Home Blog آشنایی ساده با طبقه‌بندی ابر نقاط در فناوری LiDAR

آشنایی ساده با طبقه‌بندی ابر نقاط در فناوری LiDAR

🧮 1  |  🟢 1
25 Jan 2026 Trishunya Team
آشنایی ساده با طبقه‌بندی ابر نقاط در فناوری LiDAR
پهپاد LiDAR · پردازش ابر نقاط

آشنایی ساده با طبقه‌بندی ابر نقاط در فناوری LiDAR

📅 25 Jan 2026 ⏱️ ۳ دقیقه زمان مطالعه 🏷️ Point Cloud TI Trishunya India

یک ابر نقاط خام (Raw) در فناوری LiDAR صرفاً شامل میلیون‌ها نقطه در فضای سه‌بعدی است که هر نقطه تنها دارای مختصات X، Y و Z بوده و فاقد هرگونه برچسب هویتی است. طبقه‌بندی (Classification) فرایند اساسی تبدیل این داده‌های نامنظم به دسته‌بندی‌های مهندسی معنادار نظیر زمین، پوشش گیاهی، ساختمان‌ها، خطوط انتقال نیرو و سایر سازه‌ها است.

بدون طبقه‌بندی اصولی، یک ابر نقاط عملاً در پروژه‌های مهندسی غیرقابل استفاده خواهد بود. تا زمانی که نرم‌افزار به صورت دقیق تشخیص ندهد کدام نقاط به سطح واقعی زمین تعلق دارند، ساخت مدل رقومی زمین (DTM)، محاسبه احجام خاکبرداری و خاکریزی یا ترسیم خطوط تراز (منحنی میزان) امکان‌پذیر نخواهد بود.

طبقه‌بندی ابر نقاط لیدار زمین پوشش گیاهی سازه‌ها
فرایند طبقه‌بندی، نقاط خام لیدار را در دسته‌های زمین، گیاهان و سازه‌های ساختمانی مرتب می‌سازد.
میلیون‌ها
نقاط خام در هر نقشه‌برداری
5-8
دسته‌های طبقه‌بندی استاندارد
خودکار+دستی
ترکیب گردش کار استاندارد

مشاهده زنده فرایند طبقه‌بندی

شبیه‌سازی روبش و طبقه‌بندی نقاط

الگوریتم پیمایش نقاط سفید خام را شناسایی کرده و بر اساس کلاس‌های زمین، گیاهان و سازه‌ها رنگ‌آمیزی می‌کند.
طبقه‌بندی حرفه‌ای بر پایه ارتفاع، تعداد بازگشت و شدت سیگنال بازتابی است، نه صرفاً موقعیت مکانی.

طبقه‌بندی نقاط را خودتان تجربه کنید

تمرین تعاملی طبقه‌بندی ابر نقاط

روی هر نقطه رنگی کلیک کنید و آن را به عنوان زمین، پوشش گیاهی یا سازه مشخص نمایید تا همخوانی تشخیص خود را با منطق مبتنی بر ارتفاع بسنجید.
زمین (Ground) پوشش گیاهی (Vegetation) سازه (Structure)
برای شروع روی یکی از نقاط کلیک کنید.

تنظیم آستانه ارتفاعی فیلتر زمین

فیلتر آستانه ارتفاع

نوار لغزنده را جابجا کنید تا حد آستانه ارتفاع تغییر کند و تغییر مرز تفکیک زمین از پوشش گیاهی کوتاه را مشاهده نمایید.
30 سانتی‌متر آستانه

مراحل اجرایی فرایند طبقه‌بندی

1

بارگذاری داده‌های خام

ابر نقاط طبقه‌بندی نشده با مختصات سه‌بعدی، شدت بازتاب و شماره بازگشت وارد سامانه می‌شود.

2

الگوریتم فیلتر زمین

الگوریتم‌های پیشرفته مانند Progressive TIN densification پایین‌ترین سطح پیوسته را به عنوان زمین شناسایی می‌کنند.

