Synchronisation de plans 2D et 3D - Harmonie automatisée ou discorde ?

Synchronisation de données 2D et 3D - harmonie automatique ou discorde ?

Depuis des décennies, nous comptons sur les agences de données spatiales pour nous fournir une représentation précise du paysage naturel et artificiel. Les outils, les technologies et les normes ont évolué, tout comme la qualité et la richesse des données spatiales gérées par ces organisations.

Si l'empreinte détaillée en 2D fournie par les méthodes traditionnelles d'arpentage et de production nous ont bien servi, les utilisateurs se tournent de plus en plus vers les données 3D pour obtenir des solutions spatiales détaillées, qu'il s'agisse de simulations de bruit urbain, du calcul de la capacité d'énergie solaire ou de la visualisation de l'espace, de l'aspect et de la position des propriétés à des fins fiscales. En effet, il est demandé aux entreprises de construction de remettre les données 3D dans le cadre du dossier "Tel Que Construit (T.Q.C.)" à la fin d'un projet, dans le cadre de l'adoption croissante des techniques de modélisation des informations du bâtiment (BIM).

L'utilisation des Jumeaux Numériques et les Villes Intelligentes stimule le marché de capture de données 3D faisant autorité au niveau national. L’opération est devenue beaucoup plus rentable grâce à l'utilisation de drones, de LiDAR aéroportés et d'autres capteurs, ainsi qu’en utilisant la photogrammétrie ou des études de site plus traditionnelles.

Cependant, pour les producteurs de données spatiales faisant autorité au niveau national, il peut être difficile de justifier le coût et les efforts nécessaires pour maintenir les données 3D au même niveau de rigueur que les informations 2D pour lesquelles ils sont si connus.

Approches de la gestion et de la maintenance des données 3D

Disposer de données 3D qui ne sont pas synchronisées avec les données 2D - tant sur le plan géométrique que temporel - est néfaste pour les utilisateurs et nuit à la réputation du fournisseur de données. Comment s'assurer que les deux types de données sont synchronisés et gérés de manière rentable ?

On pourrait penser à créer des données 3D en extrudant les données 2D ou en appliquant des modèles de formes 3D "représentatifs", mais cela ne donne pas suffisamment de détails et de précision. Au mieux, il s'agit d'une solution rapide et grossière, qui montre par exemple la hauteur d'un bâtiment, mais pas la pente du toit ou le surplomb - le détail tridimensionnel qui ajoute vraiment de la valeur.

On pourrait aussi envisager de créer des données 2D en aplatissant les données 3D, mais cette solution n'est pas viable non plus : seul un sous-ensemble des données 2D sera capturé en 3D : typiquement, les bâtiments, mais pas les rues, par exemple, et donc tout objet 2D aplati devra être soigneusement intégré aux données existantes pour créer des géométries proprement connectées et conserver les identifiants existants. En outre, les données 3D capturées par des capteurs peuvent désormais être plus précises en termes de position que les données 2D historiques qui ont été conservées pendant plus de 50 ans et qui ne sont donc pas faciles à intégrer.

Il semble donc inévitable que les ensembles de données 2D et 3D doivent être traités en parallèle, mais ce problème de gestion des données de référence peut s'avérer accablant : synchronisation de données capturées éventuellement à l'aide de processus distincts avec des calendriers différents. Si nous pouvons faciliter la synchronisation, non seulement la gestion en parallèle de la 2D et de la 3D devient possible, mais elle peut également être utilisée pour améliorer la qualité et l'actualité des données 2D à partir des données 3D, et vice-versa.

Pour faire face à la quantité de données et à la fréquence des mises à jour, l'automatisation de ces processus est essentielle, mais pour être efficace et utile, le processus doit être sensible au contexte et suffisamment intelligent sur le plan spatial pour gérer les différences floues inhérentes aux représentations 2D et 3D.

Quelle différence pouvons-nous tolérer ?

Une première étape consisterait à comparer les géométries 3D aux géométries 2D afin de signaler automatiquement les différences. L'application d'une approche automatisée qui compare l'objet 3D "aplati" à l'objet 2D se heurtera à des différences subtiles dans la géométrie, dues à des différences dans le processus de capture et aussi dans les niveaux de détail respectifs. Par exemple, un modèle 3D peut inclure le toit en surplomb ou de petits contreforts qui ne sont pas présents dans les données 2D - qui n'incluent pas le toit en surplomb et ont simplifié les contreforts. Idéalement, un processus de comparaison devrait être basé sur des règles afin d'éviter les faux positifs en ignorant ces différences, tout en détectant les différences réelles telles que les décalages de précision positionnelle, les différences temporelles (trois bâtiments ont été détruits et remplacés par un seul nouveau) et les différences de modèle. Les différences de modèle sont des problèmes tels qu'une donnée 3D représentant un groupe de bâtiments comme une géométrie unique, alors que la donnée 2D les représente comme des bâtiments individuels adjacents.

Apprendre à vivre dans les limites

La maintenance des données 2D et 3D en parallèle n'est pas une solution parfaite, elle nécessite une bonne gouvernance des données qui tolère un certain degré de différence entre les modèles. Elle permet toutefois aux producteurs de données d'appliquer la même rigueur à la maintenance des données 3D qu'à celle des données 2D. En acceptant que ni l'une ni l'autre ne peut être isolée, nous pouvons assurer une meilleure harmonisation, fournir une assurance qualité aux utilisateurs et avoir la certitude que les données sont à jour.

Le processus doit être appliqué rapidement chaque fois que l'un ou l'autre type de données est modifié. L'automatisation à l'aide de règles rend ce processus efficace et reproductible, sinon il n'est pas viable de gérer ces différences manuellement. Un processus d'automatisation basé sur des règles et capable de détecter les véritables différences améliorerait également le processus de gestion des données existant dans les deux sens. Il fournira une nouvelle source de renseignements sur les changements, le système pouvant alerter les gestionnaires de données sur les caractéristiques qui ont changé dans le monde réel et qui nécessitent une mise à jour. Elle peut également entraîner des corrections automatisées telles que l'application d'améliorations de la précision positionnelle aux données 2D en déduisant et en appliquant automatiquement des décalages basés sur la correspondance avec les caractéristiques équivalentes dans le modèle de données 3D plus précis.

Pour 1Spatial, cela signifie l'utilisation de notre moteur à base de règles sans code, 1Integrate, pour vérifier, nettoyer et synchroniser les données, ce qui permet d'obtenir de meilleures données de référence nationales faisant autorité et pouvant servir de tremplin à une utilisation réussie de la 3D dans des projets tels que les Villes Intelligentes, les Etudes Environnementale ou même les cas d'utilisation de la Réalité Augmentée ou de la Réalité Virtuelle.

Résumé

Assurer l'harmonisation entre les données 2D et 3D n'est donc pas un sujet de discorde, mais c'est un défi avec un certain nombre d'approches possibles. L'automatisation apporte une réponse au traitement des deux types de jeux de données en parallèle. En synchronisant et en facilitant la gestion des données de base, elle permet aux producteurs de données d'améliorer la richesse, la qualité et la précision de leurs informations et d'en réaliser ainsi la valeur. Ce faisant, elle fournit la justification nécessaire pour investir dans la maintenance des données 3D selon les mêmes normes rigoureuses que les données 2D et peut même être utilisée pour améliorer la qualité des données 2D.

Seb Lessware, Directeur de la Technologie (CTO) chez 1Spatial – www.1spatial.com

Lire l'article complet en anglais sur le magazine GeoConnexion du mois de Mai-Juin 2021