No mundo dos SIG de c\u00f3digo aberto, existem algumas ferramentas fant\u00e1sticas para trabalhar com nuvens de pontos. A PDAL<\/a> (\u00ab\u00a0Point Data Abstraction Library\u00a0\u00bb) tornou-se uma ferramenta importante que suporta muitos formatos de dados de entrada e tamb\u00e9m oferece muitos algoritmos para o processamento de nuvens de pontos. Para a visualiza\u00e7\u00e3o na Web, a biblioteca JavaScript Potree<\/a> \u00e9 a escolha mais comum. Para visualizar nuvens de pontos numa aplica\u00e7\u00e3o de ambiente de trabalho, os utilizadores abrem normalmente o CloudCompare<\/a>, que inclui uma variedade de ferramentas incorporadas.<\/p>\n\n\n\n A integra\u00e7\u00e3o de um visualizador de nuvens de pontos num SIG traz um valor acrescentado consider\u00e1vel aos utilizadores, em compara\u00e7\u00e3o com um visualizador de nuvens de pontos espec\u00edfico e especializado:<\/p>\n\n\n\n A principal dificuldade na utiliza\u00e7\u00e3o de dados de nuvens de pontos adv\u00e9m do elevado n\u00famero de pontos contidos nos conjuntos de dados: temos de lidar com milh\u00f5es ou mesmo milhares de milh\u00f5es de pontos para \u00e1reas geogr\u00e1ficas relativamente pequenas, enquanto os estudos \u00e0 escala nacional podem envolver trili\u00f5es de pontos. Com esta quantidade de dados, n\u00e3o \u00e9 poss\u00edvel converter simplesmente o conjunto de dados em camadas vectoriais \u00ab\u00a0normais\u00a0\u00bb – as ferramentas t\u00edpicas de SIG e os formatos de dados, como o GeoPackage ou o Shapefile<\/a>, n\u00e3o est\u00e3o optimizados para tais quantidades de dados e qualquer opera\u00e7\u00e3o seria muito morosa.<\/p>\n\n\n\n Desde a vers\u00e3o 3.26, foi introduzido um novo tipo de camada de mapa no QGIS: a camada de nuvem de pontos, que \u00e9 utilizada para todos os dados de nuvem de pontos. Como j\u00e1 foi referido, n\u00e3o foi poss\u00edvel reutilizar o tipo de camada vetorial existente (com geometrias de pontos), uma vez que n\u00e3o foi concebido para suportar quantidades t\u00e3o grandes de pontos.<\/p>\n\n\n\n Para o acesso aos dados baseados em ficheiros, foi decidido utilizar a PDAL (biblioteca de abstra\u00e7\u00e3o de dados de pontos). Esta biblioteca segue a abordagem adoptada pela biblioteca GDAL: fornece uma interface comum para ler, escrever ou processar dados de nuvens de pontos, e v\u00e1rios controladores (\u00ab\u00a0leitores\u00a0\u00bb e \u00ab\u00a0escritores\u00a0\u00bb na terminologia PDAL) suportam as caracter\u00edsticas espec\u00edficas dos diferentes formatos. Al\u00e9m disso, a PDAL oferece um conceito de pipeline que permite a combina\u00e7\u00e3o de v\u00e1rios algoritmos de processamento.<\/p>\n\n\n\n A segunda coisa a considerar era a forma de apresentar os dados de forma eficaz. Percorrer todos os pontos de um conjunto de dados e desenh\u00e1-los simplesmente n\u00e3o funcionaria bem e demoraria demasiado tempo. Al\u00e9m disso, seria um desperd\u00edcio – quando o zoom \u00e9 reduzido, apenas uma pequena quantidade de pontos precisa de ser apresentada. Um segundo caso a considerar era que, quando um utilizador faz muito zoom, dever\u00edamos ser capazes de apresentar apenas pontos dentro da \u00e1rea de interesse, em vez de ler pontos fora da vista atual. Por conseguinte, precis\u00e1vamos de uma forma de interrogar rapidamente os