Chaîne de simulation pour reproduire l’échantillonnage LiDAR non répétitif. Crédit : Transportation Research Interdisciplinary Perspectives (2026). DOI : 10.1016/j.trip.2026.101879
Lors de catastrophes naturelles telles que les séismes et les tsunamis, les évacuations d’urgence s’appuient de plus en plus sur des technologies de pointe pour évaluer efficacement en temps réel les mouvements de foule et les points de congestion. La préparation aux catastrophes implique le développement d’une technologie optimisée, facile à utiliser et à interpréter.
Comment le LiDAR contribue à la surveillance des foules
Le LiDAR (Light Detection and Ranging), une technologie de télédétection, utilise des impulsions laser pour détecter les zones de forte affluence ou la densité d’une foule. Le laser scanne les cibles humaines et mesure leur distance en fonction du temps que met le faisceau réfléchi pour rebondir sur la cible et revenir. L’ensemble des faisceaux laser réfléchis crée une représentation 3D, ou nuage de points, de la cible.
Le LiDAR à balayage non répétitif est une version abordable offrant un large champ de vision comparé aux systèmes LiDAR haute densité classiques, ce qui le rend intéressant pour une utilisation à grande échelle dans les espaces publics. Cependant, cet avantage même d’une couverture étendue et d’une imagerie à faible consommation engendre des mesures éparses et irrégulières. Les images obtenues manquent de profondeur et de continuité, limitant ainsi l’utilité pratique de ce système pour la surveillance en temps réel des flux de foule.
Mesures de profondeur éparses et irrégulières issues d’un LiDAR non répétitif (à gauche) et carte de profondeur dense reconstruite à l’aide du cadre de complétion guidé par les couleurs RVB (rouge, vert, bleu) proposé (à droite). Crédit : Zixuan Zhang / Université Doshisha, Japon
Nouvelle méthode de complétion de profondeur guidée par la couleur
Pour combler cette lacune critique, Zixuan Zhang, doctorant à l’École supérieure des sciences et de l’ingénierie de l’Université Doshisha, au Japon, a travaillé avec ses collègues de haut niveau, le professeur Nobutaka Tsujiuchi et le professeur Akihito Ito de la Faculté des sciences et de l’ingénierie de l’Université Doshisha, et le professeur Hirosuke Horii de la Faculté des sciences et de l’ingénierie de l’Université Kokushikan, pour développer une méthode améliorée de complétion de profondeur guidée par la couleur, spécialement conçue pour les images LiDAR.
L’étude a été publiée dans la revue Transportation Research Interdisciplinary Perspectives .
Zhang, auteur principal de l’étude, explique leur motivation : « Ces recherches sont issues de nos travaux sur les systèmes de guidage d’évacuation dynamiques, où l’observation précise et en temps réel des mouvements de foule est cruciale. Nous espérons améliorer la sécurité des évacuations grâce à une reconstruction fiable de la profondeur dans les images humaines générées par un LiDAR à balayage non répétitif, dans des conditions de détection réalistes. »
Dans cette étude, les chercheurs ont développé une méthode de récupération de profondeur guidée par la couleur RGB (rouge, vert, bleu) spécifique aux caractéristiques d’échantillonnage uniques du LiDAR non répétitif.
Au cœur de la nouvelle technique de reconstruction
Cette méthode combine des techniques de calcul telles que le filtrage bilatéral sensible à la confiance et la reconstruction masquée. Elle utilise également une stratégie d’optimisation des paramètres auto-cohérente, fonctionnant même sans données de profondeur réelles denses. L’association de ces étapes permet de reconstruire des structures de profondeur continues tout en évitant un lissage excessif et un remplissage excessif des lacunes dans les images.
L’un des points forts de cette étude est la création d’un ensemble de données simulées imitant les mesures LiDAR à balayage non répétitif, épars et irrégulier.
Zhang explique : « Jusqu’à présent, le manque d’ensembles de données accessibles au public qui reproduisent les caractéristiques d’échantillonnage irrégulières du LiDAR à balayage non répétitif, ainsi que les cartes de profondeur de vérité terrain denses correspondantes et les images couleur, a constitué un défi majeur pour l’évaluation précise des méthodes de récupération de profondeur. »
Dans cette étude, les auteurs ont utilisé un ensemble de données 3D de mouvements humains pour obtenir des images de profondeur réelle denses et des images couleur appariées. Ils ont ensuite simulé la méthode de rotation et de balayage LiDAR afin de générer des images éparses et irrégulières à partir des images de profondeur réelle.
Résultats, limites et potentiel futur
La méthode proposée a été testée sur 30 000 échantillons simulés. Les résultats démontrent une précision de profondeur et une cohérence structurelle accrues par rapport aux méthodes de filtrage classiques. Ce système de reconstruction de profondeur permet de recréer des silhouettes humaines cohérentes et des motifs de profondeur structurels. De plus, sa légèreté le rend particulièrement adapté aux applications de gestion de catastrophes.
Cependant, les auteurs soulignent que le recours à des images couleur rend la précision de la reconstruction de la profondeur sensible aux variations d’éclairage, de saturation, au flou de mouvement ou aux défauts d’alignement. Il serait nécessaire d’évaluer la méthode à l’aide de données réelles avant de tirer des conclusions définitives quant à son efficacité supérieure dans les systèmes de guidage pour les évacuations d’urgence.
« À mesure que les capteurs LiDAR s’intègrent plus largement aux infrastructures des villes intelligentes, des méthodes robustes de reconstruction de profondeur deviendront essentielles pour les systèmes de sécurité publique. Nos recherches jettent les bases de la mise en œuvre de systèmes de connaissance de la situation de nouvelle génération en milieu urbain », explique Zhang.
Globalement, cette nouvelle méthode offre une vision plus complète en améliorant la précision de la perception de la profondeur dans les images LiDAR, ce qui accroît la fiabilité de l’évaluation des foules pour la gestion des catastrophes.
https://www.doshisha.ac.jp/en/news/detail/001-PqtbHt.html
