Nyereség:
- Lehetőség a LiDAR pontfelhő, a visszatérés, a sűrűség és az osztálykódok helyes használatára az AI munkafolyamatban
- Földi szűrés, DTM gyártás és objektumok (épület, fa, oszlop) osztályozási lépések konfigurálása mesterséges intelligencia segítségével
- A pontfelhő osztályozás kimenetének ellenőrzése profilszelvényekkel és magassági logikával
A LiDAR (Light Detection and Ranging) egy aktív érzékelési technológia, amely lézerimpulzusok küldésével és a visszatérési idő mérésével háromdimenziós méréseket készít a Föld felszínéről. Az eredmény egy több millió vagy akár milliárdnyi pontból álló pontfelhő; Minden pontnak van egy x, y, z koordinátája és további attribútumai. LiDAR a felmérési tervezésben; Nélkülözhetetlen digitális terepmodellek készítéséhez, erdő- és városi területek modellezéséhez, infrastruktúra (villanyvezetékek, utak) kialakításához. Ebben a részben bemutatjuk, hogyan gyorsítja fel a mesterséges intelligencia a pontfelhő-feldolgozást és -osztályozást. Alapelv: az AI osztályozást javasol; A magasság- és szakaszlogikával történő ellenőrzés a mérnöknél marad.
Alapfogalmak. A Return egyetlen lézerimpulzus többszörös visszhangja, amely különböző felületekről (falevelekről, ágakról, talajról) visszaverődik; Az első kanyar általában a felső felület, az utolsó kanyar gyakran a talaj. Az intenzitás a visszaadott jel erőssége; Támogatja a felület típusát. Az osztálykód az egyes pontokhoz rendelt szabványos címke (például talaj, épület, alacsony/közepes/magas növényzet, víz, elektromos vezeték); LAS/LAZ fájlformátumban van tárolva. A talajszűrés a nem földi pontok és a csupasz talajfelszín (DTM) eltávolításának folyamata. Voxel, cella a 3D térben; A pontfelhő hígítására/feldolgozására szolgál.
Az AI szerepe a pontfelhő feldolgozásban
A mesterséges intelligencia három szinten járul hozzá ezen a területen:
- Munkafolyamat és paraméterbeállítás. Javasolja a talajszűrést, a zajcsökkentést, a hígítási lépéseket és paramétereket; kódvázat állít elő (olyan eszközökkel, mint a PDAL, laspy).
- Tárgyosztályozás. A mélytanulási modellek osztályokba sorolhatják a pontokat, például épület, fa, oszlop, jármű; Ez az a terület, ahol az AI végzi az igazi munkát.
- Funkciók kinyerése és jelentése. Létrehozza és összefoglalja azt a logikát, amely kiszámítja a származtatott méréseket, például a fa magasságát, az épület alapterületét és a vonalhajlást.
Vakfolt: a pontfelhő háromdimenziós, és nem látható teljesen sík térképen. A téves besorolás (pl. egy hidat talajnak, egy alacsony bokrot épületnek számít) ártatlannak tűnik a térképen, és torzítja a DTM-et. Ezért a besorolást profilszeletekkel kell ellenőrizni (a pontfelhő függőleges szeletét oldalról nézve).
Tipp: Az osztályozás megerősítése előtt készítsen függőleges metszeteket több helyen. A talajosztály valóban az alsó összefüggő felületet követi, vagy "lebeg" a tetők felett? A kivágás ezt egy pillantással mutatja.
Lépésről lépésre: Pontfelhő feldolgozás a DTM-generációhoz
- Ismerje meg az adatokat. Erősítse meg a pontsűrűséget (pont/m²), a fordulatok számát, az aktuális osztálykódokat, a CRS-t és a függőleges nullapontot.
- Tiszta zaj. Távolítsa el a levegőben (nagy zaj) és a föld alatti (alacsony zajszintű) kiugró elemeket.
- Szűrje le a talajt. Izolálja le a nem földi pontokat (épület, fa, jármű), és hagyja meg a csupasz földi pontokat. Ez a lépés a DTM szíve.
