to fixup pr comments

coclico/mobj0/mobj0_intrinsic.py

@@ -18,7 +18,7 @@
 gdal.UseExceptions()
 
 
-def create_objects_array(las_file, pixel_size, class_weights, kernel):
+def create_objects_array(las_file: Path, pixel_size: int, class_weights: dict, kernel: int):
     xs, ys, classifs, crs = read_las(las_file)
 
     binary_maps, x_min, y_max = create_occupancy_map_array(xs, ys, classifs, pixel_size, class_weights)
@@ -29,7 +29,7 @@ def create_objects_array(las_file, pixel_size, class_weights, kernel):
     return object_maps, crs, x_min, y_max
 
 
-def vectorize_occupancy_map(binary_maps, crs, x_min, y_max, pixel_size):
+def vectorize_occupancy_map(binary_maps: np.ndarray, crs: str, x_min: float, y_max: float, pixel_size: int):
     # Create empty dataframe
     gdf_list = []
 

doc/mobj0.md

@@ -16,10 +16,9 @@ Cette comparaison est faite à l'aide de cartes de classes / cartes d'occupation
 
 - Calcul de la carte de classe binaire (`occupancy_map`) pour chaque classe dans le nuage (voir métrique MPLA0).
 
-- Opérations topologiques pour simplifier les formes des objets détectés et se débarrasser du bruit au niveau des limites d'objets.
-**A COMPLETER !**
-
-- Vectorisation des contours de la carte débruitée
+- Opérations topologiques pour simplifier les formes des objets détectés et se débarrasser du bruit au niveau des limites d'objets. Une fermeture et une ouverture sont réalisées sur les rasters.
+
+- Vectorisation des contours de la carte débruitée et une simplification des formes pour éliminer encore du bruit sur les géométries. 
 
 Résultat : pour chaque nuage, un fichier geojson contenant un polygone par objet, qui a un attribut "layer"
 correspondant à l'indice de la classe correspondante dans la liste (ordonnée alphabétiquement) des classes définies