Сотрудники Инженерной школы ГУАП представили модель машинного обучения, которая способна с высокой точностью распознавать объекты и производить анализ окружающей среды с помощью данных, собранных с беспилотных летательных аппаратов.
Интеллектуальная обработка данных позволяет производить картографирование и классификацию объектов.
Система автоматически собирает данные с беспилотников для анализа. Беспилотник оснащен лидаром — устройством, которое с помощью лазерных лучей измеряет расстояние до объектов и создает 3D-облако точек. Во время полета дрон сканирует территорию, и лидар фиксирует миллионы точек, отраженных от земли. Это такие элементы ландшафта, как деревья, здания, реки, дороги, тропы и другие объектов. Дополнительно можно настроить модель для распознавания специфических объектов, например, опор ЛЭП, машин, мостов. Эти данные затем передаются на сервер, где происходит их обработка. При помощи искусственного интеллекта система распознает ключевые объекты и классифицирует их с точностью до единиц. Затем производится анализ ландшафтных особенностей. Преимущества данной модели машинного обучения — высокая точность распознавания нескольких классов объектов, большая территория анализа.
— Когда данные поступают с лидара, они могут содержать шум, быть неоднородными по плотности и координатам. Во время обработки сырых данных мы приводим их к нормализованному виду для лучшей обработки модели, приводим в единый стандартный формат. Например, можно убрать лишние шумовые точки, выровнять высоту относительно уровня земли, привести координаты к единой системе и сделать данные удобными для обработки нейросетью или алгоритмами анализа, — рассказал Роман Воронов, специалист команды, отвечающий за обработку и анализ данных.
Для разделения объектов из облака точек команда ГУАП применила сегментацию на основе метода водораздела. Этот алгоритм помогает разделить точки на группы, соответствующие разным объектам.
— Представьте рельеф местности, где низины заполняются водой — каждая низина становится отдельным объектом. В обработке облака точек метод работает похожим образом: он анализирует расстояния между точками и их плотность, находя границы между разными объектами (например, отделяя деревья от зданий). Это один из способов сделать 3D-карту более понятной и структурированной, — пояснил Роман Воронов.
Модель способна с высокой точностью распознавать объекты интереса на облаке точек и подсчитывать их количество. Уникальные цвета объектов позволяют легко различить их на визуализированных данных.
Анализ 3D-облаков точек с дронов и автоматическое распознавание объектов имеет широкий спектр применения: лесное хозяйство и экология, строительство и кадастровые работы, сельское хозяйство, логистика, мониторинг водоемов, охрана объектов.
