Escolha da decimação de nuvens de pontos sem perder feições críticas
Compare a seleção de voxel, a amostragem baseada em espaçamento e o afinamento simples com o tamanho do recurso, os atributos retidos e a finalidade do conjunto de dados LiDAR reduzido.
Defina um propósito para a nuvem reduzida
A redução de uma nuvem de pontos pode melhorar o manuseio interativo ou tornar prático um cálculo específico, mas o método correto depende do que deve sobreviver. Um modelo de apresentação tem necessidades diferentes de uma inspeção de bordas estreitas de drenagem. Defina as feições preservadas e os atributos retidos antes de escolher um tamanho de arquivo de destino. Mantenha as observações originais disponíveis para que a decimação não se torne um substituto irreversível das evidências.
Distinguir um ponto selecionado de um novo ponto
Alguns métodos voxel selecionam uma observação existente, enquanto outras abordagens criam uma posição representativa. Esses resultados têm implicações diferentes para cor, classificação, intensidade e identificadores. Uma coordenada média não possui automaticamente uma classe média significativa ou um número de retorno. Leia a documentação do algoritmo e inspecione o esquema de saída em vez de assumir que cada método preserva intacto o registro do ponto de origem.
Escolha o suporte espacial deliberadamente
Uma grade de voxel tridimensional limita a representação dentro dos volumes ocupados, enquanto a amostragem baseada em espaçamento controla a separação de acordo com sua própria regra. A retenção de um ponto a cada intervalo fixo na sequência de registros do arquivo pode herdar a ordem de aquisição e a densidade desigual. Compare a distribuição resultante em superfícies horizontais e verticais. Uma redução que pareça uniforme na vista plana ainda pode remover detalhes úteis de paredes ou terrenos íngremes.
Proteja pequenas feições importantes
Escolha o tamanho do suporte tendo em mente o menor recurso relevante. Em um levantamento hipotético de um muro de contenção, compare uma nuvem reduzida com as observações completas no topo do muro, na base e em uma saída estreita. Verifique se as características isoladas, mas reais, desaparecem e se as superfícies adjacentes se misturam. Uma redução percentual por si só não pode explicar estes efeitos porque a densidade inicial varia substancialmente em todo o local.
Verifique a ordem e a reprodutibilidade
Documente a origem da grade, o tamanho ou espaçamento das células, a ordem dos pontos quando relevante e a implementação do software. A repetição de um pipeline com entradas reordenadas pode não produzir as mesmas observações selecionadas para cada algoritmo. Teste um subconjunto representativo duas vezes em configurações controladas e compare as posições e atributos retidos. Onde a repetibilidade exata for importante, preserve o subconjunto resultante e seu mapeamento de origem em vez de confiar em uma receita informal.
Mantenha as saídas reduzidas e oficiais separadas
Rotule a saída de acordo com o uso pretendido e relate como a redução foi verificada. Forneça os dados originais ou um procedimento acordado para extrair um subconjunto detalhado quando as decisões de engenharia assim o exigirem. A aceitação deve demonstrar que as feições exigidas permanecem interpretáveis e os atributos retidos têm significados defensáveis. Uma nuvem mais leve é um produto de processamento com limitações documentadas, e não evidência de que observações aparentemente redundantes não tenham valor analítico.
