नफा:
- AI वर्कफ्लोमध्ये LiDAR पॉइंट क्लाउड, रिटर्न, घनता आणि वर्ग कोडच्या संकल्पना योग्यरित्या वापरण्याची क्षमता
- एआय सह ग्राउंड फिल्टरिंग, डीटीएम उत्पादन आणि ऑब्जेक्ट (इमारत, झाड, खांब) वर्गीकरण चरण कॉन्फिगर करण्याची क्षमता
- प्रोफाइल विभाग आणि एलिव्हेशन लॉजिकसह पॉइंट क्लाउड वर्गीकरण आउटपुट सत्यापित करण्याची क्षमता
LiDAR (लाइट डिटेक्शन अँड रेंजिंग) हे एक सक्रिय शोध तंत्रज्ञान आहे जे लेसर पल्स पाठवून आणि परत येण्याची वेळ मोजून पृथ्वीच्या पृष्ठभागाचे त्रिमितीय मोजमाप तयार करते. परिणाम म्हणजे बिंदू ढग ज्यामध्ये लाखो किंवा अगदी अब्जावधी बिंदू असतात; प्रत्येक बिंदूमध्ये x, y, z समन्वय आणि अतिरिक्त गुणधर्म असतात. सर्वेक्षण अभियांत्रिकी मध्ये LiDAR; डिजिटल भूप्रदेश मॉडेल तयार करणे, जंगल आणि शहरी भागांचे मॉडेलिंग करणे आणि पायाभूत सुविधा (पॉवर लाईन्स, रस्ते) तयार करणे हे अपरिहार्य आहे. या युनिटमध्ये, आम्ही आर्टिफिशियल इंटेलिजन्स पॉइंट क्लाउड प्रोसेसिंग आणि वर्गीकरण कसे गतिमान करतो ते कव्हर करतो. तत्त्व: AI वर्गीकरण सुचवते; उंची आणि विभाग तर्कासह पडताळणी अभियंत्याकडे राहते.
मूलभूत अटी. रिटर्न म्हणजे वेगवेगळ्या पृष्ठभागांवरून (झाडाची पाने, फांद्या, जमिनीवर) परावर्तित होणाऱ्या एकाच लेसर पल्सचे अनेक प्रतिध्वनी; पहिले वळण सहसा वरच्या पृष्ठभागावर असते, शेवटचे वळण बहुतेकदा जमिनीवर असते. तीव्रता ही परत आलेल्या सिग्नलची ताकद आहे; हे पृष्ठभागाच्या प्रकाराबद्दल एक संकेत देते. वर्ग कोड हे प्रत्येक बिंदूला नियुक्त केलेले मानक लेबल आहे (जसे की जमीन, इमारत, कमी/मध्यम/उच्च वनस्पती, पाणी, पॉवर लाइन); हे LAS/LAZ फाइल फॉरमॅटमध्ये साठवले जाते. ग्राउंड फिल्टरिंग ही जमीन नसलेले बिंदू काढून टाकण्याची आणि बेअर ग्राउंड पृष्ठभाग (डीटीएम) काढून टाकण्याची प्रक्रिया आहे. व्हॉक्सेल, 3D जागेत सेल; पॉइंट क्लाउड सौम्य/प्रक्रिया करण्यासाठी वापरला जातो.
पॉइंट क्लाउड प्रोसेसिंगमध्ये AI ची भूमिका
कृत्रिम बुद्धिमत्ता या क्षेत्रात तीन स्तरांवर योगदान देते:
- वर्कफ्लो आणि पॅरामीटर सेटअप. ग्राउंड फिल्टरिंग, आवाज काढून टाकणे, पातळ करणे चरण आणि पॅरामीटर्सची शिफारस करते; कोड स्केलेटन (PDAL, laspy सारख्या साधनांसह) तयार करते.
- ऑब्जेक्ट वर्गीकरण. डीप लर्निंग मॉडेल बिंदूंचे वर्गीकरण करू शकतात जसे की इमारत, झाड, खांब, वाहन; हे असे क्षेत्र आहे जिथे AI खरे काम करते.
- वैशिष्ट्य निष्कर्षण आणि अहवाल. हे लॉजिक स्थापित करते आणि सारांशित करते जे व्युत्पन्न मोजमापांची गणना करते जसे की झाडाची उंची, इमारतीच्या मजल्याचे क्षेत्रफळ आणि रेषा सॅग.
