Penjelasan Data Point Cloud: Registrasi dan Pemrosesan

Jawaban singkat: Point cloud adalah sekumpulan titik 3D, masing-masing memiliki koordinat X, Y, dan Z serta sering kali intensitas dan warna, yang bersama-sama menggambarkan permukaan objek atau medan. Point cloud direkam oleh pemindai laser, lidar, dan fotogrametri, kemudian diregistrasi, dibersihkan, diklasifikasikan, dan diekspor agar dapat diukur atau dimodelkan menjadi gambar, mesh, serta model BIM.

Poin utama

Point cloud adalah geometri mentah hasil pengukuran; sebagian besar klien memerlukannya diubah menjadi gambar, model, atau laporan.
Kualitas registrasi dan georeferensi menetapkan batas akurasi setiap produk yang dibuat dari point cloud.
Gunakan format terbuka seperti LAS/LAZ dan E57 agar data mudah dipindahkan antaralat pemrosesan.
Klasifikasi dan anotasi membuat data point cloud dapat digunakan untuk model medan, inventarisasi aset, dan pembelajaran mesin.
Upaya pemodelan bergantung pada tingkat detail dan toleransi yang diperlukan hasil pekerjaan, jadi sepakati terlebih dahulu.

Apa itu point cloud?

Point cloud adalah kumpulan titik dalam ruang 3D yang menyampel permukaan suatu lingkungan. Setiap titik memiliki koordinat X, Y, dan Z, serta biasanya atribut tambahan seperti intensitas pantulan, warna RGB, cap waktu, atau klasifikasi. Dilihat bersama, jutaan atau miliaran titik membentuk gambaran 3D terperinci yang dapat diukur langsung.

Point cloud adalah keluaran mentah pemindai laser, sensor lidar, dan fotogrametri. Point cloud lidar berasal dari pengukuran jarak dengan laser, sedangkan point cloud fotogrametri dihitung dari citra yang tumpang tindih. Keduanya menggambarkan geometri, tetapi berbeda dalam derau, kerapatan, dan penanganan vegetasi serta permukaan gelap.

Point cloud sendiri bukan gambar atau model. Point cloud merupakan bukti pengukuran yang digunakan surveyor dan perancang untuk menghasilkan produk akhir, sehingga pemrosesan point cloud menjadi bagian penting setiap proyek pemindaian.

Apa isi data point cloud?

Data point cloud terdiri dari koordinat ditambah atribut per titik, disimpan dalam format file yang sesuai dengan sumber dan penggunaannya. Memahami format membantu menghindari kehilangan data antaralat.

Format	Isi umum	Penggunaan umum
LAS / LAZ	XYZ, intensitas, nomor pantulan, klasifikasi, waktu GPS, RGB; LAZ terkompresi	Lidar udara dan drone, medan, data terklasifikasi
E57	Pemindaian terstruktur dengan posisi pemindai, intensitas, warna, dan citra	Pertukaran pemindaian laser terestris
PLY	Titik atau mesh dengan warna dan vektor normal	Pembuatan mesh dan grafis 3D
XYZ / PTS / TXT	Koordinat teks biasa dengan atribut opsional	Pertukaran sederhana; besar dan lambat

Format terstruktur seperti E57 mempertahankan posisi dan susunan grid setiap pemindaian, yang membantu registrasi serta estimasi normal. Format tidak terstruktur menyimpan titik sebagai daftar datar. Selalu pastikan sistem koordinat dan satuan didokumentasikan bersama file.

Cara pemindaian point cloud merekam data

Metode perekaman menentukan kerapatan, akurasi, dan cakupan. Pemindai dan sumber point cloud utama adalah:

Pemindai laser terestris: pemindai tripod yang menghasilkan point cloud bangunan dan struktur yang rapat serta berderau rendah. Artikel pemindaian laser terestris kami menjelaskan metodenya.
Pemindai SLAM genggam dan bergerak: perekaman cepat sambil berjalan atau berkendara, biasanya dengan konsistensi tingkat sentimeter.
Total station pemindai: kontrol kelas survei dan pemindaian digabungkan dalam satu instrumen bergeoreferensi.
Lidar udara dan drone: data medan serta koridor wilayah luas dengan pantulan majemuk melalui vegetasi.
Fotogrametri: point cloud yang diturunkan dari foto tumpang tindih, kaya warna tetapi bergantung pada tekstur dan cahaya.

Survei point cloud 3D sering menggabungkan sumber, misalnya data drone untuk medan dan pemindaian terestris untuk fasad bangunan, disatukan dalam satu sistem koordinat.

Registrasi dan georeferensi point cloud

Registrasi menyelaraskan banyak pemindaian individual menjadi satu point cloud yang konsisten. Georeferensi kemudian mentransformasikan point cloud tersebut ke sistem koordinat proyek atau nasional.

