale du bord
    • Répéter : Lorsque le dégradé se termine, redémarre à partir de la couleur d'origine
    • Répéter en miroir : Lorsque le dégradé se termine, applique un nouveau dégradé inversé, similaire à répéter sauf qu'il n'y a pas de discontinuité de couleur
  • Schéma de dégradé : Changez les couleurs du dégradé, sélection uniquement à partir d'une liste prédéfinie

• Temps GPS : Le temps GPS est un attribut important associé à chaque point dans le nuage de points. Il fournit des informations sur le moment où l'impulsion laser a été émise et le moment où l'impulsion de retour a été reçue, permettant de calculer avec précision la portée et la position du point. De plus, le temps GPS peut également être utilisé à des fins de contrôle de qualité et d'analyse. En analysant la distribution des valeurs de temps GPS à travers le nuage de points, il est possible d'identifier des zones avec des anomalies ou des erreurs temporelles, ce qui peut indiquer des problèmes avec les données ou le système LiDAR.

• Indices : Les indices sont des attributs associés à chaque point dans un nuage de points LiDAR qui fournissent des informations supplémentaires sur les propriétés spatiales du point et ses relations avec d'autres points dans le nuage. Ils sont souvent utilisés pour soutenir des tâches d'analyse et de traitement avancées, telles que la segmentation, la classification et l'extraction de caractéristiques. Il existe plusieurs types d'indices pouvant être utilisés dans le traitement des nuages de points LiDAR, notamment :

  • Vecteur normal : Cet indice représente l'orientation du point par rapport à son voisinage local. Il peut être utilisé pour identifier des surfaces planes ou pour estimer les normales de surface pour la reconstruction de surface.
  • Courbure : Cet indice représente la courbure locale de la surface au point. Il peut être utilisé pour identifier des arêtes vives ou pour estimer le rayon de courbure pour des surfaces courbées.
  • Hauteur au-dessus du sol : Cet indice représente la hauteur du point au-dessus du sol ou d'une surface de référence. Il peut être utilisé pour la modélisation du terrain ou pour identifier des objets situés au-dessus ou en dessous de la surface du sol.
  • Hauteur relative : Cet indice représente la hauteur du point par rapport à ses points voisins. Il peut être utilisé pour identifier des objets plus hauts ou plus bas que leur environnement.
  • Densité : Cet indice représente la densité de points dans le voisinage local autour du point. Il peut être utilisé pour identifier des zones avec une faible ou une haute densité de points, telles que la végétation ou les façades de bâtiments.

• Intensité : Cela représente la force ou la magnitude du signal qui a été reçu par un capteur ou un dispositif lorsque le point a été capturé. Dans certains cas, l'intensité est liée à la réflectance de l'objet à ce point. Par exemple, dans un nuage de points LiDAR, la valeur d'intensité représente la quantité de lumière laser qui a été réfléchie vers le capteur par l'objet. Dans ce cas, une valeur d'intensité plus élevée indiquerait une surface qui réfléchit plus de lumière, comme un mur blanc, tandis qu'une valeur d'intensité plus faible indiquerait une surface qui réfléchit moins de lumière, comme une voiture noire. Dans d'autres cas, l'intensité peut représenter une autre quantité physique. Par exemple, dans un nuage de points photographique, l'intensité peut représenter la luminosité d'un pixel dans l'image originale utilisée pour générer le nuage de points.

  • Plage : De faible intensité à haute intensité
  • Gamma : Essentiellement l'exposition du nuage de points, un gamma plus bas équivaut à une exposition plus élevée, un gamma plus élevé, une exposition plus faible, donne un aspect crépusculaire
  • Luminosité : La luminosité du nuage de points, une luminosité plus basse le rendra plus sombre, une luminosité plus élevée le rendra plus clair.
  • Contraste : Change le contraste du nuage de points, un contraste plus bas rendra le nuage de points gris, un contraste plus élevé surexposera les couleurs standard (rouge, jaune, vert, bleu…)

