Jak klasyfikuje się grunt w chmurze punktów? Od usuwania szumu do numerycznego modelu terenu
Tylko część z milionów punktów chmury naprawdę dotyka ziemi.
Najważniejsze w terenie
- Warstwice, przekroje i objętości liczy się z gołego terenu; dlatego klasa gruntu jest pierwsza.
- Szum usuwa się przed filtrem gruntu; jeden fałszywy niski punkt wybija dziurę w powierzchni.
- Parametry filtra dobiera się do terenu; to, co działa w mieście, zawodzi w górach.
- Mosty, skarpy, gęste zarośla i krawędzie budynków sprawdza się ręcznie, na przekrojach.
- Jeśli pod drzewami nie ma punktów, żaden filtr nie stworzy tam gruntu; ten obszar mierzy się w terenie.
Dlaczego klasa gruntu jest pierwsza
Chmura punktów zawiera wszystko, co zobaczył sensor: grunt, korony drzew, dachy, pojazdy, przewody. Rozporządzenie Türkiye o wytwarzaniu map wielkoskalowych i informacji kartograficznej rozróżnia to dwoma pojęciami: numeryczny model pokrycia terenu (NMPT) przedstawia powierzchnię razem z roślinnością i budowlami, a numeryczny model terenu (NMT) goły teren bez nich. Warstwice, przekroje, objętości wykopów i nasypów oraz odpływ wody liczy się z gołego terenu. W standardzie LAS organizacji ASPRS punkty gruntu to klasa 2 i z tej klasy buduje się model terenu. W nieklasyfikowanej chmurze korona drzewa zachowuje się dokładnie jak wierzchołek wzgórza.
Najpierw usuń szum
Błędne punkty usuwa się, zanim uruchomi się filtr gruntu. Wysoki szum (ptaki, kurz, odbicia) zwykle rzuca się w oczy i niewiele szkodzi. Prawdziwym zagrożeniem są niskie punkty leżące pod gruntem: odbicia wielotorowe lub błędy pomiaru mogą dać punkty kilka metrów pod powierzchnią. Ponieważ większość filtrów gruntu zaczyna od najniższych punktów, jeden fałszywy niski punkt wybija dziurę w powierzchni i sprawia, że filtr odrzuca prawdziwe punkty gruntu wokół niego. LAS 1.4 ma klasę 7 dla niskiego szumu i klasę 18 dla wysokiego; przeniesienie szumu do tych klas jest bardziej identyfikowalne niż jego usunięcie.
Jak działają filtry automatyczne
Popularne podejścia dzielą się na trzy rodziny. Filtry morfologiczne porównują każdy punkt z najniższą powierzchnią w ruchomym oknie i krok po kroku powiększają okno. Progresywne zagęszczanie TIN to metoda opisana przez Axelssona w 2000 roku: buduje sieć trójkątów z najniższego punktu w każdej komórce siatki, a potem dodaje do gruntu punkty, których odległość i kąt względem trójkąta mieszczą się w progach. Symulacja tkaniny odwraca chmurę i opuszcza na nią wirtualną tkaninę; punkty, których tkanina dotyka, uznaje się za grunt. Wszystkie mają parametry: rozmiar komórki dobiera się zwykle do największego budynku na obszarze, a progi nachylenia i odległości ustawia się pod teren. To, co działa w mieście, zawodzi w górach.
Gdzie wynik automatyczny się myli
Na otwartym, płaskim terenie wynik automatyczny często wystarcza. Błędy skupiają się w określonych miejscach: na mostach i wiaduktach płyta pomostu jest brana za grunt albo znika droga pod spodem; na stromych skarpach i w przekopach drogowych krawędź skarpy jest ścinana i zaokrąglana; w gęstej niskiej roślinności i uprawach wierzch roślin bierze się za grunt; mury, konstrukcje oporowe i zaparkowane pojazdy mieszają się z gruntem; powierzchnie wody zwracają bardzo mało punktów. Najlepiej szukać tych miejsc na cieniowanym widoku rzeźby terenu, wypatrując garbów i dziur, i prowadzić przekroje przez podejrzane miejsca. Korekta polega na ręcznej zmianie klasy punktów na przekroju.
