KARSTOLOGIA 53

1er semestre 2009
ISSN 0751 - 7688

Stalagmites et imagerie 3D dans l’aven d’Orgnac
Fédération Française de Spéléologie et Association Française de Karstologie Fédération Française de Spéléologie et Association Française de Revue Karstologie soutenue par l’Institut des Sciences Humaines et Sociales du CNRS

Souhail HAJRI 1, Benjamin SADIER 1-2, Stéphane JAILLET 1, Estelle PLOYON 1, Elisa BOCHE1-3, Aiman CHAKROUN 1, Georges-Marie SAULNIER 1, Jean-Jacques DELANNOY 1
(1) Laboratoire EDYTEM, Université de Savoie, CNRS, 73376 Le Bourget-du-Lac cedex souhail.hajri@univ-savoie.fr (2) Cabinet géomètre G. Perazio, Pont Picard, 38680 Pont-en-Royans (3) Centre national de la Préhistoire, 38, rue du 26e Régiment d’Infanterie, 24000 Périgueux

Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac (Ardèche, France)
(orientation du MNT, cartes des pentes…). La totalité de ces travaux a pu être effectuée sans porter atteinte à l’intégrité des stalagmites ou du site, ici justement classé pour la qualité de son concrétionnement. à l’heure où les questions de conservation et de protection du monde souterrain sont de plus en plus présentes, il semble que le recours à l’analyse 3D sur modèle numérique dense constitue une piste originale qu’il conviendra de développer. MOTS-CLEFS : spéléothèmes, stalagmites translatées, modèle 3D, lasergrammétrie, lidar terrestre, Ardèche, Orgnac. ABSTRACT : SPATIAL AND MORPHOLOGICAL ANALYSIS BY HIGH-RESOLUTION 3D MODELING OF A STALAGMITES FOREST IN ORGNAC’S KARSTIC NETWORK (ARDÈCHE, FRANCE). Stalagmites are relevant paleo-environmental archives but that imply taking-off and destruction of samples for analyses. The recent widespread use of terrestrial lidars allows analyses on numerical clones and let imagine increasing detailed analyses of external geomorphology of stalagmites. A stalagmites forest of room 1 of the Orgnac’s aven (Ardèche, France) was therefore scanned at a high resolution. The points cloud was then meshed to set a TIN model (Triangular Irregulated Network) with a high density (here the average mesh size is equal to 19 mm). An original method was then built up to be able to analyse this 3D model. It aims at extracting and analyse overlaid ellipses using specific algorithms. The work presented here allowed to automatically extract 134 stalagmites and to quantify some of their characteristics (elevation, displacement, azimuth, ellipses axis, etc.). The management of these data leads to use a spatially referenced database : a GIS. Finally, the high-resolution analyses of the external morphology of the stalagmites proved to be able. One or several diachronic phases of object translation were then identified. These translations are associated to a suffusion activity in the underground cavity. The whole stalagmites forest was then analysed in the same way but with linking the acquired information to geometric characteristics of the soil (DTM orientation, slopes map…). All these analyses proved to be able without damaging the stalagmites and the site. Indeed this site is recognised and protected for the quality of its concretions. As conservation and protection of underground world is more and more outlined, such 3D analyses of numerical models may be seen as a promising way that should be developed. KEYWORDS : speleothem, translated stalagmites, 3D model, lasergrammetry, terrestrial lidar, Ardèche, Orgnac.

RÉSUMÉ : L’analyse des morphologies externes des stalagmites est aujourd’hui facilitée par les nouveaux outils comme les lidars terrestres qui autorisent le recours aux mesures sur clone numérique dense. Une forêt de stalagmites de la salle 1 de l’aven d’Orgnac (Ardèche, France) a ainsi fait l’objet d’un levé, scanné à haute résolution. Le nuage de points obtenu a ensuite été maillé pour la réalisation d’un modèle TIN (Triangular Irregulated Network) à haute densité (ici, une maille moyenne de 19 mm). Nous avons ensuite développé une méthodologie propre à traiter ce type de modèle 3D basée sur la reconnaissance et l’extraction d’ellipses superposées en utilisant des algorithmes spécifiques. Le travail effectué a permis l’extraction automatique de 134 stalagmites et d’une série de paramètres (élévation, déplacement, azimut, axe des ellipses etc.) les caractérisant. La gestion de cette information a ensuite imposé le recours à une base de données à référence spatiale (SIG). Au final, il a été possible de travailler finement sur les morphologies externes des stalagmites et d’identifier des ruptures dans la croissance des stalagmites, associées à l’activité d’un soutirage endokarstique. Il a été possible de traiter ces informations sur la totalité de la forêt en les croisant avec les données géométriques du sol

Introduction Depuis une vingtaine d’années, les stalagmites font l’objet d’études notamment sur leur valeur d’archives naturelles enregistrant les variations environnementales [Ford et Williams, 2007 ; Couchoud, 2007, 2008]. En outre, elles constituent des géo-chronomètres fiables

par datation U/Th [Quinif et al., 1993 ; Couchoud, 2008] ou parfois par datation U/Pb [Richards et Dorale, 2003]. Ces études présentent un revers : elles nécessitent le prélèvement de l’échantillon. Analyser une stalagmite implique à ce jour de la prélever, la scier selon l’axe de croissance et d’échantillonner le long

de cet axe. Dans certaines cavités à haute valeur patrimoniale, ou simplement dans des cavités où les concrétions sont peu nombreuses, une telle démarche implique un acte fort qui n’est pas anodin dans un contexte de plus en plus prégnant de conservation. L’analyse des morphologies externes peut être un

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

1

VALLON PONT-D'ARC

PIERRELATTE

AVEN D’ORGNAC
La

L'A

rd

èc

Le Rhône

Figure 1 : Localisation du site d’étude dans le réseau d’Orgnac. Location of the studied place within the Orgnac’s network.

he

Salle 1 Orgnac II
0 500m

PONT-SAINT-ESPRIT
0 10 km

Plafond calcaire

Stalagmites droites

Stalagmites translatées

Rupture dans le remplissage Remplissage argileux

TR

AN

SL

Stalagmites basculées

AT IO

N

Soutirage comblé de matériel remanié

Schéma sans échelle
Figure 2 : Typologie des stalagmites identifiées dans la salle 1 et relation avec l’activité du soutirage endokarstique. Stalagmites typology identified in room 1 and relation with suffosion activity.

vecteur efficace pour limiter les prélèvements des concrétions sous terre. Les morphologies externes des stalagmites ont été utilisées comme support d’informations. Dreybrodt [1988] a ainsi pu

modéliser la morphologie convexe des fronts de croissance des stalagmites en s’appuyant sur les fonctionnements décrits par Franke [1965]. Perrette [2000] a utilisé cette variable (concave ou convexe) du front de croissance pour retracer la variabilité de l’alimentation hydrique de la stalagmite. Cependant les corrélations avec les morphologies externes ne semblent pas évidentes et il a toujours paru délicat d’interpréter la variabilité des morphologies externes des concrétions comme information sur les étapes de leur croissance [Kaufman, 2003]. Dans le réseau d’Orgnac (figure 1), des observations géomorphologiques [Sadier et al., 2004, 2007] ont permis d’identifier des stalagmites ayant une morphologie externe spécifique : les stalagmites translatées (photo 1, figure 2). Ces stalagmites ont été interprétées comme des enregistreurs de la mobilité du sol associée ici à l’activité d’un soutirage endokarstique. En effet, elles reposent, dans le cas d’Orgnac, sur un remplissage argileux qui flue peu à peu en direction du point de soutirage. Le point d’alimentation (au plafond) demeurant fixe et la base se déplaçant de quelques centimètres, la pousse de la stalagmite est décalée à chaque activité du soutirage. Les observations géomorphologiques menées sur le terrain [Sadier et al., 2004] ont permis de montrer qu’il était possible d’utiliser la répartition spatiale de ces stalagmites pour délimiter l’aire d’influence du soutirage. En complément, les datations U/Th et l’analyse de la structure interne sur deux échantillons [Sadier et al., 2007] ont permis de montrer qu’il existe plusieurs phases diachrones de mobilité du sol et donc que

L'Ib ie

ze Cè

Photo 1 : Les stalagmites translatées de la salle 1 d’Orgnac II présentent un coude caractéristique durant leur croissance. C’est la mobilité du sol (ici en relation avec l’activité d’un soutirage karstique) qui explique la translation de l’objet alors que l’alimentation provenant du plafond reste fixe. Cliché Stéphane Jaillet. Shifted stalagmites in room 1 of Orgnac II show a characteristic bend while growing. The shifts may be explain by soil mobility (in connection with a karstic racking) while the ceiling supply remains stationary.

