Home Blog LiDAR പോയിന്റ് ക്ലൗഡ് വർഗ്ഗീകരണം ലളിതമായി മനസ്സിലാക്കാം

LiDAR പോയിന്റ് ക്ലൗഡ് വർഗ്ഗീകരണം ലളിതമായി മനസ്സിലാക്കാം

🧮 1  |  🟢 1
25 Jan 2026 Trishunya Team
LiDAR പോയിന്റ് ക്ലൗഡ് വർഗ്ഗീകരണം ലളിതമായി മനസ്സിലാക്കാം
ഡ്രോൺ LiDAR · പോയിന്റ് ക്ലൗഡ് പ്രോസസ്സിംഗ്

LiDAR പോയിന്റ് ക്ലൗഡ് വർഗ്ഗീകരണം ലളിതമായി മനസ്സിലാക്കാം

📅 25 Jan 2026 ⏱️ 3 മിനിറ്റ് വായന 🏷️ Point Cloud TI Trishunya India

ഒരു അസംസ്കൃത (Raw) LiDAR പോയിന്റ് ക്ലൗഡ് എന്നത് ബഹിരാകാശത്തെ ദശലക്ഷക്കണക്കിന് ബിന്ദുക്കളുടെ കൂട്ടമാണ്, അതിൽ ഓരോ ബിന്ദുവിനും X, Y, Z കോർഡിനേറ്റുകൾ മാത്രമേയുള്ളൂ, അത് എന്താണ് പ്രതിനിധീകരിക്കുന്നത് എന്ന വിവരമില്ല. വർഗ്ഗീകരണം (Classification) എന്നത് ഈ അസംഘടിത ഡാറ്റയെ ഭൂമി, സസ്യങ്ങൾ, കെട്ടിടങ്ങൾ, വൈദ്യുതി ലൈനുകൾ തുടങ്ങിയ അർത്ഥവത്തായ വിഭാഗങ്ങളാക്കി മാറ്റുന്ന പ്രക്രിയയാണ്.

ശരിയായ വർഗ്ഗീകരണമില്ലാതെ ഒരു പോയിന്റ് ക്ലൗഡ് എഞ്ചിനീയറിംഗ് ജോലികൾക്ക് ഉപയോഗശൂന്യമാണ്. ഏതെല്ലാം ബിന്ദുക്കളാണ് യഥാർത്ഥ ഭൂമിയുടേതെന്ന് സോഫ്റ്റ്‌വെയറിന് കൃത്യമായി അറിയാൻ കഴിയുന്നതുവരെ ഡിജിറ്റൽ ഭൂപ്രകൃതി മോഡലുകൾ (DTM), വ്യാപ്ത കണക്കുകൂട്ടലുകൾ അല്ലെങ്കിൽ കോണ്ടൂർ ലൈനുകൾ നിർമ്മിക്കാൻ കഴിയില്ല.

LiDAR പോയിന്റ് ക്ലൗഡ് വർഗ്ഗീകരണം ഭൂമി സസ്യങ്ങൾ നിർമ്മിതികൾ
വർഗ്ഗീകരണ പ്രക്രിയ അസംസ്കൃത LiDAR പോയിന്റുകളെ ഭൂമി, സസ്യങ്ങൾ, നിർമ്മിതികൾ എന്നീ വിഭാഗങ്ങളായി തിരിക്കുന്നു.
ദശലക്ഷങ്ങൾ
ഒരു സർവേയിലെ അസംസ്കൃത പോയിന്റുകൾ
5-8
സാധാരണ വർഗ്ഗീകരണ വിഭാഗങ്ങൾ
ഓട്ടോ+മാനുവൽ
സ്റ്റാൻഡേർഡ് വർക്ക്ഫ്ലോ മിശ്രിതം

തത്സമയ വർഗ്ഗീകരണ പ്രക്രിയ കാണുക

ലൈവ് ക്ലാസിഫിക്കേഷൻ സ്വീപ്പ് സിമുലേഷൻ

ഒരു സ്വീപ്പിംഗ് അൽഗോരിതം അസംസ്കൃത വെളുത്ത പോയിന്റുകളെ ഭൂമി, സസ്യങ്ങൾ, നിർമ്മിതികൾ എന്നിവയായി തിരിച്ചറിഞ്ഞ് വർണ്ണങ്ങൾ നൽകുന്നു.
യഥാർത്ഥ വർഗ്ഗീകരണം സ്ഥാനത്തെ മാത്രമല്ല, ഉയരം, റിട്ടേൺ എണ്ണം, പ്രതിഫലന തീവ്രത (ഇന്റൻസിറ്റി) എന്നിവയെയും ആശ്രയിച്ചിരിക്കുന്നു.

