पॉइंट क्लाउड को जमीन, वनस्पति और वस्तुओं में वर्गीकृत करना और जाँचना

परिभाषित करें कि प्रत्येक वर्ग का क्या अर्थ है

वर्गीकरण बिंदुओं को लेबल देता है, ताकि चुनी गई सतहों से विश्लेषण या उत्पाद बनाए जा सकें। एल्गोरिदम चलाने से पहले आवश्यक वर्ग परिभाषित करें। ज़मीन, इमारतें, वनस्पति, पानी और शोर कुछ स्थानों पर स्पष्ट और कुछ स्थानों पर अस्पष्ट हो सकते हैं। छतों, सक्रिय भराव और कम वनस्पति के लिए परियोजना-विशिष्ट नियमों की आवश्यकता हो सकती है। प्राप्तकर्ता के प्रारूप के अनुरूप वर्गीकरण योजना अपनाएँ और अतिरिक्त परिभाषाएँ दर्ज करें। अनुप्रयोग रंग कोई वर्ग परिभाषा नहीं हैं. सुसंगत अर्थ ब्लॉकों की तुलना करने और किसी लेबल का प्रतिनिधित्व करने वाले को चुपचाप बदले बिना अलग-अलग टीमों द्वारा इलाके के उत्पादों को बनाने की अनुमति देते हैं।

पहले स्रोत विशेषताओं का निरीक्षण करें

फोटोग्रामेट्रिक और LiDAR बादल विशेषताओं और अवलोकन संबंधी समर्थन में भिन्न हो सकते हैं। वर्गीकरण से पहले स्रोत, संदर्भ, घनत्व, बिंदु वितरण और ज्यामितीय गुणवत्ता की समीक्षा करें। दोहरी सतहों, बाहरी हिस्सों और खराब समर्थित क्षेत्रों की तलाश करें। लेबलिंग अंतर्निहित अभिविन्यास या संरेखण समस्या को ठीक नहीं कर सकती। अपरिवर्तित स्रोत संस्करण को सुरक्षित रखें और मौजूदा वर्गों को बदलने से पहले उन्हें रिकॉर्ड करें। यह कार्य किसी अन्य आपूर्तिकर्ता के कार्य का प्रारंभिक वर्गीकरण, परिशोधन या स्वतंत्र समीक्षा हो सकता है। एक स्पष्ट सूची उपयोगी पूर्व जानकारी को छोड़ने से बचाती है और यह सुनिश्चित करती है कि समीक्षकों को पता चले कि कौन से ऑपरेशन ने पहले से ही उस डेटासेट को प्रभावित किया है जिसका वे मूल्यांकन कर रहे हैं।

प्रतिनिधि कठिन परिस्थितियों का परीक्षण करें

समतल जमीन, ढलान, संरचनाएं, कम वनस्पति और जहां मौजूद हो वहां तीव्र भू-आकृतियां शामिल करें। एक सेटिंग जो एक आसान नमूने पर सफल होती है वह अन्यत्र विफल हो सकती है। पैरामीटर विकल्पों की तुलना के लिए लगातार समीक्षा क्षेत्र और प्रोफाइल स्थापित करें। रिकॉर्ड करें कि नमूने क्यों चुने गए और प्रत्येक परीक्षण का परिणाम क्या रहा। सामान्य वर्ग परिभाषाओं को बनाए रखते हुए बहुत विविध भूभाग विभिन्न प्रसंस्करण क्षेत्रों को उचित ठहरा सकते हैं। लक्षित परीक्षण हर चीज़ को बार-बार वर्गीकृत करने और बाद में यह पता लगाने की तुलना में अधिक कुशल है कि एक क्षेत्र में सुधार ने दूसरे में महत्वपूर्ण रूप को मिटा दिया है। उस समझौते को समझाने के लिए आवश्यक साक्ष्य रखें।

आकार की समस्या के रूप में भूमि निष्कर्षण की समीक्षा करें

ग्राउंड एल्गोरिदम विशेष ऊंचाई और पड़ोस संबंधों को लागू करते हैं। ढीली सेटिंग्स में निम्न ऑब्जेक्ट शामिल हो सकते हैं; प्रतिबंधात्मक सेटिंग्स वैध चोटियों या खड़ी सतहों को हटा सकती हैं। पैरामीटर परिभाषाएँ पढ़ें और एक ही बार में सब कुछ बदलने से बचें। इमेजरी या फ़ील्ड संदर्भ के साथ प्रसंस्करण से पहले और बाद की प्रोफ़ाइल की तुलना करें। जहां जमीनी अवलोकन विरल हैं, वहां एक एल्गोरिदम लापता माप नहीं बना सकता है। यदि इसके बाद भूभाग का अंतर्वेशन किया जाता है, तो वर्गीकरण गुणवत्ता को सीमित समर्थन से अलग करें: दोनों रेखापुंज दोष पैदा कर सकते हैं, लेकिन अलग-अलग प्रतिक्रियाओं की आवश्यकता होती है। एक चिकनी सतह स्वचालित रूप से उस ज़मीन का बेहतर प्रतिनिधित्व नहीं करती जिसे वास्तव में देखा गया था।