ब्लाइंड स्पॉट: पॉइंट क्लाउड त्रिमितीय आहे आणि सपाट नकाशावर पूर्णपणे दृश्यमान नाही. चुकीचे वर्गीकरण (उदा. एक पूल जमीन म्हणून मोजणे, एक इमारत म्हणून कमी झुडूप) नकाशावर निष्पाप दिसते आणि DTM विकृत करते. म्हणून, वर्गीकरण प्रोफाइल स्लाइसद्वारे सत्यापित करणे आवश्यक आहे (बाजूने पॉइंट क्लाउडचा उभ्या स्लाइस पहाणे).
टीप: वर्गीकरणाची पुष्टी करण्यापूर्वी अनेक ठिकाणी अनुलंब विभाग घ्या. ग्राउंड क्लास खरोखर तळाच्या सतत पृष्ठभागाचे अनुसरण करते किंवा ते छताच्या वर "फ्लोट" करते? कटअवे हे एका दृष्टीक्षेपात दाखवते.
स्टेप बाय स्टेप: डीटीएम जनरेशनसाठी पॉइंट क्लाउड प्रोसेसिंग
- डेटा जाणून घ्या. बिंदू घनता (डॉट्स/m²), वळणांची संख्या, वर्तमान वर्ग कोड, CRS आणि अनुलंब डेटामची पुष्टी करा.
- स्पष्ट आवाज. एअरबोर्न (उच्च आवाज) आणि भूमिगत (कमी आवाज) आउटलियर काढा.
- जमीन गाळून घ्या. ग्राउंड नसलेल्या बिंदूंना (इमारत, झाड, वाहन) वेगळे करा आणि उघडे ग्राउंड पॉइंट्स सोडा. ही पायरी DTM चे हृदय आहे.
- पृष्ठभाग तयार करा. ग्राउंड पॉइंट्सवरून ग्रिड डीटीएम इंटरपोलेशन करा.
- सत्यापित करा. प्रोफाइल विभागांसह ग्राउंड ट्रेस तपासा; ज्ञात उंचीच्या बिंदूंसह उंचीची तुलना करा.
ग्राउंड फिल्टरेशन गंभीर का आहे?
डीटीएम (बेअर ग्राउंड) आणि डीएसएम (सरफेस) मधील फरक हा आहे की ऑफ-ग्राउंड पॉइंट वेगळे केले आहेत की नाही. व्हॉल्यूमची गणना, उतार विश्लेषण, जल प्रवाह मॉडेलिंग किंवा पूर अभ्यास यासाठी डीटीएम आवश्यक आहे; डीएसएम वापरल्यास, इमारती आणि झाडे "जमीन" म्हणून चुकीची आहेत आणि परिणाम विकृत आहे. ग्राउंड फिल्टरिंग पॅरामीटर्स भूप्रदेशानुसार समायोजित केले जातात: तीव्र उतार असलेल्या भागात, एक जास्त आक्रमक फिल्टर वास्तविक जमीन देखील पुसून टाकतो, सपाट भागात, एक सैल फिल्टर जमिनीसाठी कमी वस्तूंना चूक करतो. एआय एक चांगला प्रारंभ पॅरामीटर सुचवू शकतो, परंतु परिणाम क्रॉस-विभागीयपणे तपासला जाणे आवश्यक आहे.
खबरदारी: पूल आणि वायडक्ट हे उत्कृष्ट सापळे आहेत. हे जमिनीच्या वर निलंबित संरचना आहेत; जर ग्राउंड फिल्टरने चुकून हे ग्राउंड मानले तर, DTM मध्ये एक "सेट" तयार केला जाईल जो प्रत्यक्षात अस्तित्वात नाही आणि पाण्याच्या प्रवाहाचे विश्लेषण पूर्णपणे चुकीचे असेल.
तीन मिनी प्रकरणे: संख्यांनुसार
केस 1 - ब्रिज ट्रॅप. फ्लड मॉडेलिंगमध्ये, ग्राउंड फिल्टरने पुलाचे ग्राउंड म्हणून वर्गीकरण केले; डब्ल्यूटीसीमध्ये खोटे धरण दिसू लागले, प्रवाह अवरोधित केला, आणि मॉडेलने गणना केली की पाणी अपस्ट्रीममध्ये जमा होईल. प्रोफाइल विभागात स्पष्टपणे पूल दर्शविले; जेव्हा ब्रिज पॉइंट्सचे पुनर्वर्गीकरण केले गेले तेव्हा प्रवाह योग्यरित्या तयार केला गेला.
