Добици:
- Способност правилног коришћења концепата ЛиДАР облака тачака, повратка, густине и кодова класа у току рада АИ
- Могућност конфигурисања корака филтрирања тла, ДТМ производње и класификације објеката (зграда, дрво, стуб) помоћу АИ
- Могућност верификације излаза класификације облака тачака са профилним секцијама и логиком надморске висине
ЛиДАР (Лигхт Детецтион анд Рангинг) је активна технологија детекције која производи тродимензионална мерења земљине површине слањем ласерских импулса и мерењем времена повратка. Резултат је облак тачака који се састоји од милиона или чак милијарди тачака; Свака тачка има координате к, и, з и додатне атрибуте. ЛиДАР у геодетском инжењерству; Неопходан је за израду дигиталних модела терена, моделирање шума и урбаних подручја и стварање инфраструктуре (електроводи, путеви). У овој јединици покривамо како вештачка интелигенција убрзава обраду и класификацију облака тачака. Принцип: АИ предлаже класификацију; Верификација са висином и логиком пресека остаје на инжењеру.
Основни појмови. Повратак је вишеструки ехо једног ласерског импулса рефлектован са различитих површина (лишће дрвећа, гране, земља); Први окрет је обично горња површина, последњи окрет је често земља. Интензитет је јачина враћеног сигнала; То даје траг о врсти површине. Шифра класе је стандардна ознака која се додељује свакој тачки (као што је земља, зграда, ниско/средње/високо растиње, вода, далековод); Чува се у формату датотеке ЛАС/ЛАЗ. Филтрирање тла је процес уклањања неуземљених тачака и уклањања голе површине тла (ДТМ). Вокел, ћелија у 3Д простору; Користи се за разблаживање/обраду облака тачака.
Улога вештачке интелигенције у обради облака тачака
Вештачка интелигенција доприноси овој области на три нивоа:
- Ток рада и подешавање параметара. Препоручује филтрирање тла, уклањање буке, кораке и параметре разблаживања; производи скелет кода (са алатима као што су ПДАЛ, ласпи).
- Класификација објеката. Модели дубоког учења могу класификовати тачке у класе као што су зграда, дрво, стуб, возило; Ово је област у којој АИ ради прави посао.
- Екстракција карактеристика и извештај. Он успоставља и сумира логику која израчунава изведена мерења као што су висина стабла, површина пода зграде и прогиб линија.
Мртва тачка: облак тачака је тродимензионалан и није у потпуности видљив на равној мапи. Погрешна класификација (нпр. рачунање моста као тла, ниског жбуња као зграде) изгледа невино на мапи и искривљује ДТМ. Према томе, класификација мора бити верификована пресецима профила (гледајући вертикални пресек облака тачака са стране).
Савет: Узмите вертикалне пресеке на неколико локација пре него што потврдите класификацију. Да ли приземна класа заиста прати доњу континуалну површину, или "лебди" изнад кровова? Изрез то показује на први поглед.
Корак по корак: Обрада облака тачака за генерисање ДТМ
- Упознајте податке. Потврдите густину тачака (тачке/м²), број окрета, тренутне шифре класе, ЦРС и вертикални датум.
- Јасна бука. Уклоните ваздушне (висока бука) и подземне (ниска бука) вањске површине.
- Филтрирајте земљу. Изолујте тачке које нису приземље (зграда, дрво, возило) и оставите голе тачке. Овај корак је срце ДТМ-а.
- Генеришите површину. Извршите мрежну ДТМ интерполацију са тачака на земљи.
- Верифи. Проверите траг тла са профилним деловима; Упоредите надморске висине са познатим тачкама надморске висине.
Зашто је филтрација тла критична?
Једина разлика између ДТМ (голо тло) и ДСМ (површина) је да ли су тачке ван земље одвојене или не. Прорачун запремине, анализа нагиба, моделирање тока воде или студија поплава захтева ДТМ; Ако се користи ДСМ, зграде и дрвеће се погрешно сматрају "земљиштем" и резултат је искривљен. Параметри за филтрирање тла се прилагођавају према терену: у подручју са стрмим нагибом, превише агресиван филтер такође брише стварно тло, у равној области, лабав филтер погрешно сматра ниске објекте за тло. АИ може предложити добар почетни параметар, али резултат мора бити тестиран попречним пресеком.
Опрез: Мостови и вијадукти су класична замка. То су конструкције које су окачене изнад земље; Ако земаљски филтер погрешно сматра да су то тло, у ДТМ-у ће се створити „скуп“ који заправо не постоји и анализа протока воде ће бити потпуно погрешна.
Три мини случаја: према бројевима
Случај 1 — Замка за мост. У моделирању поплава, земаљски филтер је класифицирао мост као тло; У ВТЦ-у се појавила лажна брана која је блокирала поток, а модел је израчунао да ће се вода акумулирати узводно. Профилна секција је јасно показивала мост; Када су тачке моста рекласификоване, ток је правилно моделован.
Случај 2 — Инвентар висине стабала. За 240 хектара у шумској студији, класификација уз помоћ вештачке интелигенције издвојила је узорак крошње дрвећа из више класе биљака и израчунала просечну висину дрвета од приближно 18 м. Упоређено је са ручним мерењем 30 насумичних стабала на терену; разлика је била унутар ±0,8 м. Независно мерење поља учинило је излаз модела поузданим.
