LiDAR പോയിൻ്റ് ക്ലൗഡ് പ്രോസസ്സിംഗും വർഗ്ഗീകരണവും

നേട്ടങ്ങൾ:

• AI വർക്ക്ഫ്ലോയിൽ LiDAR പോയിൻ്റ് ക്ലൗഡ്, റിട്ടേൺ, സാന്ദ്രത, ക്ലാസ് കോഡുകൾ എന്നിവയുടെ ആശയങ്ങൾ ശരിയായി ഉപയോഗിക്കാനുള്ള കഴിവ്
• ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ്, ഡിടിഎം പ്രൊഡക്ഷൻ, ഒബ്ജക്റ്റ് (കെട്ടിടം, മരം, പോൾ) വർഗ്ഗീകരണ ഘട്ടങ്ങൾ എന്നിവ AI ഉപയോഗിച്ച് ക്രമീകരിക്കാനുള്ള കഴിവ്
• പ്രൊഫൈൽ വിഭാഗങ്ങളും എലവേഷൻ ലോജിക്കും ഉപയോഗിച്ച് പോയിൻ്റ് ക്ലൗഡ് ക്ലാസിഫിക്കേഷൻ ഔട്ട്‌പുട്ട് പരിശോധിക്കാനുള്ള കഴിവ്

ലിഡാർ (ലൈറ്റ് ഡിറ്റക്ഷനും റേഞ്ചിംഗും) ഒരു സജീവ കണ്ടെത്തൽ സാങ്കേതികവിദ്യയാണ്, ഇത് ലേസർ പൾസുകൾ അയച്ച് തിരികെയുള്ള സമയം അളക്കുന്നതിലൂടെ ഭൂമിയുടെ ഉപരിതലത്തിൻ്റെ ത്രിമാന അളവുകൾ നിർമ്മിക്കുന്നു. ദശലക്ഷക്കണക്കിന് അല്ലെങ്കിൽ കോടിക്കണക്കിന് പോയിൻ്റുകൾ അടങ്ങുന്ന ഒരു പോയിൻ്റ് മേഘമാണ് ഫലം; ഓരോ പോയിൻ്റിനും ഒരു x, y, z കോർഡിനേറ്റും അധിക ആട്രിബ്യൂട്ടുകളും ഉണ്ട്. സർവേ എഞ്ചിനീയറിംഗിൽ LiDAR; ഡിജിറ്റൽ ഭൂപ്രദേശ മോഡലുകൾ നിർമ്മിക്കുന്നതിനും വനം, നഗര പ്രദേശങ്ങൾ എന്നിവ മാതൃകയാക്കുന്നതിനും അടിസ്ഥാന സൗകര്യങ്ങൾ (വൈദ്യുതി ലൈനുകൾ, റോഡുകൾ) സൃഷ്ടിക്കുന്നതിനും ഇത് ഒഴിച്ചുകൂടാനാവാത്തതാണ്. ഈ യൂണിറ്റിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പോയിൻ്റ് ക്ലൗഡ് പ്രോസസ്സിംഗും വർഗ്ഗീകരണവും എങ്ങനെ ത്വരിതപ്പെടുത്തുന്നു എന്ന് ഞങ്ങൾ കവർ ചെയ്യുന്നു. തത്വം: AI വർഗ്ഗീകരണം നിർദ്ദേശിക്കുന്നു; ഉയരവും സെക്ഷൻ ലോജിക്കും ഉള്ള പരിശോധന എഞ്ചിനീയറുടെ പക്കലുണ്ട്.

