กำไร:
- ความสามารถในการใช้แนวคิดของพอยต์คลาวด์ LiDAR การส่งคืน ความหนาแน่น และโค้ดคลาสอย่างถูกต้องในเวิร์กโฟลว์ AI
- ความสามารถในการกำหนดค่าการกรองภาคพื้นดิน การผลิต DTM และขั้นตอนการจำแนกประเภทวัตถุ (อาคาร ต้นไม้ เสา) ด้วย AI
- ความสามารถในการตรวจสอบเอาท์พุตการจำแนกพอยต์คลาวด์ด้วยส่วนโปรไฟล์และลอจิกระดับความสูง
LiDAR (การตรวจจับและกำหนดระยะแสง) เป็นเทคโนโลยีการตรวจจับแบบแอคทีฟที่สร้างการวัดสามมิติของพื้นผิวโลกโดยการส่งพัลส์เลเซอร์และการวัดเวลาที่ส่งคืน ผลลัพธ์ที่ได้คือพอยต์คลาวด์ที่ประกอบด้วยจุดนับล้านหรือหลายพันล้านจุด แต่ละจุดมีพิกัด x, y, z และคุณลักษณะเพิ่มเติม LiDAR ในงานวิศวกรรมสำรวจ เป็นสิ่งที่ขาดไม่ได้สำหรับการสร้างแบบจำลองภูมิประเทศแบบดิจิทัล การสร้างแบบจำลองป่าและพื้นที่เมือง และการสร้างโครงสร้างพื้นฐาน (สายไฟ ถนน) ในหน่วยนี้ เราจะกล่าวถึงวิธีที่ปัญญาประดิษฐ์เร่งการประมวลผลและการจำแนกพอยต์คลาวด์ หลักการ: AI แนะนำการจำแนกประเภท การตรวจสอบด้วยลอจิกความสูงและส่วนยังคงเป็นของวิศวกร
เงื่อนไขพื้นฐาน การกลับมาคือการสะท้อนหลายเสียงของพัลส์เลเซอร์เดี่ยวที่สะท้อนจากพื้นผิวที่แตกต่างกัน (ใบต้นไม้ กิ่งก้าน พื้นดิน) เทิร์นแรกมักจะเป็นพื้นผิวด้านบน เทิร์นสุดท้ายมักจะเป็นพื้น ความเข้มคือความแรงของสัญญาณที่ส่งคืน มันให้เบาะแสเกี่ยวกับประเภทของพื้นผิว รหัสชั้นเรียนคือป้ายกำกับมาตรฐานที่กำหนดให้กับแต่ละจุด (เช่น พื้นดิน อาคาร พืชพรรณระดับต่ำ/กลาง/สูง น้ำ สายไฟ) มันถูกจัดเก็บในรูปแบบไฟล์ LAS/LAZ การกรองกราวด์เป็นกระบวนการกำจัดจุดที่ไม่ใช่กราวด์และกำจัดพื้นผิวดินเปล่า (DTM) Voxel เซลล์ในอวกาศ 3 มิติ; ใช้เพื่อเจือจาง/ประมวลผลพอยต์คลาวด์
บทบาทของ AI ในการประมวลผลพอยต์คลาวด์
ปัญญาประดิษฐ์มีส่วนช่วยในด้านนี้ในสามระดับ:
- ขั้นตอนการทำงานและการตั้งค่าพารามิเตอร์ แนะนำให้ใช้การกรองกราวด์ การกำจัดสัญญาณรบกวน ขั้นตอนการเจือจางและพารามิเตอร์ สร้างโครงกระดูกโค้ด (ด้วยเครื่องมือเช่น PDAL, laspy)
- การจำแนกวัตถุ โมเดลการเรียนรู้เชิงลึกสามารถจำแนกประเด็นต่างๆ ได้เป็นคลาสต่างๆ เช่น อาคาร ต้นไม้ เสา ยานพาหนะ นี่คือพื้นที่ที่ AI ทำงานได้จริง
- การแยกคุณลักษณะและรายงาน โดยจะสร้างและสรุปตรรกะที่คำนวณการวัดที่ได้รับ เช่น ความสูงของต้นไม้ พื้นที่พื้นอาคาร และความหย่อนของเส้น
