Gains :
- Capacité à utiliser correctement les concepts de nuage de points LiDAR, de retour, de densité et de codes de classe dans le flux de travail de l'IA
- Possibilité de configurer les étapes de filtrage du sol, de production DTM et de classification des objets (bâtiment, arbre, poteau) avec l'IA
- Possibilité de vérifier la sortie de la classification des nuages de points avec des sections de profil et une logique d'élévation
LiDAR (Light Detection and Ranging) est une technologie de détection active qui produit des mesures tridimensionnelles de la surface terrestre en envoyant des impulsions laser et en mesurant le temps de retour. Le résultat est un nuage de points composé de millions, voire de milliards de points ; Chaque point possède une coordonnée x, y, z et des attributs supplémentaires. LiDAR en ingénierie topographique ; Il est indispensable pour réaliser des modèles numériques de terrain, modéliser les forêts et les zones urbaines et créer des infrastructures (lignes électriques, routes). Dans cette unité, nous expliquons comment l'intelligence artificielle accélère le traitement et la classification des nuages de points. Principe : l’IA suggère une classification ; La vérification avec la logique de hauteur et de section reste du ressort de l'ingénieur.
Termes de base. Le retour est constitué de multiples échos d'une seule impulsion laser réfléchie par différentes surfaces (feuilles d'arbres, branches, sol) ; Le premier virage est généralement la surface supérieure, le dernier virage est souvent le sol. L'intensité est la force du signal renvoyé ; Cela donne une idée du type de surface. Le code de classe est l'étiquette standard attribuée à chaque point (tel que sol, bâtiment, végétation faible/moyenne/élevée, eau, ligne électrique) ; Il est stocké au format de fichier LAS/LAZ. Le filtrage du sol est le processus de suppression des points non mis à la terre et de suppression de la surface du sol nu (DTM). Voxel, cellule dans l'espace 3D ; Utilisé pour diluer/traiter le nuage de points.
Le rôle de l'IA dans le traitement des nuages de points
L’intelligence artificielle contribue dans ce domaine à trois niveaux :
- Flux de travail et configuration des paramètres. Recommande le filtrage du sol, la suppression du bruit, les étapes et les paramètres de dilution ; produit un squelette de code (avec des outils tels que PDAL, laspy).
- Classement des objets. Les modèles d'apprentissage profond peuvent classer les points en classes telles que bâtiment, arbre, poteau, véhicule ; C’est le domaine dans lequel l’IA fait le vrai travail.
- Extraction de fonctionnalités et rapport. Il établit et résume la logique qui calcule les mesures dérivées telles que la hauteur des arbres, la surface du bâtiment et l'affaissement de la ligne.
Angle mort : le nuage de points est tridimensionnel et n’est pas entièrement visible sur une carte plate. Une mauvaise classification (par exemple, compter un pont comme terrain, un buisson bas comme bâtiment) semble innocente sur la carte et déforme le DTM. La classification doit donc être vérifiée par coupes de profil (visualisation latérale d'une coupe verticale du nuage de points).
Astuce : Effectuez des coupes verticales à plusieurs endroits avant de confirmer un classement. La classe au sol suit-elle vraiment la surface continue inférieure, ou « flotte »-t-elle au-dessus des toits ? La coupe le montre d'un seul coup d'œil.
Étape par étape : traitement des nuages de points pour la génération de DTM
- Apprenez à connaître les données. Confirmez la densité de points (points/m²), le nombre de tours, les codes de classe actuels, le CRS et la référence verticale.
- Bruit clair. Supprimez les valeurs aberrantes aériennes (bruit élevé) et souterraines (faible bruit).
- Filtrez le sol. Isoler les points non mis à la terre (bâtiment, arbre, véhicule) et laisser les points au sol nus. Cette étape est le cœur du DTM.
- Générer une surface. Effectuez une interpolation DTM de grille à partir de points au sol.
- Vérifier. Vérifier la trace au sol avec des sections de profil ; Comparez les altitudes avec les points d'altitude connus.
Pourquoi la filtration au sol est-elle essentielle ?
La seule différence entre DTM (sol nu) et DSM (surface) est de savoir si les points hors sol sont séparés ou non. Un calcul de volume, une analyse de pente, une modélisation du débit d’eau ou une étude d’inondation nécessitent un DTM ; Si DSM est utilisé, les bâtiments et les arbres sont confondus avec des « terrains » et le résultat est déformé. Les paramètres de filtrage du sol sont ajustés en fonction du terrain : dans une zone en forte pente, un filtre trop agressif efface également le sol réel, dans une zone plate, un filtre lâche confond les objets bas avec le sol. L’IA peut suggérer un bon paramètre de départ, mais le résultat doit être testé de manière transversale.
Attention : les ponts et viaducs sont un piège classique. Ce sont des structures suspendues au-dessus du sol ; Si le filtre de sol les considère par erreur comme du sol, un « ensemble » sera créé dans le DTM qui n'existe pas réellement et l'analyse du débit d'eau sera complètement fausse.
Trois mini-cases : en chiffres
Cas 1 — Piège à pont. Dans une modélisation d'inondation, le filtre de sol a classé un pont comme sol ; Un faux barrage est apparu dans le WTC, bloquant le ruisseau, et le modèle a calculé que l'eau s'accumulerait en amont. La section de profil montrait clairement le pont ; Lorsque les points de pont ont été reclassés, le flux a été modélisé correctement.
Cas 2 — Inventaire de la hauteur des arbres. Pour 240 hectares d'une étude forestière, la classification assistée par l'IA a extrait la configuration du couvert forestier de la classe végétale supérieure et a calculé la hauteur moyenne des arbres d'environ 18 m. Elle a été comparée à la mesure manuelle de 30 arbres aléatoires sur le terrain ; la différence était de ±0,8 m. Des mesures de terrain indépendantes ont rendu les résultats du modèle fiables.