അടിസ്ഥാന നിബന്ധനകൾ. വിവിധ പ്രതലങ്ങളിൽ (മരത്തിൻ്റെ ഇലകൾ, ശാഖകൾ, നിലം) പ്രതിഫലിക്കുന്ന ഒരൊറ്റ ലേസർ പൾസിൻ്റെ ഒന്നിലധികം പ്രതിധ്വനികളാണ് റിട്ടേൺ; ആദ്യ തിരിവ് സാധാരണയായി മുകളിലെ ഉപരിതലമാണ്, അവസാന തിരിവ് പലപ്പോഴും നിലമാണ്. തിരിച്ചുവന്ന സിഗ്നലിൻ്റെ ശക്തിയാണ് തീവ്രത; ഇത് ഉപരിതല തരത്തെക്കുറിച്ച് ഒരു സൂചന നൽകുന്നു. ക്ലാസ് കോഡ് എന്നത് ഓരോ പോയിൻ്റിനും നൽകിയിരിക്കുന്ന സ്റ്റാൻഡേർഡ് ലേബലാണ് (നിലം, കെട്ടിടം, താഴ്ന്ന/ഇടത്തരം/ഉയർന്ന സസ്യങ്ങൾ, ജലം, വൈദ്യുതി ലൈൻ തുടങ്ങിയവ); ഇത് LAS/LAZ ഫയൽ ഫോർമാറ്റിൽ സംഭരിച്ചിരിക്കുന്നു. ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ് എന്നത് ഗ്രൗണ്ട് അല്ലാത്ത പോയിൻ്റുകൾ നീക്കം ചെയ്യുകയും നഗ്നമായ ഗ്രൗണ്ട് പ്രതലം (ഡിടിഎം) നീക്കം ചെയ്യുകയും ചെയ്യുന്ന പ്രക്രിയയാണ്. വോക്‌സൽ, 3D സ്‌പെയ്‌സിലെ സെൽ; പോയിൻ്റ് ക്ലൗഡ് നേർപ്പിക്കാൻ/പ്രോസസ് ചെയ്യാൻ ഉപയോഗിക്കുന്നു.

പോയിൻ്റ് ക്ലൗഡ് പ്രോസസ്സിംഗിൽ AI യുടെ പങ്ക്

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഈ മേഖലയിൽ മൂന്ന് തലങ്ങളിൽ സംഭാവന ചെയ്യുന്നു:

1. വർക്ക്ഫ്ലോയും പാരാമീറ്റർ സജ്ജീകരണവും. ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ്, നോയ്സ് നീക്കം, നേർപ്പിക്കൽ ഘട്ടങ്ങൾ, പാരാമീറ്ററുകൾ എന്നിവ ശുപാർശ ചെയ്യുന്നു; കോഡ് അസ്ഥികൂടം (PDAL, laspy പോലുള്ള ഉപകരണങ്ങൾ ഉപയോഗിച്ച്) നിർമ്മിക്കുന്നു.
2. വസ്തുവിൻ്റെ വർഗ്ഗീകരണം. ഡീപ് ലേണിംഗ് മോഡലുകൾക്ക് പോയിൻ്റുകളെ കെട്ടിടം, മരം, പോൾ, വാഹനം എന്നിങ്ങനെ ക്ലാസുകളായി തരംതിരിക്കാം; AI യഥാർത്ഥ ജോലി ചെയ്യുന്ന മേഖലയാണിത്.
3. ഫീച്ചർ എക്‌സ്‌ട്രാക്‌ഷനും റിപ്പോർട്ടും. മരത്തിൻ്റെ ഉയരം, കെട്ടിടത്തിൻ്റെ വിസ്തീർണ്ണം, ലൈൻ സാഗ് എന്നിങ്ങനെയുള്ള അളവുകൾ കണക്കാക്കുന്ന യുക്തിയെ ഇത് സ്ഥാപിക്കുകയും സംഗ്രഹിക്കുകയും ചെയ്യുന്നു.

ബ്ലൈൻഡ് സ്പോട്ട്: പോയിൻ്റ് ക്ലൗഡ് ത്രിമാനമാണ്, ഒരു ഫ്ലാറ്റ് മാപ്പിൽ പൂർണ്ണമായി ദൃശ്യമാകില്ല. തെറ്റായ വർഗ്ഗീകരണം (ഉദാ. പാലത്തെ ഗ്രൗണ്ടായി കണക്കാക്കുന്നത്, താഴ്ന്ന മുൾപടർപ്പിനെ കെട്ടിടമായി കണക്കാക്കുന്നത്) മാപ്പിൽ നിരപരാധിയായി കാണുകയും DTM-നെ വികലമാക്കുകയും ചെയ്യുന്നു. അതിനാൽ, പ്രൊഫൈൽ സ്ലൈസുകളാൽ വർഗ്ഗീകരണം പരിശോധിക്കേണ്ടതാണ് (വശത്ത് നിന്ന് പോയിൻ്റ് ക്ലൗഡിൻ്റെ ലംബമായ സ്ലൈസ് കാണുന്നത്).