pontos nestas diferentes situa\u00e7\u00f5es. Esta necessidade \u00e9 normalmente resolvida atrav\u00e9s da utiliza\u00e7\u00e3o de estruturas de dados de particionamento do espa\u00e7o (como as octrees) que dividem hierarquicamente o espa\u00e7o em volumes mais pequenos. Uma carater\u00edstica importante \u00e9 que n\u00e3o s\u00f3 as folhas, mas tamb\u00e9m os n\u00f3s internos cont\u00eam dados: gra\u00e7as a isto, \u00e9 poss\u00edvel n\u00e3o s\u00f3 interrogar rapidamente pontos numa pequena \u00e1rea de interesse, mas tamb\u00e9m obter por\u00e7\u00f5es mais pequenas de pontos em diferentes n\u00edveis de zoom.<\/p>\n\n\n\n Os dados de nuvens de pontos em formatos comummente utilizados, como o LAS, s\u00e3o conjuntos de pontos bastante simples que n\u00e3o est\u00e3o associados a qualquer estrutura de dados de indexa\u00e7\u00e3o e a ordem dos pontos pode ser arbitr\u00e1ria. Como resultado, essa estrutura de dados de indexa\u00e7\u00e3o tem de ser constru\u00edda quando estes ficheiros s\u00e3o abertos para os renderizar – isto tamb\u00e9m \u00e9 feito por outros visualizadores (como o CloudCompare<\/a>). Durante a indexa\u00e7\u00e3o, os pontos t\u00eam de ser reorganizados para que possam ser acedidos rapidamente durante a renderiza\u00e7\u00e3o. Uma vez conclu\u00edda a indexa\u00e7\u00e3o, temos uma estrutura de dados em forma de \u00e1rvore em que cada n\u00f3 cont\u00e9m um subconjunto da nuvem de pontos – esta nuvem de pontos indexada pode ser armazenada no disco ou na mem\u00f3ria.<\/p>\n\n\n\n Mais importante ainda, os utilizadores podem visualizar os dados da nuvem de pontos num mapa 2D ou 3D. A vantagem adicional da integra\u00e7\u00e3o total com o QGIS \u00e9 que outros dados (vectoriais ou raster) podem ser sobrepostos aos dados da nuvem de pontos.<\/p>\n\n\n\n Para permitir uma r\u00e1pida renderiza\u00e7\u00e3o 2D e 3D, mesmo de grandes conjuntos de dados, o QGIS \u00e9 capaz de renderizar subconjuntos de dados utilizando o \u00edndice hier\u00e1rquico (gerado quando os dados s\u00e3o carregados pela primeira vez no QGIS). Quando o utilizador faz zoom out, o QGIS desenha apenas um pequeno n\u00famero de pontos e, assim que o utilizador faz zoom in, o QGIS desenha um n\u00famero cada vez maior de pontos (enquanto reduz a extens\u00e3o do mapa).<\/p>\n\n\n\n Todo o processo de renderiza\u00e7\u00e3o \u00e9 conduzido pela classe QgsPointCloudLayerRenderer (onde a maior parte do trabalho \u00e9 feito numa thread, como \u00e9 o caso de outros renderizadores de camadas). Por enquanto, o erro geom\u00e9trico aceit\u00e1vel (ou seja, o espa\u00e7amento aceit\u00e1vel entre pontos) \u00e9 determinado de acordo com a escala do mapa – por exemplo, numa escala de 1:1.000.000, um espa\u00e7amento de 1 km entre pontos pode ser apropriado, mas numa escala de 1:1.000, \u00e9 necess\u00e1rio um espa\u00e7amento muito menor de, digamos, 1 metro. Este par\u00e2metro \u00e9 exposto aos utilizadores para que estes o possam controlar como um par\u00e2metro de \u00ab\u00a0filtragem din\u00e2mica\u00a0\u00bb, caso o utilizador deseje substituir a predefini\u00e7\u00e3o (por exemplo, para uma melhor qualidade ou tempos de renderiza\u00e7\u00e3o mais r\u00e1pidos).