केस 2 - झाडाच्या उंचीची यादी. वन अभ्यासात 240 हेक्टरसाठी, AI-सहाय्यित वर्गीकरणाने उच्च वनस्पती वर्गातून वृक्ष छत नमुना काढला आणि अंदाजे 18 मीटर सरासरी झाडाची उंची मोजली. शेतातील 30 यादृच्छिक झाडांच्या हाताच्या मोजमापाशी त्याची तुलना करण्यात आली; फरक ±0.8 मीटरच्या आत होता. स्वतंत्र फील्ड मापन मॉडेल आउटपुट विश्वसनीय केले.
केस 3 - आवाज बिंदू उंची त्रुटी. हवेतील अनेक ध्वनी बिंदू (पक्षी, धूळ) साफ न करता जेव्हा डीटीएम तयार केले गेले, तेव्हा एका सेलमधील उंची वास्तविक मूल्यापेक्षा 40 मीटर वर गेली. ऑर्डर कंट्रोल आणि नॉइज क्लीनिंग स्टेपने हे वैयक्तिक बाऊन्स काढून टाकले. धडा: डीटीएमपूर्वी आउटलियर साफ करणे आवश्यक आहे.
कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट
कमकुवत प्रॉम्प्ट:
या बिंदूच्या ढगातून ग्राउंड मॉडेल उदयास येते.
शक्तिशाली सूचना:
कार्य: LiDAR पॉइंट क्लाउडवरून DTM जनरेशन वर्कफ्लो आणि PDAL/laspy फ्रेमवर्क तयार करा. संदर्भ:- घनता ~12 पॉइंट/m², रोटेशन माहिती उपलब्ध, CRS EPSG:5256, अनुलंब डेटाम TUDKA निर्दिष्ट करणे आवश्यक आहे- क्षेत्र: मिश्रित (स्ट्रीम, पूल, विरळ इमारत, तीव्र उतार) आवश्यकता: 1) अनुक्रम: आवाज काढणे -> ग्राउंड फिल्टरिंग / डीटीएम 2 आणि डीटीएम वाहिनी फिल्टरिंगसाठी. फिल्टरिंग जोखमींबद्दल उताराचा इशारा.3) पडताळणी: प्रोफाइल क्रॉस-सेक्शन आणि ज्ञात उंची बिंदूसह तुलना चरण.4) डीटीएम आणि डीएसएममधील फरक आणि या कामासाठी डीटीएम का आवश्यक आहे ते लिहा.
मजबूत प्रॉम्प्ट घनता भूप्रदेश जोखीम (पूल, उतार) आणि पडताळणी पायरी देते; बाहेर आला आणि फील्ड फिट.
चार कॉपी करण्यायोग्य टेम्पलेट्स
1) पॉइंट क्लाउड प्राथमिक पुनरावलोकन:
खालील एलएएस/एलएझेड मेटाडेटाचा अर्थ लावा: बिंदू घनता, स्पिन वितरण, वर्तमान वर्ग कोड, सीआरएस/उभ्या डेटा. गहाळ किंवा संशयास्पद माहिती चिन्हांकित करा आणि प्रक्रिया सुरू करण्यापूर्वी काय निराकरण करणे आवश्यक आहे ते सूचीबद्ध करा. मेटाडेटा: [सारांश]
२) ग्राउंड फिल्टरिंग सेटअप:
PDAL सह ग्राउंड फिल्टरिंग चरण लिहा; भूप्रदेश प्रकार [फ्लॅट/स्लोप/मिश्र] साठी पॅरामीटर शिफारस द्या. पूल, कमी झुडूप आणि तीव्र उताराच्या धोक्यांचा देखील इशारा देतो. प्रोफाइल विभागासह निकाल सत्यापित करण्याची पायरी जोडा.
3) ऑब्जेक्ट वर्गीकरण सत्यापन:
पॉइंट क्लाउड वर्गीकरण (ग्राउंड/बिल्डिंग/प्लांट/लाइन) सत्यापित करण्यासाठी योजना लिहा: कोणते प्रोफाइल विभाग घेतले पाहिजेत, कोणत्या वर्गाचे मिश्रण अपेक्षित आहे (ब्रिज-ग्राउंड, बुश-बिल्डिंग), प्रत्येक कसे सत्यापित करावे.
