LiDAR புள்ளி கிளவுட் செயலாக்கம் மற்றும் வகைப்பாடு

ஆதாயங்கள்:

• AI பணிப்பாய்வுகளில் LiDAR புள்ளி கிளவுட், திரும்புதல், அடர்த்தி மற்றும் வகுப்புக் குறியீடுகளின் கருத்துகளை சரியாகப் பயன்படுத்தும் திறன்
• AI உடன் தரை வடிகட்டுதல், DTM உற்பத்தி மற்றும் பொருள் (கட்டிடம், மரம், கம்பம்) வகைப்பாடு படிகளை உள்ளமைக்கும் திறன்
• சுயவிவரப் பிரிவுகள் மற்றும் உயர லாஜிக் மூலம் புள்ளி கிளவுட் வகைப்பாடு வெளியீட்டை சரிபார்க்கும் திறன்

LiDAR (ஒளி கண்டறிதல் மற்றும் ரேஞ்சிங்) என்பது ஒரு செயலில் கண்டறிதல் தொழில்நுட்பமாகும், இது லேசர் பருப்புகளை அனுப்புவதன் மூலம் பூமியின் மேற்பரப்பின் முப்பரிமாண அளவீடுகளை உருவாக்குகிறது மற்றும் திரும்பும் நேரத்தை அளவிடுகிறது. இதன் விளைவாக மில்லியன் கணக்கான அல்லது பில்லியன் புள்ளிகளைக் கொண்ட புள்ளி மேகம்; ஒவ்வொரு புள்ளியும் x, y, z ஒருங்கிணைப்பு மற்றும் கூடுதல் பண்புக்கூறுகளைக் கொண்டுள்ளது. சர்வே பொறியியலில் LiDAR; டிஜிட்டல் நிலப்பரப்பு மாதிரிகள் தயாரிப்பதற்கும், காடு மற்றும் நகர்ப்புறங்களை மாதிரியாக்குவதற்கும், உள்கட்டமைப்புகளை (மின் இணைப்புகள், சாலைகள்) உருவாக்குவதற்கும் இது இன்றியமையாதது. இந்த யூனிட்டில், செயற்கை நுண்ணறிவு புள்ளி கிளவுட் செயலாக்கம் மற்றும் வகைப்படுத்தலை எவ்வாறு துரிதப்படுத்துகிறது என்பதை நாங்கள் விவரிக்கிறோம். கொள்கை: AI வகைப்படுத்தலை பரிந்துரைக்கிறது; உயரம் மற்றும் பிரிவு தர்க்கத்துடன் சரிபார்ப்பு பொறியாளரிடம் உள்ளது.

அடிப்படை விதிமுறைகள். திரும்புதல் என்பது வெவ்வேறு பரப்புகளிலிருந்து (மரத்தின் இலைகள், கிளைகள், தரை) பிரதிபலிக்கும் ஒற்றை லேசர் துடிப்பின் பல எதிரொலிகளாகும்; முதல் திருப்பம் பொதுவாக மேல் மேற்பரப்பு, கடைசி திருப்பம் பெரும்பாலும் தரையில் இருக்கும். தீவிரம் என்பது திரும்பிய சமிக்ஞையின் வலிமை; இது மேற்பரப்பு வகை பற்றிய ஒரு குறிப்பை அளிக்கிறது. வகுப்புக் குறியீடு என்பது ஒவ்வொரு புள்ளிக்கும் (தரை, கட்டிடம், குறைந்த/நடுத்தர/உயர்ந்த தாவரங்கள், நீர், மின் இணைப்பு போன்றவை) ஒதுக்கப்பட்ட நிலையான லேபிள் ஆகும். இது LAS/LAZ கோப்பு வடிவத்தில் சேமிக்கப்படுகிறது. கிரவுண்ட் ஃபில்டரிங் என்பது தரை அல்லாத புள்ளிகளை அகற்றி வெற்று தரை மேற்பரப்பை (டிடிஎம்) அகற்றும் செயல்முறையாகும். Voxel, 3D இடத்தில் செல்; புள்ளி மேகத்தை நீர்த்துப்போக/செயலாக்க பயன்படுகிறது.

