Relevé 3D automatisé : l'IA transforme vos acquisitions LiDAR en données exploitables
Le relevé 3D automatisé d'infrastructures consiste à acquérir la géométrie d'un réseau ou d'un ouvrage (voie ferrée, route, tunnel, ligne électrique, canalisation, bâtiment) avec des capteurs LiDAR et des caméras embarqués sur train, véhicule, drone ou sac à dos, puis à laisser l'IA classer automatiquement les milliards de points obtenus : rails, traverses, ballast, poteaux, caténaires, panneaux, chaussée, végétation, bâti.
On passe d'un nuage de points brut, difficile à exploiter, à un inventaire géolocalisé des équipements et à des mesures automatiques (gabarits, distances, dévers, hauteurs).
Pour qui ?
- Gestionnaires d'infrastructures ferroviaires : voie, caténaire, gabarit, végétation.
- Gestionnaires routiers et autoroutiers : chaussée, signalisation, équipements de sécurité.
- Réseaux d'énergie et de télécoms : lignes aériennes, distances de sécurité, végétation.
- Exploitants de tunnels, métros, ports et aéroports.
- Collectivités : jumeaux numériques urbains, inventaire du mobilier et de l'éclairage public.
- Géomètres, topographes et bureaux d'études qui produisent des relevés à grande échelle.
Comment ça fonctionne ?
- Acquisition mobile : LiDAR, caméras et centrale inertielle/GNSS embarqués, à vitesse de circulation.
- Géoréférencement : trajectographie, recalage et fusion des passages.
- Segmentation sémantique : un réseau de neurones 3D attribue une classe à chaque point.
- Extraction d'objets : isolement et vectorisation des équipements (poteaux, signaux, rails, bordures).
- Mesures automatiques : gabarits, écartements, hauteurs de caténaire, distances à la végétation.
- Détection de non-conformités : écarts aux référentiels, objets manquants ou déplacés.
- Intégration : export vers SIG, BIM, GMAO, jumeau numérique.
Expertises mobilisées
- Deep learning sur nuages de points (méthodes IA).
- Annotation 3D avec notre outil Mantis.
- Fusion LiDAR-images pour enrichir la classification.
- Traitement massif de données : téraoctets par campagne (expertise data).
- Géomatique et SIG.
Contraintes et points de vigilance
- Volumes : un réseau national génère des téraoctets de données par jour ; l'architecture de traitement doit être pensée dès le départ.
- Densité variable : la densité de points dépend de la vitesse et de la distance au capteur ; les modèles doivent y être robustes.
- Annotation : constituer une vérité terrain 3D est long et coûteux.
- Classes rares : certains équipements sont peu fréquents mais critiques.
- Précision géométrique : elle conditionne les mesures réglementaires (gabarit, distances électriques).
Exemple concret
SNCF Réseau et l'ONERA ont développé un réseau de neurones de segmentation sémantique de nuages de points ferroviaires, robuste aux variations de densité. Les résultats publiés au congrès ISPRS de Nice (ISPRS Annals, 2022) :
En exploitation, Altametris, filiale de SNCF Réseau, scanne l'ensemble du réseau toutes les 8 semaines (environ 3 To de données par jour, précision d'environ 5 mm). Les défauts sont signalés automatiquement, ce qui a supprimé plus de 1 000 jours-homme de tournées à pied (Railway Gazette, mars 2026).
Pourquoi Micelia ?
Micelia a développé son propre outil d'annotation de nuages de points, Mantis, pour constituer rapidement des datasets 3D de qualité. Nous entraînons des modèles de segmentation adaptés à vos capteurs et à vos référentiels d'équipements, et industrialisons les chaînes de traitement à grande échelle.
Vous disposez de relevés LiDAR sous-exploités ? Contactez-nous.
FAQ
Quelle différence avec la modélisation 3D automatique ? Le relevé 3D automatisé vise l'inventaire et la mesure à grande échelle sur un réseau ; la modélisation produit une maquette CAO/BIM détaillée d'un site.
Peut-on réutiliser d'anciens relevés ? Oui, ils servent à entraîner les modèles et à établir un état de référence.
Le LiDAR est-il indispensable ? Pour une précision centimétrique à grande vitesse, oui. La photogrammétrie peut suffire pour des besoins moins exigeants.
