سمات سحابة النقاط

للوصول إلى خصائص السحابة النقطية، افتح قائمة المشروع واختر سحابك النقطية. انقر على علامة تبويب الخصائص، ستجد أدناه قائمة منسدلة تضم جميع الخصائص الممكنة، اختر الخصائص التي تحتاجها. ستجد أدناه قائمة بجميع الخصائص الممكنة، ووصف لكل منها.

هنا ستجد قائمة بجميع القيم المتاحة إلى جانب استخدامها والخيارات المتعلقة بها:

• التحليل : يعمل فقط مع السحب النقطية التحليلية، لمزيد من المعلومات حول التحليل، تحقق من هذه المقالة.

  • الاسم : تغيير اسم السحابة النقطية
  • رؤية الموضع
  • رؤية الدوران
  • رؤية المقياس
  • حذف التحليل (سيتم حذفه فقط من التطبيق ثلاثي الأبعاد، ويمكن إعادة تحميله لاحقًا إذا كان التحليل يعتمد على الخادم)

• التصنيف : يعمل فقط مع السحب النقطية المتوافقة. الهدف من التصنيف هو تجميع النقاط المتشابهة معًا في فئات هادفة، مثل الأرض، والنباتات، والمباني، والأشياء الأخرى.

  • إظهار / إخفاء الكل: يعرض أو يخفي كل الفئات
  • سطر واحد لكل فئة، انقر على السطر لإظهار / إخفاء، انقر على اللون لتغييره

• اللون : تلوين السحابة النقطية بالكامل بلون واحد

  • حدد لونًا باستخدام لوحة الألوان
  • استخدم رمزًا سداسي عشري لتحديد اللون
  • اختر واحدًا من الألوان من القائمة الافتراضية

• المركب : استخدم هذا إذا كنت ترغب في استخدام خيارات متعددة في نفس الوقت، اسحب المنزلقات لزيادة / تقليل استخدامها.

  • RGBA : سحابة نقطية ملوّنة
    • جاما : بشكل أساسي تعريض السحابة النقطية، جاما منخفض يعادل تعريض أعلى، جاما أعلى، تعريض أقل، يعطي مظهر غروب الشمس
    • السطوع : السطوع للسحابة النقطية، سطوع أقل سيجعلها داكنة أكثر، سطوع أعلى سيجعلها أفتح.
    • التباين : يغير التباين للسحابة النقطية، تباين أقل سيجعل السحابة تتحول إلى اللون الرمادي، تباين أعلى سيبالغ في إبراز الألوان القياسية (الأحمر، الأصفر، الأخضر، الأزرق…)
  • الشدة : قوة أو حجم الإشارة
    • النطاق : من الشدة المنخفضة إلى العالية
    • جاما : بشكل أساسي تعريض السحابة النقطية، جاما منخفض يعادل تعريض أعلى، جاما أعلى، تعريض أقل، يعطي مظهر غروب الشمس
    • السطوع : السطوع للسحابة النقطية، سطوع أقل سيجعلها داكنة أكثر، سطوع أعلى سيجعلها أفتح.
    • التباين : يغير التباين للسحابة النقطية، تباين أقل سيجعل السحابة تتحول إلى اللون الرمادي، تباين أعلى سيبالغ في إبراز الألوان القياسية
  • الارتفاع : ارتفاع أو الموضع الرأسي لكل نقطة
    • نطاق الارتفاع : تحديد مكان بدء وانتهاء التدرج من حيث الارتفاع
    • وضع التدرج
      • تثبيت : تدرج قياسي، خارج النطاق، يحتفظ باللون النهائي للحافة
      • تكرار : عند انتهاء التدرج، يبدأ من جديد من اللون الأصلي
      • تكرار معكوس : عند انتهاء التدرج، يضع تدرجًا جديدًا معكوسًا، مماثلًا للتكرار باستثناء عدم وجود فاصل لوني
    • مخطط التدرج : يغير ألوان التدرج، اختيار من قائمة مسبقة فقط
  • التحليل : فقط إذا كان متاحًا على تلك السحابة النقطية، مقارنة النموذج بالسحابة النقطية
  • التصنيف : فقط إذا كان متاحًا على تلك السحابة النقطية، تقسيم أنواع مختلفة من الأجسام (الأرض، النباتات، المباني…)
  • رقم العودة : عدد النبضات التي كانت ضرورية للحصول على تلك النقطة
  • معرف مصدر النقطة : مجمعة حسب معرف المسح

