Modèle 3D des bâtiments

Bonjour,
Les données Lidar post-classement permettent de générer des volumes 3D des bâtiments. Ce sujet propose de discuter l’apport de ces volumes 3D à une base des bâtiments.
En l’état actuel, l’IGN est en train d’explorer quel est le niveau de qualité requis sur le classement des points pour obtenir une modélisation acceptable des bâtiments.
Ca m’intéresserait de connaître les attentes de la communauté sur ce type de production.
L’objectif à terme est bien de relier cette base enrichie du bâti à la BD Topo de l’IGN et au projet BatID.

6 Likes

Bonjour Alexandre,
un grand merci de venir chercher du feedback ici, “much appreciated” comme on dit :+1:

Coté CSTB, on a un collègue qui teste les chaînes de reconstruction 3D existantes et qui va venir ici faire un feedback complet.

D’un point de vue assez macro, voilà ce que j’ai retenu, et les collègues compléteront

  • Au niveau métier de l’énergie:

    • l’identification des formes de toit est primordiale pour la simulation des déperditions. On en arrive à stocker une liste des pentes de toit avec leur caractéristiques dans un champ séparé, avec des caractéristiques (orientation, pente, surface, ombrage etc…)
    • pouvoir attraper la différence entre l’emprise des débords de toiture, et l’emprise au sol réelle probable est également essentiel pour estimer correctement le volume du batiment réel.
    • inférer un matériaux de toiture à partir des caractéristiques des échos serait absolument génial
  • Au niveau des caractéristique des données, nous inférons les volumes à partir des contours de l’emprise au sol connu du batiment. Pour ça nous utilisons les objets BDNB, qui sont ceux de la BDTopo, mais redécoupés par les parcelles (sujet hautement complexe avec l’absence de cohérence et topologique entre les référentiels), dans l’idée que l’on aie des champs de géométries OGC 3D (Surface Polyhédrale, complète, du toit uniquement, etc.) .

  • Enfin, la chaîne de traitement fait pour nous partie du Géocommun. Si l’IGN produit une chaîne de production, nous serions enchantés qu’elle soit open source pour pouvoir y contribuer et l’améliorer à plusieurs. Actuellement nous utilisons la chaîne 3DBag, qui a bénéficié de fonds européens et est ouverte, très bien documentée et modularisée. L’intérêt pour nous est de pouvoir interagir avec ces outils de production, pas uniquement de recevoir des géométries 3D de référence.

Je laisse là parole à mes collègues du CSTB !

2 Likes

Bonjour, je partage tous les éléments listés par mon collègue @haubourg. Quelques précisions additionnelles sur l’intérêt d’avoir une “meilleure” restitution géométrique que les actuels “nuages de points” et “emprises au sol extrudés” de la BDTopo pour les objets bâtiments :

  • Connaitre le nombre de pans de toiture et le degré l’inclinaison réel de ces toitures : cela nous permet par la suite de déduire par règles métiers la présence d’éventuel de combles aménagés (et donc d’améliorer nos associations FichiersFonciers<->BDTopo dans la BDNB. Cela nous permet également d’aider à la classification des types de charpentes et de couvertures pour le côté “matérialité” des bâtiments
  • Trouver un moyen de “capter” la présence de balcons (isolés ou filants) nous intéresse également pour améliorer l’association de locaux au sein d’un bâtiment physique avec des données DPE sur la performance énergétique des bâtiments.
  • Si des moyens existent afin de mieux définir la présence de demi-niveaux (enterrés) à la base des bâtiments, nous sommes preneurs.
  • L’orientation (et la surface) des pans de toiture, si elle est réaliste, peut nous aider à massifier le calcul théorique de gisement solaire
  • Capter la présence d’éléments ponctuels comme des cheminées ou des extracteurs de PAC peut être également un plus (pas forcément avec de la géométrie, mais plutôt avec des tags ou des booléens)
  • Avoir systématiquement dans les métadonnées, les dates d’acquisition des nuages de point est également important pour nous. Dans une logique de croisements de datasets.

