Tipps zur Klassifizierung von Stromleitungen und Masten

Willkommen zum dritten Teil unserer Reihe „Tipps zur Fehlerbehebung bei der Punktwolkenklassifizierung“. In diesem Beitrag möchten wir Ihnen helfen, die automatischen Klassifizierungswerkzeuge von Global Mapper besser zu verstehen und sie an die jeweiligen Unterschiede in Punktwolken anzupassen. Im ersten Blogbeitrag haben wir die Klassifizierung von Rauschen und Boden sowie das Werkzeug zur Klassifizierung von Nicht-Boden-Elementen für die Gebäude- und Vegetationsklassifizierung behandelt. Heute widmen wir uns der Klassifizierung von Stromleitungen und Strommasten.

Stellen Sie zunächst sicher, dass Sie bei der Verwendung der Klassifizierungswerkzeuge bereits Lärm-, Boden- und Vegetationspunkte klassifiziert haben. Beachten Sie, dass die Klassifizierungswerkzeuge grundsätzlich in einer bestimmten Reihenfolge ausgeführt werden sollten: Lärm, Boden, Gebäude und Vegetation, dann Stromleitung und Strommast. Diese Reihenfolge ist wichtig, da sie die Klassifizierung eingrenzt und andere Punkte ausschließt. 

Bei der Kartierung von Stromleitungen und ähnlichen Strukturen ist darauf zu achten, dass die Punktwolke ausreichend dicht ist, um die Stromleitungen vollständig zu erfassen. Da Stromleitungen dünne Strukturen sind, enthalten Punktwolken mit geringer Dichte oft nicht genügend Punkte, um die Struktur abzubilden. Die empfohlene Mindestauflösung beträgt mindestens 20 Punkte/ m².

Klassifizierung von Stromleitungen

Diese Option wurde durch die in Version 24.1 verfügbare Segmentierungsmethode ersetzt.

Das Werkzeug zur Stromleitungsklassifizierung erkennt lineare Strukturen oberirdisch, wie z. B. Stromleitungen oder Kabel. Wie bei allen automatischen Klassifizierungswerkzeugen empfiehlt es sich, zunächst die Standardeinstellungen zu verwenden und anschließend die Daten zu überprüfen, um festzustellen, welche Strukturen nicht erfasst wurden. Passen Sie die Einstellungen dann entsprechend an. Bei größeren Punktwolken können Sie die Option „Grenzen festlegen“ nutzen, um die Einstellungen anhand eines kleineren Datenbereichs zu testen und so Verarbeitungszeit zu sparen. 

Das Tool zur Klassifizierung von Stromleitungen vergleicht Punkteabschnitte (Bins) mit einer hypothetischen Ausgleichsgeraden. Punkte, die innerhalb eines festgelegten Abstands zur Ausgleichsgeraden liegen, werden als Stromleitungen klassifiziert. Wir Menschen können Linienmerkmale in den Daten leicht erkennen. Dieses Tool identifiziert diese Merkmale, indem es die Nähe der Punkte statistisch misst.

Visuelle Beschreibung der Stromleitungseinstellungen aus der Global Mapper Knowledge Base.

Die maximale Höhenänderung entspricht dem Durchhang der Linie. Mit dem Pfadprofil-Werkzeug lässt sich diese Höhenänderung entlang der Linie messen. Das Pfadprofil-Werkzeug eignet sich außerdem hervorragend, um einzelne Punkte, die bei der automatischen Klassifizierung nicht berücksichtigt wurden, manuell neu zu klassifizieren .

Bevor die Strommasten klassifiziert werden, sollten zunächst die Stromleitungsanschlüsse klassifiziert werden, damit diese bei der Mastklassifizierung nicht berücksichtigt werden. Eine bereits bestehende Klassifizierung von Stromleitungen und Vegetation kann helfen, Masten von Bäumen zu unterscheiden. Viele Masten waren schließlich einmal Bäume.

