Qazanclar:
- AI iş prosesində LiDAR nöqtə bulud, qayıdış, sıxlıq və sinif kodları anlayışlarından düzgün istifadə etmək bacarığı
- Süni intellekt ilə zəmin filtrasiyasını, DTM istehsalını və obyektin (bina, ağac, dirək) təsnifat addımlarını konfiqurasiya etmək bacarığı
- Profil bölmələri və yüksəklik məntiqi ilə nöqtə buludunun təsnifat çıxışını yoxlamaq imkanı
LiDAR (Light Detection and Ranging) lazer impulsları göndərməklə və geri qayıtma müddətini ölçməklə yer səthinin üçölçülü ölçülərini istehsal edən aktiv aşkarlama texnologiyasıdır. Nəticə milyonlarla, hətta milyardlarla nöqtədən ibarət nöqtə bulududur; Hər bir nöqtənin x, y, z koordinatları və əlavə atributları var. tədqiqat mühəndisliyi sahəsində LiDAR; Rəqəmsal relyef modellərinin istehsalı, meşə və şəhər ərazilərinin modelləşdirilməsi və infrastrukturun (elektrik xətləri, yollar) yaradılması üçün əvəzsizdir. Bu bölmədə biz süni intellektin nöqtə buludunun işlənməsini və təsnifatını necə sürətləndirdiyini əhatə edirik. Prinsip: AI təsnifatı təklif edir; Hündürlük və bölmə məntiqi ilə yoxlama mühəndisdə qalır.
Əsas şərtlər. Qayıdış müxtəlif səthlərdən (ağac yarpaqları, budaqlar, torpaq) əks olunan tək lazer impulsunun çoxsaylı əks-sədasıdır; Birinci növbə adətən yuxarı səthdir, son dönüş çox vaxt yerdir. İntensivlik geri qaytarılan siqnalın gücüdür; Səth növü haqqında bir ipucu verir. Sinif kodu hər bir nöqtəyə təyin edilmiş standart etiketdir (məsələn, torpaq, bina, aşağı/orta/yüksək bitki örtüyü, su, elektrik xətti); LAS/LAZ fayl formatında saxlanılır. Yerin süzülməsi qrunt olmayan nöqtələrin çıxarılması və çılpaq yer səthinin (DTM) çıxarılması prosesidir. Voksel, 3D məkanında hüceyrə; Nöqtə buludunu sulandırmaq/emal etmək üçün istifadə olunur.
Nöqtə Bulud Emalında AI-nin Rolu
Süni intellekt bu sahədə üç səviyyədə öz töhfəsini verir:
- İş axını və parametrlərin qurulması. Torpağın filtrasiyasını, səs-küyün aradan qaldırılmasını, seyreltmə addımlarını və parametrlərini tövsiyə edir; kod skeleti istehsal edir (PDAL, laspy kimi alətlərlə).
- Obyektlərin təsnifatı. Dərin öyrənmə modelləri nöqtələri bina, ağac, dirək, nəqliyyat vasitəsi kimi siniflərə təsnif edə bilər; Bu, AI-nin əsl işi gördüyü sahədir.
- Xüsusiyyətlərin çıxarılması və hesabat. O, ağacın hündürlüyü, binanın döşəmə sahəsi və xəttin əyilməsi kimi əldə edilmiş ölçüləri hesablayan məntiqi müəyyənləşdirir və ümumiləşdirir.
Kor nöqtə: nöqtə buludu üçölçülüdür və düz xəritədə tam görünmür. Səhv təsnifat (məsələn, körpünün torpaq kimi, alçaq kolun bina kimi hesablanması) xəritədə günahsız görünür və DTM-i təhrif edir. Buna görə təsnifat profil dilimləri ilə təsdiqlənməlidir (nöqtə buludunun şaquli dilimini yan tərəfdən görmək).
İpucu: Təsnifatı təsdiq etməzdən əvvəl bir neçə yerdə şaquli hissələr çəkin. Yer sinfi həqiqətən alt davamlı səthi izləyir, yoxsa damların üstündə "üzər"? Kəsik bir baxışda bunu göstərir.
Addım-addım: DTM Generation üçün Nöqtə Bulud Emalı
- Məlumatlarla tanış olun. Nöqtə sıxlığını (nöqtə/m²), növbələrin sayını, cari sinif kodlarını, CRS və şaquli verilənləri təsdiq edin.
- Təmiz səs-küy. Havadan (yüksək səs-küy) və yeraltı (aşağı səs-küy) kənarları çıxarın.
- Torpağı süzün. Qeyri-qrunt nöqtələrini (bina, ağac, nəqliyyat vasitəsi) təcrid edin və çılpaq yer nöqtələrini buraxın. Bu addım DTM-nin ürəyidir.