C’est avec de grandes attentes et un grand plaisir que nous souhaiterions avancer sur ces sujets avec la communauté.

2 Likes

Pour la pose de panneaux solaires (photovoltaïque ou thermiques), l’inclinaison est une donnée utile, ainsi bien sûr sur l’orientation.

Avec OpenSolarMap, on avait crowdsourcé l’orientation, puis entrainé un modèle d’IA pour généraliser le traitement. Tout le résultat a été publié sur data.gouv.fr (et le code sur github).

1 Like

Merci pour ce rappel @cquest ! Côté CSTB, nous souhaitons en premier lieu faire de l’extraction de feature à grande échelle sans multiplier les sources. Là, nous partons du postulat “Données LiDar 3D”.

Mais comme évoqué, effectivement, l’exploitation par Machine Learning des données BDOrtho (et assimilées) est un vrai sujet où il faut réutiliser les briques existantes. Je remets le lien que tu évoques : OpenSolarMap - data.gouv.fr

Bonjour,

Côté Oslandia, nous avons un projet R&D qui démarre début 2023 dont la génération des bâtiments 3D à partir des données LIDAR HD est une composante importante, avec une capacité à fonctionner à l’échelle France.

Nous comptons développer l’expertise et les outils opensource permettant de :

  • construire les données 3D ( en repartant des travaux 3DBag )
  • stocker, manipuler, analyser les résultats ( PostGIS, PostGIS 3D/SFCGAL )
  • diffuser les résultats ( 3DTiles, COPC, Py3DTiles…)
  • visualiser les résultats ( e.g. Giro3D, Cesium, iTowns…)
  • vérifier la qualité des résultats ( PostGIS3D, autres…)
  • orchestrer, distribuer, monitorer les calculs
  • étudier le rapprochement avec les problématiques du BIM
  • étudier voire implémenter les méthodes de sémantisation des données 3D

Nous sommes ouverts à collaboration sur le sujet, et sommes très preneur des contraintes et attentes de ces données côté métier puisque nous ne sommes pas directement utilisateurs finaux.

Nous sommes également très intéressés pour connaître les attentes côté outils.

N’hésitez pas à réagir ici ou à nous contacter directement pour en discuter ( infos+3d@oslandia.com )

2 Likes

Bonjour,
Je travaille à l’IGN dans le service d’Alexandre LEONARDI sur les questions de l’exploitation des données LidarHD pour la construction de volumes 3D de bâtiments et l’enrichissement de la BDTOPO.
Merci pour vos réponses et l’intérêt que vous portez à ce sujet.
Pour rentrer un peu plus dans les détails, voici quelques précisions sur la production du premier jeu de données présenté plus haut par Alexandre :
• La modélisation des nuages de points 3D a été réalisée avec l’outil « Vectorize Building » de la palette d’outils TerraScan produite par TerraSolid. Nous l’utilisons sur MicroStation avec comme données en entrée le nuage de points classifié pour qu’il soit vectorisé. Pour le bon fonctionnement de l’outil il faut renseigner la classe contenant les toits (à savoir la classe bâtiment) et la classe inférieure (la classe sol uniquement ou avec la classe végétation). Plusieurs paramètres sont renseignés pour affiner la vectorisation (taille minimale du bâtiment à vectoriser, à partir de quelle distance entre deux bâtiments on considère qu’ils n’en forment qu’un, quel niveau de détail est souhaité …). La création d’une macro permet de fixer les paramètres pour enchainer son application sur plusieurs dalles kilométriques.

• Une fois les volumes 3D étanches de bâtiments produits, ils sont exportés dans une base de données 3D. En effet une base de données 3D CityDB a été créée et connectée à MicroStation. Cela permet de directement enregistrer les modèles de bâtiments. Dans cette base, les modèles sont structurés en polygones murs, toits, base et en building (qui représente le bâtiment en entier), ce qui facilite une exploitation séparée des différentes composantes.

