Классификация поверхности земли является одним из основных шагов обработки данных лазерной аэрофотосъемки. Она раскрывает значительный потенциал данных, в частности, для создания полезных производных. Например, ЦМР являются распространенным продуктом, получаемым на основе данных лазерной аэрофотосъемки, и классификация поверхности земли является обязательной частью этого процесса.
Другие объекты, которые люди хотят идентифицировать с помощью лидара, такие как здания и растительность, требуют предварительной классификации поверхности Земли. Это связано с тем, что неотъемлемой частью процесса классификации является оценка высоты точки над поверхностью Земли.
Рекомендуется, чтобы классификация поверхности Земли была выполнена профессионалом, а данные, а также примененные классификации были проверены независимыми консультантами на предмет соответствия требованиям. Требования варьируются в зависимости от проекта, но они часто включают в себя сравнение высот, классифицированных на поверхности Земли, с высотами контрольных точек, а также анализ производных отмывки рельефа, полученных с помощью лидара, классифицированного на поверхности Земли. В данной теме описывается, как выполняется классификация поверхности Земли с помощью ArcGIS Pro.
Предварительные условия и рекомендации
Классификация поверхности Земли по облакам точек чаще всего выполняется при лазерной аэрофотосъемке. Так можно получить наилучший, наиболее согласованный вид поверхности Земли. Можно также использовать облака точек, полученные фотограмметрическим способом, хотя они не столь надежны, как лидар, для получения данных наземных наблюдений на покрытых растительностью территориях.
С наземными платформами сбора данных, как стационарными, так и мобильными, могут быть проблемы. Зачастую съемка земли недостаточно надежная, так как часто присутствуют тени, отбрасываемые объектами на Земле. Кроме того, плотность точек может быть варьироваться, причем многие области могут быть как излишне подробными, так и недостаточно подробными. Для этого могут подойти участки сканирования в непосредственной близости от сенсора. Например, можно получить высококачественные снимки поверхности земли в непосредственной близости от сканирования с автомобиля или поезда, например, дорожного покрытия или железнодорожного полотна. Однако по мере увеличения расстояния до сканера или при наличии большого количества объектов, загораживающих обзор сканера на местности, качество снижается.
Облака точек любого типа должны быть привязаны к местности и откалиброваны перед классификацией поверхности Земли. Как правило, за это отвечает провайдер данных.
Рекомендуется также классификация наложения, чтобы плотность точек в данных, рассматриваемых для классификации поверхности Земли и других классификаций, была относительно согласованной.
Данные должны быть в системе координат проекции. Если данные представлены в десятичных градусах, то для их проецирования можно использовать инструмент Извлечь LAS, задав в среде инструмента соответствующую выходную систему координат.
Данные должны быть в листах. Для этого необходимо разбить их на непересекающиеся прямоугольные области, что можно сделать с помощью инструмента Лист LAS. Рекомендуется, чтобы размер отдельных листов данных формата LAS не превышали 1 Гб.
Рекомендуется, чтобы для данных LAS была сформирована статистика. Статистика создает пространственный индекс, что повышает эффективность классификации. Диалоговое окно Свойства наборов данных LAS и несколько инструментов геопроцессинга, связанных с LAS (Создать набор данных LAS и Статистика набора данных LAS), могут генерировать статистику.
Если данные перезаписываются по какой-либо причине, например, в проект или лист, то при создании файлов рекомендуется изменить порядок точек. При этом в LAS-файле размещаются точки, пространственно близкие друг к другу с точки зрения физической последовательности записей в файле, что повышает эффективность пространственных запросов.
Выполнение классификации поверхности Земли
Инструмент Классифицировать поверхность LAS используется для автоматической идентификации и классификации точек на поверхности Земли в лидарных и фотограмметрических облаках точек. После классификации поверхности Земли можно использовать инструмент Набор данных LAS в растр для создания ЦМР или классифицировать данные с помощью других инструментов, которые работают с поверхностью Земли, таких как Классифицировать здания в LAS и Классифицировать LAS по высоте.
Для поверхности Земли учитываются только точки класса 0 и класса 4 1. Любые существующие поверхности 4 класса 2 можно сохранить или удалить (другими словами, сбросить настройки до класса 1 и повторно проверить классификатором для поверхности Земли) в зависимости от настроек. Предусмотрены также разные варианты обработки шума. По умолчанию шум остается без внимания. Все остальные существующие классы остаются без изменений.