2

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

Photo 2 : Le scanner Leica HDS6000 lors de l’acquisition d’un nuage de points. Il est associé ici à une station totale (tachéomètre) pour la topométrie des sphères permettant l’alignement et le géo-référencement du modèle. Cliché Stéphane Jaillet. The Leica HDS6000 scanner during points acquisition phase. It is here associated to a total station (tachometer) for the topometry of spheres used for alignment and geo-referencing of the model.

l’enregistrement proposé par les stalagmites translatées ne résultait pas d’un unique événement. Etudier les stalagmites translatées apparaît comme une piste intéressante pour appréhender l’évolution spéléogénique d’un réseau, ici liée à des soutirages endokarstiques. Pour aller plus loin dans cette analyse de l’enregistrement par translation, il convenait de multiplier les données en travaillant sur un plus grand nombre d’échantillons. Mais il n’était pas envisageable, dans ce site classé, de multiplier les prélèvements. Or l’utilisation des lidars terrestres (laserscanning 3D) permet d’analyser ces formes naturelles sans même les atteindre [Jaillet et al., 2009]. De plus, l’acquisition rapide de nuages de points autorise d’envisager de travailler sur des secteurs de grande dimension. Ainsi, le recours au clone numérique, permet de traiter une population plus importante de stalagmites sans porter atteinte à leur intégrité. L’objet de cet article est de présenter un travail de lasergrammétrie sur une forêt de stalagmites de l’aven d’Orgnac : Grand site de France depuis 2004, classé au titre des sites depuis 1946 (et 1974 pour les nouveaux réseaux). L’enjeu de ce travail est triple : (i) procéder à une analyse non destructive des échantillons, sans parcourir la forêt de stalagmites afin de garantir la conservation du site ; (ii) atteindre une certaine exhaustivité dans l’analyse de la forêt pour ne pas réduire l’interprétation à un échantillon unique mais bien la développer à l’échelle de la totalité des objets et (iii) montrer qu’il est possible de valoriser ce travail au-delà de la simple reconnaissance de formes, mais bien de dégager des informations qui servent in fine les reconstitutions spéléogéniques déjà avancées sur le réseau [Delannoy et al., 2007]. Après avoir présenté les techniques d’acquisition des nuages de points sur le

terrain et de construction du modèle 3D, nous montrerons en quoi le développement spécifique de méthodes de segmentation a permis d’extraire de manière automatique chaque objet de la forêt de stalagmites. Cette partie a nécessité le développement d’un outil spécifique (logiciel interne) pour traiter cette question. En second lieu, une analyse fine des morphologies externes des concrétions montrera quel enregistrement il a été possible de faire ressortir. Finalement, l’organisation des résultats sous forme de base de données à référent spatial (Système d’Information Géographique) permet de structurer les résultats et d’atteindre l’objectif d’un travail exhaustif sur la totalité de l’objet investigué.

I. Un modèle 3D de la forêt de stalagmites d’Orgnac II Parmi les différents secteurs riches en stalagmites translatées, le choix s’est porté sur la salle 1 d’Orgnac II, derrière l’étroit passage qui livra la clé des nouveaux réseaux [Trébuchon, 2000] (figure 1). La forêt de stalagmites se situe en bordure du cheminement mis en place pour la visite spéléologique réglementée de la cavité [Tocino, 2007]. Il est possible de faire le tour de l’objet sans y pénétrer et de maintenir ainsi son intégrité.
A. Acquisition des données : le nuage de points

Deux séances de lasergrammétrie ont été effectuées. Dans un premier temps, le travail a été réalisé avec un scanner Optech Ilris 3D [Sadier et al.,

2006 ; Jaillet, 2007 ; Jaillet et al., 2009]. Cependant, ce lidar, adapté à la mesure longue portée, fonctionnant avec une technologie basée sur le temps de vol, induit un bruit centimétrique dans le nuage de points, trop important pour notre problématique. De ce fait, le nuage de points a été réacquis avec un scanner Leica HDS 6000 mieux adapté à ce type de travail en milieu souterrain (photo 2). La méthode de mesure est basée sur le décalage de phase (précision inframillimétrique) et la fenêtre de travail est un dôme de 360° en rotation et varie de +90° à – 65° en vertical. La scène a été levée à partir de quatre positions de scan. Le pas du levé de scan était de 6,3 mm à 10 m. Il s’agit d’un pas moyen, qui dépend de l’éloignement du scanner aux objets scannés. Il est donné ici à titre indicatif à distance fixe. Cependant, la dimension générale de la forêt de stalagmites et la multiplication des points de vue ont permis l’obtention d’un nuage de points suffisamment dense (avec un pas infracentimétrique) et compatible avec les questionnements associés à cette étude. Des sphères de géo-référencement positionnées dans la scène (photo 2) ont été scannées à très haute résolution afin de procéder à un ajustement et à un alignement des nuages de points selon les centroïdes des sphères. Cette méthode a été complétée par une procédure de best-fit sur les nuages de points, consolidant et validant leurs alignements réciproques. Il s’agit de procédures d’alignement des nuages de points basées sur la reconnaissance et l’alignement des formes naturelles présentes dans le nuage. Avec une telle

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

3

Figure 3 : Le nuage de points après assemblage des différentes scènes et suppression des secteurs non retenus pour l’étude. Noter le travail de suppression des points sélectionnés (colorés ici en « rose ») par l’opérateur sur une partie d’un nuage de points afin d’obtenir un nuage débarrassé des artefacts de scan ou des problèmes de « voile de mariée ». Hauteur approximative de la plus grande concrétion : 1 m environ. Points cloud after scenes merging and removal of invalidated places. Please note the manual removal of selected points (drawn in pink) on part of the cloud. This avoids scan artefacts or « wedding veil » problems. Highest concretion height is about 1 m. Figure 4 : Modèle TIN, après prétraitement, obtenu avec 3DReshaper d’une partie d’un nuage de points 3D représentant la forêt de stalagmites de l’aven d’Orgnac. Ce modèle contient 276 031 points et 546 139 triangles. TIN post-treated model built with 3DReshaper of part of the 3D points cloud of the Orgnac’s stalagmites forest. This model contains 276031 points and 546139 triangles.

densité de points, l’incertitude du recalage est très bonne (inframillimétrique). L’ensemble de ces traitements a été réalisé en partie sous la suite logicielle de retro-ingénierie Polyworks©, puis sous le logiciel Realworks© et permet in fine d’obtenir un nuage de points dense de 99 939 161 de points (pour la totalité du volume souterrain scanné). Seule la partie la plus intéressante, la forêt de stalagmites proprement dite, soit un espace de 72 m2, a été conservée pour la suite de l’étude soit 10 % du nuage initial.

B. Elimination, nettoyage, filtrage Les points relevant du plafond de la salle ou des secteurs ne comportant pas de concrétions translatées ont été éliminés. Une analyse du plafond et des stalactites pouvait être tentée mais les résolutions de scan étant ici encore trop limitées, ce travail n’a pas été réalisé. Il peut subsister aussi quelques points aberrants dans la scène, liés à des problèmes de réflexion ou à des effets de bords (voiles de mariée qui sont la marque des points mal positionnés, car tangents aux objets scannés). Ces points sont la plupart du temps éliminés « à la main » (figure 3). En plus de l’élimination des points aberrants, un processus de filtrage permet (i) d’éliminer les points redondants (liés au

recouvrement des scènes de scan), (ii) d’uniformiser la densité du nuage de points par ré-échantillonnage, (iii) de lisser le nuage de points afin de diminuer les rugosités liées au bruit de mesure. Des fonctions de filtrage sont offertes par Polyworks© et 3DReshaper©. Différents traitements s’appliquent aux données 3D brutes [Curless, 1999 ; Girod et al., 2000 ; Boehler et al., 2002]. Ce nettoyage par filtrage consiste à supprimer les points trop loin de la surface théorique. Il y a deux possibilités pour appliquer ce filtrage : soit par ajustement de l’intensité (un seuil) : suivant la valeur de cette intensité, on supprime plus au moins de points ; soit par découpage avec un critère de distance: séparation du nuage de points en plusieurs nuages dont la distance minimum est la valeur indiquée par l’opérateur. A l’issue de ce traitement il est paradoxalement délicat de définir le pas moyen du nuage de points. En effet, en l’absence de topologie (information de voisinage entre points), il n’est pas possible de mesurer la distance entre deux points sans critère a priori. Ce pas peut être apprécié par la densité (rapport du nombre de points au volume de la plus petite boîte englobant ces points), mais cela ne permet pas d’apprécier la dispersion. C’est finalement le regard du « naturaliste » qui permet d’assurer d’une certaine conformité entre le nuage de points et la forme investiguée. Ce contrôle est effectué par un certain nombre de mesures « point à point » sur le nuage. Il a montré ici que le « pas » était le plus souvent inférieur à 5 mm, c’est-à-dire proche des paramètres annoncés par le scanner.

C. Du nuage au maillage triangulaire C’est finalement à partir d’un fichier de 8 310 322 points que l’objet d’environ 72 m2 (dimension 6 m x 12 m) a été maillé. Le logiciel 3DReshaper© s’est avéré ici le plus efficace pour ce type de traitement1 et a permis de générer un maillage triangulaire irrégulier à une maille moyenne défini par l’utilisateur. On parle alors de modèle TIN ou même de HRTINM (High Resolution Triangular Irregular Network Model) pour ce type d’objet numérique à maille continue. Du nuage de 8,3 millions de points, plusieurs modèles, à des mailles de 15 mm, 20 et 35 mm ont été générés. C’est finalement le modèle à maille dense (15 mm ; 814 891 faces triangulaires) qui a été retenu car s’approchant au plus près

1. C’est un vrai mailleur 3D, c’est-à-dire qu’il cherche à créer une topologie dans le nuage de points et non un mailleur 2,5D qui utilise la normale des points et réalise le maillage sur un plan de référence, généralement le plan perpendiculaire à l’axe de scan.