Cas 3 — Erreur d'élévation du point de bruit. Lorsque le DTM a été généré sans éliminer plusieurs points de bruit (oiseaux, poussière) en suspension dans l'air, l'élévation dans une cellule a bondi de 40 m au-dessus de la valeur réelle. L’étape de contrôle des commandes et de nettoyage du bruit a supprimé ces rebonds individuels. Leçon : Le nettoyage des valeurs aberrantes est essentiel avant le DTM.
Invite faible/Invite forte
Invite faible :
Le modèle sol émerge de ce nuage de points.
Invite puissante :
Tâche : Construire un flux de travail de génération DTM et un cadre PDAL/laspy à partir d'un nuage de points LiDAR. Contexte : - Densité ~12 points/m², informations de rotation disponibles, CRS EPSG : 5256, la référence verticale TUDKA doit être spécifiée - Zone : mixte (ruisseau, pont, bâtiment clairsemé, forte pente) Exigences : 1) Séquence : suppression du bruit -> filtrage du sol -> interpolation DTM.2) Pour pont/viaduc et pente raide, avertir des risques de filtrage.3) Vérification : étape de comparaison avec section de profil et point d'élévation connu. DSM et pourquoi DTM est requis pour ce travail.
Une forte densité rapide donne des risques de terrain (pont, pente) et une étape de vérification ; est sorti et s’adapte au terrain.
Quatre modèles copiables
1) Examen préliminaire du nuage de points :
Interprétez les métadonnées LAS/LAZ suivantes : densité de points, distribution de spin, codes de classe actuels, données CRS/verticales. Marquez les informations manquantes ou suspectes et répertoriez ce qui doit être résolu avant de commencer le processus. Métadonnées : [résumé]
2) Configuration du filtrage au sol :
Écrivez les étapes de filtrage au sol avec PDAL ; Donner une recommandation de paramètres pour le type de terrain [plat/pente/mixte]. Avertit également des risques liés aux ponts, aux buissons bas et aux pentes raides. Ajoutez l'étape de vérification du résultat avec la section profil.
3) Vérification de la classification des objets :
Rédiger un plan pour vérifier une classification de nuages de points (sol/bâtiment/usine/ligne) : quelles sections de profil doivent être prises, quels mélanges de classes sont attendus (pont-sol, buisson-construction), comment vérifier chacun.
4) Contrôle des mesures dérivées :
Vérifiez la plausibilité des mesures dérivées suivantes (hauteur de l'arbre, empreinte du bâtiment, affaissement de la ligne) : pente, valeur négative, valeurs aberrantes. Ajouter une suggestion de comparaison avec la mesure sur le terrain. Dimensions : [tableau]
Comparaison des concepts de nuages de points
notion
Signification
Importance
Premier/dernier tour
Premier/dernier écho du coup
Séparation surface supérieure/sol
Code de classe
Étiquette à points
DTM/DSM et extraction d'objets
filtration au sol
Séparer l'extérieur du sol
Fondation du DTM
Densité (point/m²)
Fréquence d'échantillonnage
Limite de détail et de précision
Section Profil
Vue en coupe verticale
Vérification du classement
Erreurs courantes
- Production de DTM sans filtration au sol. En fait, le DSM est obtenu ; le jean/volume est déformé.
- Compter les ponts/viaducs comme terrain. Faux ensemble, mauvais modèle de flux.
- Ne pas nettoyer les points de bruit. Des touches de denim singulières.
- Ne pas vérifier le classement par section. Il manque des erreurs 3D innocentes sur la carte.
- Ignorer la référence verticale. Le jean repose sur la mauvaise référence.
- Je m'attends à une intensité de détail insuffisante. Les objets plus petits que la plage de points ne peuvent pas être résolus.
En résumé
Intelligence artificielle dans le traitement des nuages de points LiDAR ; Il s'agit d'un accélérateur pour l'édition de flux de travail, les paramètres de filtrage de base, la classification d'objets et le calcul de mesures dérivées. L'étape obligatoire dans la production de DTM est le filtrage au sol ; Si cela est omis, le DSM sera obtenu et les analyses d'élévation/volume/débit seront faussées. Les ponts, les pentes abruptes et les points bruyants sont des pièges typiques. Vérifier chaque classification avec des sections de profil et des points d'élévation connus ; Clarifiez toujours la référence verticale.
Tâche de candidature
Choisissez un scénario LiDAR (par exemple, une vallée avec un ruisseau et un pont). Demander à l'IA de produire des étapes de suppression du bruit, de filtrage du sol et d'interpolation DTM ; Demandez-lui d'avertir des risques liés aux ponts et aux talus. Rédigez ensuite un plan de vérification : concrétisez où vous prendrez la section de profil et à quels points d'élévation connus vous la comparerez.
liste de contrôle
- [ ] J'ai confirmé la densité de points, les informations de rotation et les données CRS/verticales.
- [ ] J'ai nettoyé le bruit/les valeurs aberrantes.
- [ ] J'ai séparé l'extérieur du sol pour le DTM avec un filtrage du sol.
- [ ] J'ai vérifié les risques pont/viaduc et talus.
- [ ] J'ai vérifié le classement avec les sections de profil.
- [ ] J'ai comparé les altitudes à des points connus.
- [ ] J'ai utilisé DTM, pas DSM, pour les travaux d'élévation/volume/débit.
- [ ] J'ai conservé l'acceptation de classification en approbation d'ingénieur.