• Cette procédure a été appliquée sur 28 dalles kilométriques classifiées (des fichiers .laz d’environ 350 000 Ko chacun) sur la zone d’Annecy produisant ainsi plus de 8000 bâtiments. La modélisation a été réalisée dalle kilométrique par dalle kilométrique. La durée de l’opération dépend du nombre de bâtiments présents sur une dalle (allant d’une minute à une vingtaine de minutes). Les modèles sont ensuite enregistrés dans la base.

• Une visualisation des résultats a été réalisée avec iTowns à partir de la base de données 3D et est disponible sur ce lien : http://calac-4.ign.fr/demo_vecto_itowns/demo_vecto.html
Voilà où nous en sommes actuellement côté IGN pour une première modélisation 3D. Nous continuons nos recherches afin d’avancer au mieux sur le sujet et d’apporter des améliorations.

4 Likes

Bonjour,

Merci pour ces éléments d’état des lieux côté IGN.

Je pense que ce serait intéressant d’envisager le passage sur un pipeline de production 100% OpenSource, reproductible, et plus facilement industrialisable dans un contexte Géoplateforme. Le CSTB a déjà avancé sur la qualification des composants, il reste du travail, principalement côté industrialisation, mais c’est dans nos objectifs côté Oslandia.

D’autre part, il y a certainement un enjeu à affiner les définitions et besoins métier sur les contraintes et la structuration de la donnée, potentiellement avec le CSTB donc qui a des cas d’usages concrets et une expertise.

On peut continuer à mettre sur la table l’état des choses chez les différentes parties prenantes, et tout début 2023 voir plus précisément comment on peut faire converger les efforts.

3 Likes

Bonjour Adja-Fatou, et merci infiniment pour cette transparence et le détail technique.
l’URL mentionnée pour le visualiseur ne semble pas disponible (en dehors du réseau de l’IGN?).
Pensez vous qu’ils soit possible de mettre à disposition un lot de démo des batiments 3D dans leurs différentes formes de stockage possible (y compris la distinction en modèle de murs et toits) afin que nous puissions tester et comparer avec nos bâtiments 3D issus de la chaine 3D BAG?
Merci!

3 Likes

Bonjour à tous!
Je travaille à l’IGN, avec Adja-Fatou notamment, sur la reconstruction de bâtiments en 3D.
L’url du démonstrateur n’est effectivement pas disponible hors de l’IGN. Je peux néanmoins vous proposer de télécharger un jeu de données de bâtiments au format cityGML ici (dispo jusqu’au 6 février 2023) :
Host : ftp3.ign.fr
Identifiant : MODELE_3D_DEMO
Mot de passe : caiPhoo0juakahgh

La solution proposée dans ce premier jeu de démonstration (TerraScan) était la plus simple à mettre en oeuvre et nous a permis de prototyper une chaîne qui va du nuage de points Lidar à la visualisation 3D, en passant par le stockage dans une base de données.
Nous sommes aussi en train de mener une action visant à tester et comparer plusieurs solutions de reconstruction (en essayant d’être le plus exhaustif possible - les outils de la chaîne 3DBAG font partie des solutions abordées). L’objectif est d’avoir un panorama des solutions techniques de reconstruction 3D et d’approfondir les 2-3 solutions les plus pertinentes. Nous n’hésiterons pas à solliciter la communauté si besoin :wink:

5 Likes

Pour le suivi sur ce sujet, l’IGN Fab, Oslandia et l’équipe BDNB se sont rencontrés la semaine dernière pour évaluer le niveau de convergence public.

Je vous met le compte rendu public détaillé ci dessous.
Il y a un vrai besoin des acteurs à maitriser une chaine de reconstruction des batiments 3D à partir du LIDAR, autant coté IGN que CSTB. D’autres pays européens remettent des fonds sur le sujet (Pays Bas).
On a convenu que l’IGN, le CSTB et Oslandia mutualisent sur la chaine Geoflow, pour IGN au moins pendant la finalisation d’un benchmark pour juin, pour les autres autant que possible.