3

محاسبه ارتفاع نسبی از زمین

ارتفاع قائم هر نقطه باقیمانده نسبت به سطح زمین شناسایی‌شده با دقت محاسبه می‌گردد.

4

تخصیص دسته‌بندی موضوعی

نقاط بر اساس ارتفاع و الگوهای هندسی به لایه‌های گیاهی، خطوط پیرامونی ساختمان‌ها و سایر کلاس‌ها تفکیک می‌شوند.

5

بازبینی و کنترل کیفیت دستی

مهندس متخصص نقاط دارای خطای احتمالی را به ویژه در لبه ساختمان‌ها و شیب‌های تند اصلاح می‌نماید.

طرح‌های استاندارد طبقه‌بندی LiDAR از کدهای عددی مطابق با استاندارد جهانی فرمت LAS استفاده می‌کنند: کد ۲ نمایانگر زمین (Ground)، کدهای ۳ تا ۵ نمایانگر پوشش گیاهی کوتاه، متوسط و بلند، و کد ۶ نمایانگر ساختمان‌ها است.

یک ابر نقاط بدون طبقه‌بندی تنها نویزهایی دارای مختصات است. این طبقه‌بندی است که آن را به یک نقشه مهندسی تبدیل می‌کند.

چرا این مرحله برای پروژه شما نقشی حیاتی دارد

طبقه‌بندی دقیق مستقیماً کیفیت تمام خروجی‌های تحویلی، از نقشه‌های منحنی میزان گرفته تا احجام خاکبرداری را تعیین می‌کند. تیم drone survey ما در تمام پروژه‌های LiDAR scan پردازش‌های خودکار را با بازبینی دقیق دستی توسط کارشناسان ترکیب می‌کند.

به داده‌های لیدار با طبقه‌بندی دقیق و استاندارد نیاز دارید؟

نوع پروژه خود را با ما در میان بگذارید تا روند طبقه‌بندی و تضمین کیفیت را برای شما تشریح کنیم.

پرسش‌های متداول

فرایند مرتب‌سازی نقاط خام اسکن لیزری به دسته‌های کاربردی مانند زمین، گیاهان و سازه‌ها بر اساس تحلیل ارتفاع و هندسه داده‌ها است.

بدون طبقه‌بندی، نرم‌افزار قادر به جداسازی زمین از گیاهان و سازه‌ها نبوده و ایجاد مدل رقومی زمین (DTM) و محاسبه احجام غیرممکن می‌شود.

LAS فرمت باینری استاندارد بین‌المللی برای ذخیره‌سازی داده‌های ابر نقاط سه‌بعدی حاوی کدهای طبقه‌بندی در نرم‌افزارهای GIS و CAD است.

بخش عمده آن توسط الگوریتم‌ها به صورت خودکار انجام می‌شود، اما بازبینی و اصلاح دستی توسط کارشناسان برای تضمین دقت در مرزهای پیچیده الزامی است.

یک مدل سه‌بعدی رقومی است که صرفاً از نقاط طبقه‌بندی شده به عنوان زمین ساخته شده و عوارض مصنوعی و گیاهی از آن حذف گردیده‌اند.

مرز برش بین زمین و پوشش گیاهی بسیار کوتاه را تعیین می‌کند و تنظیم نامناسب آن می‌تواند موجب خطای طبقه‌بندی در عوارض ناهموار شود.

زمین، گیاهان کوتاه، گیاهان متوسط، گیاهان بلند، ساختمان‌ها، خطوط انتقال نیرو و سطوح آبی از متداول‌ترین کلاس‌ها هستند.

بله، موجب اعوجاج در خطوط تراز و خطا در محاسبات احجام خاکی می‌شوند؛ از این رو کنترل کیفیت گامی حیاتی است.

یک الگوریتم استاندارد فیلتر زمین است که با ایجاد مکرر شبکه مثلث‌بندی، پایین‌ترین نقاط پیوسته را به عنوان زمین استخراج می‌کند.

بسته به وسعت منطقه و تراکم پوشش گیاهی متغیر است، اما ترکیب اتوماسیون با بازبینی دستی بالاترین دقت و سرعت را رقم می‌زند.

Back to all articles