Ces travaux de thèse sont des travaux préliminaires à la construction de cartes 3D-couleur. Ils visent à résoudre la problématique de fusion des données LiDAR et de l'imagerie optique acquises depuis un drone. Deux prérequis sont identifiés. Ceux-ci consistent, d'une part, à caractériser les erreurs de mesure des données hétérogènes issues des capteurs, et d'autre part, à aligner géométriquement ces-dernières.Dans un premier temps, nous proposons le développement d'un modèle de prédiction de l'incertitude de mesure LiDAR prenant en compte l'influence de l'empreinte laser. Une nouvelle méthode sans référence est introduite dans le but de valider ce modèle de prédiction. Une deuxième méthode utilisant un plan de référence valide l'adéquation de l'utilisation de la méthode sans référence.Dans un second temps, nous proposons une nouvelle méthode d'étalonnage du système multicapteur composé d'un LiDAR, d'une caméra, d'un système de navigation inertielle et d'un système de positionnement par satellites. La performance de cette méthode est évaluée sur des données synthétiques et réelles. Elle présente l'avantage d'être entièrement automatique, ne nécessite pas de mire d'étalonnage ou de point de contrôle au sol et peut opérer indifféremment en milieu naturel ou urbain. La flexibilité de cette méthode lui permet d'être mise en œuvre rapidement avant chaque acquisition.Finalement, nous proposons une méthode permettant de générer des cartes 3D-couleur sous forme de nuages de points colorisés. Nos expériences montrent que l'alignement géométrique des données permet d'améliorer fortement la qualité des cartes 3D-couleurs. Si on regarde plus attentivement ces cartes 3D-couleur, il persiste des erreurs de colorisation dues principalement à la non prise en compte des erreurs de mesure. L'exploitation du modèle de prédiction de l'incertitude de mesure LiDAR proposé pour la construction des cartes 3D-couleur serait donc la suite logique de ces travaux.