Werden Punkte, die zur Stromlinie gehören sollten, nicht klassifiziert, können Sie den maximalen Abstand von der Ausgleichsgeraden erhöhen . Dadurch wird ein Schwellenwert um ein erkanntes lineares Punktmuster festgelegt. Wenn Global Mapper eine Punktlinie identifiziert, gibt dieser Schwellenwert an, wie weit von dieser Linie nach weiteren linearen Punkten gesucht werden soll.

Falls Vegetation als Stromleitung klassifiziert wird, versuchen Sie zunächst, die Vegetation zu klassifizieren. Die Stromleitungsklassifizierung sucht nach Punkten auf einer Linie, und Äste erfüllen diese Beschreibung häufig. Sie können auch das Werkzeug „Lidar-Filter“ verwenden , um die Vegetationspunkte auszublenden und sie so von der Klassifizierung auszuschließen, ohne sie aus dem Datensatz zu entfernen.

Wischen Sie, um zu sehen, wie die Erhöhung sowohl der Bin-Größe als auch der maximalen Höhenänderung von der Standardeinstellung auf „1“ die Klassifizierung dieses terrestrischen Lidars verbessert hat. 

Mastklassifizierung 

*Hinweis: Die unten beschriebene Rasterpolklassifizierungsmethode wurde durch eine neue Segmentierungsmethode ersetzt, die sich im Werkzeug zur Klassifizierung von Nicht-Boden-Elementen in Global Mapper v24.1 befindet. Weitere Informationen zu dieser Option finden Sie in diesem Blog.

Die Option zur Mastklassifizierung befindet sich ab Version 24.0 in der Beta-Phase. Dieses Tool kann zylindrische Maststrukturen erkennen, wie im Screenshot unten dargestellt. Zur Klassifizierung von Übertragungstürmen oder Strommasten verwenden Sie bitte das Segmentierungstool.

Die ersten Einstellungen im Menü – Mindesthöhe des Mastes, Punkte pro Mast und Klassifizierungsschwelle – dienen dazu, Masten von ähnlichen Strukturen zu unterscheiden, die keine Masten sind. Die Klassifizierungsschwelle schätzt, wie stark das Mastmerkmal einer senkrechten Punktanordnung ähnelt. Dies hilft insbesondere dabei, Masten von breiteren Strukturen wie Wegweisern oder Bäumen zu unterscheiden.

Dieses Tool ist nicht primär zur Erkennung von Transformatoren und Stützkonstruktionen konzipiert. Bei bestimmten Datensätzen lässt sich jedoch die maximale horizontale Ausdehnung anpassen, um auch diese zu erfassen. Ähnlich wie bei den Stromleitungen entspricht die Einstellung „Maximaler Abstand von der optimalen Ausgleichslinie“ einem Breitenschwellenwert um die zylindrische Struktur.

Durch die Erhöhung der maximalen horizontalen Ausdehnung können zusätzliche, auf Masten montierte Strukturen besser erfasst werden. 

Diese Einstellungsanpassungen sollten Ihnen den Einstieg erleichtern und bessere Ergebnisse bei der automatischen Klassifizierung von Masten und Stromleitungen ermöglichen. Bleiben Sie dran für einen weiteren Blogbeitrag, der das andere Klassifizierungswerkzeug behandelt: die Segmentierung.  

Wenden Sie sich an unser technisches Support-Team, um detailliertere Unterstützung bei der Klassifizierung Ihrer Daten zu erhalten. Weitere Informationen zu den Lidar-Klassifizierungswerkzeugen und -einstellungen von Global Mapper finden Sie in der Wissensdatenbank.

Um umfassende Anleitungen zur Datenverwaltung in Global Mapper zu erhalten, empfiehlt sich die Teilnahme an einem praxisorientierten Online-Schulungskurs.

Für Themenvorschläge zum Blog senden Sie bitte eine E-Mail an marketing@bluemarblegeo.com.