المكاسب:
- القدرة على استخدام مفاهيم سحابة نقطة LiDAR والعودة والكثافة وأكواد الفئة بشكل صحيح في سير عمل الذكاء الاصطناعي
- القدرة على تكوين خطوات تصفية الأرض وإنتاج DTM وتصنيف الكائنات (المبنى والشجرة والعمود) باستخدام الذكاء الاصطناعي
- القدرة على التحقق من مخرجات تصنيف السحابة النقطية باستخدام أقسام الملف الشخصي ومنطق الارتفاع
LiDAR (كشف الضوء والمدى) هي تقنية كشف نشطة تنتج قياسات ثلاثية الأبعاد لسطح الأرض عن طريق إرسال نبضات ليزر وقياس وقت العودة. والنتيجة هي سحابة نقطية تتكون من ملايين أو حتى مليارات النقاط؛ تحتوي كل نقطة على إحداثيات x وy وz وسمات إضافية. LiDAR في هندسة المسح. فهو لا غنى عنه لإنتاج نماذج التضاريس الرقمية، ونمذجة الغابات والمناطق الحضرية، وإنشاء البنية التحتية (خطوط الكهرباء والطرق). في هذه الوحدة، نغطي كيفية تسريع الذكاء الاصطناعي لمعالجة وتصنيف السحابة النقطية. المبدأ: الذكاء الاصطناعي يقترح التصنيف؛ يبقى التحقق من الارتفاع ومنطق القسم مع المهندس.
المصطلحات الأساسية. العودة عبارة عن أصداء متعددة لنبضة ليزر واحدة تنعكس من أسطح مختلفة (أوراق الأشجار، الفروع، الأرض)؛ المنعطف الأول عادة ما يكون السطح العلوي، المنعطف الأخير غالبا ما يكون الأرض. الشدة هي قوة الإشارة المرتجعة؛ أنه يعطي فكرة عن نوع السطح. رمز الفئة هو الملصق القياسي المخصص لكل نقطة (مثل الأرض، المبنى، الغطاء النباتي المنخفض/المتوسط/المرتفع، المياه، خط الكهرباء)؛ يتم تخزينه بتنسيق ملف LAS/LAZ. الترشيح الأرضي هو عملية إزالة النقاط غير الأرضية وإزالة سطح الأرض العاري (DTM). فوكسل، خلية في الفضاء ثلاثي الأبعاد؛ يستخدم لتخفيف/معالجة السحابة النقطية.
دور الذكاء الاصطناعي في معالجة النقاط السحابية
ويساهم الذكاء الاصطناعي في هذا المجال على ثلاثة مستويات:
- سير العمل وإعداد المعلمة. يوصي بالتصفية الأرضية، وإزالة الضوضاء، وخطوات التخفيف والمعلمات؛ ينتج هيكلًا رمزيًا (باستخدام أدوات مثل PDAL وlaspy).
- تصنيف الكائنات. يمكن لنماذج التعلم العميق تصنيف النقاط إلى فئات مثل المبنى، والشجرة، والعمود، والمركبة؛ هذا هو المجال الذي يقوم فيه الذكاء الاصطناعي بالعمل الحقيقي.
- استخراج الميزة والتقرير. فهو ينشئ ويلخص المنطق الذي يحسب القياسات المشتقة مثل ارتفاع الشجرة ومساحة أرضية المبنى وترهل الخط.
النقطة العمياء: السحابة النقطية ثلاثية الأبعاد وغير مرئية بالكامل على الخريطة المسطحة. يبدو التصنيف الخاطئ (على سبيل المثال اعتبار الجسر كأرضية والشجيرة المنخفضة كمبنى) بريئًا على الخريطة ويشوه DTM. ولذلك، يجب التحقق من التصنيف من خلال شرائح الملف الشخصي (عرض شريحة رأسية من السحابة النقطية من الجانب).
نصيحة: خذ المقاطع الرأسية في عدة مواقع قبل تأكيد التصنيف. هل الطبقة الأرضية تتبع بالفعل السطح السفلي المستمر أم أنها "تطفو" فوق الأسطح؟ يظهر المقطع هذا في لمحة.
خطوة بخطوة: معالجة النقاط السحابية لإنشاء DTM
- تعرف على البيانات. تأكد من كثافة النقطة (نقاط/م²)، وعدد اللفات، ورموز الفئة الحالية، وCRS والمسند العمودي.
- ضجيج واضح. إزالة القيم المتطرفة المحمولة جواً (عالية الضوضاء) وتحت الأرض (منخفضة الضوضاء).
- تصفية الأرض. عزل النقاط غير الأرضية (مبنى، شجرة، مركبة) وترك النقاط الأرضية العارية. هذه الخطوة هي قلب DTM.
