Szybki postęp w sztucznej inteligencji (AI) zapewnia geodetom wiele korzyści, ponieważ integrują i usprawniają zarządzanie danymi w obfitującym w dane ekosystemie. Ucząc maszyny wykonywania czasochłonnych, powtarzalnych czynności, takich jak klasyfikacja chmury punktów i ekstrakcja cech, ludzie mają więcej czasu na ukończenie najcenniejszych elementów przepływu pracy.
Dodawanie wartości do danych
We współczesnym świecie dokładne surowe dane to za mało. Celem jest połączenie i przekształcenie zebranych danych w informacje wspierające podejmowanie decyzji w sposób pewny.
W oprogramowaniu biurowym Trimble ® Business Center (TBC) sztuczna inteligencja jest wykorzystywana do naśladowania funkcji poznawczych człowieka w celu zastąpienia ich wysoką jakością, co oznacza, że oczekuje się, że wynik uzyskany za pomocą narzędzi opartych na sztucznej inteligencji będzie jak najbardziej zbliżony do jakości ludzkiej inteligencji.
Z pomocą sztucznej inteligencji TBC usuwa zbędne ręczne interakcje z przepływów pracy i pozwala geodetom skoncentrować się na zadaniach najbardziej odpowiednich do myślenia na wyższym poziomie i rozwiązywania problemów. Wzrost produktywności zapewniany przez narzędzia oparte na sztucznej inteligencji jest dostępny dla wszystkich bez konieczności posiadania specjalistycznej wiedzy w zakresie sztucznej inteligencji. Wiedza geodety staje się jeszcze bardziej krytyczna, ponieważ jest stosowana przede wszystkim do złożonych, wartościowych części przepływu pracy.
TBC został zaprojektowany do pracy ze wszystkimi typami czujników i zarządzania dowolnym typem danych — czy to z drona, skanera naziemnego czy mobilnego systemu mapowania — co skutkuje scentralizowaną bazą danych, która wspiera niezawodne i solidne rezultaty.
Zautomatyzowana klasyfikacja chmury punktów.
Klasyfikacja chmur punktów jest niezbędnym etapem przetwarzania dla wielu użytkowników Trimble.
W TBC zautomatyzowana klasyfikacja chmur punktów jest oparta na modelu semantycznej segmentacji głębokiego uczenia się 3D. Ten zaawansowany model jest szkolony na reprezentatywnych zestawach danych, które obejmują szeroki zakres lokalizacji geograficznych, aby zapewnić pokrycie jak największej liczby grup użytkowników. Głębokie uczenie się 3D jest bardziej niezawodne, ponieważ samodzielnie uczy się kluczowych cech. Poprzednie podejście oparte na algorytmach określało pewne zasady klasyfikacji, a jeśli obiekt nie wyglądał znajomo, algorytmy zawodziły.
Najnowsze modele AI dostosowują się do różnych wyzwań podczas klasyfikowania chmur punktów i rozwiązują te wyzwania dla użytkownika.
W TBC użytkownicy mogą stosować sztuczną inteligencję do klasyfikowania chmur punktów na budynki, roślinność (wysoką i średnią), słupy, znaki, podłoże, hałas (ludzie i pojazdy), stopnie, linie energetyczne i przegrody. Ta w 100% automatyczna funkcjonalność nie wymaga ustawiania skomplikowanych parametrów; jest to tak proste, jak wybranie klas w interfejsie użytkownika, kliknięcie przycisku Klasyfikuj i pozwolenie na uruchomienie. Biorąc pod uwagę, że komputery są dostępne 24 godziny na dobę, 7 dni w tygodniu, a niezawodne algorytmy pozwalają uniknąć błędów ludzkich, sztuczna inteligencja zapewnia znaczną poprawę wydajności w porównaniu z klasyfikacją ręczną.
Aby wypróbować tę funkcję w oprogramowaniu TBC, wybierz Chmury punktów > Wyodrębnianie > Wyodrębnij sklasyfikowane regiony chmury punktów
Ekstrakcja cech ze szczegółowymi atrybutami:
Sztuczna inteligencja jest również wykorzystywana do zwiększania produktywności i dokładności pracochłonnych działań związanych z ekstrakcją cech. Przy minimalnej interakcji użytkownika, TBC wyodrębnia lokalizację, atrybuty i geometrię dla każdego pojedynczego obiektu zainteresowania.
Oprócz zaoszczędzonego czasu, zebrane informacje są bardziej szczegółowe i wiarygodne niż w przypadku ręcznego wykonywania tego samego zadania.