Ограничения
Классификация лидара несовершенна. Имея в своем распоряжении только информацию о точках, не всегда можно однозначно ответить на вопрос, что правильно, а что нет. Следовательно, существует несколько потенциальных поверхностей Земли.
Постарайтесь использовать лучшие варианты, чтобы минимизировать ошибки и уменьшить количество необходимых ручных операций по очистке классификации. Для успешного выполнения этой задачи необходимо знать характеристики данных и рельефа местности в районе исследования.
Точки, полученные с помощью лидара, обычно дают результаты лучше, чем точки, полученные фотограмметрическим способом. Это отчасти объясняется геометрическими характеристиками точек. Фотограмметрические точки, как правило, не обеспечивают такого четкого перехода между землей и зданием, автомобилем или растительностью, как лидар. Кроме того, фотограмметрические методы не могут видеть поверхность Земли сквозь растительность так, как это делает лидар.
На небольших областях, снимаемых с помощью БПЛА, например, на одном здании, часто захватывается небольшое количество поверхности земли по периметру здания. Классификатор поверхности Земли в таких ситуациях имеет меньше шансов найти поверхность, поскольку информации для классификации мало.
Дорожное покрытие эстакад и мостов, как правило, ошибочно классифицируется как поверхность Земли, поскольку дороги, ведущие к ним, считаются наземными. Поскольку при переходе дороги в эстакаду или мост нет резкого перехода склона, классификатор неверно классифицирует, или расширяет поверхность Земли на прилегающие области.
Вода часто неправильно классифицируется как поверхность Земли. Это объясняется тем, что с геометрической точки зрения, на основе определения по точкам, разница между землей и водой невелика. Некорректная классификация воды должны быть исправлены с помощью полигональных объектов, представляющих собой водные объекты. Используйте инструмент Задать коды класса LAS с помощью объектов.
Кластеры с низким уровнем шума могут быть ошибочно классифицированы как поверхность Земли, поскольку классификатор идентифицирует их как потенциально достоверные наземные объекты, например, впадины.
Сканирование внутренних помещений зданий, туннелей или шахтных стволов не подходит для использования инструмента Классифицировать поверхность Земли LAS.
Использование инструмента Классифицировать поверхность Земли LAS
Хотя инструмент Классифицировать поверхность Земли LAS в большинстве случаев дает хорошие результаты с параметрами по умолчанию, вы можете использовать различные параметры для достижения максимального качества и минимизации ошибок. В таблице ниже даны описания параметров.
Метод определения поверхности Земли |
Этот параметр включает три опции:Стандартная классификация, Консервативная классификация и Агрессивная классификация. Они коррелируют с величиной шероховатостей и разрывов поверхности, которые принимаются за поверхность Земли. Консервативная опция допускает наименьшее количество шероховатостей, а Агрессивная - наибольшее. Рекомендуется использовать Консервативную или Стандартную опцию, а Агрессивную оставить для холмистого ландшафта, типичного для горных районов. Консервативная опция с меньшей вероятностью включит объекты, находящиеся не на поверхности, но может пропустить достоверную поверхность Земли в более труднопроходимых местах. Стандартная представляет собой хороший баланс между Консервативной и Агрессивной при смешанном ландшафте. Консервативная опция хороша для создания ЦМР, так как снижает вероятность ошибочной классификации низких объектов как поверхности земли. Стандартная опция хорошо подходит для баланса ошибок пропуска и ошибок присвоения. |
Алгоритм выявления |
Параметр включает следующие две опции: Последнее и Первое поколение. По умолчанию установлено Последнее. Эта опция использует классификатор новейшего поколения и является рекомендуемой. Опция Первое поколение может быть использована, например, для воспроизведения или сопоставления результатов, полученных с помощью более старого программного обеспечения. В некоторых случаях опция Первое поколение может дать более желаемый результат, но это не типично. |
Повторно использовать поверхность земли |
Этот необязательный параметр может быть как отмечен, так и не отмечен. Он полезен, когда хотя бы некоторые наземные точки уже классифицированы. Если этот параметр отмечен, существующая поверхность земли останется на месте, а к ней добавится еще одна. Обычно он используется при улучшении первоначальной классификации, в которой были упущены некоторые поверхности. Этот рабочий процесс описывается подробно далее в разделе Решение проблем областей. Если этот параметр не отмечен, то существующая поверхность земли будет переведена в класс 1, а классификация поверхности земли будет произведена заново. По умолчанию не отмечен. |