4

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

de la réalité de l’objet naturel : des stalagmites d’une dizaine de centimètres de section et de moins d’un mètre de hauteur (figures 4 et 5). Cette maille est la moyenne de la longueur des arêtes des triangles du modèle. Nos développements internes permettent cependant de recalculer cette longueur d’arêtes en sortie de traitement logiciel. Avec une maille choisie à 15 mm en entrée de traitement sur 3DReshaper©, on obtient une longueur d’arête moyenne e de 19 mm avec un écart-type de 4 mm. La distribution par classes des longueurs obéit à une loi de Gauss (figure 6). L’écart type est faible, ce qui montre la faible dispersion de la population des arêtes et donc la régularité satisfaisante du modèle pourtant à maille irrégulière. Cette valeur e (ici 19 mm) devient ainsi la référence pour la suite du traitement et une certaine limite dans les interprétations qui vont suivre. Avant de passer au traitement suivant, il convient de vérifier la conformité du modèle, c’est-à-dire s’assurer qu’il ne comporte aucune erreur de topologie. En effet, lors de la triangulation (maillage), des faces anormales sont très fréquemment générées. Il peut s’agir de (i) faces non-manifold : si une arête appartient à trois facettes ou plus ; (ii) faces croisées : si les arêtes d’une facette traversent une autre facette ; (iii) faces redondantes : le nombre d’arêtes et de faces qui appartiennent à un même sommet doit être identique ; (iv) faces allongées (« pics ») : une facette allongée peut être identifiée en fonction de plusieurs critères : longueur d’arête, rapport base/hauteur, rapport arête maximale/arête minimale… ; (v) faces instables (inversées) : une facette est instable lorsque sa normale présente une incohérence par rapport aux autres facettes. Ces erreurs peuvent être dues à un filtrage insuffisant du bruit, à des paramètres de triangulation incorrects (création d’arêtes entre des sommets ne devant pas être reliés, par exemple), ou à des formes d’objets très complexes (objets présentant plusieurs détails fins, par exemple). Si visuellement le résultat de l’algorithme de maillage de 3DReshaper© est très satisfaisant (figures 4 et 5), il convient néanmoins de s’assurer de la cohérence topologique de ce modèle, c’est-à-dire l’absence des anomalies évoquées ci-dessus, pour envisager des traitements plus avancés telle que la segmentation 3D. Pour vérifier et même corriger ces éventuelles incohérences dans le modèle TIN, on l’exporte sous Polyworks© et plus précisément sous le module IMedit. La fonction de détection d’anomalies offertes par ce module comptabilise ces erreurs (tableau 1). Ces défauts ont pu être corrigés par le module IMedit de Polyworks©. Une autre

Figure 5 : Modèle triangulaire à haute résolution (HRTIN Model). Il s’agit véritablement d’une peau numérique à maille irrégulière mais continue. Le modèle ne contient ici aucune erreur topologique. Il est sans trou, le traitement peut débuter. Hauteur approximative de la concrétion de gauche : 1 m environ. High-resolution triangular model (HRTIN model). It may be seen as a numerical skin, irregular but continuous. No topologic error neither hole can be found within the model. Treatment can then start. Left-side concretion height is about 1m.

7000 6000 5000
Effectif
Figure 6 : Distribution gaussienne des longueurs d’arêtes du modèle TIN. Moyenne = 19 mm, écart-type = 4 mm. Gaussian distribution of edges lengths. Average = 19 mm, standard deviation = 4 mm.

4000 3000 2000 1000 0

0

0,01

0,01

0,02

0,03

0,03

intervention est également Nombre de faces 814 891 envisageable. Elle consiste Nombre de sommets 411 804 à « boucher les trous » qui peuvent subsister dans le Faces Non manifold 1 modèle. Ces trous, dus à une Faces redondantes 11 absence de faces, peuvent avoir plusieurs origines : (i) Faces croisées 0 absence de données: la zone Faces instables 56 n’a pas été scannée correctement (problèmes de Faces allongées 0 masques sur le terrain) ; (ii) processus de maillage ineffiTableau 1 : Analyse du maillage (HRTINM) de la forêt de cace : les trous apparaissent lorsque la densité stalagmites de l’aven d’Orgnac d’une zone est plus faible que sur le reste de crée sous 3DReshaper. la vue ; (iii) mauvais nettoyage de bruit : les Meshing analyse of the facettes anormales sont supprimées ; (iv) stalagmite forest of Orgnacs’s processus de recalage : il arrive couramment aven (built with 3DReshaper). que l’assemblage des vues entraîne la création de trous. Les trous dans un maillage qui n’avaient pas été complétés de façon automatique peuvent être bouchés, le plus souvent

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

0,04

KARSTOLOGIA n° 53, 2009 • 1-14

5

z y x

Stalagmite

Sommets du TIN Sommets projetés Modèle TIN (maille e) Pas de travail Epaisseur du plan

Plan i-2 n-2 Plan i-1 n-1 Plan ide travail (courant) Plan i+1 n+1
D R R D

Autre stalagmite

Maille e Distance minimum entre 2 stalagmites Paramètre de densité DBSCAN

Figure 7 : Principe de la méthode du plan mobile (selon l’axe z). Différents paramètres peuvent être choisis lors du traitement : le pas du plan mobile, l’épaisseur du plan, la distance entre deux stalagmites, le rayon de travail de l’algorithme DBSCAN. Tous ces paramètres sont définis en fonction de la moyenne de la maille du modèle TIN : e. Mobile plan method (against Z axis). Some parameters can be chosen for treatments : mobile plane step, plane width, distance threshold between two stalagmites, radius for DBSCAN algorithm. All these parameters are defined as a function of the average TIN mesh size : e.

manuellement, à l’aide des deux modeleurs Polyworks© et 3DReshaper. Le remplissage d’un trou se fait suivant la courbure locale donnée par la surface qui entoure ce trou. Cette opération n’a pas été envisagée ici car elle s’apparente plus à la construction d’informations à vocation purement esthétique, pouvant fausser les résultats en créant de nouveaux triangles sans validité de terrain.

Figure 8 : Projection sur le plan horizontal XY des points 3D du modèle TIN appartenant à une section Si. Traitement et résultat de l’algorithme DBSCAN sur le nuage de points d’une section S. Noter les ellipses ainsi extraites, mais aussi les problèmes d’assemblage de portions extraites. Projection against XY plane of the TIN model 3D points belonging to section Si. Treatments and results of DBSCAN algorithm applied to the 3D points cloud of a section S. Note the extracted ellipses and the difficulties in merging some of the extracted portions.

II. Classification et segmentation des stalagmites L’objectif étant l’identification et la caractérisation morphologique des stalagmites, deux étapes ont été nécessaires : extraire les points du maillage 3D qui se trouvent sur les stalagmites du reste de la scène d’une part, et produire des modèles cartographiques des concrétions d’autre part. Ce dernier point est basé sur l’ajustement de primitives géométriques : des ellipses. La méthode mise en place, est basée sur le principe qu’une stalagmite peut être

modélisée par une succession d’ellipses superposées suivant l’altitude (z) (figures 7 et 8). Les observations menées sur le terrain et à partir du modèle 3D montrent que l’ellipse est la forme la plus proche des sections de stalagmites investiguées ici. L’extraction des stalagmites devient alors un problème d’extraction des classes de points 3D de formes elliptiques obtenues par intersections des plans perpendiculaires à l’axe Z et le modèle 3D de la scène (figure 7). Trois étapes sont appliquées à chaque plan (section) d’intersection. Pour chaque section Si (ou plan), un ensemble de données 3D contenant tous les points du modèle TIN ayant des altitudes comprises entre Zi et Zi +/- h*e est défini (i: numéro d’ordre du plan ; h compris entre 1 et 3 ; e : maille moyenne du modèle TIN). On considère que le plan de travail « possède » une certaine épaisseur et qu’il recoupe les sommets du modèle TIN (figure 7). Une première étape basée sur l’algorithme de classification DBSCAN (Density Based Spatial Clustering of Applications with Noise) [Ester et al., 1996], permet l’identification des clusters de points 3D, denses et de formes arbitraires présentes dans une section Si. Une deuxième étape a pour but de ne garder que les clusters de formes elliptiques (figure 7). L’identification et la caractérisation de ces clusters elliptiques se font par la méthode d’Andrew Fitzgibbon d’ajustement d’ellipses [Fitzgibbon et al., 1999]. Celle-ci consiste à ajuster au mieux un modèle (ici la primitive géométrique ellipse) sur des données 3D qui sont dans le cas présent les vertex du modèle TIN. Enfin, une dernière étape affecte les clusters elliptiques aux stalagmites correspondantes et traite les cas de fusion entre stalagmites. Ces différentes étapes d’extraction des stalagmites sont maintenant détaillées dans leurs aspects respectifs et précisent les choix réalisés pour mener à bien l’identification et la caractérisation des stalagmites.