Sztuczna inteligencja nadaje się do wszelkiego rodzaju projektów w celu przyspieszenia ekstrakcji cech. Oprócz lokalizacji obiektów takich jak słupy, znaki i drzewa w chmurze punktów, dostarczane są szczegółowe parametry, takie jak wysokość, średnica i nachylenie słupów i znaków oraz średnica, wysokość i rozpiętość koron dla drzew. Narzędzia te są całkowicie automatyczne i oparte na zestawie algorytmów. Aby wypróbować tę funkcję, wybierz Chmury punktów > Wyodrębnij obiekt punktowy > Typ wyodrębniania > Drzewo lub słup.
Ekstrakcja włazu jest również realizowana za pomocą całkowicie zautomatyzowanego polecenia, które dostarcza lokalizację i średnicę każdego włazu w oparciu o dwuwymiarowy model wykrywania obiektów z głębokim uczeniem, przeszkolony na zestawach danych z różnych lokalizacji geograficznych.
W ramach TBC chmura punktów jest rasteryzowana, lokalizowany jest środek każdego zakrytego włazu, a średnica jest mierzona i wyodrębniana. Aby wypróbować tę funkcję, wybierz Chmury punktów > Wyodrębnij obiekt punktowy > Typ wyodrębniania > Włazy — skaner laserowy lub Włazy — fotogrametria w TBC .
TBC posiada dedykowane narzędzia do wydobywania krawężników i rynien drogowych oraz oznakowań drogowych o dowolnej złożoności, w tym linii przerywanych i ciągłych, przejść dla pieszych, miejsc parkingowych i innych. Narzędzia te są półautomatyczne i oparte na zestawie algorytmów, w tym technikach dopasowywania szablonów, które rozpoznają obiekty w chmurze punktów.
Nowy przepływ pracy oferowany w TBC w wersji 5.90 wykorzystuje sztuczną inteligencję do uproszczenia i przyspieszenia ekstrakcji i obliczania objętości zapasów w chmurach punktów. Identyfikując i usuwając wszystkie niepotrzebne kliknięcia użytkownika, pojedyncze polecenie oferuje teraz pełny przepływ pracy i bardzo dokładne wyniki.
Funkcja wyboru składu automatycznie generuje granice wokół wybranych składów na placu budowy, podczas gdy przycisk „Oblicz objętość” oblicza objętości składów, nachylenie i powierzchnię podstawy oraz inne pomiary przy niewielkiej ręcznej interakcji. Informacje te można wyeksportować jako raport TBC lub bezpośrednio do pliku CSV w celu dalszej analizy. Aby wypróbować tę funkcję, wybierz Chmury punktów > Wyodrębnianie > Wyodrębnij składowiska w TBC.
Maksymalna wydajność dzięki sztucznej inteligencji:
Ponieważ ilość gromadzonych i zarządzanych danych stale rośnie, usprawnienie przepływów pracy i skalowanie produkcji za pomocą operacji wspomaganych komputerowo ma kluczowe znaczenie dla obniżenia kosztów i poprawy jakości. Głęboko uczący się model semantycznej segmentacji TBC 3D automatycznie klasyfikuje chmury punktów na budynki, roślinność (wysoką i średnią), słupy, znaki, podłoże, hałas (ludzie i pojazdy), stopnie, linie energetyczne i przegrody, pozostawiając ludziom więcej czasu na przeprowadzenie złożonej analizy na wynikach.
Zautomatyzowane funkcje ekstrakcji cech w TBC wyodrębniają lokalizację, atrybuty i geometrię dla każdego pojedynczego obiektu zainteresowania, w tym słupów, znaków, drzew i pokryw włazów.
Większa szczegółowość i dokładność uzyskana dzięki sztucznej inteligencji w porównaniu z ręcznym wyodrębnianiem cech umożliwia lepszą analizę i zapewnia znaczną oszczędność czasu.
Polecenie ekstrakcji składowiska oblicza objętości składowanych materiałów, powierzchnię nachylenia i podstawy oraz inne pomiary przy niewielkiej interakcji ręcznej, oszczędzając również godziny pracy.
Wykorzystując sztuczną inteligencję, zautomatyzowana funkcja wyodrębniania cech i klasyfikacji chmury punktów TBC zapewnia przydatne informacje wspierające planowanie urbanistyczne, utrzymanie autostrad, zarządzanie roślinnością i wiele innych cennych zastosowań.
—
Źródło: How TBC Leverages AI to Reduce Errors & Add Value to Point Cloud Data
Tłumaczenie: Ewelina Motyka, Geotronics Dystrybucja