Open

Les analyses de réseaux électriques passent à un niveau supérieur : conformité, mesure et rapports détaillés.

• Vectorisation automatique des poteaux et des lignes électriques

• Outils interactifs pour ajuster et corriger les lignes

• Géométries entièrement modifiables

Les utilisateurs peuvent créer leurs propres profils techniques :

• Seuil d’inclinaison des poteaux

• Distance minimale de garde au sol

• Tolérances pour la détection de conflits

Chaque organisation peut ainsi aligner l’analyse sur ses normes internes.

• Identification automatique des poteaux dépassant l’angle permis

• Génération d’un rapport détaillé comprenant :

  • Localisation précise

  • Angle mesuré

  • Carte de la zone concernée

Une inspection visuelle devient une mesure quantifiée et documentée.

• Calcul de la distance sol–ligne pour chaque segment

• Mise en évidence des sections non conformes

• Rapport cartographique avec localisation précise des segments problématiques

Les corridors électriques deviennent lisibles en un coup d’œil.

• Identification des zones où la végétation entre en conflit avec les lignes

• Localisation des secteurs nécessitant une coupe

• Rapport détaillé avec carte intégrée

La planification de maintenance s’appuie désormais sur des données mesurées.

La fonctionnalité « Entraîner un nouveau modèle » est désormais intégrée au moteur VisionLidar 2.0.

Les utilisateurs peuvent :

• Réentraîner leurs modèles à partir de leurs propres données

• Ajuster un modèle pré-entraîné

• Adapter les performances à leur réalité terrain

• Ajouter de nouvelles classes

• Supprimer des classes inutiles

• Adapter la liste des classes en fonction des PLY importés

Le modèle devient configurable selon vos besoins métier.

Un nouvel outil fait son entrée dans la section Analyse : Détection de lignes.

• Détection et vectorisation d’objets linéaires dans la scène 3D

  • Marquages routiers

  • Câbles

  • Bordures

  • Arêtes structurales

• Application d’un algorithme de simplification

• Production de lignes plus droites et plus propres

• Réduction des sommets inutiles

• Export des lignes vers les formats souhaités

• Intégration fluide dans les environnements CAD, SIG ou BIM

Du nuage dense à la polyligne structurée, en quelques clics.

Nous sommes fiers de présenter VisionLidar 2.0, un nouveau moteur d’apprentissage profond basé sur des technologies de type transformeur, inspirées des architectures de classe ChatGPT.
Cette nouvelle génération offre :

• Jusqu’à 10× plus rapide en inférence

• Jusqu’à 10× plus efficace en mémoire

• Jusqu’à +10 points d’amélioration de précision en classification

Trois nouveaux modèles généralistes sont maintenant disponibles, optimisés pour :

• GeoPlus Mobile

• GeoPlus Aerial

• GeoPlus Indoor

Cette avancée révolutionne les performances tout en améliorant la précision pour tous les types d’acquisitions LiDAR.

L’expérience de classification IA a été entièrement repensée avec une interface moderne en QT, offrant davantage de clarté et d’ergonomie.
Nouvelles fonctionnalités :

• Option Ignorer une classe : excluez certaines classes lors de la classification pour éviter les affectations indésirables.

• Visualisation améliorée des jeux de données et meilleure fluidité du flux de travail.

• Chargement de modèles plus rapide et interactions plus fluides.

Une interface entièrement modernisée pour l’entraînement de modèles est désormais disponible, avec :

• Gestion de projets DNN : enregistre automatiquement les fichiers PLY utilisés pour l’entraînement afin de faciliter les ré-entraînements, comparaisons ou audits futurs.

• Visualiseur PLY intégré : inspectez les nuages de points avant entraînement, modifiez les numéros, noms ou couleurs de classes directement dans l’interface.

• Onglet dédié aux journaux et résultats : suivez la progression, les métriques et les sorties du modèle avec une transparence accrue.

Ce module pose les bases de pipelines IA avancés et personnalisables au sein de VisionLidar.