Z

DBSCAN

6

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

A. Extraction des clusters denses

A chaque section Si, un ensemble de points du modèle TIN ayant des altitudes comprises entre Zi et Zi-ε est extrait (figure 6). Un premier traitement consistant à extraire les clusters (les groupes) denses et de formes arbitraires est nécessaire et nous avons fait le choix d’utiliser l’algorithme DBSCAN : un algorithme de classification « non supervisé » basé sur la notion de densité. Les clusters identifiés sont des régions denses séparées par des régions qui le sont moins. DBSCAN repose sur l’utilisation de deux paramètres liés à la densité : le rayon maximum du voisinage d’un objet R et le nombre minimum d’objets, MinPts, qui doit être contenu dans ce voisinage pour considérer la zone comme dense. L’usage de DBSCAN nécessite un choix adéquat entre de ces deux paramètres de densité. La valeur 2 est affectée à MinPts et on choisit R = 2*e avec e égal à la distance moyenne entre deux points du modèle 3D. Dans notre cas, le modèle est un maillage 3D, donc e correspond à la longueur moyenne d’une arête du maillage. Comme cela a déjà été mentionné, elle est de 19 mm (figure 6). L’algorithme DBSCAN permet de considérer des clusters de formes arbitraires telles que sphériques, étirées, linéaires, allongées, concentriques… Identifier automatiquement et seulement les régions de haute densité de points permet à l’algorithme de s’affranchir du bruit qui peut exister autour d’un cluster dense et qui peut influencer la phase de modélisation des stalagmites (ajustement d’ellipse). Au final, le résultat du traitement est un ensemble de clusters de formes différentes. Les clusters de forte densité ayant été extraits, il s’agit dès lors d’extraire seulement les formes elliptiques, formes susceptibles de représenter des sections de stalagmites.
B. Ajustement d’ellipse

L’une des tâches usuelles en reconnaissance de formes (identification) est d’ajuster une primitive géométrique à un ensemble de points. Cet ajustement consiste à chercher la primitive M, de type connu, défini par les paramètres a (de forme et de position), qui ajuste « au

mieux » un ensemble de données {xi}1 ≤ i ≤ N . La morphologie des stalagmites nous a conduits à choisir l’ellipse comme primitive géométrique. C’est l’un des modèles les plus étudiés encore aujourd’hui (scènes industrielles, médicales, biologiques…). Deux méthodes ont été envisagées pour ajuster et détecter cette primitive : (i) les méthodes par vote/classification, telles que les méthodes basées sur la transformée de Hough [Leavers, 1992 ; Yuen et al., 1989 ; Yin et al., 1992 ; Wu et Wang, 1993], sur l’algorithme de RANSAC [Rosin, 1993 ; Werman et Geyzel, 1995], sur le filtre de Kalman [Porrill, 1990 ; Rosin et West, 1995] et celles relevant du partitionnement flou [Davé et Bhaswan., 1992; Gath et Hoory, 1995] et (ii) les méthodes d’optimisation ou de moindre carré [Haralick et Shapiro, 1993; Bookstein, 1979; Taubin, 1991 ; Sampson, 1992 ; Gander et al., 1994]. Les premières techniques sont robustes au bruit présent dans les données (les points aberrants) mais sont malheureusement lentes, imprécises et demandent un grand espace mémoire. Les autres méthodes sont basées sur l’optimisation d’une fonction « coût 2 » qui ajuste « au mieux » une ellipse sur un nuage de points donné. Les avantages de ces dernières méthodes sont leur rapidité et leur précision. Par contre, elles sont trop sensibles à la présence de points aberrants dans les données. Dans le cas de cette forêt de stalagmites, ce problème a été en partie résolu grâce à l’utilisation de DBSCAN pour le prétraitement des données, c’està-dire l’extraction des classes denses et de formes arbitraires. En général, ces techniques sont basées sur un processus de minimisation aux moindres carrés itératif basé sur l’expression algébrique de l’ellipse (ou la conique en général). Ce processus est « coûteux ». De plus, dans un contexte bruité et incomplet, il peut devenir instable et fournir une solution non elliptique. Récemment, une méthode d’ajustement robuste et non itérative intégrant directement la contrainte d’ellipticité a été proposée [Fitzgibbon et al., 1999]. Elle est déjà implémentée sous MATLAB© et disponible sur le web 3. La solution est obtenue simple-

ment en résolvant un système aux valeurs propres généralisées. Une première segmentation par DBSCAN fournit des classes de points de formes arbitraires sur lesquelles est appliqué l’algorithme de Fitzgibbon afin d’identifier celles de formes elliptiques et qui sont susceptibles de représenter des stalagmites. Il existe deux contraintes à ajouter au processus d’identification (processus d’ajustement d’ellipses basé sur la méthode de Fitzgibbon) des classes elliptiques pour s’assurer qu’elles caractérisent bien des concrétions. - Première contrainte : observé sur le terrain, le contour d’une stalagmite, suivant une coupe transversale, est proche d’un cercle. Cette propriété nous amène à ne garder que les classes de formes elliptiques pas trop allongées, i.e. la longueur de demi-grand axe de l’ellipse est inférieur au double de la longueur de demi-petit axe ; C1 = L ≤ 2 .

l

- Deuxième contrainte : l’opérateur doit fixer le rayon maximal pour les stalagmites à extraire ; C1 = L ≤ rmax . L’ajout de ces contraintes à la méthode d’ajustement d’ellipses de Fitzgibbon nous permet de mieux segmenter les contours des stalagmites suivant une section transversale Si (figure 8) et permet de simplifier les données à traiter et donc d’accélérer le processus d’identification.
C. Affectation des clusters aux stalagmites correspondantes

Cette méthode d’extraction des stalagmites est basée sur le déplacement d’un plan mobile suivant l’axe Z (figure 7). Chaque classe de forme elliptique extraite à une section Si, est traitée selon trois cas possibles : (i) elle fait partie d’une stalagmite déjà extraite et est affectée à une liste de classes déjà identifiées ; (ii) elle définit le début (la tête) d’une nouvelle stalagmite ou (iii) il s’agit d’un cas de fusion de deux stalagmites et elle représentera cette fusion. Afin de différencier ces trois cas, on utilise la mesure des distances entre les centres des classes elliptiques identifiées à des sections successives comme paramètre de classification. On note ainsi les paramètres : Ei : une classe de forme elliptique (ou

2. Coût s’entend ici au sens informatique, c’est-à-dire consommateur de temps et de mémoire. 3. http://research.microsoft.com/en-us/um/people/awf/ellipse/fitellipse.html

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

7

Figure 9 : Résultat de la méthode d’ajustement d’ellipses d’Andrew Fitzgibbon. Results when applying Andrew Fitzgibbon’s ellipses fitting method.

TEST n°
1 2 3 4 5 6 7 8 9

Pas
1e 1e 1e 1e 2e 1e 1e 1e 1e

Epaisseur
+2e/-2e +1e/-1e +1e/-1e +1,5e/-1,5e +2e/-2e +2e/-2e +1,5e/-1,5e +2,5e/-2,5e +2,5e/-2,5e

Distance min
3e 2e 3e 3e 3e 2e 4e 2e 3e

Stalagmites détectées
136 112 125 134 88 123 128 118 131

Tableau 2 : Série de tests d’extraction automatique des stalagmites en fonction de différents paramètres : le pas entre deux plans (ou sections i), l’épaisseur de ce plan (+/- h*e) et la distance minimale entre deux stalagmites. Automatic stalagmites extractions using following parameters : distance between two planes (or sections i), plane’s width (+/- h*e) and minimal distance threshold between two stalagmites. Figure 10 : Résultat d’identification d’une petite partie de la forêt des stalagmites pour un modèle TIN de résolution 15 mm (14063 points et 27536 triangles). (a) avec détection de la fusion des deux stalagmites. (b) sans détection de la fusion. On note une meilleure identification des stalagmites pour des zones moins larges (une dizaine de stalagmites représentant presque les mêmes caractéristiques géomorphologiques). Le temps d’exécution est ici de 15 secondes. Recognition results on part of the stalagmites forest when using a 15 mm resolution TIN (14063 points and 27536 triangles). (a) Detection of merging stalagmites. (b) Without merging detection. A better recognition is done when applied on small regions (dozens of stalagmites having similar geomorphologic characteristics). CPU time processing is about 15 s.

l’ellipse) extraite par la méthode de Fitzgibbon à la ième section Si ; Si : la ième section contenant les points du modèle TIN ayant des altitudes comprises entre Zi et Zi-h*e (e est la longueur moyenne des arêtes du maillage, h est le coefficient d’épaisseur du plan mobile compris entre 1 et 3). Pour le premier cas et à chaque ellipse Ei de la section Si, on calcule la distance euclidienne d entre son centre et le centre de la plus proche ellipse Ei-1 de la section précédente Si-1. Si d est inférieure à un seuil ε1 alors la classe elliptique Ei appartient à une stalagmite déjà identifiée et sera donc ajoutée à la liste correspondante qui contient la classe Ei-1. Le seuil ε1 représente le décalage entre deux sections transversales et successives d’une stalagmite.

