Как классификация лидарных данных, полученных с помощью БПЛА, позволяет проводить анализ рельефа и оценку рисков подтопления — на примере набора данных компании Network Rail, собранного с помощью DJI M400 и Zenmuse L3.
Главная ценность лидарных данных с дрона не всегда заключается в том, что видно сразу: она раскрывается по мере последовательного удаления информационных слоев.
Данный 3D-облет, предоставленный инженером по инфраструктуре Network Rail Кеном Дёрлингом (Ken Durling), демонстрирует, как классифицированное облако точек помогает отобразить реальную цифровую модель рельефа в рамках оценки рисков затопления, позволяя точно выявлять низины и бессточные зоны скопления воды.
Если видео не воспроизводится автоматически в HD-качестве, нажмите на значок настроек и выберите максимальное разрешение.
После фильтрации классифицированных слоев растительности, строений и прочих наземных объектов проявляются скрытые элементы микрорельефа — естественные пути стока, локальные депрессии и низменные участки.
Кен отмечает: «Ландшафт, кажущийся сверху абсолютно однородным, после удаления верхних слоев демонстрирует сложную микротопографию. Возможность категоризации и послойного анализа отраженных сигналов лидара делает этот метод мощным аналитическим инструментом для мониторинга инфраструктуры, экологического контроля и прогнозирования рисков наводнений».
Набор данных был получен с помощью комплекса DJI M400 и Zenmuse L3, первично обработан в DJI Terra и очищен в DJI Modify для выделения точек земной поверхности. Анимация пролета создана в ПО NUBIGON.