- Felület létrehozása. Hajtson végre rács DTM interpolációt a földi pontokból.
- Ellenőrizze. Ellenőrizze a talajnyomot profilszelvényekkel; Hasonlítsa össze a magasságokat az ismert magassági pontokkal.
Miért kritikus a talajszűrés?
Az egyetlen különbség a DTM (csupasz talaj) és a DSM (felszín) között az, hogy a földön kívüli pontok el vannak-e választva vagy sem. Térfogatszámításhoz, lejtéselemzéshez, vízáramlás-modellezéshez vagy árvízvizsgálathoz DTM szükséges; Ha DSM-et használunk, az épületeket és a fákat összetévesztik a "földdel", és az eredmény torz lesz. A talajszűrési paraméterek a terepviszonyokhoz igazodnak: meredek lejtős területen a túl agresszív szűrő a valódi talajt is törli, sík területen a laza szűrő az alacsony tárgyakat talajnak téveszti. A mesterséges intelligencia jó kiindulási paramétert javasolhat, de az eredményt keresztmetszetben kell tesztelni.
Vigyázat: A hidak és viaduktok klasszikus csapdák. Ezek a föld felett felfüggesztett szerkezetek; Ha a talajszűrő ezeket tévesen földnek tekinti, akkor a DTM-ben egy valójában nem létező "készlet" jön létre, és a vízáramlás elemzése teljesen hibás lesz.
Három mini tok: a számok szerint
1. eset – Hídcsapda. Az árvízmodellezés során a talajszűrő a hidat talajnak minősítette; A WTC-ben megjelent egy hamis gát, amely elzárta a patakot, és a modell kiszámította, hogy a víz felhalmozódik a folyásirányban. A profilszelvényen jól látható volt a híd; A hídpontok átsorolásakor az áramlást helyesen modellezték.
2. eset – Famagasság-leltár. Egy erdővizsgálat során 240 hektáron a mesterséges intelligencia által támogatott osztályozás a magasabb növényosztályból kinyerte a lombkorona mintázatát, és körülbelül 18 méteres átlagos famagasságot számított ki. 30 véletlenszerű fa kézi mérésével hasonlították össze a terepen; a különbség ±0,8 m-en belül volt. A független terepi mérés megbízhatóvá tette a modell kimenetét.
3. eset – Zajpont magassági hiba. Amikor a DTM-et a levegőben lebegő több zajpont (madarak, por) megtisztítása nélkül hozták létre, az egyik cellában a magasság 40 méterrel a tényleges érték fölé ugrott. A sorrendszabályozás és a zajtisztítás lépése eltávolította ezeket az egyedi visszapattanásokat. Tanulság: A külső tisztítás elengedhetetlen a DTM előtt.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
A talajmodell ebből a pontfelhőből bukkan elő.
Erőteljes felszólítás:
Feladat: DTM generálási munkafolyamat és PDAL/laspy keretrendszer összeállítása LiDAR pontfelhőből. Kontextus:- Sűrűség ~12 pont/m², forgási információ elérhető, CRS EPSG:5256, függőleges adatpont TUDKA meg kell adni- Terület: vegyes (patak, híd, ritka épület, meredek lejtő) Követelmények:1) Sorrend: zajeltávolítás -> talajszűrés -> DTM interpoláció.2) Hidak / lejtős szelvények összehasonlítása lépése war3) keresztmetszet és ismert magassági pont.4) Írja le a DTM és a DSM közötti különbséget, és hogy miért szükséges ehhez a munkához a DTM!
Az erős azonnali sűrűség terepkockázatot (híd, lejtő) és ellenőrzési lépést ad; kijött és illik a pályára.
Négy másolható sablon
1) Pontfelhő előzetes áttekintése:
Értelmezze a következő LAS/LAZ metaadatokat: pontsűrűség, spineloszlás, aktuális osztálykódok, CRS/függőleges adat. Jelölje meg a hiányzó vagy gyanús információkat, és sorolja fel, mit kell megoldani a folyamat megkezdése előtt. Metaadatok: [összefoglaló]
2) Földszűrő beállítása:
Földszűrő lépések írása PDAL-lal; Adjon paraméterajánlatot tereptípushoz [sík/lejtő/vegyes]. Figyelmeztet a híd, az alacsony bokor és a meredek lejtő veszélyeire is. Adja hozzá az eredmény ellenőrzésének lépését a profilrésszel.