จุดบอด: พอยต์คลาวด์เป็นแบบสามมิติและไม่สามารถมองเห็นได้ทั้งหมดบนแผนที่แบน การจัดประเภทที่ไม่ถูกต้อง (เช่น การนับสะพานเป็นพื้นดิน พุ่มไม้เตี้ยเป็นอาคาร) ดูไร้เดียงสาบนแผนที่และบิดเบือน DTM ดังนั้น การจำแนกประเภทจะต้องได้รับการตรวจสอบโดยส่วนโปรไฟล์ (ดูส่วนแนวตั้งของ point cloud จากด้านข้าง)
เคล็ดลับ: ใช้ส่วนแนวตั้งในหลายตำแหน่งก่อนยืนยันการจัดหมวดหมู่ ชั้นล่างติดตามพื้นผิวต่อเนื่องด้านล่างจริง ๆ หรือมัน "ลอย" เหนือหลังคา? ภาพตัดแสดงสิ่งนี้ได้อย่างรวดเร็ว
ทีละขั้นตอน: การประมวลผลพอยต์คลาวด์สำหรับการสร้าง DTM
- ทำความรู้จักกับข้อมูล ยืนยันความหนาแน่นของจุด (จุด/ตารางเมตร) จำนวนรอบ รหัสคลาสปัจจุบัน CRS และ Datum แนวตั้ง
- เสียงรบกวนที่ชัดเจน ลบค่าผิดปกติในอากาศ (เสียงสูง) และใต้ดิน (เสียงต่ำ)
- กรองดิน. แยกจุดที่ไม่ใช่พื้นดิน (อาคาร ต้นไม้ ยานพาหนะ) และปล่อยจุดพื้นเปล่าไว้ ขั้นตอนนี้คือหัวใจของ DTM
- สร้างพื้นผิว ดำเนินการแก้ไขกริด DTM จากจุดกราวด์
- ตรวจสอบ. ตรวจสอบรอยกราวด์ด้วยส่วนโปรไฟล์ เปรียบเทียบระดับความสูงกับจุดที่ทราบ
เหตุใดการกรองกราวด์จึงมีความสำคัญ
ข้อแตกต่างเพียงอย่างเดียวระหว่าง DTM (พื้นเปล่า) และ DSM (พื้นผิว) คือจุดที่อยู่นอกพื้นดินจะถูกแยกออกจากกันหรือไม่ การคำนวณปริมาตร การวิเคราะห์ความชัน การสร้างแบบจำลองการไหลของน้ำ หรือการศึกษาน้ำท่วมต้องใช้ DTM หากใช้ DSM อาคารและต้นไม้จะถูกเข้าใจผิดว่าเป็น "ที่ดิน" และผลลัพธ์ที่ได้จะบิดเบี้ยว พารามิเตอร์การกรองกราวด์จะถูกปรับตามภูมิประเทศ: ในพื้นที่ที่มีความลาดชัน ตัวกรองที่รุนแรงเกินไปจะลบพื้นดินจริงด้วย ในพื้นที่ราบ ตัวกรองแบบหลวม ๆ จะทำให้วัตถุที่อยู่ต่ำเข้าใจผิดว่าเป็นพื้นดิน AI อาจแนะนำพารามิเตอร์เริ่มต้นที่ดี แต่ผลลัพธ์จะต้องได้รับการทดสอบแบบภาคตัดขวาง
ข้อควรระวัง: สะพานและสะพานลอยเป็นกับดักแบบคลาสสิก สิ่งเหล่านี้คือโครงสร้างที่แขวนอยู่เหนือพื้นดิน หากตัวกรองสายดินถือว่าสิ่งเหล่านี้เป็นสายดินโดยไม่ได้ตั้งใจ "ชุด" จะถูกสร้างขึ้นใน DTM ที่ไม่มีอยู่จริง และการวิเคราะห์การไหลของน้ำจะผิดพลาดโดยสิ้นเชิง
คดีเล็กๆ สามคดี: ตามตัวเลข
กรณีที่ 1 — กับดักของสะพาน ในการสร้างแบบจำลองน้ำท่วม ตัวกรองภาคพื้นดินจำแนกสะพานเป็นพื้นดิน เขื่อนปลอมปรากฏขึ้นที่ตึกเวิลด์เทรดเซ็นเตอร์ ปิดกั้นลำธาร และแบบจำลองคำนวณว่าน้ำจะสะสมบริเวณต้นน้ำ ส่วนโปรไฟล์แสดงให้เห็นสะพานอย่างชัดเจน เมื่อจุดสะพานถูกจัดประเภทใหม่ การไหลก็ถูกสร้างแบบจำลองอย่างถูกต้อง