നുറുങ്ങ്: ഒരു വർഗ്ഗീകരണം സ്ഥിരീകരിക്കുന്നതിന് മുമ്പ് നിരവധി സ്ഥലങ്ങളിൽ ലംബമായ ഭാഗങ്ങൾ എടുക്കുക. ഗ്രൗണ്ട് ക്ലാസ് ശരിക്കും താഴെയുള്ള തുടർച്ചയായ ഉപരിതലത്തെ പിന്തുടരുന്നുണ്ടോ, അതോ മേൽക്കൂരകൾക്ക് മുകളിൽ "ഫ്ലോട്ട്" ചെയ്യുന്നുണ്ടോ? കട്ട്‌വേ ഇത് ഒറ്റനോട്ടത്തിൽ കാണിക്കുന്നു.

ഘട്ടം ഘട്ടമായി: DTM ജനറേഷനായി പോയിൻ്റ് ക്ലൗഡ് പ്രോസസ്സിംഗ്

1. ഡാറ്റ അറിയുക. പോയിൻ്റ് സാന്ദ്രത (ഡോട്ടുകൾ/m²), തിരിവുകളുടെ എണ്ണം, നിലവിലെ ക്ലാസ് കോഡുകൾ, CRS, വെർട്ടിക്കൽ ഡാറ്റ എന്നിവ സ്ഥിരീകരിക്കുക.
2. വ്യക്തമായ ശബ്ദം. വായുവിലൂടെയുള്ള (ഉയർന്ന ശബ്‌ദം), ഭൂഗർഭ (കുറഞ്ഞ ശബ്‌ദം) ഔട്ട്‌ലറുകൾ നീക്കം ചെയ്യുക.
3. നിലം ഫിൽട്ടർ ചെയ്യുക. ഗ്രൗണ്ട് അല്ലാത്ത പോയിൻ്റുകൾ (കെട്ടിടം, മരം, വാഹനം) വേർതിരിച്ച് നഗ്നമായ ഗ്രൗണ്ട് പോയിൻ്റുകൾ വിടുക. ഈ ഘട്ടമാണ് ഡിടിഎമ്മിൻ്റെ ഹൃദയം.
4. ഉപരിതലം സൃഷ്ടിക്കുക. ഗ്രൗണ്ട് പോയിൻ്റുകളിൽ നിന്ന് ഗ്രിഡ് ഡിടിഎം ഇൻ്റർപോളേഷൻ നടത്തുക.
5. സ്ഥിരീകരിക്കുക. പ്രൊഫൈൽ വിഭാഗങ്ങൾ ഉപയോഗിച്ച് ഗ്രൗണ്ട് ട്രെയ്സ് പരിശോധിക്കുക; അറിയപ്പെടുന്ന എലവേഷൻ പോയിൻ്റുകളുമായി ഉയരങ്ങൾ താരതമ്യം ചെയ്യുക.

ഗ്രൗണ്ട് ഫിൽട്ടറേഷൻ നിർണ്ണായകമായിരിക്കുന്നത് എന്തുകൊണ്ട്?

ഡിടിഎമ്മും (ബെയർ ഗ്രൗണ്ട്) ഡിഎസ്എമ്മും (ഉപരിതലം) തമ്മിലുള്ള ഒരേയൊരു വ്യത്യാസം ഓഫ് ഗ്രൗണ്ട് പോയിൻ്റുകൾ വേർപെടുത്തിയിട്ടുണ്ടോ ഇല്ലയോ എന്നതാണ്. ഒരു വോളിയം കണക്കുകൂട്ടൽ, ചരിവ് വിശകലനം, വാട്ടർ ഫ്ലോ മോഡലിംഗ് അല്ലെങ്കിൽ പ്രളയ പഠനം എന്നിവയ്ക്ക് DTM ആവശ്യമാണ്; DSM ഉപയോഗിക്കുകയാണെങ്കിൽ, കെട്ടിടങ്ങളും മരങ്ങളും "ഭൂമി" എന്ന് തെറ്റിദ്ധരിക്കപ്പെടുകയും ഫലം വികലമാവുകയും ചെയ്യും. ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ് പാരാമീറ്ററുകൾ ഭൂപ്രദേശത്തിനനുസരിച്ച് ക്രമീകരിച്ചിരിക്കുന്നു: കുത്തനെയുള്ള ചരിവുള്ള പ്രദേശത്ത്, അമിതമായ ആക്രമണാത്മക ഫിൽട്ടർ യഥാർത്ഥ ഗ്രൗണ്ടിനെ മായ്‌ക്കുന്നു, പരന്ന പ്രദേശത്ത്, അയഞ്ഞ ഫിൽട്ടർ ഭൂമിയിലേക്ക് താഴ്ന്ന വസ്തുക്കളെ തെറ്റിദ്ധരിപ്പിക്കുന്നു. AI ഒരു നല്ല ആരംഭ പാരാമീറ്റർ നിർദ്ദേശിച്ചേക്കാം, പക്ഷേ ഫലം ക്രോസ്-സെക്ഷണലായി പരിശോധിക്കണം.

