ලාභ:
- AI කාර්ය ප්රවාහයේදී LiDAR point cloud, return, density සහ class codes යන සංකල්ප නිවැරදිව භාවිතා කිරීමේ හැකියාව
- AI සමඟින් බිම් පෙරීම, DTM නිෂ්පාදනය සහ වස්තුව (ගොඩනැගිල්ල, ගස, කණුව) වර්ගීකරණ පියවර සැකසීමේ හැකියාව
- පැතිකඩ කොටස් සහ උන්නතාංශ තර්කනය සමඟ ලක්ෂ්ය වලාකුළු වර්ගීකරණ ප්රතිදානය සත්යාපනය කිරීමේ හැකියාව
LiDAR (Light Detection and Ranging) යනු ලේසර් ස්පන්දන යැවීමෙන් සහ ආපසු පැමිණීමේ කාලය මැනීමෙන් පෘථිවි පෘෂ්ඨයේ ත්රිමාන මිනුම් නිපදවන ක්රියාකාරී හඳුනාගැනීමේ තාක්ෂණයකි. එහි ප්රතිඵලය වන්නේ ලක්ෂ්ය හෝ බිලියන ගණනකින් යුත් ලක්ෂ්ය වලාකුළකි; සෑම ලක්ෂයකටම x, y, z ඛණ්ඩාංකයක් සහ අමතර ගුණාංග ඇත. සමීක්ෂණ ඉංජිනේරු විද්යාවේ LiDAR; ඩිජිටල් භූමි ආකෘති නිෂ්පාදනය කිරීම, වනාන්තර සහ නාගරික ප්රදේශ ආකෘති නිර්මාණය කිරීම සහ යටිතල පහසුකම් (විදුලි රැහැන්, මාර්ග) නිර්මාණය කිරීම සඳහා එය අත්යවශ්ය වේ. මෙම ඒකකය තුළ, කෘත්රිම බුද්ධිය ලක්ෂ්ය වලාකුළු සැකසීම සහ වර්ගීකරණය වේගවත් කරන ආකාරය අපි ආවරණය කරමු. මූලධර්මය: AI වර්ගීකරණය යෝජනා කරයි; උස සහ අංශ තර්කනය සමඟ සත්යාපනය ඉංජිනේරුවරයා සමඟ පවතී.
මූලික නියමයන්. ප්රතිලාභය යනු විවිධ පෘෂ්ඨවලින් (ගස් කොළ, අතු, බිම්) පරාවර්තනය වන තනි ලේසර් ස්පන්දනයක බහු දෝංකාරයකි; පළමු හැරීම සාමාන්යයෙන් ඉහළ මතුපිට, අවසාන හැරීම බොහෝ විට බිම වේ. තීව්රතාවය යනු ආපසු එන සංඥාවේ ශක්තියයි; එය මතුපිට වර්ගය පිළිබඳ ඉඟියක් ලබා දෙයි. පන්ති කේතය යනු එක් එක් ලක්ෂ්යයට පවරා ඇති සම්මත ලේබලයයි (බිම, ගොඩනැගිලි, පහත්/මධ්යම/ඉහළ වෘක්ෂලතාදිය, ජලය, විදුලි රැහැන් වැනි); එය LAS/LAZ ගොනු ආකෘතියෙන් ගබඩා කර ඇත. බිම් පෙරීම යනු භූගත නොවන ස්ථාන ඉවත් කිරීම සහ හිස් බිම් මතුපිට (DTM) ඉවත් කිරීමයි. වොක්සෙල්, ත්රිමාණ අවකාශයේ සෛලය; ලක්ෂ්ය වලාකුළ තනුක කිරීමට/සැකසීමට භාවිතා කරයි.
Point Cloud Processing හි AI හි කාර්යභාරය
කෘතිම බුද්ධිය මෙම ක්ෂේත්රයට මට්ටම් තුනකින් දායක වේ:
- කාර්ය ප්රවාහ සහ පරාමිති සැකසුම. බිම පෙරීම, ශබ්දය ඉවත් කිරීම, තනුක පියවර සහ පරාමිතීන් නිර්දේශ කරයි; කේත ඇටසැකිල්ල (PDAL, laspy වැනි මෙවලම් සමඟ) නිෂ්පාදනය කරයි.