LiDAR a fotogrametria
Impulsy LiDAR mogą przechodzić przez prześwity w liściach; jeden impuls może dać kilka ech, a ostatnie odbicia często docierają do gruntu pod drzewami. Fotogrametryczna chmura punktów rejestruje tylko powierzchnię widoczną na zdjęciach. Jeśli pod gęstym lasem lub zaroślami nie ma punktów gruntu, żaden filtr ich nie stworzy; klasyfikacja jedynie rozdziela punkty, które istnieją. Na takich obszarach grunt trzeba pomierzyć w terenie odbiornikiem GNSS lub tachimetrem i dodać te pomiary do modelu terenu.
Model terenu i jego kontrola
Model terenu buduje się z punktów gruntu jako sieć trójkątów (TIN) lub regularną siatkę; oczko siatki nie powinno być drobniejsze, niż pozwala gęstość punktów. Warstwice i objętości powstają z tego modelu. Przed oddaniem sprawdź model niezależnymi pomiarami: pomierz punkty gruntu odbiornikiem GNSS lub tachimetrem w różnych typach pokrycia, takich jak teren otwarty, trawa i pod drzewami, i podaj różnice wysokości osobno dla każdego typu pokrycia. W Türkiye to samo rozporządzenie sprawdza też dokładność warstwic na mapach za pomocą przekrojów pomierzonych w terenie, z punktami rozmieszczonymi co najwyżej co 20 m wzdłuż każdego przekroju.
Otwórz chmurę punktów i wydziel grunt.
MapLab Survey 3D wyświetla pliki LAS i LAZ w 3D, tworzy przekroje i filtruje według klas, proponuje klasyfikację gruntu, którą możesz poprawić ręcznie, oraz tworzy powierzchnię terenu, objętość wykopów i nasypów i warstwice w DXF. Windows, na zapytanie.
Częste pytania
Czy klasyfikacja gruntu może być w pełni automatyczna?
Na otwartym, płaskim terenie wynik automatyczny jest często dobry. Mosty, skarpy, gęste zarośla i krawędzie budynków wymagają ręcznej kontroli i korekty.
Dlaczego pod drzewami nie ma punktów gruntu?
Chmura fotogrametryczna rejestruje tylko widoczną powierzchnię. LiDAR często dociera do gruntu dzięki odbiciom przechodzącym między liśćmi; jeśli żadna z nich nie ma tam punktów, grunt trzeba pomierzyć w terenie.
Czy most liczy się jako grunt?
W modelu terenu płyta pomostu zwykle nie jest gruntem; LAS 1.4 ma dla płyt mostowych osobną klasę (17). Obowiązująca reguła powinna być zapisana w specyfikacji oddania danych.
Co robi MapLab Survey 3D przy klasyfikacji gruntu?
Otwiera pliki LAS i LAZ w 3D, tworzy przekroje i filtruje według klas; proponuje automatyczną klasyfikację gruntu i pozwala poprawić ją ręcznie. Z gruntu tworzy powierzchnię terenu, objętość wykopów i nasypów oraz warstwice w DXF. Działa w systemie Windows, na zapytanie.
Źródła techniczne
The field guidance in this article is aligned with the technical and official references below.
- ASPRS LAS Specification
- Axelsson (2000), DEM generation from laser scanner data using adaptive TIN models, ISPRS Archives XXXIII-B4
- Zhang et al. (2016), An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation, Remote Sensing 8(6):501
- Harita Genel Müdürlüğü, Büyük Ölçekli Harita ve Harita Bilgileri Üretim Yönetmeliği
Powiązane: Pliki LAS i LAZ · Ortofotomapy i modele 3D · Wykop i nasyp · MapLab Survey