Conférence
Notice
Langue :
Français
Conditions d'utilisation
Droit commun de la propriété intellectuelle
DOI : 10.60527/mpqr-b291
Citer cette ressource :
ClermontMsh. (2021, 23 mars). Le traitement semi automatisé des Modèles numériques d'élévation : un outil d'aide à la détection et à l'identification en archéologie , in Les modèles numériques d'élévation en Archéologie. [Vidéo]. Canal-U. https://doi.org/10.60527/mpqr-b291. (Consultée le 23 juin 2024)

Le traitement semi automatisé des Modèles numériques d'élévation : un outil d'aide à la détection et à l'identification en archéologie

Réalisation : 23 mars 2021 - Mise en ligne : 9 juillet 2021
  • document 1 document 2 document 3
  • niveau 1 niveau 2 niveau 3
Descriptif

Intervention de Jean-Pierre Toumazet (Géolab, Université Clermont Auvergne)

L’utilisation du LiDAR comme outil d’aide au diagnostic archéologique s’est généralisée au fil des années, en raison des informations souvent très pertinentes qu’il est à même de produire, mais aussi grâce à la diminution du coût de son déploiement. Les quantités de données générées sont désormais énormes, et largement sous exploitée, car leur analyse exhaustive est bien trop chronophage. La démarche que nous présentons consiste à développer des solutions logicielles permettant la détection semi-automatisée de structures archéologiques. Pour que cette démarche soit pertinente, plusieurs conditions doivent être réunies : les éléments à détecter doivent être présents en grand nombre, présenter une signature morphologique permettant leur identification, et avoir une taille suffisante pour que leur morphométrie soit reconnaissable avec le niveau de pixelisation obtenu sur le modèle numérique de terrain issu du LiDAR. Pour cette présentation, nous nous intéressons ainsi à des proto-burons, des charbonnières ou encore des vestiges de la première guerre mondiale en forêt de Verdun. Plusieurs approches peuvent alors être menées pour la détection semi-automatisée. Si une forme précise et reproductible est recherchée, c’est à dire si l’on a un apriori sur l’objet d’intérêt, il est possible de procéder par corrélation entre les objets identifiés dans le MNT et notre modèle de la structure recherchée. A l’inverse, il est également possible de procéder sans a priori, en recherchant l’ensemble des micro-reliefs présents, et en réalisant ensuite une classification des objets identifiés, à partir de leurs caractéristiques morphométriques. Différentes classes peuvent alors être définies, regroupant entre eux les éléments les plus similaires. Cette dernière approche, faisant appel à des technologies à base de réseaux de neurones et d’intelligence artificielle, ouvre actuellement des perspectives les plus intéressantes.

Dans la même collection

Sur le même thème