Stratégies de rastérisation pour la classification de données LiDAR aéroportées par profils d'attributs morphologiques *

International audienceThis paper evaluates rasterization strategies and the benefit of hierarchical representations (in particular attribute profiles) to classify point clouds. When such data comes from LiDAR acquisitions, a rasterization process if often performed to build an elevation map (possibly used together with multi or hyperspectral images). While some works use attribute profiles onsuch elevation data, we rather focus here on several LiDAR features rasterized and on their multilevel description to produceaccurate land cover maps over urban areas. Our experimental results obtained on LiDAR data from the university of Houstonindicate good classification results based on our rasters.Cet article traite de rastérisation par représentations hiérarchiques (en particulier via les profils d'attributs mor-phologiques) de nuages de points 3D. Lorsque ces données proviennent d'appareils LiDAR, il est fréquent de les rastériser pour fournir une carte d'élévation (exploitée seule ou combinée avec des images multi-ou hyperspectrales). Bien que certains travaux utilisent des profils d'attributs sur de telles données d'élévation, nous mettons ici l'accent sur plusieurs caractéristiques LiDAR rastérisées (liées aux échos, retours d'onde, etc.) et sur une description multi-échelle pour produire des cartes d'occupation du sol précises sur des zones urbaines. Nos résultats expérimentaux obtenus avec les données LiDAR de l'université de Houston indiquent de bons résultats de classification en exploitant nos rasters