Ես LiDAR տվյալներ ունեմ. Հիմա ի՞նչ:

Վերջերս Դեյվիդ Մքիթրիկի կողմից հրապարակված մի շատ հետաքրքիր հոդվածում, որտեղ նա խոսում է GIS-ում LiDAR-ի հետ աշխատելու հետ կապված տեխնիկայի համապատասխան գիտելիքների հետևանքների մասին և հղում անելով Global Mapper-ին որպես օժանդակ գործիք՝ ստացված տվյալների մշակման համար:

Հոդվածը կարդալուց հետո ես ներբեռնեցի Global Mapper-ը որոշ ժամանակ խաղալու համար, և պետք է խոստովանեմ, որ այն պահպանում է այդ գործիքի գործնականությունը, որը մենք գիտեինք, և որով շատ գործնական էր xyz տեքստային ֆայլերից ռելիեֆի թվային մոդելներ պատրաստելը: Այսօր, երբ LiDAR-ի տվյալների հասանելիությունը դառնում է շատ ավելի մատչելի, վատ չէ հայացք նետել այն ասպեկտներին, որոնք պետք է հաշվի առնել դրանց հետ աշխատելիս և միևնույն ժամանակ նշել, թե ինչ է լավ անում Global Mapper-ը։ Այն, որ ես պնդում եմ, ինձ զարմացրել է այն ամենի վրա, ինչ ես փորձարկել եմ. Նորացված դեմքով ծրագիրը պահպանում է տվյալների բացման և դրանք արդեն նախապես կազմաձևված առաջարկներում ցուցադրելու պարզությունը:

Օրերս Գեոֆումադասի սեղանի մոտ ես կարող էի տեսնել Դոն Հ-ի աչքերում.իմ դաստիարակներից մեկը– նրա աչքերում անհանգստացնող փայլ՝ անօդաչու թռչող սարքի գնորդի առաջարկից. դա կադաստրային տվյալները թարմացնելու հավելված էր. Մեծ ափսոսանքով ես ստիպված էի ներբեռնել այն ամպից և հիշեցնել, որ զարգացող երկրների մեծ մասում չկան նվազագույն պայմաններ այս տեխնոլոգիայի կայունության համար. չնայած, ի վերջո, մենք հասանք կոնսենսուսի, թե ինչն է հնարավոր ֆունկցիոնալ առումով։ Մի քանի տարի առաջ այս տեխնիկայի խափանումը մեծ ոգևորություն առաջացրեց Միացյալ Նահանգների որոշ պետական ​​կառույցներում, այժմ այն ​​տեղափոխվում է իսպանական համատեքստ ունեցող այլ երկրներ, ինչը կարող է մտնել «ալիքի վրա» կիրառման ցանկության մեջ: նոր տեխնոլոգիա. , տվյալների հավաքագրում, բայց չիմանալով, թե իրականում ինչ անել դրանց հետ:

Եթե ​​հաշվի առնենք նախագծում LiDAR-ի օգտագործման համար պահանջվող ծախսերը, ապա կտեսնենք, որ այն կարևոր է, հաշվի առնելով, թե ինչ է անհրաժեշտ տվյալների զանգվածային հավաքագրմանը սկսելու համար (հատկապես «Point Cloud Collection»-ի մասին խոսելը); դեռ գիտակցելով, որ դրա օգտագործումը մեզ տալիս է արդյունավետ արդյունք և ժամանակի մեծ խնայողություն: Ճիշտ օգտագործված LiDAR-ի տվյալները թույլ են տալիս մեզ ընկալել աշխարհը շատ այլ կերպ, քան այն, ինչ մենք կարող էինք ավանդական քարտեզագրման պրակտիկաների միջոցով: Այժմ դուք կարող եք իրական տեսլական ստանալ՝ օգտագործելով 3D ձևաչափերը, ինչպես նաև կարող եք փոխազդել այն տվյալների հետ, որոնցով մշակվում են վերլուծության նոր տեխնիկա:

Ինչ է LiDAR-ը

Դավիթը իրավացիորեն ասում է.LiDAR-ի տվյալները ապրանք չեն, այլ հումք», որը սահմանում է առաջին առանցքային հայեցակարգը, մեր կարծիքով, թեման հասկանալու համար: Իրոք, տվյալների ստացումն այն մուտքն է, որը մեզ թույլ կտա պատշաճ մշակումից հետո ստանալ տարբեր եռաչափ մոդելներ:

Բայց ավելի պարզ լինելու համար մենք պետք է հետ գնանք և հիշենք LiDAR տվյալների հիմնական կառուցվածքն ու բնութագրերը: LiDAR-ը (Light Detection and Ranging-ի հապավումը) 3D կետերի վեկտորային ձևաչափ է: Յուրաքանչյուր LiDAR ֆայլ կամ տվյալների հավաքածու սովորաբար պարունակում է միլիոնավոր կամ նույնիսկ միլիարդավոր սերտորեն բաժանված, պատահականորեն բաշխված կետեր: Նրանց միջև տարածության սերտությունը կախված է նրանից, թե ինչպես են ստացվել տվյալները:

Հանրային հասանելի LiDAR տվյալները հավաքագրվել են հիմնականում օդադեսանտային հարթակի միջոցով՝ օգտագործելով փոխանցման և ընդունման լազերային տեխնոլոգիան՝ ճշգրիտ դիրքորոշման և նավիգացիոն համակարգերի կիրառմամբ: Յուրաքանչյուր կետին վերագրվում է x, y, z արժեք, որը ստացվում է արտացոլված լազերային իմպուլսի հաղորդման և ընդունման միջև հաշվարկված ժամանակային տարբերությունից:

Դանդաղ թռչող ինքնաթիռը կստեղծի ավելի լայն տարածված կետերի ամպ, քան ավելի արագ թռչողն ավելի բարձր բարձրության վրա: Կախված ինքնաթիռի կամ անօդաչու թռչող սարքի կողմից օգտագործվող սենսորից և տվյալների հետ աշխատելուց, գույնի արժեքը, արտացոլման ինտենսիվությունը, ինչպես նաև մեկ իմպուլսի հետադարձների քանակը կարող են ներառվել որպես վիզուալիզացիայի և վերլուծության լրացուցիչ հատկանիշներ:

Ինչ կարելի է անել LiDAR տվյալների հետ

Ունենալով հստակ LiDAR-ի տվյալները ենթարկվում են փոխակերպման, որը սովորաբար դառնում է 3D մոդել, մենք խոսում ենք թվային բարձրության մոդելի (DEM) ստեղծման կամ կետերի մատրիցում երկրաչափական նախշերից ստացված 3D վեկտորային օբյեկտների ավտոմատ ստեղծման/արդյունահանման մասին: . Հնարավոր է նաև, փոփոխելով կետային ամպի ներկայացումը, ստանալ նշանակալից տեղեկատվություն, որը ներկայացնում է տարբեր տեսակի մակերեսներ, կետի բարձրությունը գետնի նկատմամբ կամ կետերի խտության փոփոխություն, ի թիվս այլ բնութագրերի:

LiDAR տվյալների խմբագրում և զտում

Շատ սովորական է, որ ստացված տվյալների ֆայլերը ներառում են շատ ավելի շատ միավորներ, քան անհրաժեշտ է: Հետևաբար, նախքան կետային ամպի վրա զտման գործընթաց օգտագործելը, նախընտրելի է մանրակրկիտ ուսումնասիրել շերտի մետատվյալները: Ստացված վիճակագրական ամփոփագիրը կտրամադրի անհրաժեշտ տեղեկատվություն ամպի բնութագրերի մասին, որոնք կառաջարկեն համապատասխան որոշումներ կայացնել զտման գործընթացի համար:

LiDAR տվյալների որակի բարելավում

Ոչ պարտադիր կետերը վերացնելուց հետո հաջորդ քայլը ի սկզբանե չդասակարգված վերգետնյա կետերի հայտնաբերումն ու վերադասակարգումն է: Այսինքն՝ մենք պետք է ճշգրտենք տվյալները։ Սա շատ կարևոր է, որպեսզի կարողանանք ստեղծել լավ լուծաչափ DEM:
Այստեղ մենք դիտարկում ենք, թե արդյոք մենք ի վիճակի ենք իրականացնել տվյալների համարժեք զտման գործընթաց և դրանց հետագա վերադասակարգում: Երկու ընթացակարգերն էլ, ըստ երևույթին, մեխանիկական, վճռորոշ նշանակություն ունեն ստացվելիք արդյունքների համար:

Այս Global Mapper-ում իսկապես շատ լավ է ստացվում: Համենայն դեպս՝ խմբագրման և զտման սցենարով։ Եվ նույնիսկ այդ դեպքում, պետք է հաշվի առնել, որ վերացնելով աղմուկ առաջացնող կետերը, կան տվյալներ, որոնք դասակարգվում են որպես մակերեսային, որոնք անպայմանորեն օգտակար չեն։ Global Mapper-ի միջոցով ոչ միայն հնարավոր է իրականացնել այն կետերի համարժեք վերացում, որոնք դուրս են ծրագրի տարածքի աշխարհագրական շրջանակից, այլ նաև այն կետերը, որոնք չեն պահանջվում իրենց բնութագրերի պատճառով, քանի որ հավելվածն ունի բազմաթիվ զտման տարբերակներ:
Հիմա եկեք խոսենք տվյալների թյունինգի մասին: Global Mapper-ը ներառում է մի քանի ինտեգրված ընթացակարգեր, որոնցով տվյալները ավտոմատ կերպով դասակարգվում են, իսկ ի սկզբանե չդիտարկված հողային կետերը վերադասակարգվում են՝ խուսափելով հնարավոր օգտակար տվյալների կորստից: Սա մեծացնում է կետերի հարաբերական տոկոսը, որոնք կարող են օգտագործվել ավելի բարձր լուծաչափի DEM ստեղծելու համար:

Ես օրինակի վրա աշխատել եմ փոթորիկից առաջ և հետո տվյալների հետ; Հաստատ, առանց կախարդ ունենալու, ծրագրաշարն ունի այն գործառույթները, որոնք գրեթե առաջարկվում են ստանալ, մոդելավորել, զտել, ստեղծել նոր մոդելի աշխատանքային հոսք:

Այլ ավտոմատ դասակարգման գործընթացները կարող են հայտնաբերել և վերադասակարգել շենքերը, ծառերը և կոմունալ մալուխները, ինչը առանձնահատկությունների արդյունահանման գործընթացի առաջին քայլն է:

Թվային բարձրության մոդելի ստեղծում

Եռաչափ վերլուծության ընթացակարգեր իրականացնելու համար գրեթե բոլոր դեպքերում LiDAR կետի ամպը պետք է լինի արդյունավետ տվյալներ: Մենք օգտագործում ենք «ցանց» կոչվող պրոցես, որտեղ զանգվածի յուրաքանչյուր կետի հետ կապված արժեքը (սովորաբար բարձրության արժեքը) օգտագործվում է որպես ամուր 3D մոդելի ստեղծման հիմք: Այս մոդելը կարող է ներկայացնել միայն տեղանքը (թվային տեղանքի մոդել) կամ գետնից վերև գտնվող մակերես, օրինակ՝ անտառածածկ (մակերևույթի թվային մոդել): Երկուսի միջև տարբերությունը բխում է ֆիլտրումից և այն կետերից ընտրելուց, որոնք օգտագործվում են մակերեսը ստեղծելու համար:

Եթե ​​հաշվի առնենք, որ LiDAR-ի օգտատերերի մեծամասնությունը որպես հիմնական նպատակ ունի DTM (Digital Terrain Model) ստեղծումը, Global Mapper-ն առաջարկում է տեղանքի վերլուծության գործիքների բավարար հավաքածու, ներառյալ ծավալի հաշվարկը. կտրել և լրացնել օպտիմալացում; ուրվագծային գծերի առաջացում; ջրբաժանի սահմանագծում; և տեսադաշտի վերլուծություն:

Հատկանիշի արդյունահանում

Ավելի խիտ կետային ամպից տվյալների ավելի մեծ հասանելիություն ստեղծելը մեզ համար նոր ճանապարհ է սահմանում դեպի LiDAR տվյալների մշակման նոր եղանակ: Հարակից կետերի երկրաչափական կառուցվածքում օրինաչափությունների վերլուծությունը կարող է հանգեցնել կառուցված մոդելների ուրվագծմանը, որոնք ներկայացված են որպես եռաչափ բազմանկյուններ. գետնի վրայով անցնող հոսանքի գծեր կամ մալուխներ, որոնք ներկայացված են որպես եռաչափ գծեր. ինչպես նաև ծառերի կետերը, որոնք բխում են որպես բարձր բուսականություն դասակարգված կետերի հավաքական կառուցվածքից: Global Mapper-ի վեկտորային արդյունահանման գործիքները ներառում են նաև հատուկ արդյունահանման տարբերակ, որի միջոցով կարող են ստեղծվել 3D գծեր և բազմանկյուններ՝ հետևելով մի շարք պրոֆիլային դիտումների, որոնք ուղղահայաց են նախապես սահմանված ուղու վրա: Այս գործիքը կարող է օգտագործվել ցանկացած երկարաձգված կառուցվածքի ճշգրիտ եռաչափ մոդել ստեղծելու համար, օրինակ՝ փողոցի եզրաքարը:

Դավիթի եզրակացությունն ակնհայտ է. LiDAR-ի հետ աշխատելիս տվյալներ ունենալն ամեն ինչ չէ. Գործիք ունենալը, որով դրանք գործնականորեն կմշակվեն, այն է, ինչը մեծացնում է այս տեխնոլոգիայի օգտագործումը:

Զվարճալի է, որ վերջին անգամ այս հավելվածը տեսել եմ 2011 թվականին, 11 տարբերակի հետ. Ես արդեն աշխատում էի LiDAR-ի հետ, բայց դա մի փոքր ճնշող էր ռեսուրսների սպառման առումով, ես դադարեցի դիտել այն Ծանոթություններ 13 որտեղ այդ կարողությունը մի փոքր բարելավվեց։ Դա ներբեռնելու և փորձելու խնդիր է, քանի որ այս 18-րդ տարբերակը ինձ թվում է լավագույն էժան ծրագրային այլընտրանքներից մեկն է, որն անում է գրեթե ամեն ինչ, ինչը կարող է պահանջվել LiDAR-ի տվյալները գործարկելու համար:

գնացեք Գլոբալ քարտեզագրիչ