Anvendt AI på Reality Capture-data fra anlægsgrave
Session
Forsyning III - Ny teknologi
Abstract
Ved hjælp af trænede AI-algoritmer processerer vi automatisk Reality Capture-data indsamlet for forsyningsvirksomheder, der leverer vand og fjernvarme. Databehandlingen resulterer i et fuldt klassificeret datasæt, hvor de enkelte punktskyer er inddelt i lag, der hver især indeholder sammenlignelig data såsom terræn, gravekasse og forsyningsledninger.
De allerede klassificerede ledninger klassificeres efterfølgende yderligere i typer og objekter, som ud fra aflæste QR- og stregkoder tildeles korrekt metadata. Gravekassen anvendes til automatisk udregning af det udgravede volumen.
Det fremtidige perspektiv er at anvende de klassificerede ledninger til automatisk at indtegne ledningsnettet samt analysere op mod informationerne i LER 2.0.
Målgruppe
Målgruppen for dette oplæg er deltagere ved Kortdage 2023 med interesse for behandling og processering af geodata med henblik på automatiseret udtrækning af værdifuld information.
De geodata, der anvendes, stammer fra dataindsamling af anlægshuller fra forsyningsbranchen.
Yderligere uddybning af abstract
Gennem et omfattende arbejde har vi trænet AI-algoritmer til at genkende og klassificere data indsamlet med Reality Capture-metoder. Vi har koncentreret vores arbejde om punktskyer af anlægsgrave fra forsyningssektoren - specielt for vand og fjernvarme på nuværende tidspunkt. Senere udvides der således, at vi også kan lave automatisk klassifikation af anlægshuller for el, kloak og gas.
Vi klassificerer data således, at terræn og gravekasse kan slukkes, hvilket efterlader de mest interessante objekter tilbage; nemlig alle ledningerne.
I kraft af, at gravekassen er identificeret og klassificeret, er det muligt automatisk at udregne volumen for det udgravede, gemme dette som en metadataværdi og udtrække denne via WFS.
Alle ledningerne bliver efterfølgende yderligere klassificeret efter type. Ud fra deres udbredelse vil vi forsøge at indtegne ledningsnettet automatisk ved at forbinde ledningerne fra omkringliggende anlægshuller automatisk. Om dette lykkes, vil blive afsløret i indlægget.
Der pågår forskellige initiativer til at anvende QR- og stregkoder til at vedhæfte yderligere metadata til objekterne i anlægsgravene. Indlægget vil ligeledes vise, hvordan vi kan læse koderne og tilføje metadata til objekterne.
Endelig vil indlægget tage deltageren med igennem processen og vise, hvorledes resultatet af de automatiske klassifikationer ser ud.