Metode registrasi meliputi penyelarasan berbasis target menggunakan bola atau papan kotak-kotak, pencocokan antarkumpulan titik pada permukaan tumpang tindih (sering diperhalus dengan algoritma iterative closest point), dan registrasi bergaya survei ketika pemindai dipasang di atas titik yang diketahui. Data SLAM diregistrasi terus-menerus selama perekaman, kemudian dioptimalkan dalam pascapemrosesan.

Georeferensi menggunakan titik kontrol yang diukur dengan total station atau receiver GNSS. Laporan registrasi yang baik mencantumkan residual setiap target atau tumpang tindih dan kesalahan keseluruhan. Sisihkan beberapa titik kontrol dari perataan sebagai pemeriksaan independen karena residual saja dapat menyembunyikan kesalahan sistematis. Setiap model turunan mewarisi kesalahan registrasi, sehingga tahap ini memerlukan perhatian paling besar.

Alur kerja pemrosesan point cloud

Sebagian besar perangkat lunak pemrosesan point cloud mengikuti urutan inti yang sama, apa pun sumber datanya:

Impor dan tata: muat pemindaian mentah, periksa satuan, sistem koordinat, dan kelengkapan.
Registrasi dan georeferensi: selaraskan pemindaian dan cocokkan ke kontrol, lalu tinjau residual.
Bersihkan: hapus derau, objek bergerak seperti orang dan kendaraan, pantulan, serta titik campuran pada tepi.
Beri warna: petakan citra kamera pada titik jika warna diperlukan.
Ambil subsampel: kurangi kerapatan menjadi jarak seragam yang sesuai dengan hasil pekerjaan, sambil mempertahankan resolusi penuh di bagian yang memerlukan detail.
Klasifikasikan: pisahkan tanah, vegetasi, bangunan, utilitas, dan kelas lainnya.
Periksa kualitas: bandingkan terhadap titik pemeriksaan dan periksa penampang untuk menemukan permukaan ganda.
Ekspor dan serahkan: hasilkan LAS, E57, atau produk turunan beserta metadata.

Point cloud berukuran besar, sehingga workstation dengan RAM besar, kartu grafis memadai, dan penyimpanan SSD cepat sangat memengaruhi waktu pemrosesan.

Anotasi dan klasifikasi point cloud

Klasifikasi menetapkan kategori untuk setiap titik; anotasi menambahkan label pada objek atau wilayah. Keduanya mengubah geometri mentah menjadi informasi.

Dalam survei, klasifikasi tanah merupakan tugas paling umum karena permukaan tanah tanpa tutupan diperlukan untuk model medan dan kontur. Kelas lain mencakup vegetasi rendah, sedang, dan tinggi, bangunan, kabel, tiang, serta air. Format LAS menyediakan kode kelas standar untuk banyak kategori tersebut, yang membantu pertukaran antaralat.

Anotasi point cloud 3D melangkah lebih jauh dengan memberi label objek individual seperti rambu, pipa, katup, atau kendaraan. Dataset beranotasi digunakan untuk inventarisasi aset dan melatih model pembelajaran mesin yang mengklasifikasikan pemindaian berikutnya secara otomatis. Klasifikasi otomatis mempercepat pekerjaan besar, tetapi tinjauan manual tetap diperlukan ketika kesalahan dapat memengaruhi hasil pekerjaan.

Cara mengubah point cloud menjadi model 3D

Mengubah point cloud menjadi model 3D berarti mencocokkan permukaan atau objek ke titik agar hasil lebih ringan, dapat diedit, dan bermakna. Metode yang tepat bergantung pada hasil pekerjaan.

Pembuatan mesh: mentriangulasi titik menjadi permukaan, sesuai untuk medan, objek warisan budaya, dan visualisasi.
Penggambaran CAD: menelusuri denah, penampang, dan tampak dari irisan point cloud.
Pemodelan parametrik: mencocokkan dinding, pelat, pipa, dan profil baja, digunakan dalam alur kerja scan-to-BIM dan kondisi terbangun.
Model permukaan: membangun DTM dari titik tanah untuk elevasi, volume, dan kontur.

Sebelum pemodelan dimulai, sepakati tingkat detail dan toleransi pemodelan. Pemodelan point cloud hingga beberapa milimeter memerlukan waktu jauh lebih lama daripada hingga beberapa sentimeter, dan banyak proyek hanya memerlukan toleransi lebih ketat pada area penting.

Jasa point cloud atau perekaman internal?

Perusahaan dengan kebutuhan pemindaian sesekali sering membeli jasa point cloud, sedangkan perusahaan dengan proyek rutin biasanya diuntungkan dengan memiliki pemindai dan melakukan pemrosesan internal.

