Подготовка данных для анализа горизонтальной регрессии

Горизонтальная регрессия опирается на точные, хорошо структурированные геометрические данные. Плохо подготовленные строки (полилинии) или точки могут привести к неправильному обнаружению трассы, ненадежным графикам кривизны и многочасовым доработкам.

Воспользуйтесь приведенными ниже рекомендациями, чтобы убедиться, что на основе ваших данных можно получить точные и воспроизводимые результаты.

Строки (2D- или 3D-полилинии и характерные линии)

Цель: создать единую непрерывную базовую линию, представляющую собой требуемую осевую линию (или рельс, трубу, бровку дороги и т. д.) с равным интервалом между вершинами.

  • Поддерживайте единообразие интервалов между вершинами. Расстояние 2–10 м дает наиболее стабильные результаты.
  • Соблюдайте одну непрерывную последовательность вершин. Убедитесь, что направление от начала до конца соответствует проектному замыслу.
  • Упростите геометрию, преобразовав дуги в короткие хорды только в случае крайней необходимости для рабочего процесса (при преобразовании 2D-полилиний в 3D-полилинии дуги удаляются).

Избегайте следующих элементов.

Точки COGO

Цель: создать упорядоченный набор отдельных точек, следующих за трассой друг за другом.

  • Назначьте точкам имена или номера таким образом, чтобы сортировка по алфавиту или числам воспроизводила физический порядок вдоль трассы (например, 0001, 0002, 0003 и т. д.).
  • Проверьте интервалы: большие зазоры снижают точность, а слишком плотные кластеры увеличивают шум.
  • Отфильтруйте явные отклонения перед экспортом.

Избегайте следующих элементов.

Примечание по облакам точек. В исходном извлечении облака точек часто содержатся избыточные или зашумленные объекты.

Сводная информация

Высококачественные входные данные сводят к минимуму необходимость вносить исправления вручную и повышают вероятность успеха автоматической горизонтальной регрессии. Выполните описанные выше действия по очистке и визуально проверьте результат.