புள்ளி கிளவுட் செயலாக்கத்தில் AI இன் பங்கு

இந்த துறையில் செயற்கை நுண்ணறிவு மூன்று நிலைகளில் பங்களிக்கிறது:

1. பணிப்பாய்வு மற்றும் அளவுரு அமைப்பு. தரையில் வடிகட்டுதல், சத்தம் அகற்றுதல், நீர்த்த படிகள் மற்றும் அளவுருக்கள் ஆகியவற்றை பரிந்துரைக்கிறது; குறியீடு எலும்புக்கூட்டை உருவாக்குகிறது (PDAL, லாஸ்பி போன்ற கருவிகளுடன்).
2. பொருள் வகைப்பாடு. ஆழமான கற்றல் மாதிரிகள் புள்ளிகளை கட்டிடம், மரம், கம்பம், வாகனம் போன்ற வகுப்புகளாக வகைப்படுத்தலாம்; AI உண்மையான வேலையைச் செய்யும் பகுதி இது.
3. அம்சம் பிரித்தெடுத்தல் மற்றும் அறிக்கை. மரத்தின் உயரம், கட்டிடத் தளப் பரப்பு மற்றும் கோடு தொய்வு போன்ற பெறப்பட்ட அளவீடுகளைக் கணக்கிடும் தர்க்கத்தை இது நிறுவுகிறது மற்றும் சுருக்கமாகக் கூறுகிறது.

குருட்டுப் புள்ளி: புள்ளி மேகம் முப்பரிமாணமானது மற்றும் ஒரு தட்டையான வரைபடத்தில் முழுமையாகத் தெரியவில்லை. தவறான வகைப்படுத்தல் (எ.கா. பாலத்தை தரையாக, தாழ்வான புதரைக் கட்டிடமாக எண்ணுவது) வரைபடத்தில் அப்பாவியாகத் தெரிகிறது மற்றும் DTMஐ சிதைக்கிறது. எனவே, வகைப்பாடு சுயவிவரத் துண்டுகளால் சரிபார்க்கப்பட வேண்டும் (பக்கத்தில் இருந்து புள்ளி மேகத்தின் செங்குத்து ஸ்லைஸைப் பார்க்கவும்).

உதவிக்குறிப்பு: வகைப்பாட்டை உறுதிப்படுத்தும் முன் பல இடங்களில் செங்குத்து பிரிவுகளை எடுக்கவும். கிரவுண்ட் கிளாஸ் உண்மையில் கீழ் தொடர்ச்சியான மேற்பரப்பைப் பின்பற்றுகிறதா அல்லது கூரைகளுக்கு மேலே "மிதக்குகிறதா"? வெட்டவெளி இதை ஒரு பார்வையில் காட்டுகிறது.

படிப்படியாக: டிடிஎம் உருவாக்கத்திற்கான புள்ளி கிளவுட் செயலாக்கம்

1. தரவுகளை அறிந்து கொள்ளுங்கள். புள்ளி அடர்த்தி (புள்ளிகள்/m²), திருப்பங்களின் எண்ணிக்கை, தற்போதைய வகுப்பு குறியீடுகள், CRS மற்றும் செங்குத்து தரவு ஆகியவற்றை உறுதிப்படுத்தவும்.
2. தெளிவான சத்தம். வான்வழி (அதிக சத்தம்) மற்றும் நிலத்தடி (குறைந்த சத்தம்) வெளிப்புறங்களை அகற்றவும்.
3. தரையை வடிகட்டவும். தரையல்லாத புள்ளிகளை (கட்டிடம், மரம், வாகனம்) தனிமைப்படுத்தி, வெறும் தரைப் புள்ளிகளை விட்டு விடுங்கள். இந்த படி DTM இன் இதயம்.
4. மேற்பரப்பை உருவாக்கவும். தரைப் புள்ளிகளிலிருந்து கட்டம் DTM இடைக்கணிப்பைச் செய்யவும்.
5. சரிபார்க்கவும். சுயவிவரப் பிரிவுகளுடன் தரைத் தடத்தை சரிபார்க்கவும்; அறியப்பட்ட உயரப் புள்ளிகளுடன் உயரங்களை ஒப்பிடுக.

தரையில் வடிகட்டுதல் ஏன் முக்கியமானது?

