coclico

COmparaison de CLassIfication par rapport à une référence COmmune

Ce projet est en cours de développement

Principe

L'objectif de ce code est de pouvoir comparer les résultats de deux processus de classification de données LiDAR par rapport à une classification de référence.

Les résultats sont comparés par le calcul de plusieurs métriques, dont sont ensuite tirés des scores compris entre 0 et 1. Ces métriques sont calculées de façon indépendante pour chaque classe mentionnée dans un fichier de configuration.

Pour l'instant les métriques implémentées sont :

• MPAP0 (Métrique point à point 0) : calcul d'une note à partir de la comparaison du nombre de points pour chaque classe entre le résultat et la référence
• MPLA0 (Métrique planimétrique 0) : calcul d'une note à partir de l'intersection et l'union de cartes de classes 2D entre le résultat et la référence
• MALT0 (Métrique altimétrique 0) : calcul d'une note à partir de la différence en Z entre le résultat et la référence sur un raster de type "modèle numérique de surface" à partir des points de la classe donnée, calculée uniquement pour les pixels qui contiennent des points pour cette classe dans la dalle de référence.
• MOBJ0 (Métrique par objet 0) : calcul d'une note à partir des instances d'objets détectées dans le résultat et la référence puis associées entre elles pour identifier les sur- et sous-détections au niveau des objets plutôt que des points.

Les différentes métriques associées aux différentes classes sont ensuite aggrégées à l'aide d'une somme pondérée par l'importance de chaque métrique pour chaque classe

Plus de détails sur les métriques dans la page de documentation associée à chaque métrique (dossier doc) ainsi que dans les docstrings des fonctions associées à chaque métrique.

Ce projet utilise une infrastructure de gestion de production par ordinateur IGN GPAO développée au sein de l'IGNF pour la parallélisation des calculs.

Installation

Ce code utilise mamba pour l'installation de l'environnement python (et suppose qu'une version de mamba ou micromamba existe sur l'ordinateur sur lequel on veut installer le programme)

Pour installer micromamba, voir https://mamba.readthedocs.io/en/latest/micromamba-installation.html#umamba-install

Sous windows :

• lancer Miniforge Prompt
• y exectuer install_or_update.bat

Sous linux :

• lancer un terminal
• y executer make install

Usage

Commande

Sous Windows : lancer Miniforge Prompt

Sous Linux : lancer un terminal

Dans les 2 cas :

Activer l'environnement conda :

conda activate coclico

Lancer l'utilitaire avec la commande suivante :

python -m coclico.main -i <C1> <C2> \
                       --ref <REF> \
                       --out <OUT> \
                       --gpao-hostname <GPAO_HOSTNAME> \
                       --local-store-path <LOCAL_STORE_PATH> \
                       --runner-store-path <RUNNER_STORE_PATH> \
                       --project-name <PROJECT_NAME> \
                       --config-file <CONFIG_FILE> \
                       --unlock

ou

python -m coclico.main -i <C1> <C2> \
                       -r <REF> \
                       -o <OUT> \
                       -g <GPAO_HOSTNAME> \
                       -l <LOCAL_STORE_PATH> \
                       -s <RUNNER_STORE_PATH> \
                       -p <PROJECT_NAME> \
                       -c <CONFIG_FILE> \
                       -u

options:

• -i INPUT [INPUT ...], --input INPUT [INPUT ...] Dossier(s) contenant une ou plusieurs classification(s) à comparer. ex: -i /chemin/c1 chemin/c2
• -r REF, --ref REF Dossier contenant la classification de référence
• -o OUT, --out OUT Dossier de sortie de la comparaison
• -l LOCAL_STORE_PATH, --local-store-path LOCAL_STORE_PATH Chemin vers un store commun sur le PC qui lance ce script
• -s RUNNER_STORE_PATH, --runner-store-path RUNNER_STORE_PATH Chemin vers un store commun sur les clients GPAO (Unix path)
• -g GPAO_HOSTNAME, --gpao-hostname GPAO_HOSTNAME Hostname du serveur GPAO
• -p PROJECT_NAME, --project-name PROJECT_NAME Nom de projet pour la GPAO
• -c CONFIG_FILE, --config-file CONFIG_FILE (Optionel) Fichier yaml contenant les paramètres utilisés pour chaque classe/ métrique si on veut utiliser d'autres valeurs que le défaut
• -u, --unlock Ajouter une étape de pré-processing pour corriger l'encodage des fichiers issus de TerraScan (unlock) Attention: l'entête des fichiers d'entrée sera modifiée !

Fichier de configuration des paramètres de calcul des notes pour chaque métrique, et des poids pour chaque classe

Le fichier de configuration pour chaque classe / métrique est un fichier yaml du type :

metric1:
  weights:
    "1": 1
    "2": 2
    "3_4": 2
  notes:
    threshold_value: 1000
    under_threshold:
      min_point:
      metric: 20
      note: 1
    above_threshold:
      min_point:
      metric: 0
      note: 1

metric2:
  weights:
    "1": 1
    "2": 0
    "3_4": 2
  notes:
    threshold_value: 1000
    above_threshold:
        min_point:
        metric: 0
        note: 1

Au premier niveau : les métriques, qui doivent correspondre aux clés du dictionnaire METRICS décrit dans coclico/metrics/listing.py

Au second niveau, le fichier contient les informations relatives aux poids donnés aux classes et les détails de calcul des notes.

Au 3e niveau (côté poids) : les classes Chaque clé de classe peut contenir (placé entre guillemets):

• un nom de classe
• ou un sous-ensemble des classes contenues dans les fichiers LAS séparées par un tiret (_). Dans ce cas, c'est dans le code de chaque métrique qu'est décidée la façon de regrouper les classes (eg. somme du compte des points sur l'ensemble des classes pour MPAP0)

Au 3e niveau (côté notes) : Cette partie dépend de la métrique concernée, elle est décrite dans la page de documentation correspondant à chaque métrique (dans le dossier doc)

Contribuer

Ce dépôt utiliser des pre-commits pour le formattage du code. Avant de d'ajouter des changements, veillez à lancer make install-precommit pour installer les precommit hooks.

Pour lancer les tests : make testing