പോയിന്റുകൾ സ്വയം വർഗ്ഗീകരിച്ചു നോക്കൂ

പോയിന്റ് വർഗ്ഗീകരണ ഗെയിം

ഓരോ പോയിന്റിലും ക്ലിക്ക് ചെയ്ത് അതിനെ ഭൂമി, സസ്യം അല്ലെങ്കിൽ നിർമ്മിതിയായി നൽകുക. നിങ്ങളുടെ അനുമാനം എലവേഷൻ അടിസ്ഥാനമാക്കിയുള്ള ലോജിക്കുമായി എങ്ങനെ പൊരുത്തപ്പെടുന്നുവെന്ന് കാണുക.
ഭൂമി (Ground) സസ്യങ്ങൾ (Vegetation) നിർമ്മിതി (Structure)
ആരംഭിക്കാൻ ഏതെങ്കിലും പോയിന്റിൽ ക്ലിക്ക് ചെയ്യുക.

ഗ്രൗണ്ട് ത്രെഷോൾഡ് ക്രമീകരിക്കുക

എലവേഷൻ ത്രെഷോൾഡ് ഫിൽട്ടർ

എലവേഷൻ കട്ട്ഓഫ് മാറ്റാൻ സ്ലൈഡർ നീക്കി ഭൂമിയും സസ്യങ്ങളും തമ്മിലുള്ള വർഗ്ഗീകരണം എങ്ങനെ മാറുന്നുവെന്ന് നിരീക്ഷിക്കുക.
30 സെ.മീ ത്രെഷോൾഡ്

വർഗ്ഗീകരണം യഥാർത്ഥത്തിൽ എങ്ങനെ പ്രവർത്തിക്കുന്നു

1

റോ പോയിന്റ് ഡാറ്റ ഇൻപുട്ട്

വർഗ്ഗീകരിക്കാത്ത പോയിന്റ് ക്ലൗഡ് ഓരോ പോയിന്റിനും 3D സ്ഥാനം, തീവ്രത, റിട്ടേൺ നമ്പർ എന്നിവയോടെ ലോഡ് ചെയ്യുന്നു.

2

ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ് അൽഗോരിതം

പ്രോഗ്രസീവ് ടിൻ ഡെൻസിഫിക്കേഷൻ പോലുള്ള നൂതന അൽഗോരിതങ്ങൾ ഏറ്റവും താഴെയുള്ള സ്ഥിരമായ ഉപരിതലത്തെ സാധ്യതയുള്ള ഭൂമിയായി തിരിച്ചറിയുന്നു.

3

ഭൂമിയിൽ നിന്നുള്ള ഉയരം കണക്കാക്കൽ

തിരിച്ചറിഞ്ഞ ഭൂമിയുടെ ഉപരിതലവുമായി താരതമ്യപ്പെടുത്തി ബാക്കിയുള്ള ഓരോ ബിന്ദുവിന്റെയും കൃത്യമായ ആപേക്ഷിക ഉയരം കണക്കാക്കുന്നു.

4

വിഭാഗം നൽകൽ

ബിന്ദുക്കളെ അവയുടെ ഉയരവും ജ്യാമിതീയ പാറ്റേണും അടിസ്ഥാനമാക്കി സസ്യങ്ങളുടെ ഉയര ബാൻഡുകൾ, കെട്ടിട പാദമുദ്രകൾ അല്ലെങ്കിൽ മറ്റ് ക്ലാസുകളായി തിരിക്കുന്നു.

5

മാനുവൽ ഗുണനിലവാര പരിശോധന

കെട്ടിടത്തിന്റെ അരികുകളിലും സങ്കീർണ്ണമായ അതിരുകളിലും തെറ്റായി വർഗ്ഗീകരിച്ച പോയിന്റുകൾ വിദഗ്ദ്ധനായ ഒരു ഓപ്പറേറ്റർ പരിശോധിച്ച് തിരുത്തുന്നു.

സാധാരണ LiDAR വർഗ്ഗീകരണ പദ്ധതികളിൽ സംഖ്യാ ക്ലാസ് കോഡുകളാണ് ഉപയോഗിക്കുന്നത്. വ്യാപകമായി ഉപയോഗിക്കുന്ന LAS ഫയൽ ഫോർമാറ്റ് അനുസരിച്ച് ക്ലാസ് 2 ഭൂമിയെയും, 3 മുതൽ 5 വരെ താഴ്ന്ന, ഇടത്തരം, ഉയർന്ന സസ്യങ്ങളെയും, ക്ലാസ് 6 കെട്ടിടങ്ങളെയും പ്രതിനിധീകരിക്കുന്നു.

വർഗ്ഗീകരണമില്ലാത്ത ഒരു പോയിന്റ് ക്ലൗഡ് കോർഡിനേറ്റുകളുള്ള ശബ്ദം മാത്രമാണ്. വർഗ്ഗീകരണമാണ് അതിനെ കൃത്യമായ ഭൂപടമാക്കുന്നത്.

ഈ ഘട്ടം നിങ്ങളുടെ പ്രോജക്റ്റിന് എന്തുകൊണ്ട് നിർണ്ണായകമാണ്

കൃത്യമായ വർഗ്ഗീകരണം കോണ്ടൂർ മാപ്പിംഗ് മുതൽ വ്യാപ്ത കണക്കുകൂട്ടലുകൾ വരെയുള്ള എല്ലാ ഔട്ട്പുട്ടുകളുടെയും ഗുണനിലവാരം നേരിട്ട് നിർണ്ണയിക്കുന്നു. ഞങ്ങളുടെ drone survey ടീം ഓരോ LiDAR scan പ്രോജക്റ്റിലും ഓട്ടോമേറ്റഡ് പ്രോസസ്സിംഗും വിദഗ്ദ്ധ മാനുവൽ അവലോകനവും സംയോജിപ്പിക്കുന്നു.

