PhD: Caractérisation des Arbres dans les Vergers à partir de Données LiDAR 3D Collectées par des Robots Mobiles
- Candidat·e:
- Harold Fabian Murcia Moreno
- Date:
- 15 décembre 2025 09:30
- Lieu:
- LAAS-CNRS - Salle de Conférences 7 avenue du Colonel Roche 31077 TOULOUSE Cedex 4 En ligne : https://live.laas.fr/
- Unités:
- rap / ris
- Délivré par:
- INSA, EDSYS
- Mots clefs:
- LiDAR, Nuage de points 3D, Surveillance des vergers, Robotique de terrain, Modèles fondés sur les données
Abstract
Cette thèse examine l'utilisation de capteurs LiDAR 3D et de plateformes robotiques mobiles pour la surveillance des vergers dans le cadre de l'agriculture de précision. Le LiDAR fournit des descriptions tridimensionnelles détaillées de la végétation, mais son utilisation dans des applications agricoles à grande échelle se heurte encore à des défis liés à la conception d'algorithmes, à l'évolutivité des modèles et à l'utilisation des informations brutes du LiDAR au-delà des tâches de navigation. La recherche s'articule autour de trois questions principales : comment identifier et caractériser structurellement les arbres individuels dans des nuages de points non étiquetés ; comment estimer la densité de la surface foliaire à l'aide de modèles d'apprentissage automatique appliqués à des données LiDAR brutes; et comment l'intégration entre le LiDAR et les robots peut améliorer l'interprétation des scènes de vergers par des modèles basés sur les données. Pour répondre à ces questions, les travaux combinent des expériences sur le terrain et des simulations, et prennent en compte à la fois les plateformes d'acquisition terrestres et aériennes. Les contributions comprennent la conception d'un système pratique d'acquisition LiDAR pour les vergers, la construction d'une base de données structurée et réutilisable, et un cadre permettant de transférer des modèles entraînés sur des données synthétiques vers des mesures réelles sans étiquetage manuel. En outre, une représentation enrichie du nuage de points est proposée, étendant les coordonnées cartésiennes standard avec des attributs dérivés localement pour prendre en charge l'estimation de la densité de la surface foliaire. Dans l'ensemble, les résultats indiquent que l'intégration du LiDAR à des robots mobiles et à des méthodes basées sur l'apprentissage offre une voie prometteuse vers une caractérisation détaillée et évolutive de la structure et de la variabilité des vergers.