Si ce sujet attire votre attention, faites signe!

Réunion IGN OSLANDIA CSTB 3D reconstruction

Participants

  • Emmanuel Séguin (IGNfab)
  • Lea Vauchier (IGN)
  • Vincent Picavet (Oslandia)
  • Bertrand Parpoil (Oslandia)
  • Max Crastes (CSTB)
  • Mathieu Thorel (CSTB)
  • Régis Haubourg (CSTB)

Contexte

Reconstruction de bâtiments à partir de :

  • LIDAR HD de l’IGN
  • Stack Open source

IGN Fab

IGNfab est l’accélérateur de projets de l’IGN. Sur son volet externe support aux TPE, PME, associations, startups. Sur son volet interne R&D/innovation pour l’IGN.

Beaucoup de sollicitations externes sur le sujet modèles de batiments LOD2.2/LOD3.0

  • potentiel solaire des toits
  • rénovation énergétique des bâtiments (décret tertiaire, …)

Test de librairies et outils

Premier test de reconstruction de bâtiment côté IGNfab début 2022 sur base de MNS de corrélation + BDTOPO : GitHub - ignfab/building-roof-pipeline: A first try at building and roof reconstruction from IGNF photogrammetric DSM using CGAL and Polyfit.

Expérimentation IGN en 2022 avec Terrascan (https://terrasolid.com/), solution propriétaire qui reconstruit des bâtiments à partir de LIDAR HD avec ou sans fourniture d’emprises.

IGNfab conduit depuis début 2023 un benchmark interne de solutions de reconstruction 3D de bâtiments (ouvertes et propriétaires). La cible pour ce benchmark est mi-2023. Ce benchmark permettra d’avoir un état de l’art plus complet qui pourra bénéficier aux projets externe IGNfab ainsi qu’à l’IGN. La partie d’évaluation des outils propriétaires ne pourra pas être rendue publique.

Divers

  • Intérêt pour le CityJSON
  • Intérêt pour les 3D Tiles

CSTB

Outils testés

  • Geoflow + CGAL
  • 3DBag + Blender

Geoflow est utilisé avec une commande par batiment.

Oslandia

Historique:

  • compétences sur PostGIS3D
    • PolyHedral Surface
  • Développement de SF-CGAL
  • QGIS 3D

Actuellement:

  • problématique de visualisation 3D-Web et bureautique

Moyens Oslandia:

  • maintenance SFCGAL sur fonds propres (limités)

  • Laz-BIM

    • Travaux avec LIRIS Lyon
  • projet CP4SC - plan de relance

    • Atos + INRIA/Titane (mainteneurs CGAL)
    • Projet R&D sur 2 ans et qui vient de commencer
    • Une plateforme SmartCity
    • Visu 3D Web
    • Améliorer les outils de manipulation de nuages de points
    • Exploration de l’outil appelé DAGSTER https://dagster.io/
    • 1 ETP sur la partie reconstruction
      • 1 axe GeoFlow
      • 1 axe SF-CGAL
      • 1 axe industrialisation
  • Utilisation de GeoFlow

  • Travaille actuellement sur l’industrialisation de la chaîne de traitement de données

Demandeur de use case réels pour appuyer les travaux dans le bon sens.

Divers

  • 100% OpenSource chez Oslandia
  • Souhait de minimiser les composants dans la chaine de reconstruction
  • Utilise des 3D Tiles

Sujet Emprises des batiments

L’exhaustivité et le bon calage des emprises de bâtiments sur le LIDAR HD sont le point critique pour une bonne reconstruction 3D.