കൃത്യവും വർഗ്ഗീകരിച്ചതുമായ LiDAR ഡാറ്റ ആവശ്യമുണ്ടോ?

നിങ്ങളുടെ പ്രോജക്റ്റ് ആവശ്യകതകൾ ഞങ്ങളോട് പറയൂ, ഞങ്ങളുടെ വർഗ്ഗീകരണ പ്രക്രിയ ഞങ്ങൾ വിശദീകരിക്കും.

പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ

ഉയരവും പാറ്റേൺ വിശകലനവും അടിസ്ഥാനമാക്കി അസംസ്കൃത LiDAR പോയിന്റുകളെ ഭൂമി, സസ്യങ്ങൾ, കെട്ടിടങ്ങൾ തുടങ്ങിയ ഉപയോഗപ്രദമായ വിഭാഗങ്ങളായി തിരിക്കുന്ന പ്രക്രിയയാണിത്.

വർഗ്ഗീകരണമില്ലാതെ സോഫ്റ്റ്‌വെയറിന് ഭൂമിയെ സസ്യങ്ങളിൽ നിന്നോ കെട്ടിടങ്ങളിൽ നിന്നോ വേർതിരിക്കാൻ കഴിയില്ല, ഇത് കൃത്യമായ ഡിജിറ്റൽ ഭൂപ്രകൃതി മോഡലുകളും വ്യാപ്ത കണക്കുകൂട്ടലുകളും അസാധ്യമാക്കുന്നു.

വർഗ്ഗീകരിച്ചതും അല്ലാത്തതുമായ 3D പോയിന്റ് ക്ലൗഡ് ഡാറ്റ സംഭരിക്കുന്നതിനുള്ള സ്റ്റാൻഡേർഡ് ബൈനറി ഫയൽ ഫോർമാറ്റാണ് LAS.

മിക്ക വർഗ്ഗീകരണങ്ങളും അൽഗോരിതങ്ങൾ വഴി ഓട്ടോമേറ്റ് ചെയ്യപ്പെടുന്നു, എന്നാൽ സങ്കീർണ്ണമായ അതിരുകളിൽ പിശകുകൾ തിരുത്താൻ മാനുവൽ അവലോകനം ആവശ്യമാണ്.

ഭൂമിയായി വർഗ്ഗീകരിച്ച ബിന്ദുക്കളിൽ നിന്ന് മാത്രം നിർമ്മിച്ച ഡിജിറ്റൽ പ്രതലമാണിത്, ഇത് സസ്യങ്ങളും നിർമ്മിതികളും നീക്കം ചെയ്ത ഭൂമിയെ പ്രതിനിധീകരിക്കുന്നു.

എലവേഷൻ ത്രെഷോൾഡ് ഭൂമിയും താഴ്ന്ന സസ്യങ്ങളും തമ്മിലുള്ള അതിര് നിശ്ചയിക്കുന്നു, ഇത് തെറ്റായി സജ്ജീകരിക്കുന്നത് തെറ്റായ വർഗ്ഗീകരണത്തിന് കാരണമാകും.

ഭൂമി, താഴ്ന്ന സസ്യങ്ങൾ, ഇടത്തരം സസ്യങ്ങൾ, ഉയർന്ന സസ്യങ്ങൾ, കെട്ടിടങ്ങൾ, പവർ ലൈനുകൾ എന്നിവ സാധാരണ ക്ലാസുകളിൽ ഉൾപ്പെടുന്നു.

അതെ, തെറ്റായി വർഗ്ഗീകരിച്ച പോയിന്റുകൾ കോണ്ടൂർ ലൈനുകളെയും വ്യാപ്ത കണക്കുകൂട്ടലുകളെയും തകിടം മറിക്കും, അതിനാൽ ഗുണനിലവാര അവലോകനം നിർബന്ധമാണ്.

ഇത് ഒരു സ്റ്റാൻഡേർഡ് ഗ്രൗണ്ട് ഫിൽട്ടറിംഗ് അൽഗോരിതമാണ്, ഇത് ത്രികോണാകൃതിയിലുള്ള ഉപരിതലം നിർമ്മിച്ച് ഏറ്റവും താഴെയുള്ള ബിന്ദുക്കളെ ഭൂമിയായി തിരിച്ചറിയുന്നു.

പ്രോസസ്സിംഗ് സമയം പ്രദേശത്തിന്റെ വലുപ്പത്തെയും ഭൂപ്രകൃതിയുടെ സങ്കീർണ്ണതയെയും ആശ്രയിച്ചിരിക്കുന്നു, എന്നാൽ സമഗ്രമായ പരിശോധന പൂർണ്ണ കൃത്യത നൽകുന്നു.

Back to all articles