- Səth yaradın. Yer nöqtələrindən şəbəkə DTM interpolyasiyasını həyata keçirin.
- Doğrulayın. Profil bölmələri ilə torpaq izini yoxlayın; Yüksəklikləri məlum yüksəklik nöqtələri ilə müqayisə edin.
Torpaq filtrasiyası niyə kritikdir?
DTM (çılpaq torpaq) və DSM (səth) arasındakı yeganə fərq, yerdən kənar nöqtələrin ayrılıb-ayrılmamasıdır. Həcmin hesablanması, yamacın təhlili, su axınının modelləşdirilməsi və ya daşqının öyrənilməsi DTM tələb edir; DSM istifadə edilərsə, binalar və ağaclar "torpaq" ilə səhv salınır və nəticə təhrif edilir. Torpaq filtrləmə parametrləri relyefə uyğun olaraq tənzimlənir: sıldırım maili ərazidə həddindən artıq aqressiv filtr də real zəmini silir, düz ərazidə boş filtr alçaq obyektləri yerlə səhv salır. AI yaxşı bir başlanğıc parametri təklif edə bilər, lakin nəticə kəsiyi olaraq sınaqdan keçirilməlidir.
Diqqət: Körpülər və viyadüklər klassik tələdir. Bunlar yerin üstündə asılmış strukturlardır; Torpaq filtri səhvən bunları torpaq hesab edərsə, DTM-də əslində mövcud olmayan "dəst" yaranacaq və su axınının təhlili tamamilə səhv olacaq.
Üç Mini Case: Rəqəmlərə görə
Məsələn 1 - Körpü tələsi. Daşqın modelləşdirməsində yer filtri körpünü torpaq kimi təsnif etdi; WTC-də axını bağlayan saxta bənd meydana çıxdı və model suyun yuxarı axınında toplanacağını hesabladı. Profil bölməsi körpünü aydın şəkildə göstərdi; Körpü nöqtələri yenidən təsnif edildikdə, axın düzgün şəkildə modelləşdirildi.
Məsələn 2 – Ağacın hündürlüyünün inventarlaşdırılması. Meşə tədqiqatında 240 hektar üçün süni intellekt əsasında təsnifat daha yüksək bitki sinfindən ağac örtüyü nümunəsini çıxardı və təxminən 18 m ağac hündürlüyünü hesabladı. Bu sahədə 30 təsadüfi ağacın əl ilə ölçülməsi ilə müqayisə edildi; fərq ±0,8 m daxilində idi. Müstəqil sahə ölçülməsi model çıxışını etibarlı etdi.
3-cü hal - Səs nöqtəsinin yüksəldilməsi xətası. DTM havada asılmış bir neçə səs-küy nöqtəsini (quşlar, toz) təmizləmədən yaradıldıqda, bir hücrədəki hündürlük faktiki dəyərdən 40 m yuxarı qalxdı. Sifarişə nəzarət və səs-küyün təmizlənməsi addımı bu fərdi sıçrayışları aradan qaldırdı. Dərs: DTM-dən əvvəl kənar təmizlik vacibdir.
Zəif Tələb / Güclü Tələb
Zəif çağırış:
Yer modeli bu nöqtə buludundan çıxır.
Güclü göstəriş:
Tapşırıq: LiDAR nöqtə buludundan DTM nəsil iş prosesini və PDAL/laspy çərçivəsini qurun. Kontekst:- Sıxlıq ~12 bal/m², fırlanma məlumatı mövcuddur, CRS EPSG:5256, şaquli məlumat TUDKA göstərilməlidir- Sahə: qarışıq (axın, körpü, seyrək bina, dik yamac) Tələblər: 1) Ardıcıllıq: səs-küyün aradan qaldırılması -> yerin süzülməsi -> DTM interpolyasiyası və körpü süzgəcləri üçün.2) risklər.3) Yoxlama: profilin en kəsiyi və məlum yüksəklik nöqtəsi ilə müqayisə addımı.4) DTM ilə DSM arasındakı fərqi və bu iş üçün nə üçün DTM tələb olunduğunu yazın.
Güclü sürətli sıxlıq ərazi riskləri (körpü, yamac) və yoxlama addımı verir; çıxdı və sahəyə uyğunlaşdı.