டிடிஎம் (வெற்று நிலம்) மற்றும் டிஎஸ்எம் (மேற்பரப்பு) ஆகியவற்றுக்கு இடையே உள்ள ஒரே வித்தியாசம், ஆஃப்-கிரவுண்ட் புள்ளிகள் பிரிக்கப்பட்டதா இல்லையா என்பதுதான். ஒரு தொகுதி கணக்கீடு, சாய்வு பகுப்பாய்வு, நீர் ஓட்டம் மாதிரியாக்கம் அல்லது வெள்ள ஆய்வுக்கு DTM தேவைப்படுகிறது; DSM பயன்படுத்தினால், கட்டிடங்கள் மற்றும் மரங்கள் "நிலம்" என்று தவறாகக் கருதப்பட்டு, விளைவு சிதைந்துவிடும். நிலத்தடி வடிகட்டுதல் அளவுருக்கள் நிலப்பரப்புக்கு ஏற்ப சரிசெய்யப்படுகின்றன: செங்குத்தான சாய்வான பகுதியில், அதிகப்படியான ஆக்கிரமிப்பு வடிகட்டி உண்மையான தரையையும் அழிக்கிறது, ஒரு தட்டையான பகுதியில், தளர்வான வடிகட்டி தரையில் குறைந்த பொருட்களை தவறு செய்கிறது. AI ஒரு நல்ல தொடக்க அளவுருவை பரிந்துரைக்கலாம், ஆனால் முடிவு குறுக்குவெட்டு முறையில் சோதிக்கப்பட வேண்டும்.

எச்சரிக்கை: பாலங்கள் மற்றும் வையாடக்ட்கள் ஒரு உன்னதமான பொறி. இவை தரையில் மேலே இடைநிறுத்தப்பட்ட கட்டமைப்புகள்; கிரவுண்ட் ஃபில்டர் இதைத் தவறாகக் கருதினால், டிடிஎம்மில் உண்மையில் இல்லாத ஒரு "செட்" உருவாக்கப்பட்டு, நீர் ஓட்டம் பகுப்பாய்வு முற்றிலும் தவறாகிவிடும்.

மூன்று சிறிய வழக்குகள்: எண்கள் மூலம்

வழக்கு 1 - பாலம் பொறி. ஒரு வெள்ள மாதிரியில், தரை வடிகட்டி ஒரு பாலத்தை தரையாக வகைப்படுத்தியது; WTC இல் ஒரு தவறான அணை தோன்றி, நீரோட்டத்தைத் தடுக்கிறது, மேலும் நீர் மேல்நோக்கி குவியும் என்று மாதிரி கணக்கிட்டது. சுயவிவரப் பிரிவு பாலத்தை தெளிவாகக் காட்டியது; பாலம் புள்ளிகள் மறுவகைப்படுத்தப்பட்ட போது, ​​ஓட்டம் சரியாக வடிவமைக்கப்பட்டது.

வழக்கு 2 - மரத்தின் உயரம் சரக்கு. வன ஆய்வில் 240 ஹெக்டேர்களுக்கு, AI-உதவி வகைப்பாடு மரத்தின் மேலடுக்கு வடிவத்தை உயர் தாவர வகுப்பிலிருந்து பிரித்தெடுக்கப்பட்டது மற்றும் சராசரி மரத்தின் உயரம் தோராயமாக 18 மீ என கணக்கிடப்பட்டது. இது வயலில் உள்ள 30 சீரற்ற மரங்களின் கை அளவோடு ஒப்பிடப்பட்டது; வித்தியாசம் ±0.8 மீக்குள் இருந்தது. சுயாதீன புல அளவீடு மாதிரி வெளியீட்டை நம்பகமானதாக மாற்றியது.

வழக்கு 3 - இரைச்சல் புள்ளி உயர பிழை. காற்றில் இடைநிறுத்தப்பட்ட பல இரைச்சல் புள்ளிகளை (பறவைகள், தூசி) அழிக்காமல் DTM உருவாக்கப்பட்டபோது, ​​ஒரு கலத்தின் உயரம் உண்மையான மதிப்பை விட 40 மீ உயர்ந்தது. ஆர்டர் கட்டுப்பாடு மற்றும் சத்தம் சுத்தம் செய்யும் படி இந்த தனிப்பட்ட பவுன்ஸ்களை அகற்றியது. பாடம்: டிடிஎம் முன் வெளிப்புற சுத்தம் அவசியம்.

பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்

பலவீனமான உடனடி:

இந்த புள்ளி மேகத்திலிருந்து தரை மாதிரி வெளிப்படுகிறது.

