Classification Features LiDAR Point Cloud File
Klasifikasi fitur dari format file standar untuk LiDAR point cloud (.las) didasarkan pada algoritma yang menganalisis properti data point-cloud LiDAR. Karakteristik reflektansi dari setiap titik awan LiDAR yang terdeteksi dianggap sebagai proses yang sering diterapkan pada awan LiDAR yang berisi ratusan juta titik. Analisis ini membandingkan sifat reflektansi titik-titik dengan nilai yang diketahui yang merupakan karakteristik fitur-fitur yang umum diklasifikasikan – yang dapat mencakup vegetasi (tinggi, sedang, rendah), jalan aspal, bangunan, dan badan air (lihat tabel di bawah). Sebagian besar penggunaan point cloud LiDAR, misalnya ekstraksi bangunan dan pembuatan DEM/DSM, seperti yang dijelaskan di blog kami sebelumnya, pada awalnya didasarkan pada point cloud yang diklasifikasikan secara akurat.
Penggunaan dan penerapan point cloud LiDAR yang diklasifikasikan sangat luas. Kawasan kehutanan yang diklasifikasikan dapat dinilai dalam jangka waktu tertentu. Dengan perhitungan volumetrik yang memungkinkan estimasi peningkatan dan/atau penurunan biomassa selama periode tertentu dapat menunjukkan dampak perubahan terhadap variabel penyerapan karbon dalam skala besar atau degradasi habitat dalam skala yang lebih kecil. Ada potensi nilai besar yang bisa dicari oleh perusahaan-perusahaan utilitas di bidang pemetaan koridor saluran listrik.
Jalur petak LiDAR yang terklasifikasi dapat mengidentifikasi saluran listrik, menara pendukungnya, dan vegetasi yang mengganggu (lihat gambar di bawah). Penghematan waktu dan biaya yang signifikan dapat dilakukan melalui inspeksi koridor yang menggunakan sensor LiDAR yang dipasang pada UAV, dibandingkan dengan inspeksi menara secara manual. Derajat kendurnya saluran listrik di atas kepala dapat diukur dengan mudah, sementara vegetasi yang mengganggu dapat dikategorikan ke dalam kategori risiko tinggi, sedang, dan rendah, bergantung pada parameter yang ditetapkan oleh perusahaan utilitas atau peraturan di wilayah tersebut.
Kumpulan data geodetik yang diperoleh menampilkan kawasan hutan, dengan nilai ketinggian berkisar dari biru (terendah) hingga merah (tertinggi).
Kumpulan data geodetik yang diperoleh menampilkan saluran listrik rahasia (merah) dan menara transmisi (hitam) – Semua kategori klasifikasi LiDAR lainnya telah dimatikan untuk kejelasan.
Kita tahu bahwa point cloud LiDAR yang diklasifikasikan merupakan langkah penting untuk hampir semua jenis analisis point-cloud LiDAR, namun bagaimana tepatnya prosedur ini dilakukan? Dalam klasifikasi data LiDAR mentah, setiap titik di cloud ditetapkan ke kelas objek semantik (seperti yang diilustrasikan dalam tabel di atas). Hal ini menunjukkan kelas objek ditentukan oleh properti data, intensitas pulsa, ketinggian, jumlah kembalian, sudut pemindaian, dll. Fitur yang digunakan untuk algoritma klasifikasi point-cloud LiDAR dapat dikelompokkan menjadi fitur berbasis spasial, berbasis gema, dan berbasis gelombang. Fitur berbasis spasial mencakup area termasuk fitur ketinggian, kekasaran permukaan, dan kepadatan titik. Pulsa balik dari permukaan bumi digunakan untuk membedakan fitur berbasis gema seperti gema vegetasi dan gema saluran listrik. Karakteristik gema mis. amplitudo dan penampang kemudian digunakan untuk fitur berbasis gelombang dalam algoritma klasifikasi.
Memanfaatkan perangkat lunak dengan algoritme klasifikasi yang disempurnakan memungkinkan pengguna dengan cepat mengidentifikasi fitur lanskap yang diinginkan seperti bangunan, kanopi hutan, atau titik tanah hanya dalam hitungan klik. Algoritme mengidentifikasi titik-titik yang karakteristik reflektansinya cocok dengan fitur-fitur rahasia yang diketahui. Namun, algoritme hanya akan mencocokkan nilai klasifikasi ke suatu titik jika dikelilingi oleh titik-titik tetangga yang juga cocok dengan karakteristik reflektansi fitur tersebut – hal ini untuk menghindari outlier dan noise pada lapisan klasifikasi yang dihasilkan. Sebagian besar proses klasifikasi memerlukan masukan dasar dari pengguna untuk memahami lanskap dengan lebih baik, sehingga memungkinkannya mengidentifikasi dan mengklasifikasikan fitur dengan lebih akurat. Hal ini dapat mencakup kemiringan atap bangunan untuk identifikasi bangunan atau tipe medan (misalnya kemiringan curam, relief, datar) untuk klasifikasi titik tanah. Fitur yang diklasifikasikan dapat diwarnai sesuai preferensi dan diaktifkan/dinonaktifkan untuk peningkatan visual
Klasifikasi point cloud adalah alat yang ampuh dan efisien untuk semua jenis analisis LiDAR. Geodetics memberi saran kepada pelanggan kami mengenai prosedur klasifikasi yang paling sesuai dengan kebutuhan mereka, berdasarkan proyek per proyek. Untuk informasi lebih lanjut mengenai pentingnya klasifikasi LiDAR, atau kaitannya dengan proyek Anda, mintalah informasi lebih lanjut. Sudah mengambil keputusan dan ingin mengetahui lebih lanjut tentang apa yang diperlukan untuk proyek Anda? Minta penawaran hari ini.