В эпоху цифровизации промышленности, строительства и культурного наследия традиционные методы измерений уходят в прошлое. На смену рулеткам и теодолитам приходят лазерные сканеры и системы фотограмметрии, способные за секунды собирать миллионы пространственных координат. Результатом их работы становится «облако точек» — первичный, сырой массив данных, который сам по себе не несет прикладной пользы. Именно здесь применяется обработка облака точек — технологический процесс, превращающий набор координат в готовую к использованию трехмерную модель.
Что такое облако точек
Чтобы понять особенности обработки, необходимо сначала разобраться в природе самого объекта. Облако точек — это неупорядоченный набор вершин в трехмерной системе координат. Каждая точка описывается как минимум тремя значениями (X, Y, Z), определяющими ее положение в пространстве. Современные сканеры также фиксируют интенсивность отраженного сигнала и цвет (RGB), если используется совмещенная с камерой система.
Главная особенность этих данных — их колоссальный объем и дискретность. Один скан среднего здания может содержать от 50 до 200 миллионов точек. В отличие от полигональной сетки (3D-модели), где поверхности уже соединены ребрами, облако точек представляет собой лишь «эфемерный силуэт».
Особенность первичной обработки облака точек на этом этапе заключается в регистрации. Поскольку один сканер видит объект только с одной позиции, для получения цельной картины данные с разных точек стояния прибора необходимо «сшить» в единой системе координат.
Суть процесса
Сырая цифровая копия реальности никогда не бывает идеальной. На нее влияют дрожание рук (или штатива), атмосферные осадки, пыль в воздухе и отражения от зеркал. Поэтому обработка облака точек всегда включает в себя агрессивную чистку и структурирование данных. Среди средств выделяют:
Фильтрация и шумоподавление. Специалист удаляет «фантомные» точки, которые сканер ошибочно зафиксировал в воздухе из-за пыли или насекомых. Также на этом этапе отсекаются лишние объекты, не относящиеся к задаче.
Классификация и сегментация. Когда данные очищены, их нужно наделить смыслом. Алгоритмы машинного обучения и математической статистики анализируют кривизну и ориентацию поверхностей. Программа автоматически разделяет массив на группы: «земля», «стены», «растительность», «провода», «металлоконструкции».
Создание производных продуктов. Финальная цель обработки — превратить дискретные точки в непрерывные данные.
Далее создаются типы моделей, чтобы сформировать целостный объект.