VisionLidar v36.0 lit et exporte désormais des attributs LAS/LAZ supplémentaires, essentiels pour les workflows aériens :

• Point Source ID

• Réflectance

• Nombre de retours

• Écho

Cela garantit des jeux de données plus riches, des analyses plus précises et une compatibilité améliorée avec les plateformes externes.

La détection de caténaires a été grandement améliorée :

• Traitement parallélisé pour des résultats plus rapides sur de grands ensembles de données

• Meilleure adaptation aux données aériennes/mobile de densités variables

• Fiabilité accrue sur les projets complexes de services publics

La vectorisation des marquages routiers bénéficie d’une mise à niveau majeure :

• Entraînez un modèle VisionLidar 2.0 pour classifier les marquages dans vos projets.

• Utilisez la nouvelle option Détecter par classe dans le module de marquage routier pour vectoriser automatiquement les lignes à partir des résultats IA.

Une amélioration significative de l’automatisation pour les projets de transport, de génie civil et d’arpentage municipal.

Une grande partie de la version 36.0 inclut des améliorations structurelles importantes visant à augmenter :

• La stabilité

• La scalabilité

• La performance

• La maintenabilité du code

Ces optimisations assurent une base solide pour la feuille de route de développement 2026.

Nouvelle génération de maillage

• Une refonte complète de la fonctionnalité de génération de maillage, intégrant une nouvelle méthodologie ainsi qu’une interface utilisateur modernisée. Cette mise à jour offre un meilleur contrôle, une qualité de sortie améliorée et un flux de travail plus intuitif.  

Refonte de l’outil "Route par section"

• Le module Route par section a été entièrement repensé avec une nouvelle interface et un nouveau flux de travail, rendant la modélisation routière plus efficace et conviviale.  

Nouvelle version de la détection des arêtes

• La détection des arêtes bénéficie désormais d’une interface renouvelée et d’une restructuration interne, offrant des résultats plus clairs et une utilisation simplifiée. 

Nouvelle méthodologie de détection de marquage au sol (Première itération)

• Cette version introduit la première itération d’une nouvelle méthodologie de détection des marquages routiers, visant à améliorer la précision de détection et l’adaptabilité à divers environnements. 

Modernisation du système de compilation

• Le système de compilation interne a été migré vers CMake et Qt6, facilitant le développement, la maintenance du code et la portabilité future, notamment vers VL365. 

• Des vitesses de traitement plus rapides pour la génération de maillages et de MDT ;

• Une stabilité améliorée, pour éviter les plantages lors du traitement de grands nuages de points.

La boîte de dialogue « Nouveau projet » a été entièrement repensée

• Une refonte complète du dialogue "Nouveau Projet" offre une interface utilisateur plus intuitive et mieux organisée pour la création de projets. La nouvelle disposition inclut une organisation améliorée des onglets pour les paramètres et les réglages, ainsi que des corrections de bugs liés à la création de projets.

Design revu et corrigé pour la boîte de dialogue « Images Sphériques »

• Le dialogue «Images Sphériques » a été repensé pour offrir une expérience utilisateur plus fluide. Il permet également aux utilisateurs d'ajouter des images sphériques aux projets LiDAR sans avoir besoin de les stocker dans un dossier spécifique. De plus, les utilisateurs peuvent désormais visualiser les images sphériques de manière indépendante, sans avoir besoin de nuages de points associés. Plusieurs bugs liés à l'ajout d'images sphériques ont également été corrigés.

Optimisations et design revu et corrigé pour la détection et vectorisation de caténaires: Des améliorations majeures ont été apportées au processus de détection et de vectorisation des caténaires :

• Interface utilisateur simplifiée et conviviale : l'interface mise à jour est plus intuitive et plus facile à naviguer.

• Édition de points directement dans la scène : Les utilisateurs peuvent maintenant modifier les points directement dans la scène (déplacer ou supprimer) au lieu de passer par la table, offrant ainsi plus de flexibilité et de contrôle.

• Amélioration de la détection et vectorisation des lignes : L'algorithme de détection des lignes a été amélioré pour une meilleure précision dans l'identification des lignes, améliorant ainsi le processus global de classification.

Classification plus rapide pour les grands projets

• Une nouvelle méthode de partitionnement des données accélère le processus de préparation des données pour le module DNN, réduisant ainsi considérablement les temps de classification des grands projets.