• Gradient d'intensité : C'est une mesure du changement d'intensité entre les points voisins dans un nuage de points. Elle représente la vitesse à laquelle l'intensité change par rapport à la distance ou à la position. Le gradient d'intensité est calculé en prenant le gradient des valeurs d'intensité dans le nuage de points. Cela implique de calculer les dérivées partielles des valeurs d'intensité par rapport aux coordonnées x, y et z de chaque point. La magnitude du vecteur de gradient à chaque point représente la valeur du gradient d'intensité. Des valeurs élevées de gradient d'intensité indiquent des arêtes ou des frontières nettes, tandis que des valeurs faibles indiquent des transitions douces ou graduelles.

  • Plage : De faible intensité à haute intensité
  • Gamma : Essentiellement l'exposition du nuage de points, un gamma plus bas équivaut à une exposition plus élevée, un gamma plus élevé, une exposition plus faible, donne un aspect crépusculaire
  • Luminosité : La luminosité du nuage de points, une luminosité plus basse le rendra plus sombre, une luminosité plus élevée le rendra plus clair.
  • Contraste : Change le contraste du nuage de points, un contraste plus bas rendra le nuage de points gris, un contraste plus élevé surexposera les couleurs standard (rouge, jaune, vert, bleu…)

• Niveau de détail : Dans le traitement des nuages de points LiDAR, le niveau de détail (LOD) peut faire référence à la densité des points dans le nuage de points, à la résolution des données ou au niveau d'abstraction utilisé pour représenter les données. Par exemple, un nuage de points avec un niveau de détail élevé aurait une haute densité de points, une haute résolution et un niveau d'abstraction fin. À l'inverse, un nuage de points avec un niveau de détail faible aurait une densité de points plus faible, une résolution plus faible et un niveau d'abstraction grossier.

• Matcap : Dans le traitement des nuages de points LiDAR, le matcap peut être utilisé pour ajouter des textures visuelles et des effets d'ombrage aux modèles 3D créés à partir de nuages de points. En appliquant une texture matcap à un modèle 3D, il est possible de créer une représentation plus réaliste et visuellement attrayante de la scène. Par exemple, une texture matcap pourrait être utilisée pour simuler l'apparence d'un mur en béton ou d'une écorce d'arbre, ajoutant de la profondeur et du réalisme au modèle 3D.

  • Sélectionnez la texture à appliquer

• Nombre de retours : Cela représente le nombre total de pulses laser qui ont été émis et retournés au capteur LiDAR pour capturer ce point particulier. Semblable au nombre de retours, le nombre de retours peut varier de 1 à 5 ou plus, selon le système LiDAR utilisé. Le nombre total de retours peut fournir des informations sur la complexité et la structure de l'objet ou de la scène scannée. Par exemple, un point avec un nombre élevé de retours peut indiquer un objet avec plusieurs couches ou une géométrie complexe, comme un couvert d'arbre ou une façade de bâtiment.

• ID source de point : Il identifie le capteur laser spécifique qui a généré le point. Chaque capteur laser dans un système LiDAR a un ID ou numéro unique, et cette information est enregistrée dans les données du nuage de points pour permettre une analyse et un contrôle de qualité. L'ID source de point est particulièrement utile dans les situations où plusieurs capteurs LiDAR sont utilisés pour capturer une seule scène ou zone. En identifiant quel capteur a généré chaque point, il est possible de réaliser des vérifications de contrôle de qualité sur les données et de garantir que les données sont correctement alignées et enregistrées entre différents capteurs. Cela est particulièrement important dans des applications telles que la foresterie, où plusieurs capteurs LiDAR peuvent être utilisés pour capturer des données sous différents angles et perspectives. Sur notre plateforme, l'ID source de point est utilisé pour stocker l'ID du scan source, ce qui permet aux utilisateurs de suivre facilement quel scan chaque point dans le nuage de points provient. Par exemple, si plusieurs scans ont été effectués de la même zone à l'aide d'un scanner laser 3D, chaque scan pourrait se voir attribuer un ID unique et l'attribut ID source de point pour chaque point dans le nuage de points pourrait être défini sur l'ID de scan correspondant.

