Détection d'objets à partir de nuage de points aérien

ZhaiyuChen

<\/HEAD>

Introduction<\/H2>Le jeu de données Actueel Hoogtebestand Nederland (AHN) représente précisément les Pays-Bas sous forme d'innombrables points, dont le traitement implique généralement une intervention humaine massive. Dans cet article de blog, nous démontrons comment le module arcgis.learn peut être utilisé pour favoriser la classification automatique des nuages de points AHN. Notez que la classification brute de l'AHN est négligée ; à la place, une reclassification fine du nuage de points est effectuée.<\/P><\/P>PointCNN<\/H2>Pour commencer, nous devons présenter PointCNN, un pipeline d'apprentissage profond pour l'analyse des nuages de points.<\/P><\/P>Contrairement aux images, les données de nuages de points sont non ordonnées et distribuées anisotropiquement dans l'espace, ce qui entrave les applications des réseaux neuronaux convolutifs traditionnels (CNN) conçus pour les données 2D.<\/P><\/P>Une partie centrale du cadre PointCNN est l'opération X-Conv qui est analogue à l'opération de convolution dans les CNN 2D. Cet opérateur effectue une série d'opérations sur une forme traitée des blocs de nuages de points. Ce qui est spécial avec X-Conv, c'est qu'il peut traiter les points d'entrée dans un ordre arbitraire pour obtenir une caractéristique indépendante de l'ordre. Avec X-Conv comme blocs de construction, PointCNN est capable d'effectuer des convolutions sur des ensembles de points non ordonnés, similaire (mais légèrement plus complexe) à celles des grilles 2D.<\/P><\/P>L'opération XConv sur les nuages de points (en bas) ressemble à la convolution sur les grilles 2D (en haut)<\/P><\/P>PointCNN est implémenté dans le module arcgis.learn, l'API Python d'Esri pour l'apprentissage profond. L'API ArcGIS encapsule les fonctionnalités pour classifier et segmenter efficacement les points d'un jeu de données de nuage de points. Pour explorer l'API, vous pouvez vous référer à la documentation arcgis.learn<\/A>.<\/P>

<\/P>

Naturellement, PointCNN a besoin de données d'entraînement pour apprendre, où le jeu de données Dayton Annotated Laser Earth Scan (DALES) (

DALES : University of Dayton, Ohio<\/A>) est utilisé. Il contient quarante scènes de données aériennes denses et étiquetées couvrant plusieurs types de scènes incluant urbain, suburbain, rural et commercial, avec plus d'un demi-milliard de points couvrant 10 kilomètres carrés. Le nuage de points AHN3 de Dordrecht est choisi comme jeu de données test, dont la préparation passe par Géotraitement - Convertir LAS et Extraire LAS avec ArcGIS Pro.<\/P>

<\/P>

Préparation du jeu de données Dordrecht dans ArcGIS Pro<\/P>

<\/P>

Après entraînement sur les nuages de points DALES, PointCNN est capable de classifier les points AHN de la région Dordrecht, avec uniquement l'information des coordonnées (x, y, z). Les scripts d'entraînement peuvent être trouvés dans ce 

Carnet ArcGIS<\/A>.<\/P>

<\/P>

<\/P>

Nuage de points AHN non classifié de la région Dordrecht, rendu avec la valeur d'intensité<\/P>

<\/P>

Résultats<\/H2>Voyez ci-dessous la scène de Dordrecht classifiée par PointCNN. La classification contient Sol, Végétation, Voitures, Camions, Lignes électriques, Poteaux, Clôtures et Bâtiments. Remarquez particulièrement comment les objets de petite taille (par exemple voitures et lignes électriques) sont toujours nettement détectés. Comparé à la classification brute d'AHN3 qui ne comprend que cinq classes grossières, la nouvelle classification présente clairement plus de détails granulaires.<\/P><\/P><\/P>Nuage de points AHN classifié de la région Dordrecht, rendu avec le code classe <\span>Des cartes interactives du nuage de points classifié peuvent être trouvées dans ce Story Map : Détection d'objets à partir du nuage de points aérien.

MortezaEsfandiari

Hi, 

Thanks for sharing your work.

I was wondering if you could help me with a question that I have. 

Did you train the model on GPU or was it on CPU, and how long did it take?

I am asking because I followed your steps (I only used two blocks for training and one for validation) but after three days of training on CPU, it didn't even go one epoch.

I would appreciate it if you can help me with this.