Individuelle Punktwolken Klassifizierung
erstmals veröffentlicht (EN): 18.11.2022
deutsche Version: 02.09.2025
Sie arbeiten mit einem speziellen Anwendungsfall und müssen mit einer bestimmten Art von Punktwolkendaten arbeiten, wobei Sie ein besonderes Interesse an einer ausgewählten Gruppe von Objektklassen haben? Sie könnten Ihre Punktwolke zwar manuell beschriften, aber es ist effizienter, einen Algorithmus für diese Aufgabe zu trainieren – hier kommen unsere benutzerdefinierten Klassifikatoren ins Spiel.
Was ist ein individuelles Punktwolken-KI-Modell?
Ein benutzerdefinierter Klassifikator wird mit Hilfe von KI trainiert, um Objektklassen automatisch zu erkennen und so den Prozess der Punktwolkenklassifizierung zu optimieren. Dieses Modell kann durch einen maschinellen Lernprozess unter Verwendung künstlicher Intelligenz innerhalb neuronaler Netze ständig verbessert werden. Wie der Name schon sagt, ist diese Art von Dienstleistung maßgeschneidert für Ihren spezifischen Anwendungsfall: Wenn Sie ständig bestimmte Objektklassen innerhalb Ihrer Punktwolkendaten abbilden müssen, können wir genau den richtigen benutzerdefinierten trainierbaren Klassifikator für Sie entwickeln.
Wie wird ein individuelles Punktwolken-KI-Modell trainiert?
In order to reach the required classification in mere hours (compared to the several days with manual annotation), point cloud custom classification builds on deep learning. Through successive input of training data, the AI progressively learns to detect the desired classes on its own with high accuracy. There are 2 ways to train a point cloud custom classifier:
- An already trained Standard Classifier is optimized towards your needs through transfer learning. Through this method, one uses algorithms trained for similar data types with slightly different project requirements.
- A very own classifier with completely customizable classes is trained from scratch and optimized towards your data specifications. The algorithm progressively gets more accurate through repeated learning with an elaborate AI workflow.
Training von benutzerdefinierten Klassifikatoren für Punktwolken durch Automatisierung von KI-Workflows
Das Trainieren eines benutzerdefinierten Klassifikators für Punktwolken für Ihren spezifischen Anwendungsfall erfordert zunächst einen gewissen Zeitaufwand, da der Workflow der künstlichen Intelligenz manuelle Korrekturen für schnellere Optimierungen erfordert. Nach einer gewissen manuellen Eingabe zu Beginn spart Ihnen die präzise Automatisierung jedoch Zeit und Ressourcen, da sie repetitive Aufgaben für Sie übernimmt.
Das iterative Trainingsmodell erzeugt mit jedem Zyklus präzisere Ergebnisse.
In der ersten Phase laden Sie Ihre Beispieldaten hoch, die wir in mehrere Trainingsstapel aufteilen. Anschließend müssen die Punktwolken manuell klassifiziert werden. Durch einen iterativen Ansatz mit mehreren Stapeln lässt sich besser beurteilen, wie sich die Leistung des Klassifikators mit zusätzlichen Eingaben verbessert. Auf diese Weise können wir auch die Trainingsdaten mit jedem Stapel effizienter generieren.
Zunächst müssen Sie den benutzerdefinierten Klassifikator für Punktwolken manuell unterstützen...
Nach ausreichender Eingabe von Daten ist das benutzerdefinierte Modell in der Lage, den Beschriftungsprozess zu automatisieren. In der zweiten Phase müssen Sie lediglich einige manuelle Korrekturen vornehmen, um die Genauigkeit Ihres benutzerdefinierten Punktwolkenklassifikators weiter zu erhöhen. Aufbauend auf dem verstärkenden Lernen wird dieser Zyklus mehrmals wiederholt, wodurch die Qualität der Ergebnisse Ihres benutzerdefinierten Punktwolkenklassifikators verbessert wird. Mit jeder Wiederholung sind weniger manuelle Korrekturen erforderlich, bis der Klassifikator für die automatische Punktwolkensegmentierung robust trainiert ist.
... es verbessert sich stetig, bis es in der Lage ist, Ihre Punktwolkendaten effizient und automatisch zu taggen.
Wie generiere ich Trainingsdaten für meinen benutzerdefinierten Klassifikator?
- Um Trainingsdaten zu erstellen, benötigen Sie zunächst einen Datensatz, der die Elemente Ihres spezifischen Anwendungsfalls enthält. Er sollte daher die Objekte enthalten, die Sie für Ihren Anwendungsfall häufig identifizieren müssen.
- Neben der Möglichkeit, die Punktwolke selbst zu beschriften, bietet Pointly auch die Verwaltung der Erstellung von Eingabedaten für den KI-Workflow an.
- Wenn Sie bereits über einen klassifizierten Datensatz verfügen, können Sie diesen verwenden, um einen schnellen Einstieg in das Training Ihres benutzerdefinierten Klassifikators für Punktwolken zu erhalten.
Interested in optimizing your labelling work with our point cloud services? Get in touch with us and fill out this form for Point Cloud Custom Classifiers.
Wie verwende ich einen benutzerdefinierten Punktwolkenklassifikator?
Creating a point cloud custom classifier is possible with a Professional Pointly subscription. The training process is a cooperative effort, therefore we offer personal consultation sessions with our AI experts, as well as frequent analyses, evaluations, and reports.
- Start with a customized class catalog containing the objects you want to automatically label, then link it to a new project.
Sammeln Sie alle relevanten Objektklassen für Ihren benutzerdefinierten Klassifikator.
2. Laden Sie Ihre LAS- oder LAZ-Datei in die Pointly-Plattform hoch.
3. Klassifizieren Sie die Daten mit einem Standardklassifikator, der Ihren gewünschten Ergebnissen nahekommt, und optimieren Sie die Ausgabe manuell – oder lassen Sie Pointly die Erstellung der Trainingsdaten übernehmen.
4. Wir trainieren den benutzerdefinierten Punktwolkenklassifikator mithilfe eines KI-Workflows und fügen ihn Ihrem Konto hinzu.
5. Klassifizieren Sie Punktwolken beim Hochladen neuer Projekte mit Ihrem trainierten Modell, indem Sie unter „Klassifikator auswählen” Ihren benutzerdefinierten Punktwolkenklassifikator auswählen.
Wie lange dauert es, ein indidivuelles KI-Modell zu trainieren?
Die tatsächliche Dauer hängt zwar vom Anwendungsfall und der gewünschten Leistung ab, aber 5 bis 15 Tage Beschriftungsarbeit liefern einen soliden ersten Proof of Concept. In diesem Stadium dient das Klassifizierungsmodell in der Regel als Vorschau auf das Potenzial des KI-Workflows, benötigt jedoch noch mehr Zeit, um seine Präzision zu verfeinern. Die Trainingsiterationen dauern nur wenige Tage, während die erste Iteration möglicherweise einige zusätzliche Tage benötigt, um für den spezifischen Datensatz optimiert zu werden.
Want to get notified about upcoming Pointly features and relevant news surrounding our 3D point cloud custom classification software? Subscribe to our newsletter and follow us on LinkedIn to learn about updates and more!
Pointly - Point out what matters.
Pointly ist eine intelligente, cloudbasierte Softwarelösung zur Verwaltung und Klassifizierung von 3D-Punktwolken – schneller und präziser als je zuvor.
Pointly Services bieten bedarfsgerechte, fortschrittliche 3D-Punktwolkenlösungen, individuell zugeschnitten auf spezifische Anforderungen.
Hinterlassen Sie einen Kommentar