Remoção de Ruído e Classificação Manual na LAS Cloud

larryzhang

<\/HEAD>

Os dados LAS Point Clouds podem ser precisos e confiáveis, SOMENTE quando seguem rigorosos padrões de controle de qualidade durante a aquisição e processamento em operação. <\/SPAN><\/P><\/P>Sistemas de aquisição LiDAR<\/SPAN> capazes de registrar lidar<\/SPAN> data<\/SPAN> com precisão suficiente em uma faixa de altitudes devem ser exigidos. Com um bom plano de aquisição, pessoal de campo altamente qualificado, composto por topógrafos profissionais licenciados, pilotos licenciados e técnicos LiDAR operam o sistema para garantir resultados de qualidade em cada voo para atender aos requisitos do projeto.<\/SPAN><\/P><\/P>Geralmente, o processamento de dados a laser significa inúmeros passos de trabalho 'rigorosos'. <\/SPAN><\/P>
Os passos típicos em sua ordem de trabalho diferente são os seguintes:<\/SPAN><\/P>Trabalhar com trajetórias; <\/SPAN>
Dividir os dados em regiões geográficas menores (blocos); <\/SPAN>
Classificar pontos por eco; <\/SPAN>
Deduzir números de linha para pontos; <\/SPAN>
Classificar pontos do solo separadamente após cada linha de voo; <\/SPAN>
Medir o ajuste das faixas sobrepostas; <\/SPAN>
Resolver cabeçalho, rolagem e inclinação para todo o conjunto de dados; <\/SPAN>
Verificar correções visualmente; <\/SPAN><\/P>Cortar faixas de pontos sobrepostos; <\/SPAN>
Classificar pontos do solo de volta ao padrão; <\/SPAN>
Iniciar classificação final para classes como solo, vegetação, edifício etc.<\/SPAN> <\/SPAN><\/P>
Na prática, os dados devem ser divididos em blocos menores de cerca de 5 a 10 milhões de pontos, devido aos limites dos sistemas operacionais atuais e da computação. <\/SPAN><\/P>
Nunca exclua pontos, adicione pontos ou altere a elevação dos pontos nos dados LAS ao trabalhar no formato LAS. Especialistas apenas atribuem a cada ponto várias flags que refletem atributos ou características desse ponto. Normalmente, os retornos são sinalizados de várias maneiras: por número de retorno, por camada ou por classes de tipo. <\/SPAN><\/P><\/P>O número do retorno é simplesmente primeiro, segundo, terceiro, quarto etc., dependendo do número de retornos registrados pelo sensor específico (anexo - Major LiDAR Sensors). <\/SPAN>A camada está relacionada ao número do retorno, mas dá um passo em direção à classificação da elevação. No formato LAS, os tipos de classe podem ser classificados corretamente, até mesmo definidos pelo usuário (anexo – LAS 1.4). <\/SPAN>Se o resultado final do projeto for produzir um modelo de terreno nu (bare earth terrain model), as seguintes categorias são recomendadas:<\/SPAN><\/P>Solo Nu (Terreno); <\/SPAN><\/LI>Características acima do solo (incluindo edifícios, copas das árvores, carros, postes, pontes); <\/SPAN><\/LI>Água; e <\/SPAN><\/LI>Ruído<\/SPAN><\/LI><\/UL><\/UL>
Remoção de Ruído<\/STRONG>

O primeiro passo no pós-processamento é identificar e eliminar pontos de ruído, que são pontos extremamente altos ou baixos fora da faixa de elevações realistas para a área do projeto. Pontos anormalmente altos podem ser causados por aerossóis atmosféricos, pássaros ou aeronaves voando baixo; pontos baixos podem ser causados por multipercurso do laser. Embora os pontos de ruído provavelmente sejam removidos posteriormente por filtragem automatizada, geralmente é vantajoso removê-los ainda mais cedo no fluxo de trabalho do processamento. Muitos pacotes de software usam as elevações mínimas e máximas absolutas em um conjunto de dados como base para atribuir uma escala para simbologia colorida por elevação. <\/P>