Visualisation des résultats d'entraînement en temps réel

• Les utilisateurs peuvent désormais consulter les graphiques d'entraînement et de validation en temps réel pendant que le modèle s'entraîne, ce qui leur offre une meilleure compréhension des performances du modèle durant l'entraînement.

Sélection du profil spécifique au jeu de données pour le modèle IA

• De nouvelles options permettent de sélectionner le profil approprié (Intérieur, Mobile, Aérien ou UAV) pour votre jeu de données, garantissant que les paramètres du module DNN sont optimisés en fonction du type de données spécifique.

Optimisation du temps d'entraînement du modèle IA

• Le processus d'entraînement est désormais plus efficace, avec la possibilité d'arrêter l'entraînement plus tôt en utilisant la mIoU de validation pour détecter le moment où le modèle n'améliore plus ses performances après plusieurs époques.

Nouveaux modèles IA à haute performance pour l'intérieur et l'extérieur sont désormais disponibles

• Ils offrent de hautes performances dès leur utilisation. Prêts à l'emploi ou pouvant être réentraînés avec des données personnalisées, ils s'adaptent à tous les besoins.
  
  

Cette version offre une meilleure expérience utilisateur, des flux de travail améliorés et un traitement plus rapide pour la classification des données LiDAR.

• Correction d'un problème de sensibilité à la casse lors de l'importation d'images sphériques

• Optimiser la sélection de nuages de points pour améliorer les performances et réduire l'utilisation des ressources

Générale

• Exportation au format Autodesk ReCap (.rcp), y compris les images sphériques.

• Possibilité de créer une surface à partir d'une sélection ou d'une clôture.

• Images sphériques : Conversion d’unités et de projection.

• Plusieurs améliorations de l’expérience utilisateur.

Analyses

• Caténaire/Lignes électriques : Détection et génération d'objets vectoriels améliorées.

• Caténaires/lignes électriques : Portées et analyses de distance au sol.

• Caténaire/Lignes électriques : Édition interactive et productivité accrue.

• Marquage routier : Détection et génération d’objets vectoriels améliorées.

Apprentissage profond

• Nouvelle implémentation basée sur PyTorch avec performances générales améliorées.

• Reprise, affinage et création de modèles à partir de modèles pré-entraînés.

Outils

• Images vers nuage de points : Vue cartographique, sélection d'images et expérience utilisateur bonifiée.

Plusieurs corrections ont également été appliquées à cette version.

Générale

• Exportation des éléments du panneau d'objets (surfaces, maillages, cylindres et arbres) au format DWG d'Autodesk.

• Nouvelle visionneuse CAO avec les options de navigation "Vue réaliste" et "Orbite 3D" lors de l'exportation de fichiers au format DWG.

• Amélioration de la position de la caméra et de la direction de la vue sur l'interface de la carte VisionLidar.

• Nouveau module de regroupement de classes permettant une meilleure organisation de celles-ci et de créer des groupes nommés. Dans ces groupes, vous ajoutez les numéros de classe de votre choix, permettant ainsi une utilisation plus adéquate de la gamme complète des 256 classes disponible dans VisionLidar.

• Nouveau module de regroupement des scans lidar permettant d'organiser les scans par groupes nommés.

• Amélioration de l'outil Clôture afin de mieux conserver la position de ces derniers lors de changement d'ordinateur.

• Amélioration du module IFC (BIM) pour avoir accès aux éléments internes de VisionLidar.

• Compatible avec le nouveau SDK Faro LS 1 1.905.1 (pour FLS, LSPROJ et Workspace) lors de la création de projet.

• Exportation de la définition de classe de VisionLidar lors de l'enregistrement en format RCP tout en utilisant la nouvelle définition de classe de Autodesk Recap.

Affichage

• Compatible avec le document de positionnement des images sphériques "Applanix.txt" de la plateforme mobile Applanix.

• Mise à jour du fichier de positionnement d'images sphériques de Viametris permettant l'utilisation de leur nouvelle sortie d’images équirectangulaires jpeg par multiscan.