<\/p>\n\n\n De seguida, percorremos a hierarquia de \u00edndices e recuperamos os n\u00f3s que atravessam a extens\u00e3o da vista do mapa e t\u00eam um erro geom\u00e9trico aceit\u00e1vel. Por fim, recuperamos os dados da nuvem de pontos destes n\u00f3s – quer a partir da cache de camadas (se j\u00e1 estiverem na mem\u00f3ria), quer a partir dos n\u00f3s de \u00edndice, e desenhamos os pontos um a um.<\/p>\n\n\n\n No trabalho realizado at\u00e9 agora, foi planeada uma \u00fanica implementa\u00e7\u00e3o do motor de renderiza\u00e7\u00e3o. Este desenha pontos de tamanho fixo, a cor dos pontos \u00e9 determinada por um dos atributos escolhidos pelo utilizador (por exemplo, eleva\u00e7\u00e3o, classifica\u00e7\u00e3o, n\u00famero de retorno) e a rampa de cores escolhida. Al\u00e9m disso, s\u00e3o suportadas algumas op\u00e7\u00f5es b\u00e1sicas de filtragem (por exemplo, apenas o \u00faltimo retorno, apenas um determinado valor ou valores de classifica\u00e7\u00e3o, apenas um determinado intervalo de eleva\u00e7\u00f5es).<\/p>\n\n\n\n No futuro, poder\u00e3o ser acrescentadas outras representa\u00e7\u00f5es, como a visualiza\u00e7\u00e3o de uma superf\u00edcie interpolada (calculada em tempo real a partir de dados pontuais), sombreamento ou contornos.<\/p>\n\n\n\n Basicamente, a renderiza\u00e7\u00e3o de nuvens de pontos em 3D segue os mesmos princ\u00edpios da renderiza\u00e7\u00e3o 2D: utilizando o \u00edndice hier\u00e1rquico, determinamos quais os n\u00f3s que devem ser apresentados, com base nos dados de pontos que s\u00e3o carregados e apresentados na cena 3D. Parte da infraestrutura necess\u00e1ria j\u00e1 existia: as vistas QGIS 3D suportam a representa\u00e7\u00e3o do terreno em \u00ab\u00a0peda\u00e7os\u00a0\u00bb desde o in\u00edcio (\u00e0 medida que o utilizador se aproxima do terreno, s\u00e3o representadas eleva\u00e7\u00f5es mais detalhadas e texturas de mapas). Como o mecanismo \u00e9 bastante gen\u00e9rico e foi alargado a dados de camadas vectoriais no passado, tamb\u00e9m foi alargado a nuvens de pontos. No passado, estava limitado pelo facto de esperar sempre uma hierarquia quadripartida, mas foi atualizado para permitir hierarquias em \u00e1rvore octree.<\/p>\n\n\n\n As op\u00e7\u00f5es de estilo para vistas 3D s\u00e3o semelhantes \u00e0s op\u00e7\u00f5es de renderiza\u00e7\u00e3o 2D: configura\u00e7\u00e3o do tamanho do ponto, colora\u00e7\u00e3o baseada num \u00fanico atributo e algumas op\u00e7\u00f5es simples de filtragem de dados.<\/p>\n\n\n\n Tamb\u00e9m foi poss\u00edvel adicionar o efeito de ilumina\u00e7\u00e3o de eye-dome<\/a>, que melhora a perce\u00e7\u00e3o de profundidade.<\/p>\n\n\n\n A ferramenta de identifica\u00e7\u00e3o de mapas 2D e 3D foi actualizada para devolver informa\u00e7\u00e3o completa sobre os pontos identificados. Para al\u00e9m das suas coordenadas XYZ, tamb\u00e9m devolve o valor dos outros atributos de cada ponto (como a classifica\u00e7\u00e3o e outros atributos).<\/p>\n\n\n\n Foi integrado um novo fornecedor de processamento nativo para algoritmos de nuvens de pontos: o fornecedor utiliza a ferramenta de linha de comandos pdal_wrench<\/em><\/strong> e suporta atualmente os seguintes algoritmos:<\/p>\n\n\n Como o pdal_wrench<\/em><\/strong> requer PDAL >= 2.5.0, o novo provedor de processamento s\u00f3 estar\u00e1 dispon\u00edvel se a vers\u00e3o necess\u00e1ria do PDAL for atendida.