Разрешение ЦМР |
Используйте этот параметр, если размер ячейки ЦМР, которую вы хотите получить из наземных точек, значительно грубее, чем средний интервал между точками входного облака точек, и вы хотите сократить время обработки классификации поверхности земли. Это также способ создания прореженных наземных точек, которые могут иметь и другие применения. При использовании этого параметра классифицируется поднабор наземных точек, достаточный для построения ЦМР заданного разрешения. Поскольку классифицируется меньшее количество наземных точек, инструмент работает быстрее. Недостаток здесь в том, что если в будущем понадобится поверхность Земли с более высоким разрешением, то классификатор придется запускать заново. Этот параметр требует, чтобы размер ячейки был больше или равен 0,3 м и превышал в 1,5 раза номинальное расстояние между точками в облаке точек. |
Классифицировать точки низкого шума |
Если флажок установлен, этот параметр относит точки ниже поверхности земли к шуму класса 7. Если задать значение параметра Минимальная глубина под землей, то только точки, расположенные глубже этого порога, будут классифицироваться как шум. По умолчанию порог равен 0, поэтому все точки, расположенные ниже уровня земли, независимо от глубины залегания, будут рассматриваться как шум. Отметить параметр Классифицировать точки низкого шума рекомендуется потому, что эти точки вряд ли будут интерпретированы или классифицированы в другой класс. Будет лучше, чтобы они относились к классу шума, а не оставались в классе 0 или 1, если они не могут быть ничем другим. Не все точки, расположенные под поверхностью земли, или, правильнее сказать, те, что кажутся вам расположенными под землей, будут классифицироваться как низкий шум. В основном это происходит с кластерами точек, поскольку классификатор идентифицирует их как потенциально достоверные объекты, например, шахты или впадины. |
Сохранить существующий низкий шум |
Если флажок установлен, этот параметр сохраняет все существующие точки с низким уровнем шума, с намерением добавить больше низкого шума. По умолчанию он выключен, при этом все существующие низкие шумы сначала будут сброшены в класс 1, а затем будут оценены заново. |
Классифицировать точки высокого шума |
| Если флажок установлен, этот параметр относит точки выше поверхности земли по значению параметра Минимальная высота над землей, к классу 18 высокого шума. Он предназначен для поиска шумов, связанных с облаками, дымкой и высоко летящими птицами. Используйте порог, который выше, чем деревья, здания и другие высокие объекты инфраструктуры, чтобы они не классифицировались как шум. Примечание:Если в ландшафте имеется только несколько достоверных высоких объектов, но много шума в диапазоне высот этих объектов, то может быть выгодно задать порог высоты, который приведет к неправильной классификации высоких объектов. Это связано с тем, что исправить несколько проблемных мест вручную может быть проще, чем устранить все пропущенные шумы, возникающие при использовании более высокого порога высоты. |
Сохранить существующий высокий шум |
Если опция включена, этот параметр сохраняет существующие точки с высоким уровнем шума, с намерением добавить больше высокого шума. По умолчанию он выключен, при этом все существующие высокие шумы сначала будут сброшены в класс 1, а затем будут оценены заново. |
Просмотр результатов
Ни одна классификация не является идеальной. Полученные результаты должны быть просмотрены и при необходимости очищены вручную. Существует два типа проблем: точки, которые должны были быть классифицированы как наземные, но не были классифицированы (ошибки пропуска), и точки, которые были классифицированы как наземные, но не должны были быть классифицированы (ошибки присвоения).
Можно попытаться найти ошибки, просмотрев статистику. Например, изучив диапазоны высот точек на поверхности земли в панели Статистика диалогового окна Свойства набора данных LAS из панели Каталог, можно определить, попадают ли они в ожидаемые диапазоны. Можно также проверить соответствие высот другим источникам высот, например, данным съемки или уже существующим ЦМР, и поискать существенные различия.
Одним из наиболее распространенных методов является получение растра с отмывкой рельефа из ЦМР, созданной на основе точек, классифицированных на поверхности земли, и визуальная проверка отмывки рельефа на предмет аномалий. Целью является поиск неестественно выглядящих форм рельефа. К ним относятся необычные пики и впадины, но более вероятными являются отсутствующие или усеченные хребты на холмистой местности.