4) व्युत्पन्न मापन नियंत्रण:
प्रशंसनीयतेसाठी खालील व्युत्पन्न मोजमाप (झाडाची उंची, बिल्डिंग फूटप्रिंट, लाइन सॅग) तपासा: खेळपट्टी, नकारात्मक मूल्य, आउटलियर. फील्ड मापनासह तुलना करण्यासाठी सूचना जोडा. परिमाण: [सारणी]
पॉइंट क्लाउड संकल्पना तुलना
संकल्पना
अर्थ
महत्त्व
पहिले/शेवटचे वळण
फटक्याचा पहिला/शेवटचा प्रतिध्वनी
शीर्ष पृष्ठभाग वि ग्राउंड पृथक्करण
वर्ग कोड
डॉट लेबल
DTM/DSM आणि ऑब्जेक्ट काढणे
ग्राउंड गाळण्याची प्रक्रिया किंवा पध्दती
मजल्याच्या बाहेरील भाग वेगळे करणे
डीटीएमचा पाया
घनता (डॉट/m²)
सॅम्पलिंग वारंवारता
तपशील आणि अचूकता मर्यादा
प्रोफाइल विभाग
अनुलंब स्लाइस दृश्य
वर्गीकरण पडताळणी
सामान्य चुका
- ग्राउंड फिल्टरेशनशिवाय डीटीएम तयार करणे. खरं तर, DSM प्राप्त आहे; जीन्स/व्हॉल्यूम विकृत आहे.
- ग्राउंड म्हणून पूल/व्हियाडक्ट्स मोजणे. बनावट संच, चुकीचा प्रवाह मॉडेल.
- नॉइज पॉइंट्स साफ न करणे. एकेरी डेनिम स्प्लॅश.
- क्रॉस-सेक्शनद्वारे वर्गीकरण सत्यापित करत नाही. नकाशावर निष्पाप दिसणाऱ्या 3D त्रुटी गहाळ.
- उभ्या माहितीकडे दुर्लक्ष करत आहे. जीन्स चुकीच्या संदर्भावर बसतात.
- तपशीलाची अपुरी तीव्रता अपेक्षित आहे. बिंदू श्रेणीपेक्षा लहान वस्तूंचे निराकरण केले जाऊ शकत नाही.
सारांशात
LiDAR पॉइंट क्लाउड प्रोसेसिंगमध्ये कृत्रिम बुद्धिमत्ता; हे वर्कफ्लो एडिटिंग, ग्राउंड फिल्टरिंग पॅरामीटर्स, ऑब्जेक्ट क्लासिफिकेशन आणि व्युत्पन्न माप गणनेसाठी एक प्रवेगक आहे. डीटीएमच्या निर्मितीमध्ये अनिवार्य पाऊल म्हणजे ग्राउंड फिल्टरिंग; हे वगळल्यास, DSM प्राप्त केले जाईल आणि उंची/आवाज/प्रवाह विश्लेषणे विकृत केली जातील. पूल, तीव्र उतार आणि आवाज बिंदू हे वैशिष्ट्यपूर्ण सापळे आहेत. प्रोफाइल विभाग आणि ज्ञात उंची बिंदूंसह प्रत्येक वर्गीकरण सत्यापित करा; उभ्या माहितीचे नेहमी स्पष्टीकरण करा.
अर्ज कार्य
LiDAR परिस्थिती निवडा (उदाहरणार्थ, प्रवाह आणि पूल असलेली दरी). एआयने आवाज काढणे, ग्राउंड फिल्टरिंग आणि डीटीएम इंटरपोलेशन चरण तयार केले आहेत; त्याला पूल आणि उताराच्या जोखमींबद्दल चेतावणी देण्यास सांगा. नंतर पडताळणी योजना लिहा: तुम्ही प्रोफाइल विभाग कोठे घ्याल आणि कोणत्या ज्ञात उंचीच्या बिंदूंशी तुम्ही त्याची तुलना कराल याचे ठोस करा.
चेकलिस्ट
- मी बिंदू घनता, रोटेशन माहिती आणि CRS/उभ्या डेटामची पुष्टी केली.
- [ ] मी आवाज/आऊटलायर्स साफ केले.
- [ ] मी ग्राउंड फिल्टरिंगसह DTM साठी जमिनीच्या बाहेरील भाग वेगळे केले.
- [ ] मी ब्रिज/व्हायडक्ट आणि उताराचे धोके तपासले.
- [ ] मी प्रोफाइल विभागांसह वर्गीकरण सत्यापित केले.
- [ ] मी उंचीची तुलना ज्ञात बिंदूंशी केली.
- [] मी एलिव्हेशन/व्हॉल्यूम/फ्लो कामासाठी डीएसएम नाही, डीटीएम वापरला.
- [ ] मी अभियंता मान्यतेमध्ये वर्गीकरण स्वीकृती ठेवली.