• الارتفاع : يمثل الارتفاع أو الموضع الرأسي لكل نقطة. بيانات الارتفاع مهمة في العديد من تطبيقات السحب النقطية، مثل رسم الخرائط الطبوغرافية، ونمذجة الفيضانات، وتخطيط المدن، وتصميم البنية التحتية.من خلال تحليل بيانات الارتفاع، يمكن إنشاء نماذج ارتفاع رقمية دقيقة ومفصلة (DEMs) التي يمكن استخدامها لمجموعة واسعة من التحليل والتمثيل الجغرافي.

• الوقت الجي-بي-إس : الوقت الجي-بي-إس هو خاصية مهمة مرتبطة بكل نقطة في السحابة النقطية. يوفر معلومات حول وقت انبعاث نبضة الليزر ووقت استقبال النبضة المرتجعة، مما يسمح بالحساب الدقيق للنطاق وموضع النقطة. بالإضافة إلى ذلك، يمكن استخدام الوقت الجي-بي-إس لأغراض مراقبة الجودة والتحليل. من خلال تحليل توزيع قيم الوقت الجي-بي-إس عبر السحابة النقطية، من الممكن تحديد المناطق ذات الشذوذ الزمني أو الأخطاء، التي قد تشير إلى مشاكل في البيانات أو نظام LiDAR.

• المؤشرات : المؤشرات هي خصائص مرتبطة بكل نقطة في سحابة LiDAR النقطية التي توفر معلومات إضافية حول الخصائص المكانية للنقطة وعلاقاتها بالنقاط الأخرى في السحابة. غالبًا ما تُستخدم لدعم مهام التحليل والمعالجة المتقدمة، مثل التقسيم والتصنيف واستخراج الخصائص. هناك عدة أنواع من المؤشرات التي يمكن استخدامها في معالجة السحب النقطية LiDAR، بما في ذلك:

  • المتجه العادي: يمثل هذا المؤشر اتجاه النقطة بالنسبة لجيرانها المحلي. يمكن استخدامه لتحديد الأسطح المستوية أو لتقدير النواحي السطحية لإعادة بناء السطح.
  • الانحناء: يمثل هذا المؤشر الانحناء المحلي للسطح عند النقطة. يمكن استخدامه لتحديد الحواف الحادة أو لتقدير نصف قطر الانحناء للأسطح المنحنية.
  • الارتفاع فوق الأرض: يمثل هذا المؤشر ارتفاع النقطة فوق الأرض أو السطح المرجعي. يمكن استخدامه لنمذجة التضاريس أو لتحديد الأجسام التي تكون فوق أو تحت سطح الأرض.
  • الارتفاع النسبي: يمثل هذا المؤشر ارتفاع النقطة بالنسبة إلى جيرانها. يمكن استخدامه لتحديد الأجسام التي تكون أعلى أو أقل من محيطها.
  • الكثافة: يمثل هذا المؤشر كثافة النقاط في الجوار المحلي حول النقطة. يمكن استخدامه لتحديد المناطق ذات كثافة النقاط العالية أو المنخفضة، مثل النباتات أو واجهات المباني.

• الشدة : تمثل قوة أو حجم الإشارة التي تم استقبالها بواسطة جهاز استشعار أو جهاز عندما تم الالتقاط للنقطة. في بعض الحالات، ترتبط الشدة بالانعكاس الخاص بالموضع المحدد. على سبيل المثال، في سحابة نقطية LiDAR، القيمة الشدة تمثل كمية الضوء الليزري الذي تم انعكاسه مرة أخرى إلى المستشعر بواسطة الجسم. في هذه الحالة، تشير قيمة الشدة العالية إلى سطح يعكس ضوءًا أكثر، مثل جدار أبيض، بينما تشير قيمة الشدة المنخفضة إلى سطح يعكس ضوءًا أقل، مثل سيارة سوداء. في حالات أخرى، قد تمثل الشدة كمية فيزيائية مختلفة. على سبيل المثال، في سحابة نقطية فوتوغرافية، قد تمثل الشدة سطوع البكسل في الصورة الأصلية المستخدمة لتوليد السحابة النقطية.