മുന്നറിയിപ്പ്: പാലങ്ങളും വയഡക്‌റ്റുകളും ഒരു ക്ലാസിക് കെണിയാണ്. ഇവ നിലത്തിന് മുകളിൽ സസ്പെൻഡ് ചെയ്ത ഘടനകളാണ്; ഗ്രൗണ്ട് ഫിൽട്ടർ ഇവയെ ഗ്രൗണ്ടായി തെറ്റായി കണക്കാക്കിയാൽ, യഥാർത്ഥത്തിൽ നിലവിലില്ലാത്ത ഒരു "സെറ്റ്" ഡിടിഎമ്മിൽ സൃഷ്ടിക്കപ്പെടുകയും ജലപ്രവാഹ വിശകലനം പൂർണ്ണമായും തെറ്റാകുകയും ചെയ്യും.

മൂന്ന് മിനി കേസുകൾ: അക്കങ്ങൾ പ്രകാരം

കേസ് 1 - പാലം കെണി. ഒരു വെള്ളപ്പൊക്ക മോഡലിംഗിൽ, ഗ്രൗണ്ട് ഫിൽട്ടർ ഒരു പാലത്തെ ഗ്രൗണ്ട് ആയി തരംതിരിച്ചു; ഡബ്ല്യുടിസിയിൽ ഒരു തെറ്റായ അണക്കെട്ട് പ്രത്യക്ഷപ്പെട്ടു, അരുവിയെ തടഞ്ഞു, കൂടാതെ മോഡൽ കണക്കുകൂട്ടിയത് വെള്ളം മുകളിലേക്ക് അടിഞ്ഞുകൂടുമെന്ന്. പ്രൊഫൈൽ വിഭാഗം പാലം വ്യക്തമായി കാണിച്ചു; ബ്രിഡ്ജ് പോയിൻ്റുകൾ വീണ്ടും തരംതിരിച്ചപ്പോൾ, ഒഴുക്ക് ശരിയായി മാതൃകയാക്കി.

കേസ് 2 - മരത്തിൻ്റെ ഉയരം ഇൻവെൻ്ററി. ഒരു വനപഠനത്തിൽ 240 ഹെക്ടറിൽ, AI- സഹായത്തോടെയുള്ള വർഗ്ഗീകരണം ഉയർന്ന സസ്യവർഗത്തിൽ നിന്ന് മരത്തിൻ്റെ മേലാപ്പ് പാറ്റേൺ വേർതിരിച്ചെടുക്കുകയും മരത്തിൻ്റെ ശരാശരി ഉയരം ഏകദേശം 18 മീറ്റർ കണക്കാക്കുകയും ചെയ്തു. വയലിലെ ക്രമരഹിതമായ 30 മരങ്ങളുടെ കൈ അളക്കലുമായി ഇതിനെ താരതമ്യം ചെയ്തു; വ്യത്യാസം ± 0.8 മീറ്ററിനുള്ളിൽ ആയിരുന്നു. സ്വതന്ത്ര ഫീൽഡ് അളക്കൽ മോഡൽ ഔട്ട്പുട്ടിനെ വിശ്വസനീയമാക്കി.

കേസ് 3 - നോയിസ് പോയിൻ്റ് എലവേഷൻ പിശക്. വായുവിൽ സസ്പെൻഡ് ചെയ്യപ്പെട്ട നിരവധി ശബ്ദ പോയിൻ്റുകൾ (പക്ഷികൾ, പൊടികൾ) നീക്കം ചെയ്യാതെ DTM സൃഷ്ടിച്ചപ്പോൾ, ഒരു സെല്ലിലെ ഉയരം യഥാർത്ഥ മൂല്യത്തേക്കാൾ 40 മീറ്റർ ഉയർന്നു. ഓർഡർ നിയന്ത്രണവും നോയ്സ് ക്ലീനിംഗ് ഘട്ടവും ഈ വ്യക്തിഗത ബൗൺസുകൾ നീക്കം ചെയ്തു. പാഠം: DTM-ന് മുമ്പ് ഔട്ട്‌ലിയർ ക്ലീനിംഗ് അത്യാവശ്യമാണ്.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഈ പോയിൻ്റ് മേഘത്തിൽ നിന്നാണ് ഗ്രൗണ്ട് മോഡൽ ഉയർന്നുവരുന്നത്.

