Key points are not available for this paper at this time.
Este estudo apresenta um novo software, cLASpyT, que ajuda a projetar modelos para a classificação automática de nuvens de pontos 3D em ambientes costeiros. Este software é baseado em algoritmos de aprendizado de máquina da biblioteca scikit-learn e pode classificar nuvens de pontos derivadas de LiDAR ou fotogrametria. Os dados de entrada podem ser importados via arquivos CSV ou LAS, fornecendo uma nuvem de pontos 3D, aprimorada com recursos geométricos ou informações espectrais, como cores de ortofotos ou dados hiperespectrais. O cLASpyT permite que o usuário execute três algoritmos de aprendizado de máquina supervisionado da API scikit-learn para construir modelos de classificação automática: RandomForestClassifier, GradientBoostingClassifier e MLPClassifier. Este trabalho apresenta o método geral para o design de modelos de classificação usando o cLASpyT e o fluxo de trabalho completo do software com um exemplo de classificação de nuvem de pontos de fotogrametria. Quatro modelos fotogramétricos de uma atalaia costeira foram adquiridos em quatro datas diferentes, em 2021. O objetivo é classificar cada ponto de acordo com se pertence à classe 'areia' da praia, à classe 'pedra' do enrocamento, ou à classe 'bloco' dos blocos de concreto. Este estudo de caso destaca a importância de ajustar os parâmetros do algoritmo, selecionar recursos e o grande número de testes necessários para projetar um modelo de classificação que possa ser generalizado e usado na produção.
Bas et al. (Qui,) estudaram esta questão.