- වස්තු වර්ගීකරණය. ගැඹුරු ඉගෙනුම් ආකෘතීන් ගොඩනැගිලි, ගස, පොල්ල, වාහනය වැනි පන්තිවලට ලකුණු වර්ගීකරණය කළ හැකිය; AI නියම වැඩ කරන ප්රදේශය මෙයයි.
- විශේෂාංග උපුටා ගැනීම සහ වාර්තාව. එය ගස් උස, ගොඩනැගිලි බිම් ප්රමාණය සහ රේඛා එල්ලා වැටීම වැනි ව්යුත්පන්න මිනුම් ගණනය කරන තර්කනය ස්ථාපිත කර සාරාංශ කරයි.
අන්ධ ස්ථානය: ලක්ෂ්ය වලාකුළ ත්රිමාන වන අතර පැතලි සිතියමක සම්පූර්ණයෙන්ම නොපෙනේ. වැරදි වර්ගීකරණය (උදා: පාලමක් බිමක් ලෙස, පහත් පඳුරක් ගොඩනැගිල්ලක් ලෙස ගණන් කිරීම) සිතියම මත අහිංසක ලෙස පෙනෙන අතර DTM විකෘති කරයි. එබැවින්, වර්ගීකරණය පැතිකඩ පෙති මගින් තහවුරු කළ යුතුය (පැත්තේ සිට ලක්ෂ්ය වලාකුළේ සිරස් පෙත්තක් බැලීම).
ඉඟිය: වර්ගීකරණයක් තහවුරු කිරීමට පෙර ස්ථාන කිහිපයක සිරස් කොටස් ගන්න. බිම් පන්තිය ඇත්ත වශයෙන්ම පහළ අඛණ්ඩ මතුපිට අනුගමනය කරන්නේද, නැතහොත් එය වහලට ඉහළින් "පාවෙන"ද? කැපුම බැලූ බැල්මට මෙය පෙන්වයි.
පියවරෙන් පියවර: DTM උත්පාදනය සඳහා Point Cloud Processing
- දත්ත දැන ගන්න. ලක්ෂ්ය ඝනත්වය (තිත්/m²), හැරීම් ගණන, වත්මන් පන්ති කේත, CRS සහ සිරස් දත්ත තහවුරු කරන්න.
- පැහැදිලි ශබ්දය. වාතයෙන් පිටවන (ඉහළ ශබ්දය) සහ භූගත (අඩු ශබ්දය) පිටස්තර ඉවත් කරන්න.
- බිම පෙරීම. බිම් නොවන ස්ථාන (ගොඩනැගිල්ල, ගස, වාහනය) හුදකලා කර හිස් බිම් ස්ථාන තබන්න. මෙම පියවර DTM හි හදවතයි.
- මතුපිට උත්පාදනය කරන්න. බිම් ලක්ෂ්ය වලින් ජාලක ඩීටීඑම් මැදිහත්වීම සිදු කරන්න.
- තහවුරු කරන්න. පැතිකඩ කොටස් සමඟ බිම් ලුහුබැඳීම පරීක්ෂා කරන්න; දන්නා උන්නතාංශ ස්ථාන සමඟ උන්නතාංශ සසඳන්න.
බිම් පෙරීම තීරණාත්මක වන්නේ ඇයි?
DTM (හිස් බිම) සහ DSM (මතුපිට) අතර ඇති එකම වෙනස වන්නේ භූමියෙන් පිටත ස්ථාන වෙන් කර තිබේද නැද්ද යන්නයි. පරිමාව ගණනය කිරීම, බෑවුම් විශ්ලේෂණය, ජල ප්රවාහ ආකෘති නිර්මාණය හෝ ගංවතුර අධ්යයනය DTM අවශ්ය වේ; DSM භාවිතා කරන්නේ නම්, ගොඩනැගිලි සහ ගස් "ඉඩම්" ලෙස වරදවා වටහාගෙන ප්රතිඵලය විකෘති වේ. භූමි පෙරීමේ පරාමිතීන් භූමි ප්රදේශයට අනුව සකස් කර ඇත: දැඩි බෑවුම් සහිත ප්රදේශයක, අධික ආක්රමණශීලී පෙරහනක් සැබෑ භූමිය ද මකා දමයි, පැතලි ප්රදේශයක, ලිහිල් පෙරහන බිම සඳහා පහත් වස්තූන් වැරදි කරයි. AI හොඳ ආරම්භක පරාමිතියක් යෝජනා කළ හැක, නමුත් ප්රතිඵලය හරස්කඩ ලෙස පරීක්ෂා කළ යුතුය.