Случај 3 — Грешка у висини тачке буке. Када је ДТМ генерисан без чишћења неколико тачака буке (птице, прашина) суспендованих у ваздуху, надморска висина у једној ћелији је скочила 40 м изнад стварне вредности. Корак контроле налога и чишћења буке уклонио је ове појединачне одбијања. Поука: Чишћење ван граница је неопходно пре ДТМ-а.
Слаба порука / јака промпт
Слабо обавештење:
Модел тла излази из овог облака тачака.
Снажан упит:
Задатак: Конструисати ток рада ДТМ генерације и ПДАЛ/ласпи оквир из ЛиДАР облака тачака. Контекст:- Густина ~12 тачака/м², доступне информације о ротацији, ЦРС ЕПСГ:5256, вертикални датум ТУДКА мора бити специфициран- Област: мешовити (поток, мост, ретка зграда, стрма падина) Захтеви: 1) Редослед: уклањање буке -> филтрирање тла -> ДТМ интерполација.2) За поређење ризика за премошћавање слеп-а. корак са попречним пресеком профила и познатом висинском тачком.4) Напишите разлику између ДТМ и ДСМ и зашто је ДТМ потребан за овај посао.
Велика брза густина даје ризике терена (мост, нагиб) и корак верификације; изашао и одговара терену.
Четири шаблона за копирање
1) Прелиминарни преглед облака тачака:
Протумачите следеће ЛАС/ЛАЗ метаподатке: густина тачака, дистрибуција спина, тренутни кодови класа, ЦРС/вертикални датум. Означите недостајуће или сумњиве информације и наведите шта треба да се реши пре него што започнете процес. Метаподаци: [сажетак]
2) Подешавање филтрирања тла:
Напишите кораке филтрирања тла помоћу ПДАЛ-а; Дајте препоруку параметара за тип терена [раван/нагиб/мешовити]. Такође упозорава на ризике од мостова, ниског жбуња и стрмих падина. Додајте корак провере резултата у одељку профила.
3) Верификација класификације објеката:
Напишите план за верификацију класификације облака тачака (земља/зграда/биљка/линија): које профилне секције треба узети, које се мешавине класа очекују (мост-земља, изградња жбуња), како верификовати сваки.
4) Контрола изведене мере:
Проверите следећа изведена мерења (висина дрвета, отисак зграде, прогиб линије) ради веродостојности: нагиб, негативна вредност, одступања. Додајте предлог за поређење са мерењем на терену. Димензије: [табела]
Поређење концепата облака тачака
концепт
Значење
Важност
Прво/последње окретање
Први/последњи одјек ударца
Горња површина у односу на одвајање тла
Шифра класе
Ознака тачке
ДТМ/ДСМ и екстракција објеката
филтрација тла
Одвајање спољашњег дела пода
Оснивање ДТМ
Густина (тачка/м²)
Фреквенција узорковања
Ограничење детаља и тачности
Одељак профила
Вертикални приказ пресека
Провера класификације
Уобичајене грешке
- Производња ДТМ без филтрације тла. У ствари, добија се ДСМ; фармерке/волумен је изобличен.
- Бројање мостова/вијадукта као тла. Лажни сет, погрешан модел тока.
- Не чисти места буке. Јединствене прскање тексаса.
- Не проверава класификацију по пресеку. Недостају 3Д грешке невиног изгледа на мапи.
- Занемаривање вертикалног датума. Фармерке се налазе на погрешној референци.
- Очекује се недовољан интензитет детаља. Објекти мањи од опсега тачака не могу да се разреше.
Укратко
Вештачка интелигенција у ЛиДАР обради облака тачака; То је акцелератор за уређивање тока посла, параметре филтрирања тла, класификацију објеката и израчунавање изведених мера. Обавезни корак у производњи ДТМ је филтрирање тла; Ако се ово изостави, ДСМ ће се добити и анализе елевације/запремина/протока ће бити искривљене. Мостови, стрме падине и тачке буке су типичне замке. Проверити сваку класификацију са профилним пресецима и познатим тачкама надморске висине; Увек разјасните вертикални датум.
Задатак апликације
Изаберите ЛиДАР сценарио (на пример, долина са потоком и мостом). Нека АИ производи уклањање шума, филтрирање тла и кораке ДТМ интерполације; Замолите га да вас упозори на ризике од мостова и нагиба. Затим напишите план верификације: конкретизирајте где ћете узети профил и са којим ћете познатим висинским тачкама то упоредити.
контролна листа
- [ ] Потврдио сам густину тачака, информације о ротацији и ЦРС/вертикални датум.
- [ ] Очистио сам буку/избацивање.
- [ ] Одвојио сам спољашњи део земље за ДТМ са филтрирањем тла.
- [ ] Проверио сам ризике мостова/вијадукта и нагиба.
- [ ] Проверио сам класификацију са профилним секцијама.
- [ ] Упоредио сам надморске висине са познатим тачкама.
- [ ] Користио сам ДТМ, а не ДСМ, за рад на надморској висини/запремини/протоку.
- [ ] Задржао сам прихватање класификације у одобрењу инжењера.