On a donc : ε1 = n x e avec n = 2 ou 3 et e : longueur moyenne des arêtes du maillage. En général, on attribue la valeur 2 à n dans le cas des stalagmites bien verticales et la valeur 3 dans le cas où les stalagmites sont trop inclinées par rapport à la verticale. On évite de dépasser la valeur trois pour ne pas tomber dans le cas de fusion des stalagmites expliqué ci-dessous (figures 6 et 8). Dans le deuxième cas, si Ei n’appartient pas à une suite d’ellipses déjà extraites car la distance d est assez grande (d > ε1) pour qu’elle puisse être ajoutée à une stalagmite existante, alors on réalise le test de cas de fusion entre deux stalagmites. Il suffit de mesurer la distance euclidienne dmoy entre son centre et le centre moyen des deux plus proches ellipses Ei-1 et E’i-1 de la section précédente Si-1. Si dmoy est inférieure à un seuil ε2 alors la classe elliptique Ei représente une fusion (figure 9) des deux stalagmites qui contiennent Ei-1 et E’i-1. Sinon Ei ne peut être que le début d’une nouvelle concrétion. Une fois que tous les clusters elliptiques sont affectés aux stalagmites correspondantes, il reste à vérifier une dernière contrainte C3 avant d’afficher le résultat d’identification des concrétions (figures 8 et 9). Cette contrainte C3 impose l’hypothèse qu’une stalagmite est constituée au minimum par 2 sections (ellipses). A l’issue de ce traitement, le modèle 3D est segmenté et la forêt de stalagmites est automatiquement extraite. Neuf tests (tableau 2) ont été réalisés faisant varier le pas entre deux plans (ou sections i), l’épaisseur de ce plan (+/- h*e) et la distance minimale entre deux stalagmites. Le rayon de voisinage l’algorithme DBSCAN est fixé égal à cette distance minimale. Les résultats en sortie de traitement sont variables selon ces paramètres. Le nombre de stalagmites détectées varie ainsi de 88 à 136. Tous ces tests sont globalement très satisfaisants, même si dans certains cas la continuité des ellipses les unes au-dessus des autres n’est pas assurée,

8

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

ou si dans d’autres cas deux stalagmites ne sont pas distinguées. Une part de la validation s’opère donc « à l’œil » directement sur le modèle 3D. Pour la suite de l’étude, nous avons choisi de retenir le test n°4 qui, avec un pas de 1e et une épaisseur limitée (+/- 1,5 e), assure l’extraction de 134 stalagmites. Avec le projet de traiter l’ensemble de la forêt de stalagmites, il convenait de retenir un des tests ayant maximisé le nombre de stalagmites détectées. Au-delà de ce mode extraction et du modèle 3D coloré (figures 10, 11 et 12), on dispose d’un tableau de synthèse pour chacune des stalagmites de la forêt avec un certain nombre de paramètres afférents. L’exploitation des données peut alors débuter.

III. Exploitation des données : de la morphologie de chaque échantillon à l’étude spatiale de la forêt de stalagmites De la forêt des 134 stalagmites (photo 3), une exploitation des données a été menée pour une analyse géomorphologique et géographique de l’objet. Cette valorisation a été déclinée sous deux formes: (i) une analyse de la morphologie externe des concrétions et (ii) une gestion sous base SIG de l’ensemble de la forêt extraite. En effet, les paramètres extraits automatiquement servent à caractériser au mieux l’objet d’étude et permettent dans la suite l’exploitation des données. Il s’agit notamment (figure 13) : - (i) de la position X, Y, Z des centres de chaque ellipse ; - (ii) des longueurs (a) et largeur (b) de chaque ellipse ;

Figure 11 : Exemple de résultat d’extraction d’une partie de la forêt de stalagmites. Noter les stalagmites droites et basculées, bien extraites du modèle et les stalagmites tombées au sol, non extraites. Extraction result example on part of the stalagmites forest. Note the straight and leaned stalagmites accurately extracted from the model and the fallen stalagmites non-extracted.

- (iii) de l’orientation par rapport au nord (axe Y) du grand axe de chaque ellipse ; - (iv) de l’élévation et de la distance projetée (centre de l’ellipse de base à centre de l’ellipse sommitale) ;

Figure 12 : Résultat d’identification d’une autre partie (341 229 points et 675 661 triangles) de la forêt des stalagmites de l’aven d’Orgnac ; le rayon maximal est fixé à 0,25 m. La distance minimale entre deux stalagmites dmin > = 4*e, où e est la longueur moyenne d’une arête du modèle TIN de résolution 15 mm. Le temps d’exécution est de quelques minutes (entre 5 et 7 min). Recognition result on other part of the Orgnac’s stalagmite forest (341229 points and 675661 triangles). Maximum radius is set to 0,25 m. Minimal distance threshold between two stalagmites dmin is greater or equal to 4*e with e the average length of TIN edges (resolution 15 mm). CPU time processing is about a few minutes (ranging from 5 to 7 minutes). Photographie 3 : Vue générale de la forêt de stalagmites étudiée. Noter les sphères servant au recalage des scènes et au géo-référencement. Le scanner employé ici est un Optech Ilris 3D. Cliché Stéphane Jaillet. General view of the studied stalagmite forest. Note the spheres used for scenes merging and geo-referencing. The scanner used here is an Optech Ilris 3D.

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

9

Z

Ellipse sommitale

Y
Elévation

Distance géodesique

azimut D b D

azimut a a

coord. Y base

D

b

a

Ellipse de base
coord. X base

D : Déplacement projeté

X

Figure 13 : Vue idéale d’une stalagmite translatée et des différentes mesures extraites automatiquement du traitement informatique réalisé (coordonnées X, Y, Z) du centre de l’ellipse de base, diamètres a et b de cette ellipse, azimut de l’axe a, hauteur E de la stalagmite, déplacement D entre base et sommet, azimut de ce déplacement, distance géodésique. Idealistic view of a translated stalagmites and of the automatic numerical measurements (X, Y, Z coordinates) of the ellipse centre, its a and b diameters, its axe’s a azimuth, its height E, its shifting D between base and submit, this shift’s azimuth and its geodesic distance.

- (v) de la distance géodésique (somme des distances séparant deux centres d’ellipses consécutifs) ; - (vi) de l’azimut du déplacement (centre de l’ellipse de base vers le centre de l’ellipse sommitale). Tous ces paramètres permettent de traiter rapidement une information dense et riche sur la totalité de la forêt de stalagmites. Quelques-uns sont présentés dans le tableau 3.
A. Les morphologies externes des concrétions

sation répond à des questions géomorphologiques claires quant à l’évolution du site. En effet, l’analyse spéléogénétique de l’aven d’Orgnac a mis en avant un important colmatage [Renault, 1967 ; Jaillet et al., 2007]. Une part importante de ces sédiments est en cours d’évacuation par soutirage. La particularité morphologique des stalagmites étudiées ici a permis d’identifier l’emprise spatiale du ou des soutirages et certaines modalités de leur fonctionnement. Mesurer l’action du soutirage revient à mesurer le décalage entre la base et le sommet du coude de la stalagmite. Cependant, il a été noté sur le terrain que certaines stalagmites sont basculées et non translatées (figure 2). Dans ce cas, elles ont subi une rotation de leur base et ne peuvent plus être considérées comme enregistreuses de la mobilité par translation du sol argileux. Pour étudier cette mobilité, il est ici proposé de considérer le centre de la stalagmite (ici centre de chacune des ellipses) comme étant l’axe principal de la pousse des concrétions. L’étude de sections polies de quatre spéléothèmes de cette forêt l’a montré par ailleurs [Sadier et al., 2007]. Dès lors, la mesure et la comparaison des coordonnées X, Y, Z du centre des ellipses successives d’une même stalagmite permettent d’apprécier la translation observée (figure 13). Le pas entre chaque ellipse est le pas choisi lors de la procédure d’extraction. Ici, pour

STALAGMITE TRONCONNEE

COUPE DEVELOPPEE

C’est une information majeure qui a été extraite. Il est en effet possible d’interpréter la géométrie externe des stalagmites pour mieux comprendre leur croissance et l’évolution géomorphologique du site. Ce type de valoriDistance géodésique
1,295 0,022 0,254 0,256

Elévation (m)
Max Min Moyenne Ecart-type 1,254 0,018 0,243 0,250

Déplacement horizontal (m)
0,258 0,001 0,038 0,043

Axe A (m)
0,237 0,021 0,072 0,035

Axe B (m)
0,212 0,014 0,054 0,028
Axe vertical
0 1 2 3 4 5 6 7 8 cm

Tableau 3 : Caractéristiques principales de la population des 134 stalagmites de la forêt de concrétions d’Orgnac. Main characteristics derived from the 134 stalagmites in Orgnac’s stalagmites forest. Figure 14 : Analyse de la croissance sur une des stalagmites extraites du modèle 3D. La stalagmite (ou plutôt son clone numérique) est tronçonnée selon un plan horizontal mobile. Les sections extraites permettent d’analyser la variation spatiale des centroïdes des ellipses successives. On identifie ici (en coupe développée et en plan) deux phases de translation marquées par les flèches orange. Elles témoignent de la mobilité du support de la stalagmite au cours du temps, le point d’alimentation restant fixe. Growing rate analysis of one of the extracted stalagmite from the 3D model. The stalagmite (rather its numerical clone) is sliced horizontally. The slices allow then quantifying the spatial variability of the ellipses centres. Two translation phases (orange arrows) were identified. This proves the displacement of the stalagmite’s support with time, while the sourcing point remaining stable.

