Classificando postes de energia com a nova opção de segmentação no Global Mapper.

A ferramenta de Análise Automática de Nuvem de Pontos do Global Mapper Pro inclui a capacidade de classificar postes de energia usando um método de segmentação chamado "Máxima Verossimilhança". Essa ferramenta funciona identificando padrões cilíndricos na nuvem de pontos, de forma semelhante a como planos planos são usados ​​para identificar paredes em edifícios. Os elementos na nuvem de pontos são identificados com base em sua forma e atributos. Este blog descreve como a ferramenta funciona internamente e fornece recomendações de configuração. Você não precisa saber como a segmentação funciona para usar a ferramenta, mas é interessante!

A opção de classificação de postes de energia só funciona em postes cilíndricos.

Como a segmentação é usada para encontrar polos

A segmentação (máxima verossimilhança) é um método de classificação desenvolvido e mais adequado à forma como os dados LiDAR modernos são coletados. Originalmente, os dados LiDAR eram coletados com sensores aéreos esparsos, e era para isso que ferramentas mais antigas, como a opção de grade, foram criadas. Os dados LiDAR modernos tendem a ser muito densos e geralmente são coletados por sensores montados em objetos que não sejam aviões, como dados terrestres de tripés ou carros, ou aéreos de drones.

O lidar terrestre é capturado por sensores instalados ao nível do solo. Nesta vista aérea de um quarteirão, é possível ver os espaços vazios onde os sensores foram colocados. Esse tipo de coleta de dados é mais denso e apresenta uma estrutura diferente da do lidar aéreo, o que influencia a escolha do método de classificação.

Tecnicamente, se você estiver interessado em fazer isso da maneira mais trabalhosa, os postes de energia também podem ser classificados na ferramenta de Segmentação Geométrica manual . Isso permite ajustar configurações individuais. Cilindros/postes têm um valor de curvatura específico, entre outros atributos. O poste na primeira imagem funcionou bem com um valor de Cluster Mínimo de 10 e um Desvio Padrão de 3. A vantagem de usar o método de Máxima Verossimilhança é que as configurações já estão otimizadas para procurar estruturas de postes. Ele também inclui a capacidade de filtrar por diâmetro do poste e filtrar automaticamente por altura para eliminar outros objetos cilíndricos que não são postes. Mais informações sobre como a segmentação funciona, em geral, podem ser encontradas aqui.

Dicas de configuração

Selecione a configuração de Máxima Verossimilhança para Classificação de Postes e, em seguida, role para cima para retornar às Configurações Compartilhadas de Classificação e Extração . Essas configurações serão aplicadas tanto à classificação de postes quanto à extração de postes, caso você queira usar essa ferramenta posteriormente.

As configurações mínimas e máximas são usadas para ajudar a diferenciar postes de árvores. Elementos cilíndricos que estiverem fora desses valores definidos não serão classificados. Use a ferramenta de medição para medir o poste nos dados e obter esse valor.

As árvores são frequentemente medidas na mesma altura acima do solo, chamada diâmetro à altura do peito (DAP). Os postes de energia, diferentemente das árvores, geralmente têm diâmetro uniforme, portanto, presume-se que tenham um diâmetro constante ao longo de todo o poste e não são medidos a uma determinada altura acima do solo. Ainda assim, é importante classificar os pontos no solo primeiro, pois a altura acima do solo é usada na medição da altura do poste para verificar se é realmente um poste e não algo mais baixo, como um balizador.

Mantenha o espaçamento entre os pontos ( alcance da vizinhança ) suficientemente grande para que os postes ainda sejam visíveis. Por exemplo, se você estiver visualizando apenas uma área de 0.1 metro, um poste telefônico parecerá bastante plano em vez do cilindro que estamos tentando classificar.

Mantenha a resolução suficientemente grande para que os postes ainda sejam visíveis. Por exemplo, se você estiver visualizando apenas uma área de 0.1 metro, um poste telefônico parecerá bem plano em vez do cilindro que queremos classificar. Às vezes, o intervalo de vizinhança (e outros parâmetros) ideal para classificar postes é diferente do ideal para edifícios e outras ferramentas de classificação. Isso, obviamente, varia de acordo com seus dados, já que cada nuvem de pontos é diferente dependendo de como e o que foi coletado. Essas configurações, como você deve se lembrar da série de posts sobre solução de problemas com LiDAR , são como você informa ao Global Mapper o que esperar dos seus dados específicos.

Descubra mais sobre as novas e empolgantes funcionalidades do Global Mapper Pro baixando hoje mesmo uma versão de avaliação gratuita de 14 dias e testando o programa por conta própria!