Préparation des données pour l’analyse de régression horizontale

La régression horizontale repose sur des données géométriques propres et bien structurées. Des chaînes (polylignes) ou des points mal préparés peuvent entraîner une mauvaise détection des axes, des tracés de courbure peu fiables et des reprises fastidieuses.

Aidez-vous des instructions ci-dessous pour vous assurer que vos données produisent des résultats précis et reproductibles.

Chaînes (polylignes 2D/3D et lignes caractéristiques)

Objectif : fournir une ligne de base unique et continue qui représente la ligne d’axe prévue (ou la voie ferrée, la canalisation, le bord de la route, etc.) avec un espacement uniforme des sommets.

  • Gardez l’espacement entre les sommets cohérent. Une séparation de 2 m à 10 m donne les résultats les plus stables.
  • Assurez une séquence unique et ininterrompue des sommets. Assurez-vous que la direction du début à la fin correspond à l’intention du concepteur.
  • Simplifiez la géométrie en convertissant les arcs en cordes courtes uniquement si le workflow l’exige (la conversion de polylignes 2D en polylignes 3D supprime les arcs).

À éviter :

Points COGO

Objectif : fournir un ensemble ordonné de points discrets qui suit l’axe dans l’ordre.

  • Donnez des noms aux points ou numérotez-les de sorte que le tri alphabétique ou numérique reproduise l’ordre physique le long de l’axe (par exemple, 0001, 0002, 0003…).
  • Vérifiez l’espacement : les grands écarts réduisent la précision et les amas extrêmement denses augmentent le bruit.
  • Filtrez les valeurs aberrantes évidentes avant l’exportation.

À éviter :

Remarque sur les nuages de points : l’extraction brute de nuages de points contient souvent des retours redondants ou endommagés.

Résumé

Des données d’entrée de haute qualité minimisent les corrections manuelles et maximisent le taux de réussite de la régression horizontale automatisée. Suivez les étapes de nettoyage ci-dessus et confirmez le résultat avec un examen visuel rapide.