- توليد السطح. إجراء استيفاء الشبكة DTM من النقاط الأرضية.
- يؤكد. التحقق من الأثر الأرضي مع المقاطع الجانبية؛ قارن الارتفاعات بنقاط الارتفاع المعروفة.
لماذا يعد الترشيح الأرضي أمرًا بالغ الأهمية؟
والفرق الوحيد بين DTM (الأرض العارية) وDSM (السطح) هو ما إذا كانت النقاط البعيدة عن الأرض منفصلة أم لا. يتطلب حساب الحجم أو تحليل المنحدر أو نمذجة تدفق المياه أو دراسة الفيضانات DTM؛ إذا تم استخدام DSM، فسيتم الخلط بين المباني والأشجار على أنها "أرض" وتكون النتيجة مشوهة. يتم ضبط معلمات ترشيح الأرض وفقًا للتضاريس: في منطقة شديدة الانحدار، يقوم المرشح شديد العدوانية أيضًا بمسح الأرض الحقيقية، وفي منطقة مسطحة، يخطئ المرشح السائب في تمييز الأجسام المنخفضة عن الأرض. قد يقترح الذكاء الاصطناعي معلمة بداية جيدة، ولكن يجب اختبار النتيجة بشكل مقطعي.
تحذير: الجسور والجسور هي فخ كلاسيكي. هذه هياكل معلقة فوق الأرض. إذا اعتبرها الفلتر الأرضي عن طريق الخطأ أنها أرضية، فسيتم إنشاء "مجموعة" في DTM غير موجودة بالفعل وسيكون تحليل تدفق المياه خاطئًا تمامًا.
ثلاث حالات صغيرة: بالأرقام
الحالة 1 - فخ الجسر. في نمذجة الفيضان، يصنف مرشح الأرض الجسر على أنه أرضي؛ ظهر سد زائف في مركز التجارة العالمي، مما أدى إلى سد مجرى النهر، وحسب النموذج أن المياه سوف تتراكم عند المنبع. أظهر قسم الملف الشخصي الجسر بوضوح. عندما تم إعادة تصنيف نقاط الجسر، تم تصميم نموذج التدفق بشكل صحيح.
الحالة 2 - جرد ارتفاع الشجرة. بالنسبة لمساحة 240 هكتارًا في دراسة للغابات، استخرج التصنيف بمساعدة الذكاء الاصطناعي نمط مظلة الشجرة من فئة النباتات الأعلى وحساب متوسط ارتفاع الشجرة بحوالي 18 مترًا. وتمت مقارنتها بقياس يدوي لـ 30 شجرة عشوائية في الحقل؛ كان الفرق ضمن ± 0.8 م. جعل القياس الميداني المستقل مخرجات النموذج موثوقة.
الحالة 3 - خطأ في ارتفاع نقطة الضوضاء. عندما تم إنشاء DTM دون إزالة عدة نقاط ضوضاء (طيور، غبار) معلقة في الهواء، قفز الارتفاع في خلية واحدة بمقدار 40 مترًا فوق القيمة الفعلية. أدت خطوة التحكم في الطلب وتنظيف الضوضاء إلى إزالة هذه الارتدادات الفردية. الدرس المستفاد: التنظيف الخارجي ضروري قبل DTM.
موجه ضعيف / موجه قوي
حث ضعيف:
النموذج الأرضي يخرج من هذه السحابة النقطية.
مطالبة قوية:
المهمة: إنشاء سير عمل إنشاء DTM وإطار عمل PDAL/laspy من سحابة نقطة LiDAR. السياق: - الكثافة ~ 12 نقطة / م²، معلومات الدوران متاحة، CRS EPSG:5256، يجب تحديد مسند TUDKA الرأسي - المنطقة: مختلطة (تيار، جسر، مبنى متناثر، منحدر حاد) المتطلبات: 1) التسلسل: إزالة الضوضاء -> تصفية الأرض -> استيفاء DTM.2) بالنسبة للجسر / الجسر والمنحدر الحاد، تحذير من مخاطر التصفية.3) التحقق: خطوة المقارنة مع المقطع العرضي للملف الشخصي ونقطة الارتفاع المعروفة.4) اكتب الفرق بين DTM وDSM وسبب الحاجة إلى DTM لهذه الوظيفة.
كثافة سريعة قوية تعطي مخاطر التضاريس (الجسر، المنحدر) وخطوة التحقق؛ خرج ويناسب الملعب.
