> ## Documentation Index
> Fetch the complete documentation index at: https://avala.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Visualisation

> Visualisation de données multi-capteurs accélérée par GPU

Avala inclut un espace de visualisation dédié pour explorer les enregistrements multi-capteurs directement dans votre navigateur. Rejouez des données MCAP/ROS avec des flux caméra, LiDAR, radar et IMU synchronisés dans des dispositions de panneaux configurables — puis annotez les mêmes données sans changer d'outil.

Le visualiseur fonctionne sur WebGPU (avec repli WebGL), utilisant des shaders de calcul GPU pour le rendu de nuages de points, le frustum culling et la sélection du niveau de détail. Pas de plugins, pas d'application de bureau, pas de téléchargement de données.

## Capacités

* **Lecture multi-capteurs MCAP/ROS avec 8 types de panneaux** — Image, 3D / Nuage de points, Graphique, Messages bruts, Journal, Carte, Jauge et Transitions d'état. Le visualiseur détecte automatiquement les topics de votre enregistrement et assigne chacun au type de panneau approprié.

* **Rendu 3D de nuages de points accéléré par GPU avec 6 modes de visualisation** — Neutre, Intensité, Arc-en-ciel, Étiquette, Panoptique et Projection d'image. Basculez entre les modes pour inspecter les valeurs d'intensité brutes, les étiquettes sémantiques, la segmentation panoptique d'instances ou la projection de couleurs LiDAR vers caméra.

* **Visualiseur de scènes Gaussian Splat avec rendu WebGPU** — Chargez des reconstructions 3D Gaussian Splat dans un visualiseur dédié avec panneau de hiérarchie de scène, inspecteur de propriétés, barre d'outils, bascule de mode, annuler/rétablir et statistiques en temps réel. Le tri radix basé GPU et la mise en cache des render bundles maintiennent des taux d'images fluides sur les grandes scènes.

* **Lecture synchronisée multi-caméras avec projection LiDAR vers caméra** — Visualisez plusieurs flux caméra en synchronisation. Les données de nuages de points se projettent sur les images caméra en utilisant des transformations calibrées, avec support des modèles de caméra sténopé (fx/fy/cx/cy + distorsion k1-k4/p1-p2) et double sphère (xi/alpha).

* **Dispositions multi-fenêtres configurables avec panneaux glisser-déposer** — La disposition par défaut organise une barre latérale de topics (gauche), des panneaux de contenu dynamiques (centre) et un panneau d'information de fichier (droite) dans une racine horizontale. Redimensionnez, réarrangez, ajoutez ou supprimez des panneaux pour construire la vue dont vous avez besoin.

* **Navigation basée sur la chronologie avec avancement image par image et recherche par horodatage** — Parcourez les enregistrements, avancez image par image, ajustez la vitesse de lecture et sautez à des horodatages spécifiques. Tous les panneaux restent synchronisés.

* **Détection automatique des topics et attribution intelligente du type de panneau** — Lorsque vous ouvrez un fichier MCAP, le visualiseur lit le schéma des topics et les types de messages, puis crée le panneau approprié pour chacun : panneaux Image pour les topics caméra, panneaux 3D pour les nuages de points, panneaux Carte pour le GPS, et ainsi de suite.

* **Support des modèles de caméra sténopé et double sphère (fisheye)** — Projection sténopé (fx/fy/cx/cy) et projection double sphère (xi/alpha) pour la superposition LiDAR vers caméra. Les paramètres de distorsion sont stockés ; la correction de distorsion radiale/tangentielle pour les caméras sténopé est prévue dans une future mise à jour.

## Types de messages supportés

Le visualiseur gère les types de messages ROS et Foxglove suivants :

| Catégorie           | Messages                                                                                            |
| ------------------- | --------------------------------------------------------------------------------------------------- |
| **Caméra**          | `sensor_msgs/Image`, `sensor_msgs/CompressedImage`, `foxglove.CompressedImage`, `foxglove.RawImage` |
| **LiDAR**           | `sensor_msgs/PointCloud2`, `foxglove.PointCloud`                                                    |
| **Radar / Laser**   | `sensor_msgs/LaserScan`, `radar_msgs/RadarScan` (routé via des mots-clés de nom de topic)           |
| **Transformations** | `tf2_msgs/TFMessage`, `foxglove.FrameTransform`                                                     |
| **Position**        | `sensor_msgs/NavSatFix`                                                                             |
| **IMU**             | `sensor_msgs/Imu`                                                                                   |

<Info>
  Avala lit les fichiers MCAP nativement. Les bags ROS 1 et ROS 2 doivent être convertis au format MCAP avant le téléchargement. Consultez le [guide d'intégration MCAP et ROS](/docs/integrations/mcap-ros) pour les instructions de conversion.
</Info>