ശക്തമായ നിർദ്ദേശം:

ടാസ്‌ക്: LiDAR പോയിൻ്റ് ക്ലൗഡിൽ നിന്ന് DTM ജനറേഷൻ വർക്ക്ഫ്ലോയും PDAL/laspy ഫ്രെയിംവർക്കും നിർമ്മിക്കുക. സന്ദർഭം:- സാന്ദ്രത ~12 പോയിൻ്റ്/m², റൊട്ടേഷൻ വിവരങ്ങൾ ലഭ്യം, CRS EPSG:5256, ലംബ ഡാറ്റ TUDKA വ്യക്തമാക്കണം- ഏരിയ: മിക്സഡ് (സ്ട്രീം, പാലം, വിരളമായ കെട്ടിടം, കുത്തനെയുള്ള ചരിവ്) ആവശ്യകതകൾ: 1) ക്രമം: നോയ്സ് നീക്കം ചെയ്യൽ -> ഗ്രൗണ്ട് ബ്രിഡ്ജ് സ്റ്റീപ്പിംഗ്, 2) DTM ഫിൽട്ടറിംഗ് അപകടസാധ്യതകളെക്കുറിച്ച് മുന്നറിയിപ്പ് നൽകുക.3) സ്ഥിരീകരണം: പ്രൊഫൈൽ ക്രോസ്-സെക്ഷനും അറിയപ്പെടുന്ന എലവേഷൻ പോയിൻ്റുമായുള്ള താരതമ്യ ഘട്ടം.4) DTM-ഉം DSM-ഉം തമ്മിലുള്ള വ്യത്യാസവും ഈ ജോലിക്ക് DTM ആവശ്യമായിരിക്കുന്നതും എഴുതുക.

ശക്തമായ പ്രോംപ്റ്റ് സാന്ദ്രത ഭൂപ്രദേശത്തിന് അപകടസാധ്യതകളും (പാലം, ചരിവ്) സ്ഥിരീകരണ ഘട്ടവും നൽകുന്നു; പുറത്തു വന്നു ഫീൽഡിന് അനുയോജ്യമാണ്.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) പോയിൻ്റ് ക്ലൗഡ് പ്രാഥമിക അവലോകനം:

ഇനിപ്പറയുന്ന LAS/LAZ മെറ്റാഡാറ്റയെ വ്യാഖ്യാനിക്കുക: പോയിൻ്റ് സാന്ദ്രത, സ്പിൻ ഡിസ്ട്രിബ്യൂഷൻ, നിലവിലെ ക്ലാസ് കോഡുകൾ, CRS/വെർട്ടിക്കൽ ഡാറ്റ. നഷ്‌ടമായതോ സംശയാസ്പദമായതോ ആയ വിവരങ്ങൾ അടയാളപ്പെടുത്തുക, പ്രക്രിയ ആരംഭിക്കുന്നതിന് മുമ്പ് പരിഹരിക്കേണ്ടവ ലിസ്റ്റ് ചെയ്യുക. മെറ്റാഡാറ്റ: [സംഗ്രഹം]

2) ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ് സജ്ജീകരണം:

PDAL ഉപയോഗിച്ച് ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ് ഘട്ടങ്ങൾ എഴുതുക; ഭൂപ്രദേശത്തിൻ്റെ തരം [ഫ്ലാറ്റ്/ചരിവ്/മിശ്രിതം] എന്നതിനായുള്ള പാരാമീറ്റർ ശുപാർശ നൽകുക. പാലം, താഴ്ന്ന കുറ്റിക്കാടുകൾ, കുത്തനെയുള്ള ചരിവ് എന്നിവ അപകടസാധ്യതകളെക്കുറിച്ചും മുന്നറിയിപ്പ് നൽകുന്നു. പ്രൊഫൈൽ വിഭാഗം ഉപയോഗിച്ച് ഫലം പരിശോധിക്കുന്നതിനുള്ള ഘട്ടം ചേർക്കുക.

