Pour l'exécution de ses levés hydrographiques,
le SHOM (service hydrographique et océanographique
de la marine) exploite deux sondeurs multifaisceaux. Bien
que ces systèmes fournissent des données
de grande qualité, celles-ci comportent régulièremen
des mesures erronées qu'il faut détecter
et éliminer. Les méthodes d'épuration
manuelles utilisées actuellement sont efficaces
mais nécessitent un temps de traitement important,
particulièrement dans le cas des levés par
petits fonds.
Afin de réduire le coût que représente
cette phase d'épuration des données, le
SHOM a développé des algorithmes de détection
automatique de sondes douteuses. Le présent article
décrit un nouvel algorithme basé sur la
théorie des estimateurs robustes. La modélisation
locale des reliefs par une surface d'ordre 2 s'appuie
sur un W-estimateur. De forts écarts mesurés
entre les profondeurs réelles et le modèle
désignent alors les sondes douteuses. Cet algorithme
a été testé sur différents
jeux de données bathymétriques. Il permet
d'obtenir de bons résultats et ne requiert que
deux paramètres de contrôle.
Cet algorithme a été intégré
dans l'outil d'épuration développé
au SHOM. L'algorithme de détection est tout d'abord
appliqué sur le jeu de données brutes. L'opérateur
contrôle ensuite les sondes douteuses. Les premiers
tests réalisés à bord ont montré
que l'on pouvait ainsi réduire considérablement
le temps de traitement.
The french naval hydrographie and oceanographic service
(SHOM) operates two MultiBeam Echo for hydrographic
surveys. Even if these systems allow to obtain data
with high quality, erroneous soundings subsist that
must be detected and cleaned. Cleaning methods actually
used are manual. They ensure a high quality data sets
but they represent a considerable human workload.
To reduce the cost of the data cleaning, SHOM has developed
automatic algorithme to detect dubious soundings. This
paper presents a new algorithm based on the robust estimation
theory. Locally a model surface of order 2 is fitted
using a W-estimator. High residuals between the measured
depth and the model highlight possible outliers. This
algorithm has been tested on different MBES data. lt
allow to obtain good results and requires only two control
parameters.
This algorithm has been integrated in the data cleaning
system developed at SHOM. The raw data set is first
processed by the detection algorithme, then the operator
controls the detected data. The first on board tests
show a dramatic reduction of the processing time with
an increase of quality.
|
- Généralités
- Description de l'algorithme
- Le RGPF
- Introduction de l'estimateur robuste
- Présentation des données
- Application de l'algorithme à l'épuration des quatre
fauchées
- Conclusion
- Annexe
- Bibliographie
|