## Si vous avez besoin de...

| Si vous avez besoin de...                | Avala fournit...                                                                                                                                                                |
| ---------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| Rejouer des enregistrements MCAP         | Visualiseur multi-capteurs avec 8 types de panneaux et chronologies synchronisées                                                                                               |
| Visualiser des nuages de points          | 6 modes de rendu (Neutre, Intensité, Arc-en-ciel, Étiquette, Panoptique, Projection d'image) avec accélération WebGPU                                                           |
| Voir des reconstructions de scènes 3D    | Visualiseur Gaussian Splat avec hiérarchie de scène, inspecteur de propriétés et rendu basé GPU                                                                                 |
| Inspecter des données de capteurs brutes | Panneaux Messages bruts, Graphique, Journal, Jauge et Transitions d'état pour chaque topic de votre enregistrement                                                              |
| Projeter le LiDAR sur les caméras        | Projection automatique utilisant les calibrations de caméra sténopé et double sphère                                                                                            |
| Puis annoter les mêmes données           | Boîte à outils d'annotation complète (boîtes englobantes, polygones, cuboïdes 3D, segmentation, polylignes, points clés, classification) sans changer d'outil ni re-télécharger |

## Comment Avala se compare

<div className="comparison-table">
  | Capacité                                   |                        Avala                       |                      Foxglove                      |                        Rerun                       |
  | ------------------------------------------ | :------------------------------------------------: | :------------------------------------------------: | :------------------------------------------------: |
  | Lecture MCAP dans le navigateur            | <span className="yes"><Icon icon="check" /></span> | <span className="yes"><Icon icon="check" /></span> | <span className="yes"><Icon icon="check" /></span> |
  | Nuages de points accélérés GPU             |         <span className="yes">WebGPU</span>        |       <span className="partial">WebGL</span>       |         <span className="yes">WebGPU</span>        |
  | Visualiseur Gaussian Splat                 | <span className="yes"><Icon icon="check" /></span> |  <span className="no"><Icon icon="xmark" /></span> |  <span className="no"><Icon icon="xmark" /></span> |
  | Synchronisation multi-caméras + projection | <span className="yes"><Icon icon="check" /></span> | <span className="yes"><Icon icon="check" /></span> | <span className="yes"><Icon icon="check" /></span> |
  | Outils d'annotation sur les mêmes données  |     <span className="yes">Suite complète</span>    |  <span className="no"><Icon icon="xmark" /></span> |  <span className="no"><Icon icon="xmark" /></span> |
  | Flux de contrôle qualité                   | <span className="yes"><Icon icon="check" /></span> |  <span className="no"><Icon icon="xmark" /></span> |  <span className="no"><Icon icon="xmark" /></span> |
  | Services d'étiquetage gérés                | <span className="yes"><Icon icon="check" /></span> |  <span className="no"><Icon icon="xmark" /></span> |  <span className="no"><Icon icon="xmark" /></span> |
  | SDKs Python et TypeScript                  | <span className="yes"><Icon icon="check" /></span> | <span className="yes"><Icon icon="check" /></span> | <span className="yes"><Icon icon="check" /></span> |
  | Serveur MCP pour assistants IA             | <span className="yes"><Icon icon="check" /></span> |  <span className="no"><Icon icon="xmark" /></span> |  <span className="no"><Icon icon="xmark" /></span> |
</div>

<Tip>
  Pour les équipes utilisant actuellement Foxglove ou Rerun pour la visualisation, Avala offre les mêmes capacités de lecture et de rendu — plus des outils d'annotation, du contrôle qualité et des pipelines d'export pour passer des données brutes aux jeux d'entraînement étiquetés en une seule plateforme.
</Tip>

## Visualiseurs

<CardGroup cols={3}>
  <Card title="Visualiseur multi-capteurs" icon="display" href="/docs/visualization/multi-sensor-viewer">
    Lecture MCAP/ROS avec 8 types de panneaux, détection automatique des topics et dispositions configurables pour les données caméra, LiDAR, radar et IMU.
  </Card>

  <Card title="Visualiseur de nuages de points 3D" icon="cube" href="/docs/visualization/3d-point-cloud-viewer">
    Rendu de nuages de points accéléré par GPU avec 6 modes de visualisation, frustum culling, LOD et projection LiDAR vers caméra.
  </Card>

  <Card title="Visualiseur Gaussian Splat" icon="circle-nodes" href="/docs/visualization/gaussian-splat-viewer">
    Scènes 3D Gaussian Splat rendues par WebGPU avec hiérarchie de scène, panneau de propriétés et statistiques en temps réel.
  </Card>
</CardGroup>

## Prochaines étapes

<CardGroup cols={2}>
  <Card title="MCAP et ROS" icon="file" href="/docs/visualization/mcap-ros/overview">
    Types de messages supportés, schémas de topics et comment préparer vos enregistrements.
  </Card>

  <Card title="Référence des panneaux" icon="table-columns" href="/docs/visualization/panels/image-panel">
    Documentation détaillée pour chaque type de panneau : Image, Nuage de points, Graphique, Carte, Journal et Messages bruts.
  </Card>

  <Card title="Modes de rendu" icon="palette" href="/docs/visualization/rendering/visualization-modes">
    Analyse approfondie des 6 modes de visualisation de nuages de points et quand utiliser chacun.
  </Card>

  <Card title="Outils d'annotation" icon="pen-to-square" href="/docs/annotation/guides/annotation-tools">
    Après avoir exploré vos données, commencez à annoter avec 7 outils d'étiquetage professionnels.
  </Card>
</CardGroup>