சக்திவாய்ந்த தூண்டுதல்:

பணி: LiDAR புள்ளி கிளவுட்டில் இருந்து DTM தலைமுறை பணிப்பாய்வு மற்றும் PDAL/laspy கட்டமைப்பை உருவாக்கவும். சூழல்:- அடர்த்தி ~12 புள்ளிகள்/m², சுழற்சி தகவல் கிடைக்கும், CRS EPSG:5256, செங்குத்து தரவு TUDKA குறிப்பிடப்பட வேண்டும்- பகுதி: கலப்பு (ஓடை, பாலம், அரிதான கட்டிடம், செங்குத்தான சாய்வு) தேவைகள்: 1) வரிசை: சத்தம் அகற்றுதல் -> தரைவழி வடிகட்டுதல் மற்றும் குறுக்கீடு வடிகட்டுதல் -> DTM வடிகட்டுதல் அபாயங்கள் குறித்து எச்சரிக்கவும்.3) சரிபார்ப்பு: சுயவிவரத்தின் குறுக்குவெட்டு மற்றும் அறியப்பட்ட உயரப் புள்ளியுடன் ஒப்பிடும் படி.4) DTM மற்றும் DSM இடையே உள்ள வித்தியாசத்தையும், இந்த வேலைக்கு DTM ஏன் தேவைப்படுகிறது என்பதையும் எழுதவும்.

வலுவான உடனடி அடர்த்தி நிலப்பரப்பு அபாயங்கள் (பாலம், சாய்வு) மற்றும் சரிபார்ப்பு படி கொடுக்கிறது; வெளியே வந்து களத்தில் பொருந்துகிறது.

நான்கு நகலெடுக்கக்கூடிய டெம்ப்ளேட்கள்

1) பாயிண்ட் கிளவுட் பூர்வாங்க மதிப்பாய்வு:

பின்வரும் LAS/LAZ மெட்டாடேட்டாவை விளக்கவும்: புள்ளி அடர்த்தி, சுழல் விநியோகம், தற்போதைய வகுப்பு குறியீடுகள், CRS/செங்குத்து தரவு. விடுபட்ட அல்லது சந்தேகத்திற்கிடமான தகவலைக் குறிக்கவும் மற்றும் செயல்முறையைத் தொடங்குவதற்கு முன் தீர்க்கப்பட வேண்டியவற்றைப் பட்டியலிடவும். மெட்டாடேட்டா: [சுருக்கம்]

2) தரை வடிகட்டுதல் அமைப்பு:

PDAL உடன் தரை வடிகட்டுதல் படிகளை எழுதவும்; நிலப்பரப்பு வகைக்கான அளவுரு பரிந்துரையை வழங்கவும் [பிளாட்/சரிவு/கலப்பு]. பாலம், குறைந்த புதர் மற்றும் செங்குத்தான சரிவு அபாயங்கள் குறித்தும் எச்சரிக்கிறது. சுயவிவரப் பிரிவுடன் முடிவைச் சரிபார்க்கும் படியைச் சேர்க்கவும்.

3) பொருள் வகைப்பாடு சரிபார்ப்பு:

புள்ளி கிளவுட் வகைப்பாட்டைச் சரிபார்க்க ஒரு திட்டத்தை எழுதவும் (தரையில்/கட்டிடம்/ஆலை/கோடு): எந்த சுயவிவரப் பிரிவுகளை எடுக்க வேண்டும், எந்த வகுப்பு கலவைகள் எதிர்பார்க்கப்படுகின்றன (பாலம்-தரை, புஷ்-கட்டிடம்), ஒவ்வொன்றையும் எவ்வாறு சரிபார்க்க வேண்டும்.

4) பெறப்பட்ட அளவீட்டு கட்டுப்பாடு:

நம்பகத்தன்மைக்கு பின்வரும் பெறப்பட்ட அளவீடுகளை (மரத்தின் உயரம், கட்டிடத் தடம், கோடு தொய்வு) சரிபார்க்கவும்: சுருதி, எதிர்மறை மதிப்பு, வெளிப்புறங்கள். புல அளவீடுகளுடன் ஒப்பிடுவதற்கான பரிந்துரையைச் சேர்க்கவும். பரிமாணங்கள்: [அட்டவணை]

புள்ளி கிளவுட் கருத்துகள் ஒப்பீடு

கருத்து

பொருள்

முக்கியத்துவம்

முதல்/கடைசி திருப்பம்

அடியின் முதல்/கடைசி எதிரொலி

மேல் மேற்பரப்பு மற்றும் தரை பிரிப்பு

வகுப்பு குறியீடு

புள்ளி முத்திரை

DTM/DSM மற்றும் பொருள் பிரித்தெடுத்தல்

தரையில் வடிகட்டுதல்

தரையின் வெளிப்புறத்தை பிரித்தல்

டிடிஎம் அடித்தளம்

அடர்த்தி (புள்ளி/மீ²)