Rappel de l’historique IGN suite à l’étape d’unification de la BDUNI. Grosso modo aujourd’hui dans la BDTOPO source cadastre (80%), restitution à partir de PVA (20%)

  • le décalage emprise de bâtiments et LIDAR HD reste un souci permanent lors de la reconstruction 3D. Les problèmes rencontrès sont les suivants :
    • cadastre = emprise saisie au sol au pied du mur quand le LIDAR classifié décrit des bâtiments vu du ciel. Géométrie égalment parfois “incomplète” côté cadastre par rapport au LIDAR HD.
    • IGN = emprise saise à la goutière (débord de toiture). Cela matche mieux mais ces données sont moins souvent disponibles.
    • soucis de calage géographique des dalles de cadastre numérisées historiques
  • le recalage des bâtiments sur le LIDAR HD est un sujet actuellement regardé en production coté IGN. Peut-être le LIDAR HD pourra-t-il fournir une source de vérité de recalage

Le CSTB réalise des corrections d’emprises dans le cadre de la BDNB (autour de la notion de parcelle unifiée).

Focus Stack Tech

Geoflow (partie ETL)

  • 2 personnes
  • Plutôt en mode OpenSource, assez ouvert, dixit Oslandia
  • le changelog des versions de 3DBag : Release Notes - 3D BAG
  • l’initialisation de 3DBag vient d’un projet H2020 de 5 personnes chez TU-Delft
  • Cours de TUdelft identifié par l’IGN : Home | GEO1004

CGAL / SF-CGAL

  • Un workshop avec l’équipe Oslandia & INRIA/Titane

Décisions & Résumé

  • Discussion avec le projet geoflow bundle via les Issues github pour mutualiser l’effort et faciliter le suivi. Oslandia propose de contacter 3DGI pour leur expliquer l’intérêt commun CSTB, IGN, Oslandia autour de la solution et prévenir de l’arrivée éventuelle d’issues
  • Intérêt pour une chaine opensource partagée sur ce sujet (un commun)
3 Likes

Je rebondis sur la distinction débord de toitures vs pied d’immeuble.
Si vos discriminations sont au niveau de précision requis ça peut être d’une super aide pour les PCRS raster.

Sans oublier le positionnement du bâti ou l’orientation qui peuvent être complètement faux sur le cadastre par rapport à la réalité… et je ne parle pas ici de mauvais calage des feuilles lors de leur numérisation qui est un autre sujet.


Je ne connais pas les 3D tiles, c’est une version tuilée des données Lidar ? Un lien avec plus d’infos ?

Les 3D tiles, c’est l’équivalent 3D des vector tiles 3D Tiles - Open Geospatial Consortium

Pour l’instant sur les échantillons, j’ai l’impression qu’on arrive à avoir des impacts de pied de mur uniquement sur deux faces grâce à une légère inclinaison du lidar qui doit être liée au dépointage latéral pour balayer la bande d’acquisition .
Je ne pense pas que les outils de reconstruction gardent ces points, puisqu’ils partent tous d’une emprise fournie au sol pour l’instant. J’imagine qu’ils récupère uniquement les points les plus hauts pour l’instant.
On va essayer de regarder cet aspect.
Si un expert du LIDAR passe par là, on est preneurs d’infos

Je reviens sur les expérimentations IGN dont les résultats étaient prévus pour mi-2023. Est-ce que vous avez pu aboutir à une conclusion ? Est-il possible de partager les orientations choisies ici ?

@alexandreleonardi

Bonjour Vincent,

Voici un état des lieux des travaux IGN/IGNfab sur ce sujet et quelques informations au passage :

