Nathan Quadros, Brenton Weigler, Brad Chambers

Nhóm Kỹ thuật Công nghệ Công ty TNHH ANTHI Việt Nam tổng hợp biên soạn.

Giảm quá trình ghép nắn bằng tay

Hai bước xử lý ghép (Alignment) và nắn vào điểm khống chế (Registration) luôn là hai bước quan trọng trong quá trình xử lý số liệu đám mây điểm thu được bằng kỹ thuật LiDAR di động. Những năm gần đây, hai bước xử lý này có rất nhiều nâng cấp và cải thiện, đặc biệt là các nâng cấp xử lý liên quan tới quỹ đạo (Trajectory) di chuyển của thiết bị bằng cách áp dụng bộ lọc Kalman kết hợp quá trình nắn ghép ảnh trên nền tảng đám mây điểm gắn với đám mây điểm. Điều này cũng đồng nghĩa với việc toàn bộ quá trình ghép và nắn về các điểm khống chế mặt đất phải thực hiện bằng tay trước đây đã giảm đi được rất nhiều, tốc độ thực hiện nhanh hơn và tổng thể chênh lệch giữa các đám mây điểm được nắm ghép đều đạt dưới 10mm. Các thuật toán tự động ghép làm cho số liệu sau xử lý có độ chính xác cao hơn, giảm thiểu những sai số do con người can thiệp trực tiếp bằng tay. Những thay đổi nâng cấp xử lý tự động này đồng nghĩa với việc khách hàng có khả năng tiếp cận, sử dụng và khai thác số liệu có độ chính xác cao sớm hơn nhiều so với trước đây.

Trích xuất đối tượng trên nền tảng máy học (Machine Learning) hiện đóng vai trò rất quan trọng trong bước xử lý sâu số liệu đám mây điểm thu được từ các khối số liệu LiDAR hàng không và di động. Mặc dù kỹ thuật máy học đã thực sự cất cánh trong thời gian gần đây, tuy nhiên chúng ta vẫn cần nhiều mẫu số liệu, nhiều nhãn gắn phù hợp với từng tập hợp số liệu, từng ứng dụng để từ đó có thể yêu cầu máy tính và các nhà khoa học số liệu tối ưu hoá các thuật toán liên quan. Các tập hợp số liệu đã gắn nhãn sử dụng để huấn luyện cho máy tính sẽ giúp nhận diện các dạng thức đối tượng trong đám mây điểm, làm cho quá trình xử lý tự động diễn ra nhanh hơn, gia tăng giá trị sử dụng cho số liệu. Trong các đám mây điểm, các đối tượng này sẽ được xác định bởi các hộp 3D bao quanh chúng và gắn nhãn theo phân loại đối tượng đã định nghĩa trước. Các khối số liệu phục vụ cho đào tạo cung cấp nền tảng để quá trình máy học hiểu và trích xuất được các đối tượng cùng tính chất, cùng nhận dạng từ khối số liệu đám mây điểm phức tạp. Hình dưới thể hiện một đám mây điểm sau nắn ghép và màu hoá.

LiDAR MẶT ĐẤT

Khoảng 15 năm trước, nếu tất cả các hợp phần gồm phần cứng và phần mềm hoạt động trơn tru, chúng ta có thể thực hiện được 3 trạm quét trên mặt đất mỗi ngày sử dụng máy quét Leica HDS3000. Máy quét ở thời điểm đó có trọng lượng trên 16kg, pin cấp điện cho máy quét có kích thước tương đương một chiếc valy xách tay và toàn bộ hoạt động của máy tính được kiểm soát bởi máy tính xách tay ngoài – nhưng đổi lại quá trình xử lý nắn ghép các trạm quét theo phương pháp đám mây điểm với đám mây điểm lại diễn ra tương đối đơn giản.

Trong kỹ thuật LiDAR mặt đất, máy quét là hợp phần có sự thay đổi mạnh mẽ nhất bao gồm cả thiết kế, kích thước, trọng lượng, tính năng, điều khiển … thế hệ máy quét mới nhất có trọng lượng chỉ hơn 5kg được tích hợp tất cả các hợp phần gồm quét, điều khiển, định vị vệ tinh GNSS, cảm biến đo cao, bù nghiêng … với tốc độ quét lên tới hơn 1 triệu điểm mỗi giây và tốc độ quét có thể lên tới 200 trạm quét mỗi ngày làm việc. Thách thức lớn hơn ở thời điểm hiện tại đối với kỹ thuật LiDAR mặt đất là làm thế nào để xử lý được tất cả khối số liệu mà một máy quét có khả năng tạo ra một cách hiệu quả nhất. Hình bên thể hiện rõ sự thay đổi với các dòng máy quét LiDAR mặt đất của Leica.

Với khả năng thực hiện hàng trăm điểm (trạm) quét mỗi ngày làm việc trên thực địa, thuật toán tự động nắn ghép số liệu đám mây điểm của từng trạm quét với nhau đã được các nhà sản xuất tính tới và đưa vào thực hiện từ vài năm trước, ví dụ phần mềm Trimble Realworks là giải pháp rất hiệu quả trong quá trình xử lý nắn ghép tự động sử dụng các tấm mặt phẳng mục tiêu (Planes). Vấn đề khó khăn còn lại là thời gian cần thiết để hệ thống máy tính chạy phần mềm, thực hiện các bước xử lý và kiểm tra chất lượng số liệu để đảm bảo rằng thuật toán được sử dụng cho kết quả đúng như kỳ vọng. Quá trình triển khai trên thực địa có nhiều vấn đề phát sinh ví dụ như số liệu thu được khi tia laser đi qua kính, hành lang kéo dài nhưng không được xác định và phân loại thành đối tượng chuẩn, các đối tượng di chuyển liên tục có kích thước lớn ví dụ như xe hơi, tàu hoả hay cây to có gió thổi … những đối tượng này ảnh hưởng rất lớn tới quá trình nắn ghép các trạm quét với nhau.

Nắn ghép khi quét trên thực địa (On-the-fly alignment)

Có lẽ điều làm chúng ta ngạc nhiên nhất trong lĩnh vực này là từ “tự động” bởi nó chỉ là mỹ từ cho tương lai mà thôi, những tiến bộ mới nhất trong quá trình xử lý đám mây điểm trong kỹ thuật LiDAR mặt đất lại đến từ việc không tự động. Quá trình nắn ghép trên thực địa theo phương pháp đám mây điểm với đám mây điểm sử dụng máy tính bảng có kết nối không dây WiFi vô hình chung đã giúp chúng ta loại bỏ được bước xử lý ghép nối.

(Còn tiếp)

Mọi thông tin xin liên hệ với chúng tôi qua hòm thư: info@anthi.com.vn