மாதிரி அதிர்வெண்

விவரம் மற்றும் துல்லிய வரம்பு

சுயவிவரப் பிரிவு

செங்குத்து துண்டு காட்சி

வகைப்பாடு சரிபார்ப்பு

பொதுவான தவறுகள்

• தரையில் வடிகட்டுதல் இல்லாமல் டிடிஎம் தயாரிக்கிறது. உண்மையில், DSM பெறப்படுகிறது; ஜீன்ஸ்/தொகுதி சிதைந்துள்ளது.
• பாலங்கள்/வழிப்பாதைகளை தரையாக எண்ணுதல். போலி தொகுப்பு, தவறான ஓட்ட மாதிரி.
• இரைச்சல் புள்ளிகளை சுத்தம் செய்யவில்லை. ஒருமை டெனிம் தெறிக்கிறது.
• குறுக்குவெட்டு மூலம் வகைப்படுத்தலை சரிபார்க்கவில்லை. வரைபடத்தில் அப்பாவியாகத் தோற்றமளிக்கும் 3D பிழைகள் இல்லை.
• செங்குத்துத் தரவைப் புறக்கணித்தல். ஜீன்ஸ் தவறான குறிப்பில் அமர்ந்திருக்கிறது.
• விவரத்தின் போதுமான தீவிரத்தை எதிர்பார்க்கவில்லை. புள்ளி வரம்பை விட சிறிய பொருள்களைத் தீர்க்க முடியாது.

சுருக்கமாக

LiDAR புள்ளி கிளவுட் செயலாக்கத்தில் செயற்கை நுண்ணறிவு; இது பணிப்பாய்வு திருத்தம், தரை வடிகட்டுதல் அளவுருக்கள், பொருள் வகைப்பாடு மற்றும் பெறப்பட்ட அளவீட்டு கணக்கீடு ஆகியவற்றிற்கான முடுக்கியாகும். டிடிஎம் தயாரிப்பதில் கட்டாயப் படிநிலையானது தரை வடிகட்டுதல் ஆகும்; இது தவிர்க்கப்பட்டால், DSM பெறப்பட்டு, உயரம்/தொகுதி/ஓட்டம் பகுப்பாய்வுகள் சிதைக்கப்படும். பாலங்கள், செங்குத்தான சரிவுகள் மற்றும் இரைச்சல் புள்ளிகள் வழக்கமான பொறிகளாகும். சுயவிவரப் பிரிவுகள் மற்றும் அறியப்பட்ட உயரப் புள்ளிகளுடன் ஒவ்வொரு வகைப்பாட்டையும் சரிபார்க்கவும்; எப்போதும் செங்குத்துத் தரவைத் தெளிவுபடுத்தவும்.

விண்ணப்ப பணி

LiDAR காட்சியைத் தேர்ந்தெடுக்கவும் (உதாரணமாக, நீரோடை மற்றும் பாலம் கொண்ட பள்ளத்தாக்கு). சத்தம் அகற்றுதல், தரை வடிகட்டுதல் மற்றும் DTM இடைக்கணிப்பு படிகளை AI உருவாக்க வேண்டும்; பாலம் மற்றும் சரிவு அபாயங்கள் பற்றி எச்சரிக்க அதைக் கேளுங்கள். பின்னர் ஒரு சரிபார்ப்புத் திட்டத்தை எழுதவும்: சுயவிவரப் பகுதியை நீங்கள் எங்கு எடுத்துச் செல்வீர்கள் மற்றும் எந்தெந்த உயரப் புள்ளிகளுடன் ஒப்பிடுவீர்கள் என்பதை உறுதிப்படுத்தவும்.

சரிபார்ப்பு பட்டியல்

• [ ] புள்ளி அடர்த்தி, சுழற்சி தகவல் மற்றும் CRS/செங்குத்து தரவு ஆகியவற்றை நான் உறுதிப்படுத்தினேன்.
• [ ] நான் சத்தம்/வெளியேற்றங்களை சுத்தம் செய்தேன்.
• [ ] நான் தரையில் வடிகட்டுதல் மூலம் DTM க்காக தரையின் வெளிப்புறத்தை பிரித்தேன்.
• [ ] நான் பாலம்/வழிப்பாதை மற்றும் சரிவு அபாயங்களைச் சரிபார்த்தேன்.
• [ ] வகைப்பாட்டை சுயவிவரப் பிரிவுகளுடன் சரிபார்த்தேன்.
• [ ] உயரங்களை அறியப்பட்ட புள்ளிகளுடன் ஒப்பிட்டேன்.
• [ ] உயரம்/தொகுதி/பாய்வு வேலைகளுக்கு நான் DTM ஐப் பயன்படுத்தினேன், DSM அல்ல.
• [ ] நான் பொறியாளர் ஒப்புதலில் வகைப்படுத்தல் ஏற்பை வைத்துள்ளேன்.