要得到最多的点外云是很困难的，而且精确的分类是一项昂贵的、劳动密集的工作。应该有一种工具可以让它变得更简单……现在有了，多亏了呢．Pointly是一款基于云的智能软件解决方案，能够管理和分类3D点云。创新的人工智能(AI)技术可以通过分割点云中的数据点和对象来增强分类，比以前更快、更精确。
Pointly是由晚餐和晚餐是一家提供全方位服务的数据科学咨询公司，总部位于德国，为全球客户提供机器学习、人工智能、流程优化和数字转型的定制解决方案。因此，人们也可以利用的专业知识晚餐和晚餐通过服务呢在那里，提供创新的、定制的3D深度学习解决方案。该公司开发了Pointly工具，以帮助地理空间领域更快、更有效地工作。从以人为中心的流程转变为结合人工智能的自主工作流，是帮助加快推理过程、提高一致性和准确性的关键一步。呢将成为地图行业企业的秘密武器。188asia备用网址
如何有针对性地提高企业效率，节省时间和金钱?
在大型项目中使用点云数据通常涉及复杂的分析，需要大量的时间和密集的工作。如果没有合适的工具，就很难从点云中提取最大价值并交付结果。呢提供易于使用但先进的标签工具加上用户友好的界面，和转换是简单的。它提高了标签的效率，为企业节省了时间和金钱——Pointly的路线图上还有更多的功能。
通过将软件作为服务(SaaS)使用呢在美国，流程可以被简化和优化，在减少预算的情况下按时交付结果。这意味着企业可以自由地承担额外的项目，增加他们的收入。由于它使用的是最高标准的基于云的平台，数据可以在该平台上上传和存储，因此不需要对内部解决方案进行投资，从而提供了进一步的节省和无限的可伸缩性。得到的反馈是晚餐和晚餐和呢，一个成本效益和时间效益高得多的过程。
那么，Pointly是如何工作的呢?
呢处理通过激光扫描、摄影测量或其他技术获得的点云，根据感兴趣对象的点云分辨率和大小，识别出在三个文件尺度粒度级别上的相关点段:粗、中、细。这使得一键点击可以选择大面积的区域，比如地面，下一键点击可以选择小的对象，比如街道标志。点云具有完整的分辨率，可以动态加载到浏览器中。Pointly支持在三个视图之间切换:
- 原始:显示点云尺寸，如RGB，强度，高度轮廓等。
- 段:显示Pointly生成的预处理段
- 透明:可以用来隐藏或突出显示所选的类，使关注于与用例有关的对象。
线段选择工具允许一键选择线段，防止需要缩放，改变视图或绘制完美的边界周围的任何项目。具有复杂轮廓的对象可以快速选择并指定为对象类，因为呢理解对象之间最可能的中断，并允许在此基础上进行选择。多边形套索工具可以方便地对线段进行选择和标记，3D包围盒工具可以控制选择深度，对距离较近或需要在空间中分离的对象进行细致的分类。看看这个视频去看Pointly的行动。
其理念是，用户可以手动对点云进行分类，并根据这些输入持续训练人工智能。这弥合了人类标签和机器学习之间的差距，因此训练神经网络的过程变得自动化，并迅速扩大。随着神经网络学会从训练数据中抽象化，投入时间训练人工智能模型可以提高其鲁棒性和效率。Pointly使用智能编辑工具，可以快速轻松地生成训练数据。人工智能将手工和重复性的工作从人们的手中解放出来，使人们可以专注于对他们更重要的事情。
呢是由Azure的256位AES加密标准和高级威胁保护支持的，因此用户可以确保数据在存储或传输中受到保护。用户身份也通过Azure B2C进行管理，确保数据是安全的，只有用户可以访问自己的数据。
成功的用例-使用Pointly快速、准确的森林清查
德国企业破布Aktiengesellschaft从事一系列环境保护项目的工作，包括矿井水管理、圩田措施和地下水净化。RAG Aktiengesellschaft专门从事矿山损害的长期监测，即自动检测景观变化，尤其是地面运动。为了支持这种监测，建立了森林清查，包括收集关于社区森林健康和多样性的准确数据，以获得树木状况、物种、大小和位置等详细信息。通常，提取诸如树木数量、树冠形状或高度等资源盘查信息需要耗费大量劳动，因为传统上是手工进行的，或者使用传统的地理信息系统工具，或者甚至是由人们用GPS亲自对森林进行调查。这两种选择对公司来说都是一项相当大的任务，因此为自动化提供了巨大的潜力。