• Amélioration de la vue des images sphériques lors de la combinaison du nuage de points et de la vue des bulles ainsi que des disques d'images.

Analyse

• Amélioration de la fonction "Analyse par section", qui permet de trouver et de créer des sections par éléments sur une classe et ce le long d'un alignement.

• Amélioration de l'interface "Analyse du profil".

Plusieurs corrections ont également été appliquées à cette version.

Générale

• Nouveau module d’insertion d’objet externe permettant un meilleur contrôle (point d’origine, unités, etc.) sur les éléments 3D insérés (.OBJ ou .PLY).• Nouvel outil de création de mesh coloré à partir de la couleur du nuage de point (sous l’onglet Surface).

• Exportation de mesh coloré en format “PLY”.

• Possibilité de transférer un mesh de l’onglet “Surface” vers l’onglet “Objets Insérés” permettant de modifier l’origine de l’objet et de le déplacer dans la scène.

• Exporter un format RCP en utilisant la notion de Scans pour distribuer le nuage de point sur chaque classe et ainsi avoir le contrôle des classes sur les produits Autodesk.

• Ajout de plusieurs modèles de caméras à la liste des senseurs compatibles avec le module Image vers scan.

Affichage

• Récupération des images sphériques provenant de E57 exportés de la plateforme mobile de NAVVIS.

• Compatible avec le document de positionnement d’images sphériques “pano-poses-registered.csv” provenant de la plateforme mobile de NAVVIS.
  
  

Analyse

• Version améliorée de l’outil “Analyse par section” permettant de créer des sections entre deux points, selon les nœuds d’un alignement, ou par l’analyse des points sur une classe.

Apprentissage profond

• Utilisation de partition lors de la classification par IA de fichiers LAS à partir de « Nouveau projet » ou « Classifier LAS ».

• Utilisation de corridors lors de la classification par RN permettant de traiter uniquement les zones convoitées.
  
  
  

Plusieurs corrections ont également été appliquées à cette version.

Générale

• Ajout de la possibilité d’utiliser le module de classification par Réseau de neurones à partir de fichiers LAS dès la création du projet (fonction « Nouveau projet »).

• Nouvelle option de création de maillages colorisés à partir du nuage de points.

• Option de copier ou de déplacer le maillage vers « Objets insérés » permettant la relocalisation du maillage dans l’interface 3D.

• Paramétrer la caméra afin d’améliorer la visualisation de l’ombrage sur les surfaces.

• Inversion rapide de la normale des surfaces.

• Importation des surfaces de type DXF.

• Amélioration des entrées de projection et d’unités lors de la création d'un projet.

• Création d’une ligne de contour délimitant le projet sur la carte et sur VisionLidar365

Affichage

• Nouvelle fonction d’affichage par normale lorsque le nuage de point n’a ni intensité ni RGB.

• Version améliorée de l’affichage des zones d’ombrages lors de la visualisation des mailles.

Analyse

• Option de transfert des points Cogo ou chaines avec Pcode à partir des fonctions : « Détection de Cluster », « Détection de caténaires », « Détection de bordure », « Détection de glissières » et « Ligne de marquage ».

• Option de transfert vers des points de type Cogo avec Pcode, les objets de type Arbres ou Cylindres

Apprentissage profond

• Version améliorée de l’interface de visualisation du traitement des partitions traitées et à traiter.

• Version améliorée de l’information reportée dans le journal.

• Option de classifier à l’intérieur d’un corridor sélectionné.

• Nouvelle fonction de classification par apprentissage profond directement sur un lot de fichiers LAS original afin de garder les attribues de tierces parties intactes.

Plusieurs corrections ont également été appliquées à cette version.

Générale
• Recalage par liste maintenant possible avec le format de nuage de points compatible avec VisionLidar 365.
• Recalage point à point maintenant possible avec le format de nuage de points compatible avec VisionLidar 365.
• Recalage point à point avec fichier externe maintenant possible avec le format de nuage de points compatible avec VisionLidar 365.
• L’option « Déplacer l’Origine » est maintenant possible avec le format de nuage de points compatible avec VisionLidar 365.
• Nouvelle option d’ajouter plusieurs fichiers d’objets volumétriques de type OBJ sur la scène 3D par l’entremise d’un fichier de positions.