3) ഒബ്ജക്റ്റ് വർഗ്ഗീകരണ പരിശോധന:

ഒരു പോയിൻ്റ് ക്ലൗഡ് ക്ലാസിഫിക്കേഷൻ (ഗ്രൗണ്ട്/ബിൽഡിംഗ്/പ്ലാൻ്റ്/ലൈൻ) പരിശോധിക്കാൻ ഒരു പ്ലാൻ എഴുതുക: ഏതൊക്കെ പ്രൊഫൈൽ സെക്ഷനുകളാണ് എടുക്കേണ്ടത്, ഏത് ക്ലാസ് മിക്സുകളാണ് പ്രതീക്ഷിക്കുന്നത് (ബ്രിഡ്ജ്-ഗ്രൗണ്ട്, ബുഷ്-ബിൽഡിംഗ്), ഓരോന്നും എങ്ങനെ പരിശോധിക്കാം.

4) ഉരുത്തിരിഞ്ഞ അളവുകോൽ നിയന്ത്രണം:

പ്ലാസിബിലിറ്റിക്കായി ഇനിപ്പറയുന്ന ഉരുത്തിരിഞ്ഞ അളവുകൾ (മരത്തിൻ്റെ ഉയരം, കെട്ടിടത്തിൻ്റെ കാൽപ്പാടുകൾ, ലൈൻ സാഗ്) പരിശോധിക്കുക: പിച്ച്, നെഗറ്റീവ് മൂല്യം, ഔട്ട്‌ലറുകൾ. ഫീൽഡ് മെഷർമെൻ്റുമായി താരതമ്യപ്പെടുത്തുന്നതിനുള്ള നിർദ്ദേശം ചേർക്കുക. അളവുകൾ: [പട്ടിക]

പോയിൻ്റ് ക്ലൗഡ് ആശയങ്ങളുടെ താരതമ്യം

ആശയം

അർത്ഥം

പ്രാധാന്യം

ആദ്യ/അവസാന ഊഴം

പ്രഹരത്തിൻ്റെ ആദ്യ/അവസാന പ്രതിധ്വനി

മുകളിലെ പ്രതലവും ഭൂമിയുടെ വേർതിരിവും

ക്ലാസ് കോഡ്

ഡോട്ട് ലേബൽ

DTM/DSM ഉം ഒബ്‌ജക്‌റ്റ് എക്‌സ്‌ട്രാക്‌ഷനും

ഗ്രൗണ്ട് ഫിൽട്ടറേഷൻ

തറയുടെ പുറം വേർതിരിക്കുന്നു

ഡിടിഎമ്മിൻ്റെ അടിസ്ഥാനം

സാന്ദ്രത (ഡോട്ട്/m²)

സാമ്പിൾ ആവൃത്തി

വിശദാംശങ്ങളും കൃത്യതയും പരിധി

പ്രൊഫൈൽ വിഭാഗം

ലംബ സ്ലൈസ് കാഴ്ച

വർഗ്ഗീകരണ പരിശോധന

സാധാരണ തെറ്റുകൾ

• ഗ്രൗണ്ട് ഫിൽട്ടറേഷൻ ഇല്ലാതെ ഡിടിഎം നിർമ്മിക്കുന്നു. വാസ്തവത്തിൽ, DSM ലഭിക്കുന്നു; ജീൻസ്/വോളിയം വികലമാണ്.
• പാലങ്ങൾ/വയഡക്‌റ്റുകൾ ഗ്രൗണ്ടായി കണക്കാക്കുന്നു. വ്യാജ സെറ്റ്, തെറ്റായ ഫ്ലോ മോഡൽ.
• നോയ്സ് പോയിൻ്റുകൾ വൃത്തിയാക്കുന്നില്ല. ഡെനിം സ്പ്ലാഷുകൾ.
• ക്രോസ്-സെക്ഷൻ വഴി വർഗ്ഗീകരണം പരിശോധിക്കുന്നില്ല. മാപ്പിൽ നിഷ്കളങ്കമായി കാണപ്പെടുന്ന 3D പിശകുകൾ കാണുന്നില്ല.
• ലംബമായ ഡാറ്റയെ അവഗണിക്കുന്നു. ജീൻസ് തെറ്റായ പരാമർശത്തിൽ ഇരിക്കുന്നു.
• വിശദാംശങ്ങളുടെ അപര്യാപ്തമായ തീവ്രത പ്രതീക്ഷിക്കുന്നു. ഡോട്ട് ശ്രേണിയേക്കാൾ ചെറിയ വസ്തുക്കൾ പരിഹരിക്കാൻ കഴിയില്ല.

