{"id":23913,"date":"2025-07-09T17:03:17","date_gmt":"2025-07-09T15:03:17","guid":{"rendered":"https:\/\/www.yellowscan.com\/knowledge\/normes-de-precision-lidar-ce-que-les-tests-de-lindustrie-prouvent\/"},"modified":"2025-07-10T09:44:18","modified_gmt":"2025-07-10T07:44:18","slug":"lidar-accuracy-standards-what-industry-tests-prove","status":"publish","type":"ys_knowledge","link":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/","title":{"rendered":"Normes de pr\u00e9cision LiDAR : Ce que les tests de l&rsquo;industrie prouvent"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"23913\" class=\"elementor elementor-23913 elementor-23420\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-91242b4 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"91242b4\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-8dce51d\" data-id=\"8dce51d\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-d7ca0cb elementor-widget elementor-widget-text-editor\" data-id=\"d7ca0cb\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>La pr\u00e9cision LiDAR est l&rsquo;\u00e9l\u00e9ment vital d&rsquo;une acquisition fiable de donn\u00e9es spatiales. Le concept de base montre \u00e0 quel point une mesure LiDAR est proche de la valeur r\u00e9elle. Lorsque les professionnels discutent de la pr\u00e9cision LiDAR, ils l&rsquo;expriment sous la forme d&rsquo;une fourchette (\u00b12cm) ou d&rsquo;un \u00e9cart-type (3cm \u00e0 1\u03c3).  <\/p><p>Le domaine LiDAR comporte deux cat\u00e9gories principales de pr\u00e9cision : la <strong>pr\u00e9cision relative et la pr\u00e9cision absolue<\/strong>. La pr\u00e9cision relative indique la pr\u00e9cision des mesures les unes par rapport aux autres au sein d&rsquo;un m\u00eame jeu de donn\u00e9es. Elle r\u00e9pond \u00e0 la question suivante : \u00ab\u00a0Quelle est la pr\u00e9cision des mesures les unes par rapport aux autres ? Cette pr\u00e9cision interne d\u00e9finit les niveaux de confiance lors de la comparaison des points d&rsquo;un nuage de points, quelle que soit leur position exacte sur la Terre. La pr\u00e9cision absolue mesure la correspondance entre les donn\u00e9es LiDAR et les emplacements g\u00e9ographiques r\u00e9els \u00e0 la surface de la Terre. Elle r\u00e9pond \u00e0 une question simple : \u00ab\u00a0A quel point mes mesures sont-elles proches des vraies valeurs ?     <\/p><p>La comparaison statistique entre les points connus (lev\u00e9s) et les points laser mesur\u00e9s d\u00e9termine la pr\u00e9cision du LiDAR. L&rsquo;\u00e9cart-type et l&rsquo;erreur quadratique moyenne (EQM) sont des mesures statistiques courantes dans l&rsquo;industrie. La diff\u00e9rence entre les points de contr\u00f4le au sol et les \u00e9l\u00e9vations LiDAR permet d&rsquo;\u00e9valuer la pr\u00e9cision verticale, qui se situe g\u00e9n\u00e9ralement entre 5 et 30 centim\u00e8tres.  <\/p><p>Ces facteurs affectent la pr\u00e9cision du LiDAR :<\/p><ol><li>Composants mat\u00e9riels &#8211; chacun ayant ses propres valeurs de pr\u00e9cision exprim\u00e9es sous forme de distance ou d&rsquo;angle<\/li><li>Erreurs syst\u00e9matiques dues \u00e0 un mauvais \u00e9talonnage ou \u00e0 un biais du compas<\/li><li>Erreurs al\u00e9atoires\/bruit dans les mesures<\/li><li>Conditions environnementales affectant la qualit\u00e9 du signal<\/li><li>Algorithmes de traitement et m\u00e9thodes de filtrage<\/li><\/ol><p>Une formule simplifi\u00e9e permet de calculer la pr\u00e9cision globale d&rsquo;un syst\u00e8me LiDAR :<br>Pr\u00e9cision globale = \u221a[(erreur GNSS)\u00b2 + (erreur de port\u00e9e LiDAR)\u00b2 + (port\u00e9e * tan(erreur INS))\u00b2 + (port\u00e9e * tan(erreur LiDAR &#8211; INS))\u00b2]<\/p><p>La pr\u00e9cision diminue \u00e0 mesure que la distance par rapport au capteur augmente, en raison de l&rsquo;erreur angulaire de l&rsquo;INS. Il est donc important de comprendre la plage d&rsquo;o\u00f9 provient un chiffre de pr\u00e9cision donn\u00e9. Les utilisateurs peuvent obtenir des pr\u00e9cisions verticales sup\u00e9rieures \u00e0 15 cm \u00e0 1 200 m d&rsquo;altitude dans des conditions optimales.  <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-2e8630f0 el-section-img-x1 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"2e8630f0\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-3a63b40f\" data-id=\"3a63b40f\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-70dda1bf elementor-widget elementor-widget-image\" data-id=\"70dda1bf\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img fetchpriority=\"high\" decoding=\"async\" width=\"1024\" height=\"543\" src=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/13-1024x543.png\" class=\"attachment-large size-large wp-image-23546\" alt=\"\" srcset=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/13-1024x543.png 1024w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/13-300x159.png 300w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/13-768x407.png 768w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/13.png 1200w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-40ab5c56 el-img-caption elementor-widget elementor-widget-text-editor\" data-id=\"40ab5c56\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p style=\"text-align: center;\">Nuage de points g\u00e9n\u00e9r\u00e9 par YellowScan CloudStation<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-ea6855a elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"ea6855a\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-35eddb6\" data-id=\"35eddb6\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-b3ee5b6 elementor-widget elementor-widget-text-editor\" data-id=\"b3ee5b6\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<h2 class=\"h3\">Normes de pr\u00e9cision LiDAR reconnues par l&rsquo;industrie<\/h2><p>Des normes vieilles de dix ans constituent le fondement de la pr\u00e9cision LiDAR dans tous les secteurs d&rsquo;activit\u00e9. Ces cadres fournissent des m\u00e9thodes coh\u00e9rentes pour mesurer, rapporter et prouver la qualit\u00e9 des donn\u00e9es spatiales. <\/p><h3 class=\"h4\">Syst\u00e8me de classification de la pr\u00e9cision ASPRS<\/h3><p>L&rsquo;American Society for Photogrammetry and Remote Sensing (ASPRS) fournit les normes les plus compl\u00e8tes et les plus accessibles pour \u00e9valuer la <a href=\"https:\/\/www.yellowscan.com\/fr\/knowledge\/environmental-monitoring-and-analysis-using-lidar-technology\/\">pr\u00e9cision du LiDAR<\/a>. Les <strong>normes de pr\u00e9cision positionnelle de l&rsquo;ASPRS pour les donn\u00e9es g\u00e9ospatiales num\u00e9riques, \u00e9dition 2,<\/strong> ont \u00e9t\u00e9 approuv\u00e9es en ao\u00fbt 2023. Cette \u00e9dition met \u00e0 jour la premi\u00e8re version de 2014 qui a ouvert la voie en mati\u00e8re de directives de cartographie num\u00e9rique.  <\/p><p>La norme r\u00e9vis\u00e9e apporte plusieurs am\u00e9liorations importantes :<\/p><ul><li>Finies les r\u00e9f\u00e9rences \u00e0 un niveau de confiance de 95 % comme mesures de pr\u00e9cision<\/li><li>Les exigences en mati\u00e8re de pr\u00e9cision des cibles pour les points de contr\u00f4le au sol doivent d\u00e9sormais \u00eatre doubl\u00e9es au lieu de quadrupl\u00e9es.<\/li><li>Le nombre minimum de points de contr\u00f4le est pass\u00e9 de 20 \u00e0 30 pour l&rsquo;\u00e9valuation de la pr\u00e9cision.<\/li><\/ul><p>L&rsquo;\u00e9dition 2 exprime d\u00e9sormais la pr\u00e9cision horizontale sous forme de RMSEH (erreur lin\u00e9aire combin\u00e9e dans la direction radiale) plut\u00f4t que sous forme de valeurs RMSEx et RMSEy distinctes. La norme exige une r\u00e9partition sp\u00e9cifique des points de contr\u00f4le, avec au moins 30 points de contr\u00f4le r\u00e9partis uniform\u00e9ment sur les zones de projet. <\/p><h3 class=\"h4\">Normes ISO pour la pr\u00e9cision des donn\u00e9es g\u00e9ospatiales<\/h3><p>L&rsquo;Organisation internationale de normalisation (ISO) traite de la pr\u00e9cision du LiDAR dans sa s\u00e9rie ISO\/TS 19159. L&rsquo;ISO\/TS 19159-2 couvre sp\u00e9cifiquement \u00ab\u00a0la m\u00e9thode de capture des donn\u00e9es, les relations entre les syst\u00e8mes de r\u00e9f\u00e9rence de coordonn\u00e9es et leurs param\u00e8tres, ainsi que l&rsquo;\u00e9talonnage des capteurs LiDAR a\u00e9roport\u00e9s\u00a0\u00bb. Ce guide technique normalise les processus d&rsquo;\u00e9talonnage sur le plan g\u00e9om\u00e9trique, radiom\u00e9trique et caract\u00e9ristique pour les applications dans divers domaines tels que la terre, la glace, la for\u00eat, l&rsquo;eau et l&rsquo;atmosph\u00e8re.  <\/p><h3 class=\"h4\">Normes du Comit\u00e9 f\u00e9d\u00e9ral des donn\u00e9es g\u00e9ographiques (FGDC)<\/h3><p>Le FGDC a cr\u00e9\u00e9 la norme nationale pour la pr\u00e9cision des donn\u00e9es spatiales (NSSDA). Cette norme utilise l&rsquo;erreur quadratique moyenne (RMSE) pour estimer la pr\u00e9cision de positionnement des donn\u00e9es g\u00e9ospatiales. Les tests n\u00e9cessitent une source ind\u00e9pendante plus pr\u00e9cise et au moins 20 points de contr\u00f4le r\u00e9partis sur l&rsquo;ensemble de la zone g\u00e9ographique.  <\/p><p>Le Geospatial Data Act de 2018 a fait du FGDC l&rsquo;organisation principale charg\u00e9e d&rsquo;\u00e9laborer des normes en mati\u00e8re de donn\u00e9es g\u00e9ospatiales. Les agences f\u00e9d\u00e9rales doivent se conformer \u00e0 ces normes lorsqu&rsquo;elles collectent ou produisent des donn\u00e9es g\u00e9ospatiales. Les agences non f\u00e9d\u00e9rales sont encourag\u00e9es \u00e0 adopter ces normes pour faciliter le partage des donn\u00e9es.  <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-7a872a49 el-section-img-x1 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"7a872a49\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-f4ed368\" data-id=\"f4ed368\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-4184d521 elementor-widget elementor-widget-image\" data-id=\"4184d521\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1024\" height=\"512\" src=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2024\/11\/Remote-sensing-enables-acquiring-information-about-the-Earth-as-well-as-other-planets-1024x512.jpg\" class=\"attachment-large size-large wp-image-20772\" alt=\"Remote sensing\" srcset=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2024\/11\/Remote-sensing-enables-acquiring-information-about-the-Earth-as-well-as-other-planets-1024x512.jpg 1024w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2024\/11\/Remote-sensing-enables-acquiring-information-about-the-Earth-as-well-as-other-planets-300x150.jpg 300w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2024\/11\/Remote-sensing-enables-acquiring-information-about-the-Earth-as-well-as-other-planets-768x384.jpg 768w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2024\/11\/Remote-sensing-enables-acquiring-information-about-the-Earth-as-well-as-other-planets-1536x768.jpg 1536w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2024\/11\/Remote-sensing-enables-acquiring-information-about-the-Earth-as-well-as-other-planets.jpg 1920w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-54f9ab5c el-img-caption elementor-widget elementor-widget-text-editor\" data-id=\"54f9ab5c\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p style=\"text-align: center;\">Donn\u00e9es g\u00e9ospatiales num\u00e9riques bas\u00e9es sur la position de la Terre<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-79c954f elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"79c954f\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-990f99b\" data-id=\"990f99b\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-f631a69 elementor-widget elementor-widget-text-editor\" data-id=\"f631a69\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<h2 class=\"h3\">Comment la pr\u00e9cision du LiDAR est-elle test\u00e9e et v\u00e9rifi\u00e9e ?<\/h2><p>Les syst\u00e8mes LiDAR n\u00e9cessitent des m\u00e9thodes d&rsquo;essai rigoureuses qui prouvent qu&rsquo;ils sont justes pour les mesures de pr\u00e9cision relative et absolue. Une image compl\u00e8te vous donnera l&rsquo;assurance que les donn\u00e9es collect\u00e9es r\u00e9pondent aux sp\u00e9cifications du projet et aux normes industrielles avant d&rsquo;\u00eatre utilis\u00e9es dans des applications critiques. <\/p><h3 class=\"h4\">M\u00e9thodes de v\u00e9rification des points de contr\u00f4le au sol<\/h3><p>Les points de contr\u00f4le au sol (GCP) servent de marqueurs de r\u00e9f\u00e9rence avec des coordonn\u00e9es connues pour prouver la pr\u00e9cision des donn\u00e9es LiDAR. Ces points servent de points de rattachement dans les logiciels de traitement. Ils indiquent l&rsquo;\u00e9chelle et l&rsquo;orientation du nuage de points et contribuent \u00e0 am\u00e9liorer la qualit\u00e9 globale des donn\u00e9es. Les GCP doivent \u00eatre plac\u00e9s sur un terrain plat ou uniform\u00e9ment inclin\u00e9, avec des pentes inf\u00e9rieures ou \u00e9gales \u00e0 10 %. Vous devez \u00e9viter les artefacts verticaux ou les changements d&rsquo;altitude soudains.    <\/p><p><a href=\"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-drone\/\">Les lev\u00e9s cin\u00e9matiques en temps r\u00e9el (RTK)<\/a> constituent le moyen le plus rapide de collecter des GCP. Cette technique n\u00e9cessite deux r\u00e9cepteurs GNSS : une station de r\u00e9f\u00e9rence statique (base) et un r\u00e9cepteur mobile (rover). La base envoie des donn\u00e9es de correction au rover et fournit une pr\u00e9cision centim\u00e9trique &#8211; g\u00e9n\u00e9ralement de 1 \u00e0 3 cm &#8211; lors de la mise en place des GCP.  <\/p><p>Les g\u00e9om\u00e8tres doivent distinguer deux types de points de contr\u00f4le : Les points de contr\u00f4le au sol (GCP) pour l&rsquo;ajustement des donn\u00e9es et les points de contr\u00f4le de l&rsquo;enqu\u00eate (SCP) uniquement pour les rapports de pr\u00e9cision. Les points de contr\u00f4le ne modifient jamais la fa\u00e7on dont l&rsquo;enqu\u00eate est trait\u00e9e, ce qui leur permet de rester ind\u00e9pendants pour la validation. <\/p><h3 class=\"h4\">Techniques d&rsquo;\u00e9valuation de la pr\u00e9cision relative<\/h3><p>La pr\u00e9cision relative, \u00e9galement appel\u00e9e \u00ab\u00a0pr\u00e9cision de fauch\u00e9e \u00e0 fauch\u00e9e\u00a0\u00bb ou \u00ab\u00a0coh\u00e9rence entre les fauch\u00e9es\u00a0\u00bb, indique dans quelle mesure les zones de collecte de donn\u00e9es qui se chevauchent correspondent les unes aux autres. Ce contr\u00f4le interne de la qualit\u00e9 g\u00e9om\u00e9trique porte principalement sur les diff\u00e9rences verticales entre les trajectoires de vol qui se chevauchent. <\/p><p>Le processus d&rsquo;\u00e9valuation fait appel \u00e0 plusieurs m\u00e9thodes :<\/p><ol><li>Comparaison bas\u00e9e sur les surfaces : Les surfaces au sol proviennent d&rsquo;algorithmes point-num\u00e9rique (PTD) au niveau de chaque ligne de vol. Chaque surface est compar\u00e9e aux points class\u00e9s au sol de toutes les lignes de vol qui se chevauchent. Les diff\u00e9rences sont enregistr\u00e9es et r\u00e9sum\u00e9es.  <\/li><li>Analyse statistique : Vous devez v\u00e9rifier la coh\u00e9rence du chevauchement \u00e0 plusieurs endroits dans les zones non v\u00e9g\u00e9talis\u00e9es. Ces zones ne doivent pr\u00e9senter que des retours simples et des pentes inf\u00e9rieures \u00e0 10 degr\u00e9s. Un fichier de forme polygonale montre la coh\u00e9rence des recouvrements dans les zones d&rsquo;\u00e9chantillonnage. Le fichier comprend des attributs tels que la diff\u00e9rence minimale, la diff\u00e9rence maximale et les valeurs RMSDz.   <\/li><\/ol><h3 class=\"h4\">Protocoles de mesure de la pr\u00e9cision absolue<\/h3><p>Les tests de pr\u00e9cision absolue comparent les mesures LiDAR \u00e0 des points de relev\u00e9 ind\u00e9pendants de plus grande pr\u00e9cision. L&rsquo;\u00e9quipe compare les \u00e9l\u00e9vations du jeu de donn\u00e9es LiDAR avec les \u00e9l\u00e9vations des points de contr\u00f4le \u00e0 des coordonn\u00e9es x\/y similaires pour l&rsquo;\u00e9valuation de la pr\u00e9cision verticale. <\/p><p>Les normes ASPRS stipulent que les tests de pr\u00e9cision doivent comporter au moins 20 points de contr\u00f4le, bien que les normes les plus r\u00e9centes en sugg\u00e8rent 30. Les zones de moins de 500 kilom\u00e8tres carr\u00e9s n\u00e9cessitent au moins 20 points de contr\u00f4le de la pr\u00e9cision verticale sans v\u00e9g\u00e9tation (NVA) et 5 points de contr\u00f4le de la pr\u00e9cision verticale avec v\u00e9g\u00e9tation (VVA). <\/p><p>L&rsquo;\u00e9valuation de la pr\u00e9cision horizontale compare les coordonn\u00e9es planim\u00e9triques de points bien d\u00e9finis avec des coordonn\u00e9es provenant de sources plus pr\u00e9cises. N\u00e9anmoins, les points de contr\u00f4le lev\u00e9s ne permettent pas d&rsquo;estimer la pr\u00e9cision horizontale absolue des donn\u00e9es d&rsquo;\u00e9l\u00e9vation d\u00e9riv\u00e9es du LiDAR. La nature \u00e9parse des donn\u00e9es du nuage de points par rapport \u00e0 l&rsquo;imagerie \u00e0 haute r\u00e9solution est \u00e0 l&rsquo;origine de cette limitation.  <\/p><h3 class=\"h4\">Validation crois\u00e9e avec d&rsquo;autres syst\u00e8mes de mesure<\/h3><p>La comparaison des donn\u00e9es LiDAR avec d&rsquo;autres technologies de mesure renforce la confiance dans l&rsquo;\u00e9valuation de la pr\u00e9cision. Les stations totales sont \u00e0 la pointe de la validation car elles offrent une meilleure pr\u00e9cision que les m\u00e9thodes GPS. La pr\u00e9cision du GPS d\u00e9pend des distances entre les points de base, du temps d&rsquo;observation et de la g\u00e9om\u00e9trie du satellite.  <\/p><p>Un logiciel comme CloudCompare permet de comparer les nuages de points issus de diff\u00e9rentes m\u00e9thodes. Une \u00e9tude a examin\u00e9 les nuages de points provenant du LiDAR de l&rsquo;USGS par rapport aux mesures des stations totales. Les r\u00e9sultats ont montr\u00e9 des diff\u00e9rences moyennes de 2,2 pouces en 2D (X,Y) et de 5,9 pouces en 3D (X,Y,Z).  <\/p><p>La validation crois\u00e9e avec la photogramm\u00e9trie consiste \u00e0 traiter la m\u00eame image avec diff\u00e9rentes sources GCP. Le processus s&rsquo;aligne \u00e0 l&rsquo;aide d&rsquo;outils de paires de points \u00e9quivalents et ajuste uniquement les param\u00e8tres de translation et de lacet pour v\u00e9rifier les diff\u00e9rences d&rsquo;\u00e9l\u00e9vation. Cette m\u00e9thode permet de v\u00e9rifier la pr\u00e9cision sans avoir besoin de beaucoup d&rsquo;\u00e9quipement ou de visites sur le terrain.  <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-67428ae9 el-section-img-x1 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"67428ae9\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-5e807da2\" data-id=\"5e807da2\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-450e5fbb elementor-widget elementor-widget-image\" data-id=\"450e5fbb\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"840\" height=\"472\" src=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/image-2.png\" class=\"attachment-large size-large wp-image-23903\" alt=\"YellowScan Cloudstation software using GCP\" srcset=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/image-2.png 840w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/image-2-300x169.png 300w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/image-2-768x432.png 768w\" sizes=\"(max-width: 840px) 100vw, 840px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-78aaa15b el-img-caption elementor-widget elementor-widget-text-editor\" data-id=\"78aaa15b\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p style=\"text-align: center;\">Param\u00e8tres GCP de la station cloud<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-722e0de elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"722e0de\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-8f15e68\" data-id=\"8f15e68\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-361c99f elementor-widget elementor-widget-text-editor\" data-id=\"361c99f\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<h2 class=\"h3\">Facteurs cl\u00e9s affectant la pr\u00e9cision des scanners LiDAR<\/h2><p>La pr\u00e9cision des syst\u00e8mes LiDAR d\u00e9pend d&rsquo;interactions complexes entre de multiples variables techniques et environnementales. Les praticiens doivent comprendre ces influences pour obtenir une meilleure pr\u00e9cision dans des conditions r\u00e9elles. <\/p><h3 class=\"h4\">Sp\u00e9cifications et limitations du mat\u00e9riel<\/h3><p>La qualit\u00e9 des <a href=\"https:\/\/www.yellowscan.com\/fr\/knowledge\/understanding-lidar-scanners\/\">composants des capteurs<\/a> influe sur la pr\u00e9cision des mesures. Les capteurs LiDAR haut de gamme offrent une meilleure pr\u00e9cision que les capteurs de moindre qualit\u00e9. Le syst\u00e8me doit \u00eatre correctement <strong>calibr\u00e9<\/strong> pour obtenir des donn\u00e9es fiables. De petites erreurs d&rsquo;\u00e9talonnage peuvent se propager dans le nuage de points et r\u00e9duire la pr\u00e9cision globale.   <\/p><p>Des donn\u00e9es GNSS et IMU impr\u00e9cises affectent directement le g\u00e9or\u00e9f\u00e9rencement du nuage de points final. L <strong>&lsquo;attitude de vol<\/strong> (roulis, tangage et cap) des syst\u00e8mes a\u00e9roport\u00e9s cr\u00e9e des erreurs lorsque les capteurs tournent de mani\u00e8re inattendue pendant la collecte. La hauteur de vol n&rsquo;affecte pas directement la pr\u00e9cision, mais elle modifie la densit\u00e9 des points, ce qui affecte la pr\u00e9cision sur les terrains complexes. <\/p><h3 class=\"h4\">Conditions environnementales et atmosph\u00e9riques<\/h3><p>Les conditions m\u00e9t\u00e9orologiques posent des probl\u00e8mes majeurs pour les op\u00e9rations LiDAR. Les signaux laser sont diffus\u00e9s ou absorb\u00e9s par la pluie, le brouillard et les particules de poussi\u00e8re, ce qui entra\u00eene de mauvaises mesures. Les mesures de port\u00e9e restent stables m\u00eame en cas de fortes pluies, les variations \u00e9tant g\u00e9n\u00e9ralement inf\u00e9rieures \u00e0 20 centim\u00e8tres. La pluie r\u00e9duit \u00e0 la fois l&rsquo;intensit\u00e9 du retour et les points d\u00e9tect\u00e9s, en particulier sur les surfaces pav\u00e9es.<br>Les variations de la densit\u00e9 de l&rsquo;air dues \u00e0 l&rsquo;humidit\u00e9 affectent l&rsquo;\u00e9talonnage des capteurs. Les temp\u00e9ratures extr\u00eames modifient \u00e0 la fois le fonctionnement des drones et les performances des capteurs. Les syst\u00e8mes sont confront\u00e9s \u00e0 des probl\u00e8mes li\u00e9s \u00e0 la lumi\u00e8re directe du soleil en raison de son intensit\u00e9 et du chevauchement des longueurs d&rsquo;onde.     <\/p><h3 class=\"h4\">Algorithmes de traitement des donn\u00e9es et filtrage<\/h3><p><a href=\"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-data-processing-importance-deliverables-and-key-steps\/\">Des algorithmes de filtrage<\/a> avanc\u00e9s am\u00e9liorent la pr\u00e9cision en d\u00e9barrassant les nuages de points bruts du bruit, des valeurs aberrantes et des points ind\u00e9sirables. L&rsquo;affinage des donn\u00e9es utilise diff\u00e9rentes approches telles que les filtres de grille de voxel, l&rsquo;\u00e9limination des valeurs aberrantes statistiques et l&rsquo;\u00e9limination des valeurs aberrantes de rayon. <\/p><p>Les zones d&rsquo;altitude variable rendent le filtrage du sol difficile, car les algorithmes ne peuvent pas facilement distinguer les points au sol des autres. Les m\u00e9thodes simples de filtrage du bruit ne permettent pas de s\u00e9parer correctement les \u00e9l\u00e9ments statiques de l&rsquo;arri\u00e8re-plan des objets dynamiques. Les filtres de Kalman et les approches d&rsquo;apprentissage automatique permettent d&rsquo;am\u00e9liorer la pr\u00e9cision de la classification pour r\u00e9soudre ces probl\u00e8mes.  <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-198ca920 el-section-img-x1 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"198ca920\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-4259f439\" data-id=\"4259f439\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-4fbc0e23 elementor-widget elementor-widget-image\" data-id=\"4fbc0e23\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"618\" src=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/Screenshot-2025-06-05-120414-1024x618.png\" class=\"attachment-large size-large wp-image-23551\" alt=\"\" srcset=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/Screenshot-2025-06-05-120414-1024x618.png 1024w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/Screenshot-2025-06-05-120414-300x181.png 300w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/Screenshot-2025-06-05-120414-768x463.png 768w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/Screenshot-2025-06-05-120414.png 1520w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-61adfd4c el-img-caption elementor-widget elementor-widget-text-editor\" data-id=\"61adfd4c\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p style=\"text-align: center;\">Tranche du ch\u00e2teau de Montferrand dans le logiciel YellowScan CloudStation<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-3fefa17 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"3fefa17\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-07f2454\" data-id=\"07f2454\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-b537b59 elementor-widget elementor-widget-text-editor\" data-id=\"b537b59\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<h2 class=\"h3\">Probl\u00e8mes courants de pr\u00e9cision LiDAR et solutions<\/h2><p>Les d\u00e9ploiements LiDAR fonctionnent mieux lorsque les \u00e9quipes reconnaissent et r\u00e9solvent les probl\u00e8mes de pr\u00e9cision sp\u00e9cifiques qui peuvent affecter la qualit\u00e9 des donn\u00e9es. La technologie a progress\u00e9, mais certaines limites fondamentales subsistent. Les \u00e9quipes doivent y rem\u00e9dier en appliquant des techniques de calibrage et de traitement minutieuses.  <\/p><h3 class=\"h4\">Erreurs syst\u00e9matiques et probl\u00e8mes d&rsquo;\u00e9talonnage<\/h3><p>Les erreurs syst\u00e9matiques constituent un d\u00e9fi majeur pour les syst\u00e8mes LiDAR. Ces \u00e9carts de mesure pr\u00e9visibles nuisent \u00e0 la pr\u00e9cision. Les erreurs se manifestent principalement par un d\u00e9salignement de l&rsquo;axe de vis\u00e9e, c&rsquo;est-\u00e0-dire un d\u00e9calage angulaire entre le capteur LiDAR et le syst\u00e8me de coordonn\u00e9es GPS\/INS embarqu\u00e9. Ce d\u00e9salignement est \u00e0 l&rsquo;origine de la plus grande erreur syst\u00e9matique dans les op\u00e9rations UAV-LiDAR. L&rsquo;altitude de vol et l&rsquo;angle de balayage aggravent encore ses effets.    <\/p><p>L&rsquo;erreur d&rsquo;\u00e9talonnage affecte la reconstruction des nuages de points de deux mani\u00e8res principales dans les syst\u00e8mes a\u00e9riens. Les erreurs de vis\u00e9e cr\u00e9ent des lacunes entre les lignes de vol qui se chevauchent, ce qui entra\u00eene des valeurs d&rsquo;altitude incoh\u00e9rentes pour des emplacements au sol similaires. Ces erreurs cr\u00e9ent \u00e9galement des distorsions qui s&rsquo;accentuent \u00e0 mesure que la distance par rapport au capteur augmente.  <\/p><p>Les \u00e9quipes utilisent deux approches principales pour un \u00e9talonnage efficace :<\/p><ol><li>L&rsquo;<strong>\u00e9talonnage intrins\u00e8que<\/strong> porte sur les param\u00e8tres internes du capteur LiDAR, y compris l&rsquo;alignement du faisceau laser, en utilisant des cibles d&rsquo;\u00e9talonnage de dimensions connues.