Axe horizontal

PLAN
2

Axe Nord/Sud

0

1

2

3 cm

Axe Est/Ouest

10

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

les besoins du traitement sur un échantillon démonstratif, nous avons descendu ce pas à 10 mm. La figure 14 montre la méthodologie générale appliquée à la mesure de la translation sur cette stalagmite. Ici, cette analyse permet de mesurer finement une translation généralisée de l’ordre de 8 mm mais aussi de faire ressortir que la stalagmite a enregistré deux phases de soutirages avec deux directions différentes de translation, une NE/SW et l’autre SW/NE. La projection des centroïdes des ellipses successives, en plan et sur une coupe développée (figure 14), fait clairement apparaître ces deux phases diachrones de translation qui ponctuent la croissance de la stalagmite. Une plus grande acuité dans la lecture du phénomène est obtenue ici, puisque jusqu’à présent, il ne pouvait être relevé manuellement (à la boussole, photo page de couverture) qu’une direction majeure [Sadier et al., 2004] et il n’était pas possible de mesurer la valeur des deux translations enregistrées dans la stalagmite. Ce travail de détail, mené à l’échelle de l’échantillon et de la série d’ellipses qui le compose montre les potentialités d’une telle approche pour un travail de quantification d’un phénomène comme un soutirage endokarstique. Il devient possible de détecter et de mesurer des enregistrements morphologiques fins, pas toujours visibles à l’œil nu ou lissés dans un signal global dont le détail échappe en première analyse. Si la méthode montre toute sa puissance en termes de potentiel d’analyse sur les morphologies externes des concrétions, elle s’applique, on l’aura compris, sur un ensemble important de stalagmites. Cet ensemble impose le recours à une gestion de l’information sous forme de base de données.
B. Un SIG pour une gestion efficace de l’information

20 18 16 14 12 10 8 6 4 2

C’est sur la base de ce fond topographique que l’analyse de l’ensemble de la forêt de stalagmites a été menée sous la double entrée suivante : orientation du déplacement et importance du déplacement.
Orientation des déplacements

Pour toutes ces orientations, huit classes ont été retenues. Elles correspondent aux directions cardinales majeures et à leur bissectrice, à savoir : nord, nord-est, est, sud-est, sud, sud-ouest, ouest et nord-ouest. La distribution par classe (figure 15) ne permet pas, en première analyse, de faire ressortir une classe dominante. Sur le terrain, il a été possible de procéder à une série de mesures de directions de déplacement entre la base et le sommet de 25 stalagmites. L’erreur entre l’orientation produite par le traitement sur modèle 3D et la mesure sur le terrain varie de 5 à 175°. Nous avons comparé cette erreur avec l’intensité du déplacement projeté (figure 16). Or ce déplacement varie de 0,001 m à 0,25 m (tableau 3). On constate qu’au-delà d’un déplacement projeté (entre la base et le sommet) de 7 cm, l’erreur est acceptable. Nous faisons donc le choix de ne retenir pour l’analyse du soutirage, que les stalagmites ayant connu une translation supérieure à cette valeur. Seules 18 stalagmites (sur 134) répondent à

Nord-Ouest

Sud-Ouest

Sud-Est

Nord-Est

Ouest

Est

Nord

Sud

0

Figure 15 : Distribution, par classe de direction, de la population des 134 stalagmites retenues à l’issue de la segmentation (couleurs claires) et des 18 stalagmites retenues à l’issue du tri par longueur du déplacement (couleurs soutenues). Sur les 134 stalagmites, toutes les classes sont relativement bien représentées et il est délicat d’identifier une direction significative de la dynamique de soutirage recherchée ici. Cependant le tri par longueur du déplacement (seuil 7 cm) montre que, sur les 18 stalagmites retenues, la classe nord-ouest est la plus importante. Directions statistical distribution of the 134 stalagmites kept at the end of the segmentation process (light color) and of the 18 stalagmites kept after the sorting process by length of displacement (dark color). The distribution of the 134 stalagmites is quite homogenous and it is difficult to identified one direction as the most significant in terms of spatial dynamics looked for in this work. However, the sorting by length of displacement (>7cm), which allows to keep only 18 stalagmites shows that the NW orientation dominates.

Figure 16 : Représentation de l’erreur mesurée sur le terrain et du déplacement proposé par le traitement sur modèle 3D. Au-delà de 7 cm, l’erreur est acceptable. Cette valeur marque la limite de la méthode. Comparison between on-field measured error and displacement proposed by 3D model extraction. The error is acceptable, over 7 cm. This value is the limit of the method.

L’outil SIG (Système d’Information Géographique) s’est imposé pour la gestion, le traitement et l’exploitation de ces données (ici sous logiciel ArcGis©). A cette base de données, nous avons ajouté une couche d’information indispensable : la topographie du sol. Elle a été extraite du modèle 3D de l’ensemble du site en ne retenant qu’une série de points pertinents au sol et en faisant abstraction des stalagmites. Le MNT (modèle numérique de terrain) a été construit sous forme d’une grille à pas régulier : 0,25 m. Ce premier traitement permet de proposer un fond de carte du site d’étude : carte en courbes de niveaux avec une équidistance de 0,1 m. Il permet ainsi de générer des cartes des pentes ou des orientations de pentes.

180

135 Erreur terrain / modèle

Pas de scan ( 5 mm approximatif) Maille moyenne du TIN (19 mm) Limite de la méthode

90

45

0 0,00 0,05 0,10 Déplacement horizontal (m) 0,15 0,20

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

11

Figure 17 : Distribution 0.3 des déplacements horizontaux par classes 0.25 directionnelles. Pour chaque classe, la boîte 0.2 représente 50 % de la 0.15 distribution. La barre horizontale dans la boîte 0.1 est la médiane. Les moustaches hautes et 0.05 basses représentent 90 % 0 de la distribution. Les points au-delà -0.05 des moustaches représentent les valeurs qui dépassent 90 %. Horizontal displacements distribution. For each class, box represents 50 % of the cette condition. La distribution par classe de distribution. Horizontal bar ces 18 stalagmites retenues (figure 15) montre within a box represents the que la population nord-ouest est la plus reprémedian. High and low moustaches represent the 90 % sentée. Un déplacement relatif dans la croisconfidence interval. Out bounds sance de stalagmite vers le nord-ouest est points corresponds to values significatif d’un déplacement réel du sol vers beyond the 90 % confidence le sud-est et c’est justement vers le sud-est interval.
Déplacement horizontal (m)

de la zone investiguée que se situe le soutirage. La méthode (limitée aux stalagmites retenues) semble donc valide sur ce point.
Intensité du déplacement

dans la croissance des stalagmites rassemblées ici dans cette classe directionnelle. Pour mieux identifier les stalagmites translatées, il convenait de chercher un critère de tri automatique. Nous avons fait le choix de comparer la distance géodésique (somme des distances séparant deux centres d’ellipses successives) à l’hypoténuse (distance entre le centre de l’ellipse de base et le centre de l’ellipse sommitale). Plus une stalagmite est translatée, plus la distance géodésique va être importante au regard de l’hypoténuse. La figure 18 représente le graphe de corrélation. La corrélation est très forte, cependant certains points s’éloignent de la droite y = x. Cet éloignement est la marque des concrétions translatées ayant une distance géodésique plus forte que leur hypoténuse. Ces stalagmites sont identifiées ici par une flèche. On note que le critère seuil de déplacement (inférieur ou supérieur à 7 cm) marqué par des points bleus ou rouges n’est pas lié à ce tri.
Analyse spatiale

Nord-Ouest

Sud-Est

Est

Sud-Ouest

Nord-Est

Ouest

Nord

Sud

Figure 18 : Corrélation entre l’hypoténuse (distance du centre de l’ellipse de base au centre de l’ellipse sommitale) et la distance géodésique (somme des distances séparant deux centres d’ellipses successives). Les échantillons sont différenciés selon le critère de déplacement horizontal (inférieur à 7 cm en bleu ; supérieur à 7 cm en rouge). Correlation between hypothenus (slope distance between basal ellipse centre and top ellipse centre) and geodesic distance (total distances between two successive ellipse centre). The samples are differentiated according to the criteria of horizontal displacement (<7cm: blue ; > 7cm : red).