ट्रेसेबिलिटी खोए बिना शोर को संभालें

पृथक या दूर के बिंदु व्युत्पन्न मॉडल को परेशान कर सकते हैं, लेकिन पतली वस्तुएं और वास्तविक विवरण भी विरल हो सकते हैं। महत्वपूर्ण विशेषताओं वाले नमूनों पर शोर उपचार का परीक्षण करें। स्थायी रूप से हटाने से पहले लेबल या पुराना संस्करण अपने पास रखें। बिना सन्दर्भ के यह न मानें कि प्रत्येक चरम बिंदु एक त्रुटि है। एक छोटी सी गड़बड़ी भ्रामक ऊँचाई वृद्धि पैदा कर सकती है, जबकि ओवरफ़िल्टरिंग उस संपत्ति को हटा सकती है जिसे एक इन्वेंट्री पहचानना चाहती है। चयन और बहिष्करण मानदंड रिकॉर्ड करें ताकि प्राप्तकर्ता समझ सकें कि अवलोकन विश्लेषण में कैसे दर्ज हुए और विभिन्न उपयोग के लिए निर्णयों पर दोबारा गौर कर सकते हैं।

वर्ग सीमाओं और टाइल जोड़ों का निरीक्षण करें

साइट से संबंधित जमीन से इमारत के किनारों, ढलान वाले हिस्सों, चैनलों और कम वनस्पति की समीक्षा करें। टाइल वाली परियोजनाओं में, पुष्टि करें कि अलग-अलग प्रसंस्करण से जोड़ पर कृत्रिम रेखाएं या असंगत लेबल नहीं बनते हैं। चुनी गई विधि के लिए उचित आसपास के समर्थन का उपयोग करें, फिर पुनर्संयोजन के बाद सीमाओं के पार निरीक्षण करें। एक स्थानिक निष्कर्ष मानचित्र सुरक्षित रखें। भूभाग की समोच्च रेखाएँ या रैस्टर सीम कलाकृतियों को उजागर कर सकती हैं जिन्हें ऊपर से नीचे बिंदु प्रदर्शन में नोटिस करना मुश्किल होता है। इसलिए प्रत्येक टाइल की स्वतंत्र रूप से जांच करना संयुक्त डेटासेट की स्थिरता प्रदर्शित करने के लिए अपर्याप्त है जिसका उपयोगकर्ता वास्तव में विश्लेषण करेंगे।

इच्छित उपयोग के लिए सत्यापन करें

इलाके का वर्गीकरण वनस्पति सूची या दृश्य प्रस्तुति से भिन्न होता है। उपयोगकर्ताओं द्वारा लिए जाने वाले निर्णय के विरुद्ध मूल्यांकन को परिभाषित करें। भू-भाग के लिए, ज़मीनी समर्थन और संगत ऊंचाई संदर्भों का निरीक्षण करें। ऑब्जेक्ट श्रेणियों के लिए, संदर्भ क्षेत्रों और स्पष्ट वर्ग परिभाषाओं का उपयोग करें। एक समग्र स्कोर एक छोटी श्रेणी में महत्वपूर्ण त्रुटियों को छिपा सकता है। मानवीय समीक्षा की विधि और क्षेत्र दर्ज करें। बताएं कि कौन सी वर्ग विश्वसनीय हैं, कौन सी स्थितियां कठिन बनी हुई हैं, और क्या सीमाएं सहमत आउटपुट को प्रभावित करती हैं। यह रंग-कोडित क्लाउड को सबूत के रूप में प्रस्तुत करने के बजाय सत्यापन को उपयोगिता से जोड़ता है कि प्रत्येक लेबल समान रूप से भरोसेमंद है।

विशेषताएँ और निर्यात नियम बनाए रखें

आवश्यक विशेषताओं, संदर्भों और वर्ग परिभाषाओं को ऐसे प्रारूप में वितरित करें जिसे प्राप्तकर्ता व्याख्या कर सकें। उनके अनुप्रयोग में लेबल, झंडे और रंगों का परीक्षण करें। जब विश्लेषणात्मक चयन की अभी भी आवश्यकता हो तो अकेले रंग को वर्गों का स्थान नहीं लेना चाहिए। गिनती, नियम और महत्वपूर्ण प्रसंस्करण इतिहास शामिल करें। यदि एक हल्की समीक्षा प्रति प्रदान की जाती है, तो मुख्य क्लाउड से घनत्व या विशेषताओं में अंतर की पहचान करें। पूरा पैकेज स्थानांतरित करने से पहले एक नमूने का परीक्षण करें। जब डेटा प्रोसेसर के वातावरण को छोड़कर किसी अन्य टीम के सॉफ़्टवेयर और प्रक्रियाओं में प्रवेश करता है तो ये जाँचें वर्गीकरण के अर्थ को संरक्षित करती हैं।