أربعة قوالب قابلة للنسخ
1) المراجعة الأولية لسحابة النقاط:
قم بتفسير البيانات التعريفية التالية لـ LAS/LAZ: كثافة النقطة، وتوزيع الدوران، ورموز الفئة الحالية، ومسند CRS/الرأسي. قم بوضع علامة على المعلومات المفقودة أو المشبوهة وقم بإدراج ما يجب حله قبل بدء العملية. البيانات الوصفية: [ملخص]
2) إعداد التصفية الأرضية:
اكتب خطوات التصفية الأرضية باستخدام PDAL؛ إعطاء توصية المعلمة لنوع التضاريس [مسطحة/منحدرة/مختلطة]. يحذر أيضًا من مخاطر الجسور والأدغال المنخفضة والمنحدرات الشديدة. أضف خطوة التحقق من النتيجة من خلال قسم الملف الشخصي.
3) التحقق من تصنيف الكائنات:
اكتب خطة للتحقق من تصنيف السحابة النقطية (الأرض/المبنى/المصنع/الخط): ما هي أقسام الملف الشخصي التي يجب أخذها، وما هي مجموعات الأصناف المتوقعة (الجسر-الأرض، بناء الأدغال)، وكيفية التحقق من كل منها.
4) التحكم في القياس المشتق:
تحقق من القياسات المشتقة التالية (ارتفاع الشجرة، بصمة المبنى، تبلد الخط) للتأكد من معقوليتها: درجة الصوت، القيمة السلبية، القيم المتطرفة. إضافة اقتراح للمقارنة مع القياس الميداني. الأبعاد: [الجدول]
مقارنة مفاهيم نقطة السحابة
مفهوم
معنى
أهمية
المنعطف الأول/الأخير
الصدى الأول/الأخير للضربة
السطح العلوي مقابل فصل الأرض
رمز الفصل
تسمية نقطة
DTM/DSM واستخراج الكائنات
الترشيح الأرضي
فصل السطح الخارجي للأرضية
تأسيس DTM
الكثافة (نقطة/م²)
تردد أخذ العينات
الحد من التفاصيل والدقة
قسم الملف الشخصي
عرض شريحة عمودية
التحقق من التصنيف
الأخطاء الشائعة
- إنتاج DTM بدون ترشيح أرضي. في الواقع، يتم الحصول على DSM؛ الجينز/الحجم مشوه.
- عد الجسور / الجسور كأرضية. مجموعة وهمية، نموذج تدفق خاطئ.
- عدم تنظيف نقاط الضوضاء. بقع الدنيم المفردة.
- عدم التحقق من التصنيف حسب المقطع العرضي. أخطاء مفقودة ثلاثية الأبعاد ذات مظهر بريء على الخريطة.
- تجاهل المسند العمودي. الجينز يجلس على مرجع خاطئ.
- توقع كثافة غير كافية من التفاصيل. لا يمكن حل الكائنات الأصغر من نطاق النقاط.
باختصار
الذكاء الاصطناعي في المعالجة السحابية لنقاط LiDAR؛ وهو عبارة عن مُسرِّع لتحرير سير العمل ومعلمات تصفية الأرض وتصنيف الكائنات وحساب القياسات المشتقة. الخطوة الإلزامية في إنتاج DTM هي الترشيح الأرضي؛ إذا تم حذف هذا، سيتم الحصول على DSM وسيتم تشويه تحليلات الارتفاع/الحجم/التدفق. تعتبر الجسور والمنحدرات الشديدة ونقاط الضوضاء بمثابة مصائد نموذجية. التحقق من كل تصنيف باستخدام أقسام الملف الشخصي ونقاط الارتفاع المعروفة؛ قم دائمًا بتوضيح المسند الرأسي.
مهمة التطبيق
اختر سيناريو LiDAR (على سبيل المثال، وادي به نهر وجسر). اجعل الذكاء الاصطناعي ينتج خطوات إزالة الضوضاء، والتصفية الأرضية، واستيفاء DTM؛ اطلب منه التحذير من مخاطر الجسور والمنحدرات. ثم اكتب خطة التحقق: حدد المكان الذي ستأخذ فيه قسم الملف الشخصي ونقاط الارتفاع المعروفة التي ستقارنه بها.
قائمة مرجعية
- [ ] لقد قمت بتأكيد كثافة النقطة ومعلومات الدوران ومسند CRS/العمودي.
- [ ] قمت بتنظيف الضوضاء/القيم المتطرفة.
- [ ] قمت بفصل الجزء الخارجي من الأرض من أجل DTM باستخدام التصفية الأرضية.
- [ ] لقد قمت بفحص مخاطر الجسر/الجسر والمنحدرات.
- [ ] لقد قمت بالتحقق من التصنيف باستخدام أقسام الملف الشخصي.
- [ ] قارنت الارتفاعات بالنقاط المعروفة.
- [ ] لقد استخدمت DTM، وليس DSM، لأعمال الارتفاع/الحجم/التدفق.
- [ ] احتفظت بقبول التصنيف في موافقة المهندس.