كيف تحل تشابه منطقة الاهتمام ضوضاء سحابة النقاط: معيار جديد لكشف التغير

واجه كشف التغير في سحابات النقاط الليزرية عقبات مستمرة بسبب عدم اليقين المكاني والهيكلي. تؤدي أخطاء التسجيل المتبقية وتفاوت كثافة السحب ونقاط النظر المختلفة وحجب الأجسام في كثير من الأحيان إلى إنذارات كاذبة. هذا يجعل المراقبة الدقيقة أمراً صعباً. لحل هذه التحديات طور الباحثون طريقة جديدة لكشف تغير سحابات النقاط ثلاثية الأبعاد على مستوى منطقة الاهتمام تعتمد على تشابه النقاط الرئيسية.

تبدأ الطريقة المقترحة بفلترة نقاط التغير المحتملة باستخدام المسافات بين النقاط. ثم يتم توليد مناطق الاهتمام من خلال تجميع RBNN. يحول هذا النهج مقارنة سحابة النقاط العالمية إلى مقارنة محلية بين وحدات منطقة الاهتمام. تستخرج النقاط الرئيسية داخل هذه المناطق لإعادة بناء الأسطح. يتيح ذلك تحديد مناطق التداخل الفعالة بين أزواج مناطق الاهتمام. يُبنى تشابه إقليمي عن طريق دمج اتساع الانحراف السطحي وخصائص التطور الديناميكي للشبكات المعقدة للتمييز بين التغيرات.

أظهرت التجارب التي أجريت على بيانات محاكاة لتعدين الأنفاق وبيانات ميدانية لمواقف السيارات تحت الأرض فعالية الطريقة. في ظل اضطرابات الخلفية غير المرئية بما في ذلك أخطاء التسجيل المتبقية والحجب وتفاوت كثافة السحب حققت الطريقة أعلى درجة F1 تبلغ 0.9004 في سيناريو النفق المحاكي مقارنة بطرق المنافسة. توفر الطريقة قمعاً فعالاً للإنذارات الكاذبة دون الإضرار باستدعاء الكشف للمناطق ذات التغير الحقيقي.

يعد هذا التقدم مهماً بشكل خاص للصناعات التي تعتمد على المسح الضوئي الدقيق ثلاثي الأبعاد مثل التعدين والبناء والملاحة المستقلة. من خلال التركيز على التشابكات المحلية بدلاً من المقارنات العالمية تقلل الطريقة من الضوضاء وتحسن الدقة. تقدم حلاً قوياً للتطبيقات الواقعية حيث تكون الظروف البيئية غالباً غير متوقعة.