La distribution de l’intensité des déplacements est représentée par classes directionnelles (figure 17) selon la méthode des boîtes et moustaches. Chaque boîte représente 50 % de la distribution, la barre centrale, la médiane et les moustaches, 90 % de cette distribution. Les valeurs au-delà sont représentées par des points. Ces valeurs extrêmes sont le fait justement des stalagmites basculées et ne correspondent pas à un enregistrement de la translation associée au soutirage. On constate ici, que la direction nord-ouest, en violet (traduisant une translation du sol vers le sud-est) est caractérisée par trois indicateurs : (i) la plus large plage de gamme de déplacements (boîte 50 %) ; (ii) des moustaches courtes (90 %) et (iii) l’absence de valeurs extrêmes. Il s’agit d’une distribution « en cloche », peu étalée qui pourrait révéler le bon enregistrement de la translation du sol

1.4 1.2 Hypoténuse 1 0.8 0.6 0.4 0.2 0 0 0.2 0.4 0.6 0.8 1 Distance géodésique 1.2 1.4
Distance projetée (avec seuil à 7 cm)

La représentation spatiale des stalagmites par classe d’orientation de déplacement a été réalisée (figure 19). Sur cette figure (carte de gauche), on représente à la fois les classes d’orientation du sol (grille de 0,25 m) et les directions des stalagmites 4. Il apparaît que, dans certains secteurs (partie nord et partie sud de la carte), le sol présente majoritairement une pente orientée sud-est correspondant à l’attractivité du soutirage de la salle 1, situé effectivement dans cette direction. Les stalagmites significatives qui présentent un déplacement supérieur à 7 cm sont marquées d’un trait noir épais. Parmi celles-ci, certaines présentent effectivement une orientation nord-ouest correspondant à une mobilité sudest du sol. La gestion des données sous SIG permet de les identifier et ainsi d’orienter les stratégies de prélèvement qui peuvent être conduites afin d’affiner la connaissance de l’enregistrement par translation. L’intensité du déplacement est analysée en croisant cartographiquement la carte des pentes (figure 19, carte de droite), avec la valeur de ce déplacement. Ces pentes sont

< à 7cm > à 7cm

Distance géodé

sique

Hypoténuse

4. Il a de même été représenté sur la carte 19 gauche, l’orientation de l’axe A de l’ellipse de base de chacune des stalagmites. En première approximation, on pouvait supposer que cet axe d’allongement préférentiel pouvait être corrélé avec la direction de translation, mais il n’en est rien. Cette orientation de l’axe A pourrait plutôt s’expliquer par la variabilité directionnelle des gouttes d’eau qui alimentent le plafond et c’est peut-être dans l’orientation des courants d’air du réseau qu’il faudrait chercher l’explication. Le drain majeur est justement plutôt nord-sud et c’est une direction qui est assez bien représentée dans la population. En l’absence de mesure in situ de ces courants d’air, il est assez difficile d’aller plus avant sur ce point.

12

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

Elevation

KARSTOLOGIA n° 53, 2009 • 1-14

classées en 5 classes et le déplacement est représenté en valeur et en orientation réelle, dans le sens sommet - base. On constate que les déplacements les plus importants sont dans la partie centrale de la zone étudiée, là où paradoxalement la pente n’est pas la plus intense. La vérification sur le terrain montre qu’il s’agit parfois de stalagmites basculées (figure 2). Elles ne sont pas à rattacher aux stalagmites translatées recherchées ici. A l’inverse, dans les secteurs à pente plus importante, plusieurs stalagmites translatées révèlent des déplacements, généralement infradécimétriques, mais qui sont en accord avec les directions recherchées, associées à la présence du soutirage dans le sud-est de la carte. L’analyse spatiale conduite sur la forêt segmentée des stalagmites a permis de montrer qu’il était possible d’identifier les classes directionnelles préférentielles associées à la dynamique géomorphologique recherchée. Cependant, la distribution des directions, les seuils de pertinence de déplacement, la répartition géographique des stalagmites, les corrélations avec l’intensité des pentes ou l’orientation du MNT montrent que l’enregistrement du soutirage ne concerne pas toutes les stalagmites. Cet enregistrement semble ne concerner que certaines stalagmites et le travail présenté ici permet justement de les identifier.

0

2m

N

Classes d'orientation (sol et stalagmites)
Nord Nord-Ouest Nord-Est

Importance du déplacement (en mètres)
0.001 0.01

Classes des pentes du MNT du sol (en degrès)
1.5 - 12 12 - 19.5 19.5 - 27.5

Ouest Sud-Ouest Sud

Est

0.1
Sud-Est

27.5 - 37 37 - 53

Localisation stalagmites (carte de droite). Orientation de l'axe A des stalagmites (carte de gauche). L'orientation des stalagmites est présentée par la couleur et par une flèche directionnelle. Ces orientations sont calculées de la base vers le sommet (carte de gauche). Les stalagmites pertinentes (déplacement supérieur à 7 cm) ont un contour plus épais. Les orientations au sol correspondent à la ligne de plus grande pente de chaque portion du modèle numérique de terrain. La maille du raster est de 0.25 m (carte de gauche)
Equidistance des courbes de niveaux : 0,1 m

Discussions et conclusions L’objectif du travail présenté ici était triple: il s’agissait de montrer qu’il était possible (i) de travailler sur des formations stalagmitiques sans les perturber, ni même parcourir la zone d’étude, ceci motivé ici par des soucis de conservation du site ; (ii) de travailler avec une approche « complète », sur la totalité de l’objet et non de limiter l’étude à un échantillon unique et (iii) d’extraire de manière automatique un certain nombre d’informations et de paramètres apportant une certaine réponse sur des questions géomorphologiques préalablement établies par le développement de méthodes informatiques adaptées. Sur ces trois points, il a été possible de montrer l’intérêt de la méthode. En effet, le recours au scanner laser a permis de relever sur le terrain un nuage de points à haute densité et de traiter ce nuage. Celui-ci, assemblé, filtré, nettoyé a ensuite été maillé pour obtenir un modèle TIN à maille fine (19 mm), véritable clone numérique de la forêt de stalagmites sur lequel le traitement a pu débuter. Ce traitement a été mené sur la totalité de la forêt. Il a consisté en une segmentation du modèle et a permis d’extraire 134 objets. Pour chacun de ces objets (une suite d’ellipses superposées et classées), des informations

automatiques ont été extraites : élévation, orientation, distance géodésique, azimut, axe A et B des ellipses, etc. Ces informations ont permis d’analyser la translation de la stalagmite au cours de sa croissance, translation liée à la mobilité du sol, lui-même sous la dépendance du soutirage endokarstique identifié dans le secteur. L’outil SIG a également été utilisé pour traiter la totalité des informations et les croiser spatialement. Il a permis de reconnaître les directions supposées être associées à la dynamique du soutirage ou de comparer l’importance du déplacement par rapport à la vigueur de la pente du sol. En limitant l’analyse à une population pertinente de stalagmites (celles ayant connu un déplacement supérieur à 7 cm), le travail a permis de dégager une classe directionnelle préférentielle dans les directions de mobilité. Par contre, s’il n’a pas été possible de corréler clairement l’importance du déplacement à la pente du sol, cela tient essentiellement à la variabilité des stalagmites représentées dans la forêt. Celles-ci ne sont pas synchrones [Sadier et al., 2007] et n’ont donc pas pu enregistrer ensemble la mobilité du sol. Un certain nombre d’entre

Figure 19 : Résultats cartographiques des traitements réalisés sous système d’information géographique. à gauche, les orientations des déplacements des concrétions (de la base vers le sommet) sont comparées avec l’orientation du sol, selon huit classes directionnelles. Sur cette même carte, l’orientation de l’axe A de l’ellipse de base est représentée à titre indicatif. A droite, l’importance du déplacement, cette fois du sommet vers la base (le symbole est proportionnel à ce déplacement et correctement orienté) est comparée avec la carte des pentes (5 classes exprimées en degrés). Maps of treatment done within a Geographic Information System. On left side, displacement orientations (from the base to the submit) are compared to the soil orientation against height direction classes. On this same map, orientation of A axis of base ellipse is drawn for information. On right side, displacement amplitude (symbol is proportional to this amplitude and correctly oriented) is compared to the slopes map (5 classes, unit in degrees).

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-19

13

elles sont basculées et bien qu’elles soient constituées d’une suite d’ellipses, elles ne constituent pas un enregistrement de la mobilité du sol. Pour les distinguer, plusieurs critères de tri ont été testés. Le rapport hypoténuse/distance géodésique semble pertinent, notamment pour distinguer les stalagmites basculées de celles translatées. Il conviendra, à l’avenir, de poursuivre ce type de tri sur modèle 3D afin d’automatiser encore plus les procédures d’identification des objets recherchés qui répondent au mieux à la problématique posée au départ. De l’objet endokarstique complexe (une forêt de stalagmites) au modèle numérique 3D, il a été montré ici que le recours à l’analyse sur clone numérique autorise des traitements poussés sur la totalité de l’objet sans jamais porter
Bibliographie
BOEHLER W., HEINZ G., MARBS A. & S IEBOLD M., 2002 - 3d scanning software : An introduction. In Proc. of the CIPA WG6 Int. Workshop on scanning for cultural heritage recording, pp. 42 - 47. BOOKS TEIN F.-L., 1979 - Fitting conic sections to scattered data. Computer Graphics and Image Processing, 9: 56 - 71. COUCHOUD I., 2007 - Intérêt de l’analyse pétrographique des spéléothèmes pour les reconstitutions paléoenvironnementales. Karstologia n°50, pp. 9-18. COUCHOUD I., 2008 - Les spéléothèmes, archives des variations paléoenvironnementales. Quaternaire vol. 19, n°4, pp. 255-274. CURLES S B., 1999 - From range scans to 3d models. SIGGRAPH Computer Graphics, 33 (4) : 38 – 41. DAVÉ R.-N. & BHAS WAN K., 1992 Adaptive fuzzy c-shells clustering and detection of ellipses. IEEE Trans. Neural Networks, 3 : 643 - 662. DELANNOY J.-J., JAILLET S ., FUDRAL S ., GAS QUET D., KAUFMANN O., S ABAUT M. & PLOYON E., 2007 - L’aven d’Orgnac : un jalon karstique pour la reconstitution paléogéographique de l’interfluve Ardèche/Cèze. L’aven d’Orgnac: valorisation touristique, apports scientifiques, Coll. EDYTEM, Cahiers de Géographie n°5, pp. 117-147. DREYBRODT W., 1988 - Processes in Karst Systems, Springer, Berlin. ES TER M., KREIGEL H.-P., S ANDER J. & XU X., 1996 - A density based algorithm for discovering clusters in large spatial databases with noise. In 2nd International Conference on Knowledge Discovery and Data Mining, pp. 226-231. FITZGIBBON A., PILU M. & FIS HER R.-B., 1999 - Direct least-squares fitting of ellipses, IEEE Transactions on Pattern Analysis and Machine Intelligence, 21 (5), 476-480. FORD D. & WILLIAMS P., 2007 - Karst hydrogeology and geomorphology.