• تدرج الشدة : هو مقياس للتغير في الشدة بين النقاط المتجاورة في السحابة النقطية. يمثل معدل تغير الشدة بالنسبة للمسافة أو الموضع. يتم حساب تدرج الشدة عن طريق أخذ تدرج قيم الشدة في السحابة النقطية. يتضمن ذلك حساب المشتقات الجزئية لقيم الشدة بالنسبة لإحداثيات x وy وz لكل نقطة. حجم شعاع التدرج عند كل نقطة يمثل قيمة تدرج الشدة. تشير القيم العالية لتدرج الشدة إلى الحواف أو الحدود الحادة، بينما تشير القيم المنخفضة إلى انتقالات سلسة أو تدريجية.

• مستوى التفاصيل : في معالجة السحب النقطية LiDAR، يشير مستوى التفاصيل (LOD) عادةً إلى كثافة النقاط في السحابة النقطية أو دقة البيانات أو مستوى التجريد المستخدم لتمثيل البيانات. على سبيل المثال، السحابة النقطية ذات مستوى تفاصيل عالي ستحتوي على كثافة عالية من النقاط ودقة عالية ومستوى تجريد دقيق. على العكس، السحابة النقطية ذات مستوى تفاصيل منخفض ستحتوي على كثافة نقاط أقل ودقة أقل ومستوى تجريد خشن.

• ماتكاب : في معالجة السحب النقطية LiDAR، يمكن استخدام الماتكاب لإضافة ملمس بصري وتأثيرات تظليل على النماذج الثلاثية الأبعاد التي تُنشأ من السحب النقطية. بواسطة تطبيق ملمس ماتكاب على نموذج ثلاثي الأبعاد، يمكن إنشاء تمثيل أكثر واقعية وجاذبية للمشهد البصري. على سبيل المثال، يمكن استخدام ملمس ماتكاب لمحاكاة مظهر جدار خرساني أو لحاء شجرة، مما يضيف عمقًا وواقعية للنموذج الثلاثي الأبعاد.

  • اختيار النسيج الذي سيتم تطبيقه

• عدد الإرجاعات : يمثل العدد الإجمالي لنبضات الليزر التي تمبعثت وعادت إلى مستشعر LiDAR لالتقاط تلك النقطة المحددة. على غرار رقم العودة، يمكن أن يتراوح عدد الإرجاعات من 1 إلى 5 أو أكثر، وفقًا لنظام LiDAR المستخدم. يمكن للعدد الإجمالي للإرجاعات أن يوفر معلومات حول تعقيد وهيكل الجسم أو المشهد الذي يتم مسحه. على سبيل المثال، قد تشير نقطة ذات عدد إرجاعات مرتفع إلى جسم ذو طبقات متعددة أو هندسة معقدة، مثل ظلة شجرة أو واجهة مبنى.

• معرف مصدر النقطة : يحدد المستشعر الليزري الذي أنشأ النقطة. يحتوي كل مستشعر ليزري في نظام LiDAR على معرف أو رقم فريد، ويتم تسجيل هذه المعلومات في بيانات السحابة النقطية لتمكين التحليل ومراقبة الجودة. يعتبر معرف مصدر النقطة مفيدًا بشكل خاص في الحالات التي يتم فيها استخدام مستشعرات LiDAR متعددة لالتقاط مشهد أو منطقة واحدة. بواسطة تحديد المستشعر الذي أنشأ كل نقطة، يمكن إجراء فحوصات مراقبة الجودة على البيانات وضمان أن البيانات مفعّلة ومسجلة بشكل صحيح بين المستشعرات المختلفة. يعد ذلك أمرًا بالغ الأهمية في تطبيقات مثل الغابات، حيث قد يتم استخدام مستشعرات LiDAR متعددة لالتقاط البيانات من زوايا ووجهات نظر مختلفة. على منصتنا، يستخدم معرف مصدر النقطة لتخزين معرف مسح المصدر، مما يسمح للمستخدمين بتتبع النقطة التي نشأت من كل مسح في السحابة النقطية بسهولة.