අවවාදයයි: පාලම් සහ වයඩක්ට් යනු සම්භාව්ය උගුලකි. මේවා බිමට ඉහලින් අත්හිටුවන ලද ව්යුහයන් වේ; ග්රවුන්ඩ් ෆිල්ටරය වැරදීමකින් මේවා ග්රවුන්ඩ් ලෙස සලකන්නේ නම්, ඩීටීඑම් තුළ ඇත්ත වශයෙන්ම නොපවතින "කට්ටලයක්" නිර්මාණය වී ජල ප්රවාහ විශ්ලේෂණය සම්පූර්ණයෙන්ම වැරදියි.
කුඩා අවස්ථා තුනක්: අංක අනුව
නඩුව 1 - පාලම උගුල. ගංවතුර ආකෘති නිර්මාණයකදී, බිම් පෙරහන පාලමක් බිම ලෙස වර්ගීකරණය කරයි; ඩබ්ලිව්ටීසී හි ව්යාජ වේල්ලක් දිස් වූ අතර, ඇළ අවහිර වන අතර, ආකෘතිය ගණනය කළේ ජලය ඉහළට එකතු වන බවයි. පැතිකඩ කොටස පැහැදිලිව පාලම පෙන්වයි; පාලම් ස්ථාන නැවත වර්ග කළ විට, ප්රවාහය නිවැරදිව ආදර්ශයට ගෙන ඇත.
නඩුව 2 - ගස් උස ඉන්වෙන්ටරි. වනාන්තර අධ්යයනයක හෙක්ටයාර 240ක් සඳහා, AI ආධාරක වර්ගීකරණය මඟින් ඉහළ ශාක පන්තියෙන් ගස් වියන රටාව උපුටා ගත් අතර සාමාන්ය ගස් උස දළ වශයෙන් මීටර් 18ක් ලෙස ගණනය කරන ලදී. එය ක්ෂේත්රයේ අහඹු ගස් 30ක් අතින් මැනීම හා සසඳන ලදී. වෙනස ± 0.8 m තුළ විය. ස්වාධීන ක්ෂේත්ර මැනීම ආදර්ශ නිමැවුම විශ්වාසදායක විය.
3 වන අවස්ථාව - ශබ්ද ලක්ෂ්ය උන්නතාංශ දෝෂය. වාතයේ අත්හිටුවන ලද ශබ්ද ස්ථාන කිහිපයක් (කුරුල්ලන්, දූවිලි) ඉවත් නොකර DTM ජනනය කළ විට, එක් සෛලයක උන්නතාංශය සත්ය අගයට වඩා මීටර් 40කින් ඉහළ ගියේය. ඇණවුම් පාලනය සහ ශබ්දය පිරිසිදු කිරීමේ පියවර මෙම තනි පුද්ගල පිම්ම ඉවත් කරන ලදී. පාඩම: DTM වලට පෙර පිටත පිරිසිදු කිරීම අත්යවශ්ය වේ.
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
දුර්වල ක්ෂණික:
බිම් ආකෘතිය මතුවන්නේ මෙම ලක්ෂ්ය වලාකුළෙනි.