atteinte à l’intégrité de cet objet. Loin d’être une méthode alternative aux études menées sur les stalagmites, cette approche se veut complémentaire aux analyses conduites actuellement (structures internes des spéléothèmes, géochimie, géochronologie…) et ne saurait les remplacer. Au contraire, conduite avec efficacité et préalablement à ces analyses destructives, la méthode 3D sur modèle numérique pourrait permettre de replacer ces analyses dans un cadre plus large et permettrait d’orienter avec plus d’efficacité les stratégies de prélèvement. En outre, dans un souci légitime et croissant de préservation du milieu souterrain, cette méthode externe, qui limite les interventions sur le terrain, permettrait de conserver une mémoire numérique des stalagmites qui feraient

éventuellement l’objet des prélèvements nécessaires aux analyses internes que la méthode aurait justement orientés. Objets emblématiques du milieu souterrain, riches d’une information environnementale sans cesse démontrée, les stalagmites méritent bien cette attention.
Remerciements
Cette étude a été réalisée dans le cadre d’une bourse BDI CNRS (Thèse Hajri) et de travaux de recherches menés sur l’aven d’Orgnac et financés par la DIREN RhôneAlpes et la commune d’Orgnac-l’aven. Un certain nombre de personnes ont participé aux travaux d’acquisition des données sur le terrain et nous tenons à les en remercier. Il s’agit de Didier Cailhol, Isabelle Couchoud, Yago Delannoy, Russell Drysdale, Juliette Gauchon, Emmanuel Malet, Anne-Sophie Perroux, Françoise Prud’homme, Stéphane Tocino et Matthieu Thomas.

J. Wileys & Sons, Ltd, Chischester, England, 562 p. FRANKE H.-W., 1965 - The theory behind stalagmite shape. Studies in speleology, vol. 1, parts 2-3, pp. 88-95 GANDER W., GOLUB G.-H. & STREBEL R., 1994 - Least-square fitting of circles and ellipses. BIT, 43 : 558 - 578. GATH I. & HOORY D., 1995 - Fuzzy clustering of elliptic ring-shaped clusters. Pattern Recognition Letters, 16 : 727 - 741. GIROD B., GREINER G. & NIEMANN H., 2000 - Principles of 3D Image Analysis and Synthesis. Kluwer Academic Publisher, Boston-DordrechtLondon. HARALICK R.-M. & S HAPIRO L.-G., 1993 - Computer and Robot Vision, vol. 1. Addison-Wesley. JAILLET S ., 2007 - Volume souterrain 3D et laserscanning. L’aven d’Orgnac, valorisation touristique, apports scientifiques, Coll EDYTEM n°5, Annexe 2, pp. 154-155. JAILLET S ., DELANNOY J.-J., BERS IHAND J.-L., NOURY M., SADIER B. & TOCINO S., 2007 - L’aven d’Orgnac : un grand réseau paragénétique, étude spéléogénétique des grands volumes karstifiés. L’aven d’Orgnac : valorisation touristique, apports scientifiques, Coll. EDYTEM, Cahiers de Géographie n°5, pp. 57-77. JAILLET S ., S ADIER B., DELANNOY J.-J. & PLOYON E., 2009 Identification de morphologies pariétales en grotte à partir d’un lever laser 3D. Application aux salles rouges de l’Aven d’Orgnac (Ardèche, France). Actes du colloque "Techniques Laser pour l’Etude des environnements naturels et urbains", SFPT, accepté, sous presse. KAUFMANN G., 2003 - Stalagmite growth and palaeo-climate : the numerical perspective. Earth and Planetary Science Letters, Vol. 214, Issues 1-2, pp. 251-266 LEAVERS V.-F., 1992 - Shape Detection in Computer Vision Using the Hough Transform. Springer-Verlag.

PERRETTE Y., 2000 - Etude de la structure interne des stalagmites : contribution à la connaissance géographique des évolutions environnementales du Vercors (France). Développement et application d’une approche multiparamètre des archives stalagmitiques. Thèse Université de Savoie, 324 p. PORRILL J., 1990 - Fitting ellipses and predicting confidence envelopes using a bias corrected Kalman filter. Image Vision and Computing, 8 (1), 1140-1153. QUINIF Y., GENTY D. & MAIRE R., 1993 - Les spéléothèmes : un outil performant pour les études paléoclimatiques. Bull. Soc géol France, n°165 (6), pp. 603-612. RENAULT P., 1967 - Contribution à l’étude des actions mécaniques dans la spéléogenèse. Thèse d’Etat. Ann. de Spéléologie, t. 22 (1967) et t. 23 (1968), 600 p. RICHARDS D.-A. & DORALE J.-A., 2003 - Uranium series chronology and environmental applications of speleothems. Reviews in Mineralogy and Geochemistry, n°52 (1), pp. 407-460. ROS IN P.-L., 1993 - Ellipse fitting by accumulating five-point fits. Pattern Recognition Letters, 14, 661 – 699. ROS IN P.-L. & WES T G.-A.-W., 1995 - Nonparametric segmentation of curves into various representations. IEEE Trans. PAMI, 17, 1140 – 1153. S ADIER B., JAILLET S ., DELANNOY J.-J., PERROUX A.-S. & PERRETTE Y., 2004 - Mise en évidence d’un soutirage dans des remplissages endokarstiques par l’étude des formes et de la répartition des stalagmites (réseau Orgnac-Issirac, Ardèche, France). Poster Livret du colloque Han-sur-Lesse 2004, Les séries sédimentaires endokarstiques : mémoires de l’environnement, résumé 1p. S ADIER B., JAILLET S . & PERRETTE Y., 2006 - La topographie 3D haute résolution : un outil pour l’étude des structures karstiques. Poster et Actes Colloque Hydrogéologie Karstique – Neuchâtel, Sept. 2006, pp. 235-236.

S ADIER B., PERROUX A.-S ., PERRETTE Y., DELANNOY J.-J., QUINIF Y. & KAUFFMAN O., 2007 L’aven d’Orgnac : Etude des remplissages, mémoires des dynamiques spéléogéniques post-paragénétiques. L’aven d’Orgnac : valorisation touristique, apports scientifiques, Coll. EDYTEM, Cahiers de Géographie n°5, pp. 79-98. S AMPS ON P.-D., 1992 - Fitting conic sections to very scattered data : An iterative refinement of the bookstein algorithm. Computer Graphics and Image Processing, 18 : 97 – 108. TAUBIN G., 1991 - Estimation of planar curves, surfaces and non-planar space curves defined by implicit equations with applications to edge and range image segmentation. IEEE Trans. PAMI, 13 (11) : 1115 – 1138. TOCINO S ., 2007 - La gestion des réseaux d’Orgnac-Issirac : un exemple original de valorisation de réseaux souterrains fragiles et à haute valeur patrimoniale. L’aven d’Orgnac : valorisation touristique, apports scientifiques, Coll. EDYTEM, n°5, pp. 36-37. TREBUCHON J., 2000 - La saga de l’Aven d’Orgnac Issirac. L’épopée d’une fantastique découverte souterraine et ses ahurissantes conséquences, autoéd., 243p. WERMAN M. & GEYZEL G., 1995 Fitting a second degree curve in the presence of error. IEEE Trans. PAMI, 17 (2) : 207 – 211. WU W.-Y. & WANG M.-J.-J., 1993 Elliptical object detection by using its Pattern geometric properties. Recognition, 26 : 1499 - 1509. YUEN H.-K., ILLINGWORTH J. & KITTLER J., 1989 - Detecting partially occluded ellipses using the Hough transform. Image Vision and Computing, 7 (1) : 31 - 37. YIN R.-K.-K., TAM P.-K.-S . & LEUNG N.-K., 1992 - Modification of Hough transform for circles and ellipses detection using 2-D array. Pattern Recognition, 25 : 1007 - 1022.

14

S. HAJRI, B. SADIER, S. JAILLET et al, Analyse spatiale et morphologique d’une forêt de stalagmites par modélisation 3D dans le réseau d’Orgnac

KARSTOLOGIA n° 53, 2009 • 1-14

Sign up to vote on this title
UsefulNot useful