<\/li><li>L&rsquo;<strong>\u00e9talonnage extrins\u00e8que<\/strong> associe le LiDAR \u00e0 d&rsquo;autres capteurs, tels que des cam\u00e9ras ou des radars, afin de garantir une fusion pr\u00e9cise des donn\u00e9es.<\/li><\/ol><p>Des \u00e9tudes montrent que des techniques d&rsquo;\u00e9talonnage appropri\u00e9es peuvent r\u00e9duire consid\u00e9rablement les erreurs de reprojection, de rotation et de distance. Oui, il est courant que les sp\u00e9cialistes utilisent un logiciel d&rsquo;alignement des bandes. Ce logiciel permet de corriger les erreurs syst\u00e9matiques restantes en ajustant la position et les angles tout au long de la mission.  <\/p><h3 class=\"h4\">Erreurs al\u00e9atoires et strat\u00e9gies de r\u00e9duction du bruit<\/h3><p>Les erreurs al\u00e9atoires diff\u00e8rent des erreurs syst\u00e9matiques. Elles proviennent de fluctuations impr\u00e9visibles dans les processus de mesure. Les principales sources sont le bruit quantique (bruit de grenaille) d\u00fb \u00e0 la nature discr\u00e8te de la lumi\u00e8re, le bruit thermique d\u00fb au mouvement al\u00e9atoire des \u00e9lectrons et le bruit excessif des tubes photomultiplicateurs lors de la d\u00e9tection analogique.  <\/p><p>Le bruit des nuages de points r\u00e9v\u00e8le des erreurs al\u00e9atoires. Vous pouvez vous en rendre compte en examinant les valeurs moyennes des pentes obtenues \u00e0 partir de LiDAR \u00e0 pleine r\u00e9solution. Ces valeurs semblent anormalement \u00e9lev\u00e9es, m\u00eame sur un terrain plat. Cela s&rsquo;explique par le fait que la pr\u00e9cision verticale (g\u00e9n\u00e9ralement de 12 \u00e0 15 centim\u00e8tres) cr\u00e9e des diff\u00e9rences de hauteur al\u00e9atoires de 24 \u00e0 30 centim\u00e8tres entre des points proches. Des points distants d&rsquo;un m\u00e8tre seulement sur le plan horizontal cr\u00e9ent ce que les experts en traitement du signal appellent du \u00ab\u00a0bruit \u00e0 haute fr\u00e9quence\u00a0\u00bb.    <\/p><p>Les \u00e9quipes peuvent r\u00e9duire le bruit gr\u00e2ce \u00e0<\/p><ul><li><strong>Filtrage statistique<\/strong> pour rep\u00e9rer et supprimer les valeurs aberrantes sur la base des mod\u00e8les de distribution spatiale<\/li><li><strong>Filtrage de la taille des fen\u00eatres<\/strong> pour am\u00e9liorer le rapport entre la densit\u00e9 de l&rsquo;\u00e9chantillon horizontal et la pr\u00e9cision verticale.<\/li><li>M\u00e9thode <strong>NSF (noise scale factor)<\/strong> pour estimer l&rsquo;erreur al\u00e9atoire sans les effets de la variabilit\u00e9 atmosph\u00e9rique<\/li><\/ul><h3 class=\"h4\">D\u00e9gradation de la pr\u00e9cision dans les environnements difficiles<\/h3><p>Les conditions r\u00e9elles affectent les performances du LiDAR en raison de divers facteurs environnementaux. La pluie, le brouillard et la poussi\u00e8re diffusent ou absorbent les faisceaux laser, ce qui entra\u00eene des donn\u00e9es incompl\u00e8tes ou erron\u00e9es. Le brouillard affecte la pr\u00e9cision en raison de la diffusion des particules d&rsquo;eau. La pluie modifie \u00e0 la fois l&rsquo;intensit\u00e9 du signal et la densit\u00e9 des points.   <\/p><p>Les surfaces r\u00e9fl\u00e9chissantes posent des probl\u00e8mes particuliers aux syst\u00e8mes LiDAR. Les faisceaux lumineux sont d\u00e9form\u00e9s par les objets de type miroir et les parois en verre, ce qui rend impossible une mesure pr\u00e9cise de la distance. Ces distorsions provoquent des erreurs de localisation et de cartographie simultan\u00e9es (SLAM). Cela augmente les risques d&rsquo;accident dans les applications de v\u00e9hicules autonomes.   <\/p><p>Les sp\u00e9cialistes utilisent plusieurs strat\u00e9gies pour am\u00e9liorer les performances dans des conditions difficiles :<\/p><ul><li><strong>Algorithmes adaptatifs<\/strong> qui s&rsquo;ajustent aux interf\u00e9rences environnementales en temps r\u00e9el<\/li><li><strong>Fusion de plusieurs capteurs<\/strong> combinant le LiDAR avec des cam\u00e9ras, des radars et le GPS<\/li><li><strong>Techniques de filtrage avanc\u00e9es<\/strong> telles que l&rsquo;\u00e9limination des valeurs aberrantes de faible intensit\u00e9 (LIOR) et l&rsquo;\u00e9limination des valeurs aberrantes de distance et d&rsquo;intensit\u00e9 (DDIOR)<\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-f11b0c7 el-section-img-x1 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"f11b0c7\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-1c1171a4\" data-id=\"1c1171a4\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-37370067 elementor-widget elementor-widget-image\" data-id=\"37370067\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"682\" src=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2023\/10\/2023-Fixed-wings-Germandrones-Songbird-VTOL-MapperOEM-1024x682-1.jpg\" class=\"attachment-large size-large wp-image-14474\" alt=\"\" srcset=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2023\/10\/2023-Fixed-wings-Germandrones-Songbird-VTOL-MapperOEM-1024x682-1.jpg 1024w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2023\/10\/2023-Fixed-wings-Germandrones-Songbird-VTOL-MapperOEM-1024x682-1-300x200.jpg 300w, https:\/\/www.yellowscan.com\/wp-content\/uploads\/2023\/10\/2023-Fixed-wings-Germandrones-Songbird-VTOL-MapperOEM-1024x682-1-768x512.jpg 768w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5dd7411c el-img-caption elementor-widget elementor-widget-text-editor\" data-id=\"5dd7411c\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p style=\"text-align: center;\">LiDAR YellowScan mont\u00e9 sur un drone \u00e0 voilure fixe, balayant une mer de nuages.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-6d19543 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"6d19543\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-f7a50ed\" data-id=\"f7a50ed\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-bd194f4 elementor-widget elementor-widget-text-editor\" data-id=\"bd194f4\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<h2 class=\"h3\">L&rsquo;avenir des normes de pr\u00e9cision LiDAR<\/h2><p>Les normes de pr\u00e9cision LiDAR continuent de progresser avec les avanc\u00e9es technologiques et l&rsquo;expansion des applications. L&rsquo;American Society for Photogrammetry and Remote Sensing (ASPRS) a publi\u00e9 sa deuxi\u00e8me \u00e9dition des Positional Accuracy Standards for Digital Geospatial Data (normes de pr\u00e9cision positionnelle pour les donn\u00e9es g\u00e9ospatiales num\u00e9riques), qui apporte les changements les plus importants aux cadres pr\u00e9c\u00e9dents. Ces changements comprennent le renommage des termes RMSE &#8211; RMSEz devient RMSEV et RMSEx\/RMSEy se combine en RMSEH. La nouvelle norme ne fait plus r\u00e9f\u00e9rence au niveau de confiance de 95 % comme mesure de pr\u00e9cision et a des exigences moins strictes pour les points de contr\u00f4le au sol.   <\/p><p>Les d\u00e9veloppements technologiques de pointe ont permis des am\u00e9liorations sans pr\u00e9c\u00e9dent en mati\u00e8re de pr\u00e9cision. Les syst\u00e8mes LiDAR \u00e0 effet Doppler coh\u00e9rent offrent aujourd&rsquo;hui des pr\u00e9cisions de mesure sup\u00e9rieures \u00e0 0,8 centim\u00e8tre par seconde pour la vitesse et \u00e0 0,8 m\u00e8tre pour la port\u00e9e. La prochaine g\u00e9n\u00e9ration de capteurs permettra d&rsquo;atteindre une pr\u00e9cision de l&rsquo;ordre du centim\u00e8tre \u00e0 de plus grandes distances, ce qui am\u00e9liorera les applications dans les domaines de l&rsquo;arpentage, de la construction et de la navigation autonome.  <\/p><p>Le LiDAR \u00e0 semi-conducteurs apporte un changement fondamental vers une meilleure fiabilit\u00e9 en \u00e9liminant les pi\u00e8ces mobiles. Cette avanc\u00e9e rend les syst\u00e8mes plus durables et am\u00e9liore les capacit\u00e9s de cartographie 3D dans la vie r\u00e9elle. Plusieurs fabricants ont annonc\u00e9 des technologies qui atteignent une pr\u00e9cision de 99,9 % dans le suivi des objets et de 98,9 % dans la reconnaissance des objets en utilisant uniquement le LiDAR.  <\/p><p>L&rsquo;int\u00e9gration de l&rsquo;IA red\u00e9finit ce que le LiDAR peut r\u00e9aliser en termes de pr\u00e9cision. Les algorithmes pilot\u00e9s par l&rsquo;IA automatisent la reconnaissance des objets, am\u00e9liorent le filtrage des nuages de points et optimisent la prise de d\u00e9cision \u00e0 la minute pr\u00e8s. Ces am\u00e9liorations permettent aux syst\u00e8mes de mieux g\u00e9rer les conditions m\u00e9t\u00e9orologiques difficiles telles que la pluie et le brouillard, une solution ayant doubl\u00e9 la distance d\u00e9tectable de 20 \u00e0 40 m\u00e8tres en cas de fortes pluies.  <\/p><p>Les futures normes incluront probablement des capacit\u00e9s LiDAR multi-spectrales, car ces syst\u00e8mes capturent des donn\u00e9es sur plusieurs longueurs d&rsquo;onde afin de mieux classer les mat\u00e9riaux. Gr\u00e2ce aux tendances \u00e0 la miniaturisation, des syst\u00e8mes de haute pr\u00e9cision deviennent disponibles dans un grand nombre d&rsquo;industries. <\/p><p>La pr\u00e9cision des futurs syst\u00e8mes LiDAR d\u00e9pendra toujours des param\u00e8tres d&rsquo;\u00e9talonnage, de la densit\u00e9 des points, des param\u00e8tres de vol et des techniques de traitement des donn\u00e9es. La recherche se concentre actuellement sur l&rsquo;am\u00e9lioration de la port\u00e9e, de la r\u00e9solution, de l&rsquo;ex\u00e9cution en temps r\u00e9el, de l&rsquo;efficacit\u00e9 \u00e9nerg\u00e9tique et d&rsquo;une int\u00e9gration plus pouss\u00e9e de l&rsquo;IA. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-9691e3f elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"9691e3f\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-e6a8fa6\" data-id=\"e6a8fa6\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-647e569 elementor-widget elementor-widget-text-editor\" data-id=\"647e569\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<h2 class=\"h3\">Questions fr\u00e9quemment pos\u00e9es<\/h2>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d0d3b36 elementor-widget-text-editor elementor-widget elementor-widget-accordion\" data-id=\"d0d3b36\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<h3 id=\"elementor-tab-title-2181\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-2181\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Comment la pr\u00e9cision du LiDAR est-elle g\u00e9n\u00e9ralement \u00e9valu\u00e9e ?<\/a>\n\t\t\t\t\t<\/h3>\n\t\t\t\t\t<div id=\"elementor-tab-content-2181\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-2181\"><p>La pr\u00e9cision du LiDAR est g\u00e9n\u00e9ralement \u00e9valu\u00e9e \u00e0 l&rsquo;aide de points de contr\u00f4le au sol (GCP) dont les coordonn\u00e9es sont connues. Les g\u00e9om\u00e8tres comparent les mesures LiDAR \u00e0 ces points relev\u00e9s ind\u00e9pendamment, ce qui n\u00e9cessite g\u00e9n\u00e9ralement un minimum de 20 \u00e0 30 points de contr\u00f4le r\u00e9partis sur la zone du projet. Des mesures statistiques telles que l&rsquo;erreur quadratique moyenne (RMSE) sont utilis\u00e9es pour quantifier la pr\u00e9cision.  <\/p>\n<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<h3 id=\"elementor-tab-title-2182\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-2182\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Quelle pr\u00e9cision de port\u00e9e les syst\u00e8mes LiDAR modernes peuvent-ils atteindre ?<\/a>\n\t\t\t\t\t<\/h3>\n\t\t\t\t\t<div id=\"elementor-tab-content-2182\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-2182\"><p>Les syst\u00e8mes LiDAR modernes peuvent atteindre une pr\u00e9cision impressionnante. Les capteurs haut de gamme peuvent atteindre des pr\u00e9cisions de 0,5 \u00e0 10 mm par rapport au capteur, avec des pr\u00e9cisions cartographiques allant jusqu&rsquo;\u00e0 1 cm horizontalement et 2 cm verticalement. Certains syst\u00e8mes avanc\u00e9s atteignent m\u00eame une pr\u00e9cision de l&rsquo;ordre du centim\u00e8tre \u00e0 de plus grandes distances.  <\/p>\n<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<h3 id=\"elementor-tab-title-2183\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-2183\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Quels sont les formats de fichiers standard pour le stockage des donn\u00e9es LiDAR ?<\/a>\n\t\t\t\t\t<\/h3>\n\t\t\t\t\t<div id=\"elementor-tab-content-2183\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-2183\"><p>Les formats de fichiers LAS (LASer) et LAZ (LAS compress\u00e9) sont largement reconnus comme des normes industrielles pour le stockage et le partage des donn\u00e9es LiDAR. Ces formats vectoriels stockent efficacement les donn\u00e9es des nuages de points et sont compatibles avec de nombreux outils logiciels, ce qui les rend essentiels pour l&rsquo;interop\u00e9rabilit\u00e9 dans les secteurs de l&rsquo;arpentage et de la cartographie. <\/p>\n<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<h3 id=\"elementor-tab-title-2184\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-2184\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Comment les facteurs environnementaux affectent-ils la pr\u00e9cision du LiDAR ?<\/a>\n\t\t\t\t\t<\/h3>\n\t\t\t\t\t<div id=\"elementor-tab-content-2184\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-2184\"><p>Les conditions environnementales ont un impact significatif sur les performances du LiDAR. Des facteurs tels que la pluie, le brouillard, la poussi\u00e8re et les temp\u00e9ratures extr\u00eames peuvent diffuser ou absorber les signaux laser, d\u00e9gradant ainsi la pr\u00e9cision des mesures. Par exemple, de fortes pluies peuvent r\u00e9duire l&rsquo;intensit\u00e9 des retours et le nombre de points d\u00e9tect\u00e9s, en particulier lors du balayage de surfaces telles que les chauss\u00e9es.  <\/p>\n<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<h3 id=\"elementor-tab-title-2185\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-2185\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Quel r\u00f4le joue l'IA dans l'am\u00e9lioration de la pr\u00e9cision du LiDAR ?<\/a>\n\t\t\t\t\t<\/h3>\n\t\t\t\t\t<div id=\"elementor-tab-content-2185\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-2185\"><p>L&rsquo;intelligence artificielle am\u00e9liore de plus en plus les capacit\u00e9s de pr\u00e9cision du LiDAR. Les algorithmes pilot\u00e9s par l&rsquo;IA automatisent la reconnaissance des objets, am\u00e9liorent le filtrage des nuages de points et optimisent la prise de d\u00e9cision en temps r\u00e9el. Ces progr\u00e8s permettent aux syst\u00e8mes de compenser les conditions environnementales difficiles, certaines solutions doublant les distances d\u00e9tectables dans des conditions m\u00e9t\u00e9orologiques d\u00e9favorables telles que de fortes pluies.  <\/p>\n<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t\t\t<script type=\"application\/ld+json\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@type\":\"FAQPage\",\"mainEntity\":[{\"@type\":\"Question\",\"name\":\"Comment la pr\\u00e9cision du LiDAR est-elle g\\u00e9n\\u00e9ralement \\u00e9valu\\u00e9e ?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"<p>La pr\\u00e9cision du LiDAR est g\\u00e9n\\u00e9ralement \\u00e9valu\\u00e9e \\u00e0 l&rsquo;aide de points de contr\\u00f4le au sol (GCP) dont les coordonn\\u00e9es sont connues. Les g\\u00e9om\\u00e8tres comparent les mesures LiDAR \\u00e0 ces points relev\\u00e9s ind\\u00e9pendamment, ce qui n\\u00e9cessite g\\u00e9n\\u00e9ralement un minimum de 20 \\u00e0 30 points de contr\\u00f4le r\\u00e9partis sur la zone du projet. Des mesures statistiques telles que l&rsquo;erreur quadratique moyenne (RMSE) sont utilis\\u00e9es pour quantifier la pr\\u00e9cision.  <\\\/p>\\n\"}},{\"@type\":\"Question\",\"name\":\"Quelle pr\\u00e9cision de port\\u00e9e les syst\\u00e8mes LiDAR modernes peuvent-ils atteindre ?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"<p>Les syst\\u00e8mes LiDAR modernes peuvent atteindre une pr\\u00e9cision impressionnante. Les capteurs haut de gamme peuvent atteindre des pr\\u00e9cisions de 0,5 \\u00e0 10 mm par rapport au capteur, avec des pr\\u00e9cisions cartographiques allant jusqu&rsquo;\\u00e0 1 cm horizontalement et 2 cm verticalement. Certains syst\\u00e8mes avanc\\u00e9s atteignent m\\u00eame une pr\\u00e9cision de l&rsquo;ordre du centim\\u00e8tre \\u00e0 de plus grandes distances.  <\\\/p>\\n\"}},{\"@type\":\"Question\",\"name\":\"Quels sont les formats de fichiers standard pour le stockage des donn\\u00e9es LiDAR ?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"<p>Les formats de fichiers LAS (LASer) et LAZ (LAS compress\\u00e9) sont largement reconnus comme des normes industrielles pour le stockage et le partage des donn\\u00e9es LiDAR. Ces formats vectoriels stockent efficacement les donn\\u00e9es des nuages de points et sont compatibles avec de nombreux outils logiciels, ce qui les rend essentiels pour l&rsquo;interop\\u00e9rabilit\\u00e9 dans les secteurs de l&rsquo;arpentage et de la cartographie. <\\\/p>\\n\"}},{\"@type\":\"Question\",\"name\":\"Comment les facteurs environnementaux affectent-ils la pr\\u00e9cision du LiDAR ?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"<p>Les conditions environnementales ont un impact significatif sur les performances du LiDAR. Des facteurs tels que la pluie, le brouillard, la poussi\\u00e8re et les temp\\u00e9ratures extr\\u00eames peuvent diffuser ou absorber les signaux laser, d\\u00e9gradant ainsi la pr\\u00e9cision des mesures. Par exemple, de fortes pluies peuvent r\\u00e9duire l&rsquo;intensit\\u00e9 des retours et le nombre de points d\\u00e9tect\\u00e9s, en particulier lors du balayage de surfaces telles que les chauss\\u00e9es.  <\\\/p>\\n\"}},{\"@type\":\"Question\",\"name\":\"Quel r\\u00f4le joue l'IA dans l'am\\u00e9lioration de la pr\\u00e9cision du LiDAR ?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"<p>L&rsquo;intelligence artificielle am\\u00e9liore de plus en plus les capacit\\u00e9s de pr\\u00e9cision du LiDAR. Les algorithmes pilot\\u00e9s par l&rsquo;IA automatisent la reconnaissance des objets, am\\u00e9liorent le filtrage des nuages de points et optimisent la prise de d\\u00e9cision en temps r\\u00e9el. Ces progr\\u00e8s permettent aux syst\\u00e8mes de compenser les conditions environnementales difficiles, certaines solutions doublant les distances d\\u00e9tectables dans des conditions m\\u00e9t\\u00e9orologiques d\\u00e9favorables telles que de fortes pluies.  <\\\/p>\\n\"}}]}<\/script>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-3339afee el-cta elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"3339afee\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-2116a810\" data-id=\"2116a810\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-inner-section elementor-element elementor-element-1363362 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"1363362\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-3cbf7421\" data-id=\"3cbf7421\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-4a0427e2 elementor-widget elementor-widget-text-editor\" data-id=\"4a0427e2\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<h4>D\u00e9couvrez nos solutions UAV LiDAR<\/h4>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-4afdedaa\" data-id=\"4afdedaa\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-22f90e05 elementor-button-success elementor-widget elementor-widget-button\" data-id=\"22f90e05\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/www.yellowscan.com\/fr\/products\/\" target=\"_blank\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">En savoir plus<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"featured_media":23559,"menu_order":63,"template":"","meta":{"_acf_changed":false,"content-type":""},"categories":[29],"class_list":["post-23913","ys_knowledge","type-ys_knowledge","status-publish","has-post-thumbnail","hentry","category-article"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.3 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Normes de pr\u00e9cision LiDAR : Ce que les tests de l&#039;industrie prouvent<\/title>\n<meta name=\"description\" content=\"D\u00e9couvrez comment la pr\u00e9cision du LiDAR est test\u00e9e et normalis\u00e9e avec des m\u00e9thodes cl\u00e9s, des pratiques d&#039;\u00e9talonnage et des facteurs affectant les donn\u00e9es g\u00e9ospatiales.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Normes de pr\u00e9cision LiDAR : Ce que les tests de l&#039;industrie prouvent\" \/>\n<meta property=\"og:description\" content=\"D\u00e9couvrez comment la pr\u00e9cision du LiDAR est test\u00e9e et normalis\u00e9e avec des m\u00e9thodes cl\u00e9s, des pratiques d&#039;\u00e9talonnage et des facteurs affectant les donn\u00e9es g\u00e9ospatiales.