• RGBA : يُستخدم لتمثيل لون كل نقطة في السحابة النقطية. تُستخدم القنوات الحمراء والخضراء والزرقاء لتمثيل لون النقطة، بينما تُستخدم قناة الألفا لتمثيل الشفافية أو العتامة للنقطة. يمكن أن يكون استخدام اللون في السحب النقطية LiDAR مفيدًا لأغراض التصور والتفسير، حيث يمكن أن يوفر معلومات إضافية حول خصائص الأجسام والأسطح التي تمثلها النقاط. على سبيل المثال، في رسم الخرائط النباتية، يمكن استخدام لون النقاط للتمييز بين أنواع النباتات المختلفة أو لتحديد المناطق ذات كثافة نباتية عالية أو منخفضة.

  • جاما : بشكل أساسي تعريض السحابة النقطية، جاما منخفض يعادل تعريض أعلى، جاما أعلى، تعريض أقل، يعطي مظهر غروب الشمس
  • السطوع : السطوع للسحابة النقطية، سطوع أقل سيجعلها داكنة أكثر، سطوع أعلى سيجعلها أفتح.
  • التباين : يغير التباين للسحابة النقطية، تباين أقل سيجعل السحابة تتحول إلى اللون الرمادي، تباين أعلى سيبالغ في إبراز الألوان القياسية (الأحمر، الأصفر، الأخضر، الأزرق...)

• رقم العودة : يمثل عدد المرات التي تمبعث فيها نبضة ليزر وعادت إلى مستشعر LiDAR لالتقاط تلك النقطة المحددة. وعلى غرار عدد الإرجاعات، فإن رقم العودة يمثل عادةً قيمة بين 1 و5، مع 1 مما يشير إلى العودة الأولى و5 مما يشير إلى العودة الخامسة. تمثل العودة الأولى نبضة الليزر التي تنعكس من السطح العلوي للجسم، بينما قد تمثل العودات اللاحقة انعكاسات من أسطح أقل أو انعكاسات متعددة داخل الجسم.

• ترتيب زاوية المسح : يمثل الزاوية بين شعاع الليزر وخط مرجع الماسح الضوئي عندما تمبعثت نبضة الليزر لالتقاط تلك النقطة المحددة. يوفر ترتيب زاوية المسح معلومات حول الزاوية التي تم عندها التقاط النقطة، مع قيمة 0 تشير إلى خط مرجع الماسح الضوئي وقيم موجبة أو سالبة تشير إلى الانحراف عن خط المرجع. في استخراج المباني، يمكن استخدام ترتيب زاوية المسح لتحديد واجهات المباني والهياكل السطحية بناءً على الاتجاهات النسبية للماسح الضوئي. في تحليل سطح الطريق، يمكن استخدام ترتيب زاوية المسح للكشف عن العيوب أو الشذوذات السطحية بناءً على زاوية الماسح الضوئي النسبية لسطح الطريق.

• بيانات المستخدم : تسمح للمستخدمين بإضافة معلومات إضافية إلى السحابة النقطية بخلاف الخصائص القياسية مثل إحداثيات XYZ الشدة، ورقم العودة. يمكن استخدام بيانات المستخدم لتخزين مجموعة واسعة من المعلومات، مثل قيم الألوان RGB، وتسميات التصنيف، أو البيانات الوصفية المرتبطة بالنقطة. على سبيل المثال، قد تُستخدم بيانات المستخدم للإشارة إلى ما إذا كانت النقطة جزءًا من مبنى، شجرة، أو طريق، أو لتخزين معلومات حول جودة قياس النقطة أو عدم اليقين فيها. يعتمد استخدام بيانات المستخدم على الاحتياجات والتطبيقات الخاصة بالمستخدم. يمكن استخدامها لمجموعة متنوعة من المهام، مثل التعرف على الأجسام، والتصنيف، والتقسيم، ورسم الخرائط. من خلال إضافة بيانات مستخدم مخصصة إلى السحابة النقطية، من الممكن استخراج معلومات أكثر معنى وإجراء تحليل ومعالجة أكثر تقدمًا.

إذا لم تظهر السحابة النقطية بشكل صحيح في البداية، جرّب استخدام خصائص RGBA أو الشدة حيث إنها الأكثر استخدامًا.

تعرف على خصائص السحابة النقطية في هذه المقالة.

إذا واجهتك أي مشاكل، فإن فريق الدعم لدينا هنا للمساعدة. نتمنى لك استكشافًا ممتعًا!