බලවත් විමසුම:
කාර්යය: LiDAR ලක්ෂ්ය වලාකුළෙන් DTM උත්පාදන කාර්ය ප්රවාහය සහ PDAL/laspy රාමුව සාදන්න. සන්දර්භය:- ඝණත්වය ~12 ලක්ෂ්ය/m², භ්රමණ තොරතුරු තිබේ, CRS EPSG:5256, සිරස් දත්ත TUDKA සඳහන් කළ යුතුය- ප්රදේශය: මිශ්ර (දොළ, පාලම, විරල ගොඩනැඟිල්ල, බෑවුම් සහිත බෑවුම) අවශ්යතා: 1) අනුපිළිවෙල: ශබ්දය ඉවත් කිරීම -> භූගත පාලම් ස්ටෙප් ෆිල්ටේෂන්.> 2) DTM පෙරීමේ අවදානම් ගැන අනතුරු අඟවන්න.3) සත්යාපනය: පැතිකඩ හරස්කඩ සහ දන්නා උන්නතාංශය සමඟ සැසඳීමේ පියවර.4) DTM සහ DSM අතර වෙනස ලියන්න සහ මෙම කාර්යය සඳහා DTM අවශ්ය වන්නේ මන්ද යන්න.
ශක්තිමත් කඩිනම් ඝනත්වය භූමි අවදානම් (පාලම, බෑවුම) සහ සත්යාපන පියවර ලබා දෙයි; එලියට ඇවිත් පිටියට ගැලපෙනවා.
පිටපත් කළ හැකි සැකිලි හතරක්
1) Point cloud මූලික සමාලෝචනය:
පහත LAS/LAZ පාරදත්ත අර්ථ දක්වන්න: ලක්ෂ්ය ඝනත්වය, භ්රමණය ව්යාප්තිය, වත්මන් පන්ති කේත, CRS/සිරස් දත්ත. නැතිවූ හෝ සැක සහිත තොරතුරු සලකුණු කර ක්රියාවලිය ආරම්භ කිරීමට පෙර විසඳිය යුතු දේ ලැයිස්තුගත කරන්න. පාරදත්ත: [සාරාංශය]
2) බිම් පෙරහන සැකසුම:
PDAL සමඟ බිම පෙරීමේ පියවර ලියන්න; භූමි වර්ගය [පැතලි/බෑවුම/මිශ්ර] සඳහා පරාමිති නිර්දේශය දෙන්න. පාලම්, පහත් බුෂ් සහ දැඩි බෑවුම් අවදානම් පිළිබඳව ද අනතුරු අඟවයි. පැතිකඩ අංශය සමඟ ප්රතිඵලය සත්යාපනය කිරීමේ පියවර එක් කරන්න.
3) වස්තු වර්ගීකරණ සත්යාපනය:
ලක්ෂ්ය වලාකුළු වර්ගීකරණයක් සත්යාපනය කිරීමට සැලැස්මක් ලියන්න (භූමිය/ගොඩනැගිල්ල/ශාක/රේඛාව): කුමන පැතිකඩ කොටස් ගත යුතුද, කුමන පන්ති මිශ්රණයක් අපේක්ෂා කෙරේද (පාලම-බිම, බුෂ්-ගොඩනැගිල්ල), එක් එක් සත්යාපනය කරන්නේ කෙසේද.
4) ව්යුත්පන්න මිනුම් පාලනය:
පිළිගත හැකි බව සඳහා පහත ව්යුත්පන්න මිනුම් (ගස උස, ගොඩනැඟිලි අඩිපාර, රේඛා එල්ලා වැටීම) පරීක්ෂා කරන්න: තණතීරුව, සෘණ අගය, පිටස්තර. ක්ෂේත්ර මිනුම් සමඟ සංසන්දනය කිරීම සඳහා යෝජනාවක් එක් කරන්න. මානයන්: [වගුව]
Point Cloud Concepts සංසන්දනය
සංකල්පය
අර්ථය
වැදගත්කම
පළමු / අවසාන හැරීම
පහරේ පළමු/අවසාන දෝංකාරය
ඉහළ මතුපිට එදිරිව බිම වෙන් කිරීම
පන්ති කේතය
තිත් ලේබලය
DTM/DSM සහ වස්තු නිස්සාරණය
බිම පෙරීම
බිම පිටත වෙන් කිරීම
DTM පදනම
ඝනත්වය (තිත්/m²)
සාම්පල සංඛ්යාතය
විස්තර සහ නිරවද්යතා සීමාව
පැතිකඩ අංශය
සිරස් පෙති දසුන
වර්ගීකරණය තහවුරු කිරීම
පොදු වැරදි
- බිම පෙරීමකින් තොරව DTM නිෂ්පාදනය කිරීම. ඇත්ත වශයෙන්ම, DSM ලබා ගනී; ජීන්ස්/පරිමාව විකෘති වී ඇත.