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/\" \/>\n<meta property=\"og:site_name\" content=\"YellowScan\" \/>\n<meta property=\"article:modified_time\" content=\"2025-07-10T07:44:18+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/ys_website_banner_knowledge_lidar_accuracy.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1150\" \/>\n\t<meta property=\"og:image:height\" content=\"600\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data1\" content=\"21 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/knowledge\\\/lidar-accuracy-standards-what-industry-tests-prove\\\/\",\"url\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/knowledge\\\/lidar-accuracy-standards-what-industry-tests-prove\\\/\",\"name\":\"Normes de pr\u00e9cision LiDAR : Ce que les tests de l'industrie prouvent\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/knowledge\\\/lidar-accuracy-standards-what-industry-tests-prove\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/knowledge\\\/lidar-accuracy-standards-what-industry-tests-prove\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.yellowscan.com\\\/wp-content\\\/uploads\\\/2025\\\/06\\\/ys_website_banner_knowledge_lidar_accuracy.jpg\",\"datePublished\":\"2025-07-09T15:03:17+00:00\",\"dateModified\":\"2025-07-10T07:44:18+00:00\",\"description\":\"D\u00e9couvrez comment la pr\u00e9cision du LiDAR est test\u00e9e et normalis\u00e9e avec des m\u00e9thodes cl\u00e9s, des pratiques d'\u00e9talonnage et des facteurs affectant les donn\u00e9es g\u00e9ospatiales.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/knowledge\\\/lidar-accuracy-standards-what-industry-tests-prove\\\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/knowledge\\\/lidar-accuracy-standards-what-industry-tests-prove\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/knowledge\\\/lidar-accuracy-standards-what-industry-tests-prove\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.yellowscan.com\\\/wp-content\\\/uploads\\\/2025\\\/06\\\/ys_website_banner_knowledge_lidar_accuracy.jpg\",\"contentUrl\":\"https:\\\/\\\/www.yellowscan.com\\\/wp-content\\\/uploads\\\/2025\\\/06\\\/ys_website_banner_knowledge_lidar_accuracy.jpg\",\"width\":1150,\"height\":600},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/knowledge\\\/lidar-accuracy-standards-what-industry-tests-prove\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Normes de pr\u00e9cision LiDAR : Ce que les tests de l&rsquo;industrie prouvent\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/#website\",\"url\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/\",\"name\":\"YellowScan\",\"description\":\"Reliable UAV LiDAR systems for Drone 3D laser mapping\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.yellowscan.com\\\/fr\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Normes de pr\u00e9cision LiDAR : Ce que les tests de l'industrie prouvent","description":"D\u00e9couvrez comment la pr\u00e9cision du LiDAR est test\u00e9e et normalis\u00e9e avec des m\u00e9thodes cl\u00e9s, des pratiques d'\u00e9talonnage et des facteurs affectant les donn\u00e9es g\u00e9ospatiales.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/","og_locale":"fr_FR","og_type":"article","og_title":"Normes de pr\u00e9cision LiDAR : Ce que les tests de l'industrie prouvent","og_description":"D\u00e9couvrez comment la pr\u00e9cision du LiDAR est test\u00e9e et normalis\u00e9e avec des m\u00e9thodes cl\u00e9s, des pratiques d'\u00e9talonnage et des facteurs affectant les donn\u00e9es g\u00e9ospatiales.","og_url":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/","og_site_name":"YellowScan","article_modified_time":"2025-07-10T07:44:18+00:00","og_image":[{"width":1150,"height":600,"url":"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/ys_website_banner_knowledge_lidar_accuracy.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","twitter_misc":{"Dur\u00e9e de lecture estim\u00e9e":"21 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/","url":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/","name":"Normes de pr\u00e9cision LiDAR : Ce que les tests de l'industrie prouvent","isPartOf":{"@id":"https:\/\/www.yellowscan.com\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/#primaryimage"},"image":{"@id":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/#primaryimage"},"thumbnailUrl":"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/ys_website_banner_knowledge_lidar_accuracy.jpg","datePublished":"2025-07-09T15:03:17+00:00","dateModified":"2025-07-10T07:44:18+00:00","description":"D\u00e9couvrez comment la pr\u00e9cision du LiDAR est test\u00e9e et normalis\u00e9e avec des m\u00e9thodes cl\u00e9s, des pratiques d'\u00e9talonnage et des facteurs affectant les donn\u00e9es g\u00e9ospatiales.","breadcrumb":{"@id":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/#primaryimage","url":"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/ys_website_banner_knowledge_lidar_accuracy.jpg","contentUrl":"https:\/\/www.yellowscan.com\/wp-content\/uploads\/2025\/06\/ys_website_banner_knowledge_lidar_accuracy.jpg","width":1150,"height":600},{"@type":"BreadcrumbList","@id":"https:\/\/www.yellowscan.com\/fr\/knowledge\/lidar-accuracy-standards-what-industry-tests-prove\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.yellowscan.com\/fr\/"},{"@type":"ListItem","position":2,"name":"Normes de pr\u00e9cision LiDAR : Ce que les tests de l&rsquo;industrie prouvent"}]},{"@type":"WebSite","@id":"https:\/\/www.yellowscan.com\/fr\/#website","url":"https:\/\/www.yellowscan.com\/fr\/","name":"YellowScan","description":"Reliable UAV LiDAR systems for Drone 3D laser mapping","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.yellowscan.com\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"}]}},"_links":{"self":[{"href":"https:\/\/www.yellowscan.com\/fr\/wp-json\/wp\/v2\/ys_knowledge\/23913","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.yellowscan.com\/fr\/wp-json\/wp\/v2\/ys_knowledge"}],"about":[{"href":"https:\/\/www.yellowscan.com\/fr\/wp-json\/wp\/v2\/types\/ys_knowledge"}],"version-history":[{"count":1,"href":"https:\/\/www.yellowscan.com\/fr\/wp-json\/wp\/v2\/ys_knowledge\/23913\/revisions"}],"predecessor-version":[{"id":23914,"href":"https:\/\/www.yellowscan.com\/fr\/wp-json\/wp\/v2\/ys_knowledge\/23913\/revisions\/23914"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.yellowscan.com\/fr\/wp-json\/wp\/v2\/media\/23559"}],"wp:attachment":[{"href":"https:\/\/www.yellowscan.com\/fr\/wp-json\/wp\/v2\/media?parent=23913"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.yellowscan.com\/fr\/wp-json\/wp\/v2\/categories?post=23913"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}