Для кого эта статья? Для тех, кто что-то слышал про облака точек, но не знает, что это такое и как с ними работать. Здесь мы кратко разбираем, что такое фотограмметрия и лидар, где применяются облака точек и как их обрабатывать.
Облако точек — это набор точек данных в трехмерной системе координат (x, y, z). Каждая точка представляет собой одно пространственное измерение на поверхности какого-то объекта (например, здания), и в совокупности облако точек представляет собой всю его внешнюю поверхность. Кроме координат в каждой точке может храниться атрибутивная информация об интенсивности, цвете и времени.
Так как облака точек — это подробные модели поверхности, они применяются в различных отраслях: в архитектуре, строительстве, археологии, в топографическом картографировании, землеустройстве и городском планировании. Они также используются в исследованиях процессов окружающей среды, например, для оценки биомассы лесов.
Создание облаков точек
Облака точек в основном создаются с помощью двух методов: LiDAR и фотограмметрия.
Лидар работает путем излучения лазерного света в направлении объекта и измерения времени, за которое этот свет отражается. Данные отраженных импульсов используются для расчета расстояний до поверхностей, создавая плотное и точное облако точек.
Метод LiDAR отличается высокой точностью пространственных данных, хотя на точность влияет качество датчика, расстояние до цели и условия окружающей среды во время сканирования. Современные системы LiDAR могут достигать точности до сантиметра, и это делает их идеальными для детальной топографической съемки и 3D-картографирования. Однако лидарные датчики тяжелее и дороже других вариантов съемки, поэтому они не применяются повсеместно.
Фотограмметрия. Этот метод использует фотографии под разными углами вокруг объекта или местоположения. Затем программное обеспечение анализирует эти изображения, чтобы триангулировать положение точек в трехмерном пространстве, собирая их в облако точек. Фотограмметрия особенно полезна при работе с объектами, требующими данных о цвете и текстуре.
Точность фотограмметрии зависит от таких факторов, как разрешение изображений, углы, под которыми сделаны снимки, и программное обеспечение для обработки данных. При использовании качественных снимков и правильной техники точность фотограмметрии становится сравнимой с точностью лидарной съемки.
Из-за принципиальной разницы в методах нельзя выбрать только один вариант для всех исследований, а если на это есть ресурсы, то хорошо применять комбинацию этих двух методов. Есть работы, которые проводились для больших территорий с высокой сомкнутости крон древостоев. В таких случаях фотограмметрия позволяет получить облака точек по поверхности крон и наземному покрову, а лидар дает возможность просматривать "сквозь" древесный покров и строить подробные модели рельефа под кронами деревьев.
Обработка данных облаков точек
Для обработки облаков точек используется множество инструментов, у каждого из которых есть уникальные функции и возможности. Обычно программное обеспечение выбирают исходя из направления работы и поставленных задач. Вот несколько универсальных инструментов: CloudCompare, Terrasolid, Agisoft Metashape, OpenDroneMap, AutoCAD (подробно можно прочитать в хорошей обзорной статье). А с 2023 года работать с облаками точек можно даже в QGIS, правда пока функций там немного.
Машинное обучение и ИИ также хорошо используются в обработке облаков точек, особенно для задач распознавания, классификации и сегментации объектов в 3D-пространстве. Хорошими примерами использования машинного обучения являются инструменты PointNet и PointNet++. Они предназначены для работы с "сырыми" облаками точек, обладают устойчивостью к перестановкам точек в пространстве и позволяют решать широкий спектр практических задач.
Пример использования PointNet++ для семантической маркировки больших облаков точек для составления карт лиственных и хвойных деревьев. Источник: Briechle et al., 2019
Использование машинного обучения и ИИ позволяет проводить автоматизированный и точный анализ данных облаков точек (подробнее про это можно прочитать в учебнике от Яндекса "Нейросети для облаков точек").
Особенности обработки данных
Одна из основных проблем при работе с данными облаков точек — масштабирование, а именно обеспечение точного соответствия модели, созданной на основе облака точек к реальным размерам.
Маркировка. Маркировка включает в себя категоризацию точек в облаке для обозначения различных особенностей или объектов. Это может быть сложно из-за огромного количества точек в облаке с высокой плотностью. Обработка вручную занимает много времени и чревата ошибками, а автоматизированные методы требуют сложных алгоритмов и могут не справиться со сложной средой.
Управление данными. Управление большими объемами данных облака точек может быть сложной задачей, поскольку требует значительных объемов хранения и вычислительной мощности, особенно при сканировании с высоким разрешением.
Форматы данных для облаков точек. Различные сканеры выдают исходные данные в разных форматах, и каждое программное обеспечение имеет разные возможности экспорта. Если хотите хранить данные в течение длительного времени, может подойти формат ASCII, но для обработки данных он медленный. Другие популярные форматы, которые вы можете встретить вместо него: LAS, PTS, PTX, XYZ и Fast Binary.
Технологии получения и обработки пространственных данных в последние годы стремительно растут. Регулярно появляются новые методы и расширяются возможности работы с облаками точек. Если вы хотите глубже изучить эту тему и научиться обрабатывать данные съемки для реальных проектов, загляните на курс Фотограмметрия и LiDAR. В нем вы узнаете, как работать с данными аэрофотосъемки в Agisoft Metashape и с данными LiDAR в DJI Terra, а также освоите работу с плотным облаком точек в Terrasolid.
Медведев А. А. и др. Анализ и картографирование структурных параметров редкостойных северотаёжных лесов на основе фотограмметрических облаков точек //Современные проблемы дистанционного зондирования Земли из космоса. – 2020. – Т. 17. – №. 1. – С. 150-163.