Wie wir maschinelle Klassifizierung mit der Prüfung durch Ingenieure mit BSc+ verbinden und 500-km-Korridore in Tagen statt Wochen verarbeiten.
Eine rohe LiDAR-Punktwolke in die Klassen Boden, Vegetation und Bauwerk zu trennen war traditionell langsame Handarbeit: eine erfahrene Fachkraft, die sich Kachel für Kachel durch Millionen von Punkten arbeitet. Im Korridormaßstab passt dieser Weg schlicht nicht mehr in heutige Lieferzeiträume.
Unsere Verarbeitungskette setzt einen Klassifikator aus dem maschinellen Lernen als ersten Durchgang ein und trennt den Großteil der Punktwolke in einem Bruchteil der Zeit eines manuellen Durchgangs in Kandidatenklassen. Das Ergebnis geht nie unbesehen hinaus: Jede Kachel wird von einer Geodaten-Ingenieurin oder einem Geodaten-Ingenieur mit BSc+ geprüft, die Fehlklassifizierungen korrigieren und die Randfälle validieren, die das Modell schlecht beherrscht: dichtes Kronendach über Bauwerken, sich überlagernde Vegetationsschichten und ähnlich mehrdeutige Rückstreuungen.
Diese Verbindung erlaubt uns, 500-km-Korridore in Tagen statt Wochen zu verarbeiten und die Klassifizierungsgenauigkeit auf einem Niveau zu halten, mit dem Kunden unmittelbar in ihren nachgelagerten Ingenieurabläufen arbeiten können, ohne einen zweiten Prüfdurchgang auf ihrer Seite.
Das ist dasselbe Prinzip, nach dem jede unserer produktiven Verarbeitungsketten läuft: Automatisierung für das Volumen, qualifizierte Fachleute für die Genauigkeit.
Ein Blick in unsere KI-beschleunigte Strecke: von der Übernahme der rohen Punktwolke bis zur klassifizierten LAS-Lieferung mit 97,2 % Genauigkeit.
GIS EngineeringWarum 80 % der PIA-A55-Einreichungen scheitern und wie räumlich korrekte, vorgabenkonforme Unterlagen die Ablehnungsquote senken.
GIS EngineeringEin praktischer Leitfaden zur Aufbereitung räumlicher Bestandsdaten für regulatorische Anforderungen: Schemaprüfung, Abgleich der Koordinatensysteme und einreichungsfertige Formatierung.