अलग-अलग ऊँचाई स्तर वाले कार्यस्थल का उदाहरण

तटबंधों, ऊंची सड़कों, झाड़ियों और इमारतों वाली साइट एक ही ग्राउंड सेटिंग के तहत विभिन्न विफलताओं को उजागर कर सकती है। प्रतिनिधि प्रोफाइल की तुलना करें और किसी भी उचित क्षेत्र-विशिष्ट उपचार का दस्तावेजीकरण करें। केवल DTM को सुचारू करने के लिए हर निचली सतह को जमीन के रूप में वर्गीकृत न करें। यदि एक अंतर्निहित सतह की आवश्यकता है लेकिन देखी नहीं गई है, तो पूरक-डेटा या इंटरपोलेशन आवश्यकताओं की व्याख्या करें। NiVO सेंसर विकल्प प्रारंभिक अवलोकन प्रदान करते हैं; वर्गीकरण यह निर्धारित करता है कि उन अवलोकनों का उपयोग कैसे किया जाता है। एक ट्रेस करने योग्य वर्कफ़्लो माप, वर्ग व्याख्या और अतिरिक्त मॉडलिंग को अलग करता है, जिससे प्राप्तकर्ताओं को यह समझने में मदद मिलती है कि अंतिम उत्पाद के कौन से हिस्से सीधे समर्थित हैं और जो आगे की धारणाओं पर निर्भर करते हैं।

उदाहरणात्मक परिदृश्य: तटबंध पर ज़मीन का वर्गीकरण

एक काल्पनिक मानचित्रण ब्लॉक की कल्पना करें जिसमें एक नीची इमारत, झाड़ियाँ, एक खड़ी तटबंध और एक खुली पहुंच वाली सड़क हो। एक स्वचालित ग्राउंड सेटिंग सड़क पर अच्छा प्रदर्शन करती है लेकिन तटबंध के शिखर का हिस्सा हटा देती है और पास की कुछ झाड़ियों को स्वीकार कर लेती है। प्रोसेसर उस सेटिंग का चयन केवल इसलिए नहीं करता है क्योंकि समग्र भूभाग रेखापुंज सुचारू दिखता है। इसके बजाय, टीम परिभाषित करती है कि अनुरोधित उत्पाद के लिए ग्राउंड क्लास को क्या प्रतिनिधित्व करना चाहिए, फिर सभी चार स्थितियों में एक निश्चित समीक्षा सेट बनाती है। स्रोत इमेजरी और प्रासंगिक फ़ील्ड रिकॉर्ड, स्वतंत्र ऊँचाई प्रमाण के रूप में माने बिना, प्रोफ़ाइल की व्याख्या करने के लिए संदर्भ प्रदान करते हैं, जहां वे इसकी आपूर्ति नहीं कर सकते हैं।

दो पैरामीटर विकल्पों की तुलना समान उदाहरणों पर की जाती है। एक परिवर्तन जो शिखा को पुनर्स्थापित करता है लेकिन वस्तुओं को कहीं और पेश करता है उसे सार्वभौमिक सुधार के रूप में स्वीकार नहीं किया जाता है। टीम जांच करती है कि क्या उचित प्रसंस्करण क्षेत्रों की आवश्यकता है और उन क्षेत्रों को एक सुसंगत वर्ग परिभाषा से जोड़ने वाले नियमों को रिकॉर्ड करती है। मूल लेबल उपलब्ध रहते हैं. शोर उपचार का मूल्यांकन अलग से किया जाता है ताकि वर्गीकरण समस्या अंधाधुंध बिंदु विलोपन के माध्यम से छिपी न रहे। किसी भी भूभाग अंतर्वेशन को एक अन्य चरण के रूप में प्रलेखित किया जाता है, बजाय इसके कि कोई बिंदु जमीन से संबंधित है या नहीं, इसके साक्ष्य के साथ भ्रमित किया जाता है।

हैंडओवर में वर्ग अर्थ, संस्करण पहचान, गिनती, समीक्षा स्थान और ज्ञात कठिन स्थितियाँ शामिल हैं। प्राप्तकर्ता मुख्य वर्गीकृत क्लाउड को रंगीन प्रस्तुति प्रति से अलग कर सकते हैं। जहां तटबंध का विवरण निर्णय के लिए महत्वपूर्ण है, माप के लिए उस विवरण को स्वीकार करने से पहले उपयुक्त संदर्भ साक्ष्य की समीक्षा की जाती है। काल्पनिक सबक यह है कि वर्गीकरण की गुणवत्ता इच्छित अर्थ और जांचे गए परिणामों पर निर्भर करती है, न कि केवल रंग की स्थिरता या चिकनाई पर। यह कार्यप्रवाह बाद में संशोधन भी संभव बनाता है, ताकि दूसरे विश्लेषक को दोबारा अनुमान न लगाना पड़े कि खास लेबल क्यों बदले गए थे।