Edition
• La fonction “Effaceur” est maintenant disponible avec le format de nuage de points compatible avec VisionLidar 365.
• La fonction “Classifieur” est maintenant disponible avec le format de nuage de points compatible avec VisionLidar 365.

Affichage
• Amélioration de la fonction de coloration du nuage de points par photos sphériques avec l’ajout de nouveaux paramètres.

Analyse
• Amélioration de l’outils Classification aérienne afin de nettoyer certains résidus de la classification par Réseau de Neurone.

Arpentage
• Ajout d’une fonction de mise à jour des élévations nulles (égale à zéro) sur les points Cogo rattachés à votre base de données. La fonction utilisera la moyenne de l’élévation du nuage de points actifs (classe(s) affichée(s)) à l’emplacement du point Cogo (x y) et inséra cette valeur dans le champ z lorsque celle-ci est égale à 0. Aucun point Cogo ayant déjà une valeur d’élévation ne sera impactés.
• Nouvelle fonction de visualisation de Parcelles de terrain en 3D permettant de sélectionner et représenter graphiquement sur votre nuage de points (et la carte de localisation), les parcelles présentes dans votre base de données.

Apprentissage profond
• Nouvelle interface ajoutant une représentation graphique des partitions.
• Représentation chromatique des partitions déjà traitées.
• Ajout d’une section de « Journal » décrivant l’état du traitement.

Mise à jour d’un LAS
• Nouvel outil permettant de mettre à jour certains champs du (des) fichier(s) original(s) de de type LAS ayant permis de créer un projet VisionLidar. Cette fonction permet de sélectionner les attributs à mettre à jour tels les coordonnées 3D, la couleur RGB ou la classe de se connecter au fichier original et de les remplacer par les nouvelles valeurs traitées par les différentes fonctions de Vision Lidar telle que la classification par Apprentissage profond.

Générale
• Nouveau Format (2022) de fichier pour le nuage de points compatible avec la solution Web VisionLidar 365 de Geo-Plus. VisionLidar demeure compatible avec le format local précédent (.vps). Fini les données en double entre la plate-forme Web et la plateforme Locale.
• Interface simplifiée pour la création de projet permettant le «Glisser-déposer » des fichiers bruts.
• Nouvelle interface pour visualiser le descriptif de projection suivant un code EPSG ou ESRI.
• Les 256 classes du format LAS 1.4 sont désormais prises en charge.
• Nouvelle option pour regrouper les fichiers lors de la fusion des scans de nuage de points pendant la création du projet.
• Exporter en format LAS 1.4 avec 256 classes.

Edition
• Amélioration de l'outil Clôture débutant la saisie du contour dès qu'une nouvelle clôture est créée.
• Nouvelle option pour sélectionner à l'intérieur de la clôture ou exporter les données de la zone de clôture pour l’entraînement d’un modèle DNN.

Analyse
• La détection des bordures fait maintenant partie de VisionLidar Premium et Ultimate.
• La détection des lignes de marquage fait maintenant partie de VisionLidar Premium et Ultimate.
• Nouvelle option pour définir des limites personnalisables sur la fonction Orthophoto Planimétrique.

DNN
• Nouvelle barre de progression lors de la classification par apprentissage profond, offrant un meilleur moyen de suivre la progression de l'ensemble du processus.
• Barre de progression multiple disponible pour les ordinateurs équipés de plus d’une carte graphique permettant de surveiller la progression du processus pour chaque carte individuelle.
• Nouvelle barre de progression implémentée pour le module d’entraînement de modèles par apprentissage profond
• Journal créé pour faire le suivi des traitements.

Paramètres
• Description de la projection en plus du Code.