  • Benchmark IGNfab

    • Outils en bref : A l’issue du benchmark Terrascan (propriétaire) et Geoflow (open-source) sont les deux outils qui se dégagent. Une dernière piste, KSR (Kinetic Shape Reconstruction https://inria.hal.science/hal-02924409/file/tog2020.pdf) est encore en cours d’investigation avec un partenaire . KSR devrait normalement sortir dans CGAL (donc en opensource) d’ici fin 2023.
    • Outils en détail
      • TerraScan : Outil propriétaire. A une forte tendance à régulariser et gère conséquemment moins bien les bâtiments complexes et les formes arrondies. Il est possible de pousser les paramètres pour obtenir plus de détails mais cela se fait au détriment de la qualité et surtout de la validité des modèles 3D obtenus.
      • Geoflow : Tout est résumé dans cette présentation récente de 3DGI (GEO1004 building reconstruction - Google Slides). Bonne capacité de reconstruction mais forte dépendance à la classification des données LIDAR. Manque important de régularisation sur certains résultats. La dernière release apporte le workflow batch et stream qui s’avèrent pertinents pour passer à l’échelle. Une nouvelle version du projet (roofer) doit voir le jour pour la fin de l’année pour simplifier l’utilisation de l’outil actuel et sans doute l’améliorer un peu. A noter que pour le moment Geoflow reconstruit beaucoup plus rapidement que TerraScan.
      • City3D : Evolution de Polyfit. On retrouve les mêmes limitations que sur Polyfit (explosion combinatoire sur bâtiments complexes). Conclusion => recours à un solver pour accélérer les calcul sans pour autant régler complètement les cas d’explosion combinatoire. Pour le moment les résultats produits par City3D nécessitent un gros nettoyage en post-traitement + sémantisation à faire par soi-même. Bref, intéressant sur le papier (Remote Sensing | Free Full-Text | City3D: Large-Scale Building Reconstruction from Airborne LiDAR Point Clouds) car devant apporter plus de régularisation que Geoflow, mais en pratique pas encore assez mature. Les travaux de défrichage sont disponibles ici GitHub - ignfab/City3D: Large-scale LoD2 Building Reconstruction from Airborne LiDAR Point Clouds. Pas certain de l’avenir du projet (thèse terminée).
      • Autres solutions de reconstruction : L’exploration de Points2Poly s’est avérée trop couteuse. Les autres solutions propriétaires testées ne nous ont pas donné satisfaction.
      • La brique logicielle développée dans le cadre du benchmark IGNfab (PyScoring3D) pour évaluer la qualité (métriques intrinsèques et extrinsèques topologiques et géométriques) des résultats obtenus avec les différents algos de reconstruction devrait également être rendue disponible en opensource d’ici la fin de l’année.
    • La question du recalage du bâti BDTOPO sur le LIDAR HD n’a pas été résolue dans le cadre du benchmark. Il existe une piste de solution coté TerraScan (Check Footprint Polygons) mais il reste une incertitude sur le passage à l’échelle. IGNfab explore quelques approches basique de recalage, la recherche IGN lance un post-doc sur le sujet d’ici la fin de l’année. Plusieurs pistes sont sur la table. Bref, ce point reste bloquant pour un passage à l’échelle dans de bonnes conditions.
    • La qualité de la classification des nuages de points est également un sujet important pour la reconstruction (ilots de points non classés sur le bâti = artefact de reconstruction quelle que soit la solution retenue). On peut bêtement passer en classe 6 tous les points situés dans les emprises mais au risque de générer d’autres artefacts.
    • De manière générale, et sans surprise, on sait qu’on ne pourra, pour le moment, pas obtenir en tout automatique un résultat de même qualité qu’une saisie opérateur. Peut donc se poser la question de mixer les deux approches (tout automatique pour les bâtiments “simples”, saisie manuelle pour les bâtiments complexes/remarquables)
  • Orientations choisies

    • Côté IGNfab : poursuite des travaux sur Geoflow dans le cadre des incubations en cours et en lien avec d’autres actions de recherche. Les ressources seront beaucoup plus limitées de notre côté mais le but est d’aller vers le passage à l’échelle avec Geoflow + LIDAR HD
    • Côté IGN : pas de décision pour le moment. Volonté d’attendre la fin du test de KSR pour trancher dans ma compréhension. De plus, le contexte Jumeau Numérique National amène à élargir la réflexion en lien avec les autres thèmes 3D qui devront être traités (réseaux, végétation, terrain, etc).

Bonne journée à tous

4 Likes

un grand merci pour cette synthèse @esgn !

1 Like