破布Aktiengesellschaft请求呢通过生成树木分割和输出详细的地图来检测单个树木的位置来创建森林清查表。机载激光雷达扫描使用神经网络进行分类，该神经网络专门为该用例进行训练，并通过适应的算法进一步处理植被分割。这使得信息可以从点云中自动提取，确定确切的树木轮廓、大小和位置。需要进行这种森林清查，以便通过监测随时间的变化和观察哪些变化可能会对近地表采矿造成损害，从而找出造成景观变化的原因。其目标是在点云中提供精确的树点识别，以及使用对象ID、位置和结果中树冠的范围的相应库存数据对单个树进行分离。
结合深度学习和智能算法来识别树点，并从上面分离出单独的树，无论是有可见的树干还是没有可见的树干。的呢研究小组发现，开发一种通用的方法需要测试不同的方法，比如分水岭分离和从检测到的树干上生长的区域。首先，对场景进行人工分类，为神经网络生成一组全面的训练数据。使用Pointly的高效分类工具，进一步的处理设置了自动化，这部分工作在几天内就完成了。然后，对整个数据集进行自动分类，使用训练好的神经网络进行单个树的实例分割。分割使用树特征(如树冠最大值)、树桩位置和地理空间算法的组合进行。每个树段的树桩位置和高度是确定的，而树冠范围是通过二维投影确定的。最后，将分类结果和实例分割结果转化为GeoJSON和Esri形状文件，并添加高度属性等附加信息。
和我的作品呢， RAG Aktiengesellschaft收到了包含树木数量、位置、树冠以及树干范围的详细地图层。该团队发现，Pointly使他们能够更有效地识别和分类对象，特别是识别单个树木和其他相关的库存数据。为这些数据创建一个精简的流程可以大大减少时间和成本，从而产生所需的结果。使用Pointly，生成的数据可以达到更高的准确性，过程也比传统方法更加敏捷。
对于哪些领域和应用程序，Pointly可以产生最大的影响?
点云的应用是多种多样的，3D点云的潜力远远超出了虚拟站点的检查。Pointly团队可以开发解决方案，促进建设、城市和景观规划、采矿、机器人、自动驾驶、能源供应，当然还有林业的数字化。当3D模型的原型制作和逆向工程需要时，它们几乎可以应用在任何地方，例如测量建筑工地或室内测绘和建模，以及测量体积、角度、表面、高度、区域和距离。CAD测量员将不再需要进行密集的手工工作，因为Pointly还打算将这一过程自动化，这意味着CAD模型将在更短的时间内自动实现。呢不久还将有一个训练可定制的自学习模型的功能，这不仅使标签工作自动化，而且允许在每次纠正或增加更多的训练数据时不断改进网络。正是这种定制提供了额外的投资回报，因为每个项目都是独一无二的。
Pointly下一步还会做什么?
在晚餐和晚餐，他们继续完善和扩展功能，符合客户和项目的需求，跨越领域的宽度。正在开发的功能包括协作工具，可以共享项目和点云查看和编辑，高级集成，可以导入和查看一系列文件格式和其他平台的接口，以及额外的人工智能和转换工具。未来的产品包括标准的检测器，这对于更大的区域来说是完美的，因为它们可以自动分类特定的类，此外还可以导出广泛的数据产品，包括3D CAD模型、地图层等。呢将结合基于人工智能的常见用例检测器，以及支持的分析服务，可以生成报表、统计数据和3D模型等高级数据产品，并将人工智能集成为一项服务。
你可以自己尝试一下Pointly，或者利用一种新的Pointly服务
有一个免费帐户让你可以毫无风险地测试Pointly。此外，Pointly最近还推出了一项新的人工智能培训服务(AI Training Service)，在该服务中，你可以请求一个经过训练和测试的人工智能模型来对点云进行分类。如果您有一个点云分类用例，可以从定制的自动分类中受益，并不断改进您的数据，那么这个服务就是为您服务的!点击在这里询问波因特利的新服务
接触info@pointly.ai与任何问题，并了解更多关于如何提高您的运营效率的Pointly。