Os pontos de ruído farão com que a faixa de elevação nas áreas realmente interessantes seja comprimida dentro da escala de cores. Além de um filtro simples com limites alto e baixo para classificar esses pontos como ruído — que é Classe 7 - Low Point (noise) no formato LAS — especialistas em sensoriamento remoto devem usar algoritmos avançados para minimizar o ruído, incluindo edição manual. <\/P>

Uma vez rotulados, os pontos de ruído podem então ser ignorados pelo software para fins de exibição e em cálculos analíticos, incluindo extração de feições.<\/P>

<\/P>

Classificação Manual<\/STRONG>

Como é sabido, a filtragem automatizada aplicada adequadamente pode classificar efetivamente cerca de 90% dos pontos do solo em uma nuvem LiDAR. Os aproximadamente 10% restantes dos pontos devem ser inspecionados visualmente e classificados manualmente, o que envolve interação humana com os dados, familiaridade com a paisagem do assunto e conhecimento dos princípios fundamentais da cartografia, convenções,"best practice" e imagens ópticas em alta resolução (aerofotos, GeoEye, QuickBird, Pleiades) com pacote avançado Lidar como TerraScan, ENVI LiDAR, Leica CloudPro (Leica XPro, Leica Cyclone) ou ERDAS LPS (point cloud).

Nesses pacotes de processamento LAS point cloud , técnicas manuais de edição e classificação são introduzidas para ajudar a melhorar a precisão e confiabilidade dos dados especialmente quando os dados LAS não estão classificados no padrão LAS mais recente. Esse tipo de técnica chamada 'Classify on Point Cloud' foi desenvolvida e é aplicada no contexto das convenções e práticas cartográficas aceitas.<\/P>

Por exemplo , o Point Cloud Classify nos permite classificar nuvens pontuais com base em parâmetros que definem objetos (estruturas feitas pelo homem) e vegetação , incluindo DTM , City Model (edifícios) , e Canopy model (vegetação baixa , vegetação média , vegetação alta). Consulte o artigo chamado 'CLASSIFICATION OF LIDAR POINT CLOUD AND GENERATION OF DTM FROM LIDAR HEIGHT AND INTENSITY DATA IN FORESTED AREA'.<\/P>

Os parâmetros para vegetação incluem critérios de altura e verdor . O critério verdor é aplicável apenas às Point Clouds que possuem informação RGB (abaixo).<\/P>

Imagens de Pontos codificados em RGB, após Aquisição e Processamento com Controle de Qualidade de Alta Qualidade <\/SPAN><\/P>(Pontos LAS Precisos e Confiáveis, prontos para aplicações Geoespaciais e G&G)<\/SPAN><\/P>
Se o resultado final da edição manual e classificação for um modelo detalhado de terreno nu (DTM), isso significa que esses dados foram controlados quanto à qualidade para completude e ausência de artefatos.<\/SPAN><\/P>
Se os produtos finais incluírem nuvens de características 3D, técnicas avançadas de renderização fotorrealista e modelagem 3D devem ser aplicadas a essas nuvens de pontos 3D para criar representações realistas e análises 3D.<\/SPAN><\/P><\/SPAN><\/P>Para modelagem urbana, características 3D (edifícios, copas de árvores, linhas de energia, tanques, carros, postes, pontes) podem ser classificadas e modeladas.<\/SPAN><\/P>Finalmente, dados de intensidade LiDAR também podem ser usados para extrair características, semelhante a imagens raster (veja os slides do Bill)...<\/SPAN><\/P><\/SPAN><\/P><\/SPAN><\/P><\/SPAN><\/P>Renderização Fotorrealista a partir de Nuvens de Pontos para Visualização e Modelagem 3D<\/SPAN><\/P>
++++++++++++<\/SPAN><\/P>
O formato de arquivo LAS é um formato binário que mantém informações específicas da natureza LiDAR dos dados sem ser excessivamente complexo (http:\/\/www.asprs.org\/Committee-General\/LASer-LAS-File-Format-Exchange-Activities.html<\/A>) . <\/SPAN><\/P>

Lembre-se que nuvens LAS também podem ser geradas a partir de imagens ópticas em par estéreo, além do LiDAR<\/SPAN>.<\/SPAN> < \/SPAN >< \/P >< \/BODY >< \/HTML >