Mars Geosystems memasok perangkat perekaman. Pemindai terestris pergeseran fase merekam hingga 2 Mpts/s dengan citra HDR untuk point cloud berwarna. Pemindai laser SLAM genggam berbobot 925 g dan mencapai ketebalan point cloud 1 cm atau kurang setelah pascapemrosesan, sesuai untuk perekaman cepat bangunan serta lokasi. Total station pemindai menambahkan kontrol dan pemindaian dari satu posisi pemasangan. Semua pemindai mengekspor ke format terbuka untuk alur kerja pemrosesan pilihan Anda.

Untuk bantuan mencocokkan pemindai dengan hasil pekerjaan Anda, kirim detail proyek melalui halaman permintaan penawaran harga.

Pertanyaan yang sering diajukan

Untuk apa data point cloud digunakan?

Data point cloud digunakan untuk mengukur dan memodelkan kondisi eksisting. Penggunaan umum meliputi gambar kondisi terbangun, model BIM, model medan dan kontur, perhitungan volume, pemantauan deformasi, deteksi benturan di fasilitas industri, dokumentasi warisan budaya, serta data pelatihan pembelajaran mesin. Point cloud dapat diukur langsung atau digunakan sebagai referensi pemodelan.

Apa itu point cloud lidar?

Point cloud lidar adalah sekumpulan titik 3D yang diukur sensor lidar, yang menghitung waktu pulsa laser untuk menentukan jarak. Setiap titik biasanya memiliki koordinat, intensitas, dan nomor pantulan, serta dapat mencakup warna dan klasifikasi. Point cloud lidar udara banyak digunakan untuk model medan karena pantulan majemuk dapat mencapai tanah di bawah vegetasi.

Format file apa yang sebaiknya digunakan untuk point cloud?

LAS atau versi terkompresinya LAZ merupakan standar untuk lidar dan data terklasifikasi, terutama dari pesawat serta drone. E57 banyak digunakan untuk pemindaian laser terestris karena mempertahankan posisi pemindaian, struktur, dan citra. PLY sesuai untuk mesh dan grafis. Format teks biasa bekerja di mana saja, tetapi berukuran besar dan lambat.

Bagaimana mengubah point cloud menjadi model 3D?

Impor point cloud yang telah diregistrasi ke perangkat lunak pemodelan, lalu buat mesh untuk bentuk organik atau cocokkan objek geometris seperti dinding, lantai, dan pipa untuk CAD serta BIM. Irisan dan penampang membantu menelusuri denah serta tampak. Sepakati tingkat detail dan toleransi terlebih dahulu karena keduanya menentukan waktu pemodelan.

Apa itu registrasi point cloud?

Registrasi adalah proses menyelaraskan beberapa pemindaian ke dalam satu kerangka koordinat bersama. Proses ini menggunakan target yang terlihat dari beberapa pemindaian, pencocokan antarkumpulan titik pada geometri yang tumpang tindih, atau posisi instrumen yang diketahui. Hasil diperiksa dengan residual dan titik pemeriksaan independen, dan kesalahannya terbawa ke setiap produk yang dibuat dari point cloud tersebut.

Apa perbedaan point cloud dan mesh?

Point cloud adalah sekumpulan titik terukur terpisah tanpa hubungan antartitik. Mesh menghubungkan titik menjadi segitiga untuk membentuk permukaan kontinu yang dapat diberi bayangan, tekstur, dan dicetak 3D. Mesh lebih ringan ditampilkan, tetapi pembuatannya melibatkan interpolasi, sehingga point cloud asli tetap menjadi referensi pengukuran.

Komputer apa yang saya perlukan untuk pemrosesan point cloud?

Pemrosesan point cloud diuntungkan oleh RAM besar, kartu grafis khusus dengan memori memadai, prosesor multinti, dan penyimpanan SSD cepat. Proyek besar dapat mencapai ratusan gigabyte, jadi sediakan juga penyimpanan cadangan eksternal. Periksa spesifikasi rekomendasi perangkat lunak pemrosesan pilihan Anda sebelum membeli perangkat keras.

Kapan saya sebaiknya menggunakan jasa pemodelan point cloud daripada memproses sendiri?

Gunakan jasa pemodelan point cloud komersial ketika tim Anda tidak memiliki perangkat lunak atau waktu pemodelan, atau ketika point cloud proyek rekayasa harus menjadi model 3D, BIM, atau gambar CAD terperinci dengan akurasi tertentu. Jasa konversi point cloud biasanya mengenakan biaya berdasarkan luas atau kompleksitas objek. Untuk registrasi rutin, pembersihan, dan pemodelan point cloud 3D sederhana, pemrosesan internal biasanya lebih cepat serta murah.