กรณีที่ 2 — สินค้าคงคลังความสูงของต้นไม้ สำหรับพื้นที่ 240 เฮกตาร์ในการศึกษาป่าไม้ การจำแนกประเภทที่ได้รับความช่วยเหลือจาก AI จะแยกรูปแบบทรงพุ่มของต้นไม้ออกจากประเภทพืชที่สูงกว่า และคำนวณความสูงของต้นไม้โดยเฉลี่ยประมาณ 18 เมตร เมื่อเปรียบเทียบกับการวัดต้นไม้สุ่ม 30 ต้นในสนามด้วยมือ ความแตกต่างอยู่ภายใน ± 0.8 ม. การวัดภาคสนามแบบอิสระทำให้เอาท์พุตแบบจำลองมีความน่าเชื่อถือ
กรณีที่ 3 — ข้อผิดพลาดในการยกระดับจุดเสียงรบกวน เมื่อ DTM ถูกสร้างขึ้นโดยไม่มีการกำจัดจุดรบกวนหลายจุด (นก ฝุ่น) ที่ลอยอยู่ในอากาศ ระดับความสูงในเซลล์หนึ่งได้กระโดดสูงกว่าค่าจริง 40 เมตร ขั้นตอนการควบคุมคำสั่งซื้อและการทำความสะอาดเสียงรบกวนจะลบการตีกลับแต่ละครั้งออกไป บทเรียน: การทำความสะอาดนอกกรอบเป็นสิ่งสำคัญก่อน DTM
พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง
พรอมต์ที่อ่อนแอ:
แบบจำลองภาคพื้นดินโผล่ออกมาจากเมฆจุดนี้
พรอมต์อันทรงพลัง:
งาน: สร้างเวิร์กโฟลว์การสร้าง DTM และเฟรมเวิร์ก PDAL/laspy จากพอยต์คลาวด์ LiDAR บริบท:- ความหนาแน่น ~12 จุด/ตร.ม. มีข้อมูลการหมุน, CRS EPSG:5256, ต้องระบุ Datum แนวตั้ง TUDKA- พื้นที่: ผสม (ลำธาร, สะพาน, อาคารเบาบาง, ทางลาดชัน) ข้อกำหนด:1) ลำดับ: กำจัดสัญญาณรบกวน -> การกรองพื้นดิน -> การแก้ไข DTM2) สำหรับสะพาน/สะพานลอยและความลาดชัน เตือนถึงความเสี่ยงในการกรอง3) การตรวจสอบ: ขั้นตอนการเปรียบเทียบกับหน้าตัดของโปรไฟล์และระดับความสูงที่ทราบ4) เขียนความแตกต่างระหว่าง DTM และ DSM และเหตุใดจึงต้องใช้ DTM สำหรับงานนี้
ความหนาแน่นที่รวดเร็วทำให้เกิดความเสี่ยงต่อภูมิประเทศ (สะพาน ความลาดชัน) และขั้นตอนการตรวจสอบ ออกมาเข้าสนามพอดี
เทมเพลตที่คัดลอกได้สี่แบบ
1) การทบทวนเบื้องต้นของพอยต์คลาวด์:
ตีความข้อมูลเมตา LAS/LAZ ต่อไปนี้: ความหนาแน่นของจุด, การกระจายการหมุน, รหัสคลาสปัจจุบัน, CRS/ข้อมูลแนวตั้ง ทำเครื่องหมายข้อมูลที่หายไปหรือน่าสงสัย และรายการสิ่งที่ต้องแก้ไขก่อนเริ่มกระบวนการ ข้อมูลเมตา: [สรุป]
2) การตั้งค่าการกรองกราวด์:
เขียนขั้นตอนการกรองกราวด์ด้วย PDAL ให้คำแนะนำพารามิเตอร์สำหรับประเภทภูมิประเทศ [แบน/ลาด/ผสม] นอกจากนี้ยังเตือนถึงความเสี่ยงต่อสะพาน พุ่มไม้เตี้ย และทางลาดชัน เพิ่มขั้นตอนการตรวจสอบผลลัพธ์ในส่วนโปรไฟล์
3) การตรวจสอบการจำแนกประเภทของวัตถุ:
เขียนแผนเพื่อตรวจสอบการจำแนกพอยต์คลาวด์ (ภาคพื้นดิน/อาคาร/โรงงาน/เส้น): ส่วนโปรไฟล์ใดที่ควรนำไปใช้ คาดว่าจะมีชั้นเรียนผสม (สะพาน-กราวด์ การสร้างพุ่มไม้) วิธีตรวจสอบแต่ละส่วน
4) การควบคุมการวัดที่ได้รับ:
ตรวจสอบการวัดที่ได้รับต่อไปนี้ (ความสูงของต้นไม้ รอยเท้าของอาคาร เส้นหย่อน) เพื่อดูความเป็นไปได้: พิทช์ ค่าลบ ค่าผิดปกติ เพิ่มข้อเสนอแนะเพื่อเปรียบเทียบกับการวัดภาคสนาม ขนาด: [ตาราง]
การเปรียบเทียบแนวคิดพอยต์คลาวด์
แนวคิด
ความหมาย
ความสำคัญ
เทิร์นแรก/ครั้งสุดท้าย
เสียงสะท้อนครั้งแรก/ครั้งสุดท้ายของการระเบิด
พื้นผิวด้านบนเทียบกับการแยกพื้นดิน
รหัสชั้นเรียน
ป้ายจุด
DTM/DSM และการแยกวัตถุ
การกรองภาคพื้นดิน
แยกชั้นนอกออกจากกัน
รากฐานของ DTM
ความหนาแน่น (จุด/m²)
ความถี่ในการสุ่มตัวอย่าง
รายละเอียดและขีดจำกัดความถูกต้อง
ส่วนโปรไฟล์
มุมมองชิ้นแนวตั้ง
การตรวจสอบการจำแนกประเภท
ข้อผิดพลาดทั่วไป
- ผลิต DTM โดยไม่มีการกรองกราวด์ อันที่จริงได้รับ DSM; ยีนส์/ปริมาตรบิดเบี้ยว
- นับสะพาน/สะพานลอยเป็นพื้นดิน ชุดปลอม โฟลว์ผิดรุ่น
- ไม่ทำความสะอาดจุดรบกวน ผ้ายีนส์กระเด็นแบบเอกพจน์
- ไม่ตรวจสอบการจำแนกประเภทตามภาคตัดขวาง ไม่มีข้อผิดพลาด 3 มิติที่ดูไร้เดียงสาบนแผนที่
- ละเว้น Datum แนวตั้ง กางเกงยีนส์นั่งอ้างอิงผิด
- คาดว่ารายละเอียดมีความเข้มข้นไม่เพียงพอ วัตถุที่มีขนาดเล็กกว่าช่วงจุดไม่สามารถแก้ไขได้
โดยสรุป
ปัญญาประดิษฐ์ในการประมวลผลพอยต์คลาวด์ LiDAR เป็นตัวเร่งสำหรับการแก้ไขเวิร์กโฟลว์ พารามิเตอร์การกรองภาคพื้นดิน การจำแนกวัตถุ และการคำนวณหน่วยวัดที่ได้รับ ขั้นตอนบังคับในการผลิต DTM คือการกรองกราวด์ หากละเว้นสิ่งนี้ จะได้รับ DSM และการวิเคราะห์ระดับความสูง/ปริมาตร/การไหลจะบิดเบี้ยว สะพาน ทางลาดชัน และจุดที่มีเสียงรบกวนเป็นกับดักทั่วไป ตรวจสอบแต่ละการจำแนกประเภทด้วยส่วนโปรไฟล์และระดับความสูงที่ทราบ ชี้แจง Datum แนวตั้งเสมอ
งานสมัคร
เลือกสถานการณ์ LiDAR (เช่น หุบเขาที่มีลำธารและสะพาน) ให้ AI สร้างการกำจัดเสียงรบกวน การกรองกราวด์ และขั้นตอนการประมาณค่า DTM ขอให้แจ้งเตือนเกี่ยวกับความเสี่ยงของสะพานและทางลาด จากนั้นเขียนแผนการตรวจสอบ: สรุปว่าคุณจะไปที่ส่วนโปรไฟล์ที่ไหนและคุณจะเปรียบเทียบกับระดับความสูงที่ทราบ
รายการตรวจสอบ
- [ ] ฉันยืนยันความหนาแน่นของจุด ข้อมูลการหมุน และ CRS/ Datum แนวตั้ง
- [ ] ฉันทำความสะอาดเสียงรบกวน/ค่าผิดปกติแล้ว
- [ ] ฉันแยกพื้นด้านนอกเพื่อ DTM ด้วยการกรองกราวด์
- [ ] ฉันตรวจสอบความเสี่ยงของสะพาน/สะพานลอยและทางลาดแล้ว
- [ ] ฉันตรวจสอบการจำแนกประเภทด้วยส่วนโปรไฟล์
- [ ] ฉันเปรียบเทียบระดับความสูงกับจุดที่ทราบ
- [ ] ฉันใช้ DTM ไม่ใช่ DSM สำหรับงานระดับความสูง/ปริมาตร/การไหล
- [ ] ฉันเก็บการยอมรับการจำแนกประเภทไว้ในการอนุมัติของวิศวกร