Général
• Correction lors de l’importation de l’intensité pour les fichiers de type PTS et CSV.
• Optimisation de la sélection du code de projection maintenant listé par code EPSG ou code ESRI.
• Exportation des classes visibles vers le format VisionLidar365
• Correction lorsque des points sont supprimés, ces derniers ne sont plus exportés.
• Exportation en format 2.0 de Potree, augmentant ainsi la rapidité d’exportation et concaténation des fichiers en quelques documents binaires.
• Possibilité d’exporter le visualiseur VL365-viewer.exe lors de l’exportation en format VisionLidar365.
• Importante augmentation des performances lors de la création de projets par l’utilisation de l’option Multiprocesseur (Multicore).
• Possibilité de simplifier la densité du nuage de point dès la création du projet.
• Nouveau format d’importation (Workspace « *.fws ») pour fichier provenant des systèmes FARO. Ce format s’ajoute au format déjà existant « *.lsproj » et « *.fls .
• Possibilité d’exporter la vectorisation des poteaux lorsqu’aucune ligne électrique n’est vectorisée.

Outils
• Représentation en 3D des résultats provenant du module Calcul de Volume.
• Module de classification par Réseau de Neurones (Deep Learning).
  a. Compatible avec les nouvelles versions de pilotes NVIDIA CUDA11.x (TensorFlow 2.0).
  b. Possibilité de créer des modèles entraînés par Géométrie (s’ajoutant aux modèles RGB et Intensité).
  c. Possibilité d’ajuster la distance de simplification et le rayon de voisinage lors de la création de modèles entraînés (important pour les modèles aériens).

Général
• Importation de documents externes de type surface ou de meshs 3D avec positions absolues (format ply et obj).
• Plus de 2000 nouvelles projections ESRI ont été ajoutées à la liste d’EPSG.
• Le bouton supprimer a été déplacé à l’écart des autres boutons d’édition afin d’éviter les erreurs (sur toutes les fonctions)
• Nouveaux boutons sur la barre d’outils permettant l’activation de la visualisation des images Sphériques : Afficher, Prochain, Précédent
• Amélioration de la rapidité lors de la création de projets.

Édition
• Simplification : les images initiales du projet source sont maintenant recopiées vers le nouveau projet simplifié
• Boite de clipping : Problème corrigé pour l’outil d’application de rotation des axes.

Affichage
• Nouvelle interface cartographique permettant d’afficher la localisation de votre projet ainsi que la position des images sphériques sur un fond de carte fourni par OpenStreetMap (lorsque votre projet est géoréférencé).
• Démarrez l’affichage des images sphériques directement de l’interface cartographique.
• Les images sphériques sont maintenant compressées lorsque la fonction « Redimensionner (n^2) est utilisée.
• Les Images planaires de la plateforme mobile Pegasus de Leica peuvent être maintenant agencées avec le nuage de points.
• Agencement des images sphériques à un numéro de scan maintenant disponible pour les fichiers E57.

Arpentage
• Correction sur l’export en format KML pour la fonction Points/Chaînes

Outils
• Correction sur le module IFC vers OBJ.
• Module de classification par Réseau de Neurone (Deep Learning).
   a. Augmentation des performances.
   b. Transfert du nom des classes provenant du modèle choisi vers le projet courant sur VisionLidar
   c. Affichage du type d’entrainement du modèle choisi : Intensité ou RGB.
   d. Le partitionnement du projet à classifier est maintenant disponible pour les ordinateurs comportant une seule carte graphique de type NVidia augmentant le rendement de la mémoire GPU.
   e. Entrainer un Model : correction sur le transfert du modèle entraîné vers la bonne localisation permettant sa sélection par l’outil « Classifier »
• Amélioration des performances de l’outil Images vers Scans.

Mise à jour
• Le caractère «-» est à nouveau accepté dans la dénomination de projet lors de la création de nouveaux projets.
• L’outil translation / rotation du scan applique désormais correctement la rotation sur un point de pivot.
• Module de classification par apprentissage (Réseau de Neurones) est maintenant accessible avec la licence VisionLidar Ultimate.
• Temps de traitement réduit lors de la classification par Réseau de Neurones pour les projets VisionLidar ayant une unité en pied.
• Correction dans le module de classification par Réseau de Neurones en mode CPU.

Outils
• Le module de classification par Réseau de Neurones (Apprentissage profond) peut diviser désormais les grands projets VisionLidar en partitions pour une meilleure gestion de la mémoire GPU.