ചുരുക്കത്തിൽ

LiDAR പോയിൻ്റ് ക്ലൗഡ് പ്രോസസ്സിംഗിൽ കൃത്രിമ ബുദ്ധി; വർക്ക്ഫ്ലോ എഡിറ്റിംഗ്, ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ് പാരാമീറ്ററുകൾ, ഒബ്ജക്റ്റ് വർഗ്ഗീകരണം, ഡിറൈവ്ഡ് മെഷർ കണക്കുകൂട്ടൽ എന്നിവയ്ക്കുള്ള ഒരു ആക്സിലറേറ്ററാണ് ഇത്. ഡിടിഎം നിർമ്മിക്കുന്നതിനുള്ള നിർബന്ധിത ഘട്ടം ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ് ആണ്; ഇത് ഒഴിവാക്കിയാൽ, DSM ലഭിക്കുകയും എലവേഷൻ/വോളിയം/ഫ്ലോ വിശകലനങ്ങൾ വികലമാവുകയും ചെയ്യും. പാലങ്ങൾ, കുത്തനെയുള്ള ചരിവുകൾ, നോയ്സ് പോയിൻ്റുകൾ എന്നിവ സാധാരണ കെണികളാണ്. പ്രൊഫൈൽ വിഭാഗങ്ങളും അറിയപ്പെടുന്ന എലവേഷൻ പോയിൻ്റുകളും ഉപയോഗിച്ച് ഓരോ വർഗ്ഗീകരണവും പരിശോധിക്കുക; എല്ലായ്പ്പോഴും ലംബമായ ഡാറ്റ വ്യക്തമാക്കുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു LiDAR രംഗം തിരഞ്ഞെടുക്കുക (ഉദാഹരണത്തിന്, ഒരു സ്ട്രീമും പാലവുമുള്ള ഒരു താഴ്വര). ശബ്‌ദം നീക്കംചെയ്യൽ, ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ്, ഡിടിഎം ഇൻ്റർപോളേഷൻ ഘട്ടങ്ങൾ എന്നിവ AI നിർമ്മിക്കട്ടെ; പാലത്തിൻ്റെയും ചരിവുകളുടെയും അപകടസാധ്യതകളെക്കുറിച്ച് മുന്നറിയിപ്പ് നൽകാൻ ആവശ്യപ്പെടുക. തുടർന്ന് ഒരു സ്ഥിരീകരണ പ്ലാൻ എഴുതുക: പ്രൊഫൈൽ സെക്ഷൻ എവിടെയാണ് എടുക്കേണ്ടതെന്നും ഏത് എലവേഷൻ പോയിൻ്റുകളുമായി താരതമ്യം ചെയ്യുമെന്നും കോൺക്രീറ്റുചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ പോയിൻ്റ് സാന്ദ്രത, റൊട്ടേഷൻ വിവരങ്ങൾ, CRS/ലംബ ഡാറ്റ എന്നിവ സ്ഥിരീകരിച്ചു.
• [ ] ഞാൻ ശബ്ദം/പുറമ്പോക്ക് വൃത്തിയാക്കി.
• [ ] ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ് ഉപയോഗിച്ച് ഞാൻ ഡിടിഎമ്മിനായി ഗ്രൗണ്ടിൻ്റെ പുറം വേർതിരിച്ചു.
• [ ] ഞാൻ പാലം/വയഡക്‌ട്, ചരിവ് അപകടസാധ്യതകൾ എന്നിവ പരിശോധിച്ചു.
• [ ] പ്രൊഫൈൽ വിഭാഗങ്ങൾ ഉപയോഗിച്ച് ഞാൻ വർഗ്ഗീകരണം പരിശോധിച്ചു.
• [ ] ഞാൻ എലവേഷനുകളെ അറിയപ്പെടുന്ന പോയിൻ്റുകളുമായി താരതമ്യം ചെയ്തു.
• [ ] എലിവേഷൻ/വോളിയം/ഫ്ലോ വർക്കിനായി ഞാൻ DTM ഉപയോഗിച്ചു, DSM അല്ല.
• എഞ്ചിനീയർ അംഗീകാരത്തിൽ ഞാൻ വർഗ്ഗീകരണ സ്വീകാര്യത നിലനിർത്തി.