Come il deep learning ha finalmente reso la classificazione di terreno, vegetazione ed edifici un problema risolto — e cosa dovrebbero fare ora i topografi.
Cinque anni fa, classificare una nuvola di punti acquisita tramite mobile mapping era un'incombenza semi-manuale che richiedeva settimane. Oggi, il classificatore di VisionLidar elabora un intero corridoio in un pomeriggio — con risultati impeccabili fin dal primo passaggio.
Questa svolta nasce da due fattori: reti di segmentazione basate su transformer capaci di interpretare la geometria locale come farebbe un topografo, e dataset di addestramento sufficientemente ampi da coprire qualsiasi marchio di scanner sul mercato.
In questo articolo analizziamo cosa aspettarsi dai moderni classificatori, i contesti in cui mostrano ancora dei limiti (come la vegetazione densa a ridosso dell'acqua) e come strutturare un flusso di lavoro per il assicurazione della qualità (QA) che si affidi all'automazione senza mai spegnere il pensiero critico.
Prenota una demo di 30 minuti con uno specialista senior di prodotto, pensata per il tuo settore.