3) Objektum besorolás ellenőrzése:
Készítsen tervet egy pontfelhő-besorolás ellenőrzésére (talaj/épület/üzem/vonal): mely szelvényszelvényeket kell felvenni, milyen osztálykeverékek várhatók (híd-föld, bokor-építés), mindegyik ellenőrzésének módja.
4) Származtatott mértékszabályozás:
Ellenőrizze a következő származtatott méréseket (fa magassága, épület lábnyoma, vonalhajlás) a hitelesség érdekében: dőlésszög, negatív érték, kiugró értékek. Adjon hozzá javaslatot a terepi méréssel való összehasonlításhoz. Méretek: [táblázat]
Pontfelhő fogalmak összehasonlítása
koncepció
Jelentése
Fontosság
Első/utolsó kanyar
Az ütés első/utolsó visszhangja
Felső felület vs talajelválasztás
Osztály kódja
Pontcímke
DTM/DSM és objektum kivonás
földi szűrés
A padló külső oldalának elválasztása
A DTM alapítása
Sűrűség (pont/m²)
Mintavételi gyakoriság
Részlet- és pontossági határ
Profil rész
Függőleges szelet nézet
Besorolás ellenőrzése
Gyakori hibák
- DTM gyártása talajszűrés nélkül. Valójában megkapjuk a DSM-et; farmer/hangerő torz.
- A hidak/viaduktok talajként való számítása. Hamis készlet, rossz áramlási modell.
- Nem tisztítja a zajpontokat. Egyedi farmer fröccsenések.
- A keresztmetszet szerinti besorolás nem ellenőrzése. Hiányoznak a térképről ártatlannak tűnő 3D hibák.
- A függőleges nullapont figyelmen kívül hagyása. A farmerek rossz hivatkozáson ülnek.
- A részletezés elégtelen intenzitása várható. A ponttartománynál kisebb objektumok nem oldhatók fel.
Összefoglalva
Mesterséges intelligencia a LiDAR pontfelhő feldolgozásban; Ez egy gyorsító a munkafolyamatok szerkesztéséhez, a talajszűrési paraméterekhez, az objektumok osztályozásához és a származtatott mérték kiszámításához. A DTM előállításának kötelező lépése a talajszűrés; Ha ezt kihagyjuk, a rendszer DSM-et kap, és a magasság/térfogat/áramlás elemzések torzulnak. Tipikus csapdák a hidak, meredek lejtők és zajos pontok. Ellenőrizze az egyes besorolásokat profilszelvényekkel és ismert magassági pontokkal; Mindig tisztázza a függőleges nullapontot.
Pályázati feladat
Válasszon egy LiDAR forgatókönyvet (például egy völgyet patakkal és híddal). A mesterséges intelligencia zajeltávolítási, talajszűrési és DTM-interpolációs lépéseket hajtson végre; Kérje meg, hogy figyelmeztesse a híd- és lejtős veszélyekre. Ezután írjon egy ellenőrzési tervet: konkretizálja, hogy hol veszi a profilszakaszt, és melyik ismert magassági pontokkal fogja összehasonlítani.
ellenőrző lista
- [ ] Megerősítettem a pontsűrűséget, a forgási információkat és a CRS/függőleges adatot.
- [ ] Megtisztítottam a zajt/kiugró elemeket.
- [ ] A DTM-hez a talaj külső részét földszűrővel választottam le.
- [ ] Ellenőriztem a híd/viadukt és a lejtő kockázatát.
- [ ] A besorolást profilszelvényekkel igazoltam.
- [ ] Összehasonlítottam a szintemelkedéseket ismert pontokkal.
- [ ] Nem DSM-et, hanem DTM-et használtam az eleváció/hangerő/áramlási munkákhoz.
- [ ] A besorolási elfogadást a mérnöki jóváhagyásban megtartottam.