Решение проблем в разных областях
Отдельные проблемные места, например, впадину, которая должна быть низким шумом, лучше всего устранять вручную. Для этого необходимо построить пирамиду для набора данных LAS и просмотреть облако точек по коду класса в локальном 3D-виде. Убедитесь, что пространственная привязка вида совпадает с облаком точек. На ленте слоя набора данных LAS имеется вкладка Классификация, содержащая инструменты для выделения и переклассификации заданных точек.
Резкие хребты могут быть потеряны на холмистой местности, если для метода классификации выбрано значение Консервативный или Стандартный. Хотя для предотвращения этого можно использовать Агрессивный метод, его не рекомендуется применять его, если только вся область не является холмистой. При более распространенном сценарии смешанного рельефа для получения качественных результатов на менее холмистой местности лучше использовать методы Консервативный или Стандартный. Компромисс заключается в том, что в холмистых местах классификатор может оказаться слишком ограничивающим. Он определяет резкие изменения склона как маловероятные, и может пропустить линии перегибов, особенно в густо заросших лесом районах, где количество попаданий в земную поверхность меньше.
Для преодоления проблем с хребтами, из исходных точек, классифицированных на земной поверхности, сначала строится производная отмывка. Она используется для определения проблемных мест. Оператор оцифровывает полигоны вокруг проблемных областей. Полигоны не обязательно должны быть точными. Затем классификатор поверхности Земли запускается повторно, используя менее строгий метод, чем при первоначальном запуске. Если использовалась Консервативная классификация, попробуйте Стандартную. Если использовалась Стандартная, попробуйте Агрессивную. Также отметьте параметр Повторно использовать поверхность земли, чтобы сохранить существующую поверхность земли, а в качестве экстента обработки использовать класс полигональных объектов, содержащий проблемные полигоны. Выборка полигонов учитывается, поэтому можно выбрать конкретные области для обработки и итераций.
Это позволит автоматизировать более агрессивную классификацию только для этих проблемных областей, не затрагивая остальные области, классифицированные более консервативно. После этого повторного запуска классификатора для каждой проблемной области должна быть проведена еще одна проверка.
Редактирование исходных точек поверхности земли вручную
Для участка, который остается проблемным даже после использования Агрессивной классификации, можно вручную классифицировать несколько исходных точек поверхности земли вдоль вершины хребта, выделить соответствующий проблемный полигон и повторно запустить инструмент с теми же параметрами: агрессивное обнаружение, повторное использование исходных точек и выбранный проблемный полигон для обработки. Исходные точки помогут классификатору найти больше точек вдоль и вокруг хребта.
Для редактирования исходных точек поверхности земли вручную выполните следующие действия:
- Найдите проблемное место в 3D-виде.
- Добавьте ЦМР в качестве модели поверхности сцены.
- Нанесите на земную поверхность отмывку и проблемные полигоны (обозначенные контурами, но без заливки).
- Перейдите к проблемной области.
- Ориентируйте вид так, чтобы смотреть на данные сверху вниз.
- Выберите слой набора данных LAS на панели Содержание, но оставьте точки выключенными.
При выборе слоя набора данных LAS на ленте появляется вкладка Классификация LAS, а также инструмент Профиль, но если не указывать точки, то можно увидеть место построения профиля.
- После построения профиля и появления вида профиля выключите отмывку и полигоны, и включите точки.
- Поверните вид так, чтобы смотреть на хребет вдоль него, а не сбоку.
- При желании можно отключить функцию Видимые точки, чтобы можно было одновременно выбрать несколько наземных точек вдоль верха хребта, ближних и дальних.
- После классификации вручную некоторых исходных точек поверхности земли следует повторно запустить классификатор, используя в качестве экстента обработки соответствующий полигон проблемной зоны.
На следующих изображениях показаны различные способы визуализации поверхности земли в 2D для выявления проблемных участков и оценки их устранения:
2D-виды карт основаны на наборе данных LAS, построенных в виде триангуляционной поверхности, отображенной комбинацией уклона и отмывки.
Примечание:
Более выраженный зеленый цвет в проблемной зоне заметен до восстановления. Зеленым цветом обозначен нижний склон и показано, что происходит, когда вершина хребта не была снята должным образом.
Приведенные изображения аналогичны предыдущему примеру, за исключением использования только отмывки, без раскраски по уклону. Визуальная проверка отмывки - широко используемый подход для выявления проблем с классификацией поверхности Земли.