malt0.md

MALT0

Description :

Nom complet :

Métrique altimétrique 0

But :

Comparer le profil de hauteur pour chaque classe entre une classification de référence et une classification à comparer.

Cette comparaison est faite à partir des modèles numériques de surface calculés à partir des nuages filtrés pour ne contenir que la classe demandée.

Métrique intrinsèque (calculée indépendemment pour le nuage de référence et le nuage classé à comparer) :

Calcul du MNx (modèle numérique de surface calculé à partir d'une classe donnée) pour chaque classe.

Le MNx est calculé par :

• génération d'une triangulation de Delaunay 2d des points de la classe
• interpolation des valeurs sur un raster à la taille de pixel désirée (pdal faceraster filter)
• masquage à l'aide d'une carte d'occupation (carte binaire à la même résolution que le MNx qui indique si le pixel contient au moins un point de la classe représentée, cf MPLA0). L'idée est d'avoir un MNx qui n'a de valeurs que là où il est pertinent, et la valeur no-data ailleurs.

Résultat :

• pour chaque nuage (référence ou à comparer), un fichier tif contenant une couche par classe qui représente le MNx de la classe donnée là où il est pertinent

Métrique relative (calculée à partir des fichiers intermédiaires en sortie de métrique intrinsèque)

Pour chaque classe, comparer les valeurs des cartes de MNx (height_maps) entre la référence et le nuage à comparer,uniquement sur les pixels où les MNx sont définis dans les deux cartes.

ATTENTION : si les zones de définition du MNx sont très différentes, cette métrique peut être biaisée, il est donc suggéré d'observer les résultats de MPLA0 avec les résultats de MALT0 pour visualiser sur quelle proportion du nuage MALT0 est calculée

Les valeurs de sortie (dans un fichier csv) sont pour chaque classe :

• mean_diff : différence moyenne en z entre les MNx pour chaque pixel (0 si aucun pixel dans la référence)
• mean_diff : différence maximum en z entre les MNx pour chaque pixel (0 si aucun pixel dans la référence)
• std_diff : l'écart-type de la différence en z entre les MNx pour chaque pixel (0 si aucun pixel dans la référence)

Note

La note est calculée à partir des 3 composantes en sortie de la métrique relative (mean_diff, max_diff, std_diff).

Pour chacune des ces 3 composantes, on calcule une valeur intermédiaire (note entre 0 et 1), à partir d'une fonction affine bornée. C'est-à-dire une fonction du type :

              max ________
             /
            /
           /
   _____ min

ou

______min
         \
          \
           \
             max _______

En dessous d'une valeur min de metric et au dessus d'une valeur max de metric, la note vaut 0 ou 1, entre les 2 on utilise une fonction affine pour calculer la valeur de la note.

Ensuite, on calcule une somme pondérée entre ces 3 notes intermédiaires à partir des valeurs de coefficient données en paramètre.

Paramétrage

Poids des classes dans les métriques :

Dans le fichier de configuration.yaml, il faut indiquer les poids de chacune des classes dans le calcul des métriques comme ci dessous :

matl0:  # Nom de la métrique
  weights:
    "2": 56     # La classe 2 a un poids de 56
    "3_4_5": 16  # La classe composée des classes 3, 4 et 5 a un poids de 16

Calcul de la note et paramétrage de la fonction

Dans le fichier de configuration.yaml, il faut indiquer les paramètres de calcul de la note comme ci-dessous :

  notes:
    # Paramètres pour la composante `max_diff` de la note (maximum des différences en z)
    max_diff:
      # Coefficient à appliquer dans le calcul de la note finale (somme pondérée)
      coefficient: 1
      # Coordonnées du point correspondant à la borne min de la fonction affine bornée (valeur de `metric` en dessous de laquelle `note` vaut toujours la valeur précisée ici)
      # Dans l'exemple, si `max_diff` est inférieur à 0.1, la note est à 1
      min_point:
        metric: 0.1
        note: 1
      # Coordonnées du point correspondant à la borne max de la fonction affine bornée (valeur de `metric` au dessus de laquelle `note` vaut toujours la valeur précisée ici)
      # Dans l'exemple, si `max_diff` est supérieur à 4, la note est à 0
      max_point:
        metric: 4
        note: 0
    # Paramètres pour la composante `mean_diff` de la note (moyenne des différences en z)
    mean_diff:
      # Coefficient à appliquer dans le calcul de la note finale (somme pondérée)
      coefficient: 2
      # Coordonnées du point correspondant à la borne min de la fonction affine bornée (valeur de `metric` en dessous de laquelle `note` vaut toujours la valeur précisée ici)
      # Dans l'exemple, si `mean_diff` est inférieur à 0.01, la note est à 1
      min_point:
        metric: 0.01
        note: 1
      # Coordonnées du point correspondant à la borne max de la fonction affine bornée (valeur de `metric` au dessus de laquelle `note` vaut toujours la valeur précisée ici)
      # Dans l'exemple, si `mean_diff` est supérieur à 0.5, la note est à 0
      max_point:
        metric: 0.5
        note: 0
    # Paramètres pour la composante `std_diff` de la note (écart-type des différences en z)
    std_diff:
      # Coefficient à appliquer dans le calcul de la note finale (somme pondérée)
      coefficient: 2
      # Coordonnées du point correspondant à la borne min de la fonction affine bornée (valeur de `metric` en dessous de laquelle `note` vaut toujours la valeur précisée ici)
      # Dans l'exemple, si `std_diff` est inférieur à 0.01, la note est à 1
      min_point:
        metric: 0.01
        note: 1
      # Coordonnées du point correspondant à la borne max de la fonction affine bornée (valeur de `metric` au dessus de laquelle `note` vaut toujours la valeur précisée ici)
      # Dans l'exemple, si `mean_diff` est supérieur à 0.5, la note est à 0
      max_point:
        metric: 0.5
        note: 0