Dörd Kopyalana bilən Şablon
1) Nöqtə buludunun ilkin baxışı:
Aşağıdakı LAS/LAZ metadatasını şərh edin: nöqtə sıxlığı, spin paylanması, cari sinif kodları, CRS/şaquli verilənlər. Çatışmayan və ya şübhəli məlumatları qeyd edin və prosesə başlamazdan əvvəl həll edilməli olanları sadalayın. Metadata: [xülasə]
2) Torpaq filtrasiyasının quraşdırılması:
PDAL ilə zəmin filtrasiya addımlarını yazın; Ərazi növü üçün parametr tövsiyəsi verin [düz/yamac/qarışıq]. Həmçinin körpü, aşağı kol və dik yamac riskləri barədə xəbərdarlıq edir. Profil bölməsi ilə nəticəni yoxlamaq addımını əlavə edin.
3) Obyektlərin təsnifatının yoxlanılması:
Nöqtə buludunun təsnifatını (yer/bina/bitki/xətt) yoxlamaq üçün plan yazın: hansı profil bölmələri götürülməli, hansı sinif qarışıqları gözlənilir (körpü-yer, kol-tikinti), hər birini necə yoxlamaq olar.
4) Əldə edilmiş ölçü nəzarəti:
Etibarlılıq üçün aşağıdakı əldə edilmiş ölçüləri (ağacın hündürlüyü, binanın izi, xəttin əyilməsi) yoxlayın: meydança, mənfi dəyər, kənar göstəricilər. Sahənin ölçülməsi ilə müqayisə üçün təklif əlavə edin. Ölçülər: [cədvəl]
Point Cloud konsepsiyalarının müqayisəsi
anlayış
Mənası
Əhəmiyyət
İlk/son döngə
Zərbənin ilk/son əks-sədası
Üst səth və yerin ayrılması
Sinif kodu
Nöqtə etiketi
DTM/DSM və obyektin çıxarılması
torpaq filtrasiyası
Döşəmənin xarici hissəsinin ayrılması
DTM-nin təməli
Sıxlıq (nöqtə/m²)
Nümunə alma tezliyi
Detal və dəqiqlik həddi
Profil bölməsi
Şaquli dilim görünüşü
Təsnifat yoxlanışı
Ümumi səhvlər
- Torpaq filtrasiyası olmadan DTM istehsalı. Əslində, DSM əldə edilir; jeans/həcmi pozulub.
- Körpülərin/viadukların torpaq kimi hesablanması. Saxta dəst, səhv axın modeli.
- Səs-küy nöqtələrini təmizləməyin. Singular denim sıçrayışları.
- Təsnifatın kəsişməyə görə yoxlanılmaması. Xəritədə günahsız görünən 3D səhvlər yoxdur.
- Şaquli datuma məhəl qoymamaq. Cins şalvar yanlış istinad üzərində oturur.
- Detalların qeyri-kafi intensivliyi gözlənilir. Nöqtə diapazonundan kiçik obyektlər həll edilə bilməz.
Xülasə
LiDAR nöqtə bulud emalında süni intellekt; Bu, iş axınının redaktəsi, yerin filtrasiya parametrləri, obyekt təsnifatı və əldə edilmiş ölçü hesablanması üçün sürətləndiricidir. DTM istehsalında məcburi addım yerin süzülməsidir; Bu buraxılarsa, DSM əldə ediləcək və yüksəklik/həcm/axın təhlilləri təhrif ediləcək. Körpülər, dik yamaclar və səs-küy nöqtələri tipik tələlərdir. Hər bir təsnifatı profil bölmələri və məlum yüksəklik nöqtələri ilə yoxlayın; Həmişə şaquli verilənləri dəqiqləşdirin.
Tətbiq tapşırığı
LiDAR ssenarisini seçin (məsələn, axar və körpü olan dərə). Süni intellekt səs-küyün aradan qaldırılması, zəmin filtrasiyası və DTM interpolyasiya addımları istehsal etsin; Ondan körpü və yamac riskləri barədə xəbərdarlıq etməsini xahiş edin. Sonra bir yoxlama planı yazın: profil bölməsini hara aparacağınızı və onu hansı məlum yüksəklik nöqtələri ilə müqayisə edəcəyinizi konkretləşdirin.
yoxlama siyahısı
- [ ] Mən nöqtə sıxlığını, fırlanma məlumatını və CRS/şaquli verilənləri təsdiqlədim.
- [ ] Mən səs-küyü/çıxışları təmizlədim.
- [ ] DTM üçün yerin xarici hissəsini zəmin filtri ilə ayırdım.
- [ ] Mən körpü/viaduk və yamac risklərini yoxladım.
- [ ] Təsnifatı profil bölmələri ilə təsdiqlədim.
- [ ] Mən yüksəklikləri məlum nöqtələrlə müqayisə etdim.
- [ ] Mən yüksəklik/həcm/axın işi üçün DSM deyil, DTM istifadə etdim.
- [ ] Təsnifat qəbulunu mühəndis təsdiqində saxladım.