• RGBA : Il est utilisé pour représenter la couleur de chaque point dans le nuage de points. Les canaux rouge, vert et bleu sont utilisés pour représenter la couleur du point, tandis que le canal alpha est utilisé pour représenter la transparence ou l'opacité du point. L'utilisation de la couleur dans les nuages de points LiDAR peut être utile pour des raisons de visualisation et d'interprétation, car elle peut fournir des informations supplémentaires sur les propriétés des objets et des surfaces représentés par les points. Par exemple, dans la cartographie de la végétation, la couleur des points peut être utilisée pour distinguer différents types de végétation ou pour identifier des zones de haute ou de faible densité de végétation.

  • Gamma : Essentiellement l'exposition du nuage de points, un gamma plus bas équivaut à une exposition plus élevée, un gamma plus élevé, une exposition plus faible, donne un aspect crépusculaire
  • Luminosité : La luminosité du nuage de points, une luminosité plus basse le rendra plus sombre, une luminosité plus élevée le rendra plus clair.
  • Contraste : Change le contraste du nuage de points, un contraste plus bas rendra le nuage de points gris, un contraste plus élevé surexposera les couleurs standard (rouge, jaune, vert, bleu…)

• Nombre de retours : Cela représente le nombre de fois où une impulsion laser a été émise et retournée au capteur LiDAR afin de capturer ce point particulier. Semblable au nombre de retours, le nombre de retours est généralement une valeur comprise entre 1 et 5, 1 indiquant le premier retour et 5 indiquant le cinquième retour. Le premier retour représente l'impulsion laser réfléchie à la surface supérieure de l'objet, tandis que les retours suivants peuvent représenter des réflexions à partir de surfaces inférieures ou des réflexions multiples à l'intérieur de l'objet.

• Rang d'angle de scan : Il représente l'angle entre le faisceau laser et la ligne de référence du scanner lorsque l'impulsion laser a été émise pour capturer ce point particulier. Le rang d'angle de scan fournit des informations sur l'angle auquel le point a été capturé, une valeur de 0 indiquant la ligne de référence du scanner et des valeurs positives ou négatives indiquant la déviation par rapport à la ligne de référence. Dans l'extraction de bâtiments, le rang d'angle de scan peut être utilisé pour identifier les façades de bâtiments et les structures de toiture en fonction de leur orientation par rapport à la ligne de référence du scanner. Dans l'analyse des surfaces routières, le rang d'angle de scan peut être utilisé pour détecter des défauts ou des irrégularités de surface en fonction de l'angle du scanner par rapport à la surface de la route.

• Données utilisateur : Elles permettent aux utilisateurs d'ajouter des informations supplémentaires au nuage de points au-delà des attributs standard tels que les coordonnées XYZ, l'intensité et le nombre de retours. Les données utilisateur peuvent être utilisées pour stocker une large gamme d'informations, telles que des valeurs de couleur RGB, des étiquettes de classification ou des métadonnées associées au point. Par exemple, les données utilisateur pourraient être utilisées pour indiquer si un point fait partie d'un bâtiment, d'un arbre ou d'une route, ou pour stocker des informations sur la qualité de la mesure de point ou son incertitude. L'utilisation des données utilisateur dépend des besoins spécifiques et des applications de l'utilisateur. Elles peuvent être utilisées pour diverses tâches, telles que la reconnaissance d'objets, la classification, la segmentation et la cartographie. En ajoutant des données utilisateur personnalisées à un nuage de points, il est possible d'extraire des informations plus significatives et d'effectuer des tâches d'analyse et de traitement plus avancées.

Si votre nuage de points ne s'affiche pas correctement au départ, essayez les attributs RGBA ou d'intensité car ce sont les plus utilisés.

Découvrez les propriétés du nuage de points dans cet article.

Si vous rencontrez des problèmes, notre équipe de support est là pour vous aider. Bon exploration !