- පාලම්/මාර්ග බිම් ලෙස ගණන් කිරීම. ව්යාජ කට්ටලය, වැරදි ප්රවාහ ආකෘතිය.
- ශබ්ද ස්ථාන පිරිසිදු නොකිරීම. ඒකීය ඩෙනිම් ස්ප්ලෑෂ්.
- හරස්කඩ මගින් වර්ගීකරණය සත්යාපනය නොකිරීම. සිතියමේ අහිංසක පෙනුමක් ඇති ත්රිමාණ දෝෂ මඟ හැරී ඇත.
- සිරස් දත්ත නොසලකා හැරීම. ජීන්ස් වැරදි සඳහනක් මත වාඩි වී සිටී.
- විස්තරයේ ප්රමාණවත් තීව්රතාවයක් අපේක්ෂා නොකරයි. තිත් පරාසයට වඩා කුඩා වස්තූන් විසඳිය නොහැක.
සාරාංශයක් ලෙස
LiDAR ලක්ෂ්ය වලාකුළු සැකසීමේ කෘතිම බුද්ධිය; එය කාර්ය ප්රවාහ සංස්කරණය, බිම් පෙරීමේ පරාමිතීන්, වස්තු වර්ගීකරණය සහ ව්යුත්පන්න මිනුම් ගණනය කිරීම සඳහා ත්වරණයකි. DTM නිෂ්පාදනය කිරීමේ අනිවාර්ය පියවර වන්නේ බිම පෙරීමයි; මෙය මඟ හැරියහොත්, DSM ලබා ගන්නා අතර, උන්නතාංශය/පරිමාව/ප්රවාහ විශ්ලේෂණයන් විකෘති වේ. පාලම්, දැඩි බෑවුම් සහ ශබ්ද ස්ථාන සාමාන්ය උගුල් වේ. පැතිකඩ කොටස් සහ දන්නා උන්නතාංශ ස්ථාන සමඟ එක් එක් වර්ගීකරණය තහවුරු කරන්න; සෑම විටම සිරස් දත්ත පැහැදිලි කරන්න.
යෙදුම් කාර්යය
LiDAR දර්ශනයක් තෝරන්න (උදාහරණයක් ලෙස, ගංගාවක් සහ පාලමක් සහිත නිම්නයක්). AI මඟින් ශබ්දය ඉවත් කිරීම, බිම් පෙරීම සහ DTM අන්තර් ක්රියා පියවර නිපදවීමට සලස්වන්න; පාලම් සහ බෑවුම් අවදානම ගැන අනතුරු ඇඟවීමට එය අසන්න. ඉන්පසු සත්යාපන සැලැස්මක් ලියන්න: ඔබ පැතිකඩ කොටස ගත යුතු ස්ථානය සහ ඔබ එය සංසන්දනය කරන්නේ කුමන දන්නා උන්නතාංශ ස්ථානද යන්න කොන්ක්රීට් කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම ලක්ෂ්ය ඝනත්වය, භ්රමණ තොරතුරු සහ CRS/සිරස් දත්ත තහවුරු කළෙමි.
- [ ] මම ඝෝෂාව/පිටස්තර ඉවත් කළෙමි.
- [ ] මම බිම පෙරීම සමඟ DTM සඳහා භූමියෙන් පිටත වෙන් කළෙමි.
- [ ] මම පාලම/මාර්ග සහ බෑවුම් අවදානම් පරීක්ෂා කළෙමි.
- [ ] මම පැතිකඩ කොටස් සමඟ වර්ගීකරණය සත්යාපනය කළෙමි.
- [ ] මම උන්නතාංශයන් දන්නා ලකුණු සමඟ සංසන්දනය කළෙමි.
- [ ] මම උන්නතාංශය/පරිමාව/ප්රවාහ වැඩ සඳහා DSM නොව DTM භාවිතා කළෙමි.
- [ ] මම ඉංජිනේරු අනුමැතිය තුළ වර්ගීකරණ පිළිගැනීම තබා ගත්තෙමි.