<\/p>\n\n\n\n Existem v\u00e1rias raz\u00f5es para usar pdal_wrench em vez de usar a API PDAL e construir pipelines:<\/p>\n\n\n\n Um novo widget de cria\u00e7\u00e3o de express\u00f5es de nuvens de pontos est\u00e1 dispon\u00edvel na interface gr\u00e1fica para criar filtros para nuvens de pontos de uma forma f\u00e1cil de utilizar e consistente com as interfaces de cria\u00e7\u00e3o de express\u00f5es QGIS existentes.<\/p>\n\n\n\n Adicionada a op\u00e7\u00e3o de filtrar a nuvem de pontos de entrada por ret\u00e2ngulo (extens\u00e3o) e express\u00e3o nos seguintes algoritmos PDAL:<\/p>\n\n\n\n Isto permite que apenas um subconjunto dos pontos do(s) ficheiro(s) de entrada seja processado, sem necessidade de uma etapa de filtragem interm\u00e9dia ou da cria\u00e7\u00e3o de ficheiros tempor\u00e1rios.<\/p>\n\n\n\n Para aqueles que apenas necessitam de filtragem, existe tamb\u00e9m um algoritmo de filtragem separado capaz de filtrar por intervalo, por express\u00e3o ou pela sua combina\u00e7\u00e3o.<\/p>\n\n\n\n Um novo fornecedor de dados est\u00e1 dispon\u00edvel para ficheiros de nuvens de pontos virtuais (VPC) criados pelo utilit\u00e1rio pdal_wrench e pela ferramenta Construir nuvem de pontos virtuais (VPC) no novo fornecedor Processamento de nuvens de pontos nativas.<\/p>\n\n\n\n O arquivo VPC \u00e9 tratado como uma \u00fanica camada no QGIS e pode conter um grande n\u00famero de arquivos de nuvem de pontos cujos \u00edndices s\u00e3o carregados quando a tela \u00e9 suficientemente ampliada. Os ficheiros individuais contidos no ficheiro virtual s\u00e3o apresentados como direitos de passagem enquanto a sua extens\u00e3o for inferior \u00e0 largura da janela do mapa. Assim que o zoom for suficientemente grande e a extens\u00e3o de um ficheiro individual exceder a largura da janela do mapa, os pontos no ficheiro s\u00e3o apresentados.<\/p>\n\n\n\n Uma nuvem de pontos virtual \u00e9 um ficheiro contentor JSON com uma extens\u00e3o .vpc, referindo-se a outros ficheiros\/URLs que cont\u00eam os dados reais da nuvem de pontos. Este conceito \u00e9 semelhante ao dos rasters virtuais (VRT) no GDAL.<\/p>\n\n\n\n As nuvens de pontos virtuais podem ser apresentadas em vistas 3D. Para a gest\u00e3o do desempenho, \u00e9 especificado um limiar de sub\u00edndice para que a vista apresente pontos na nuvem de pontos apenas quando apropriado, e apresente a extens\u00e3o de um sub\u00edndice espec\u00edfico quando o crit\u00e9rio de limiar n\u00e3o for cumprido.<\/p>\n\n\n\n
As novas camadas de nuvens de pontos<\/h2>\n\n\n\n
Indexa\u00e7\u00e3o de nuvens de pontos<\/h2>\n\n\n\n
Vista de mapa 2D\/3D<\/h2>\n\n\n\n
Renderiza\u00e7\u00e3o 2D<\/h2>\n\n\n\n
![\"nuvens](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/erreurmax.png?resize=640%2C688&ssl=1\")
<\/a>Renderiza\u00e7\u00e3o 3D<\/h2>\n\n\n\n
Identifica\u00e7\u00e3o de pontos<\/h2>\n\n\n\n
O que h\u00e1 de novo na vers\u00e3o 3.32<\/h2>\n\n\n\n
Fornecedor de processamento nativo para nuvens de pontos\u00b6<\/h3>\n\n\n\n
![\"Novos](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/news.png?resize=271%2C440&ssl=1\")
<\/a><\/figure>\n<\/div>\n\n\n\n
\n
Construtor de express\u00f5es de nuvens de pontos para o Processing framework\u00b6<\/h3>\n\n\n\n
![\"assistente](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/expression.png?resize=640%2C485&ssl=1\")
<\/a><\/figure>\n\n\n\nFiltragem de rect\u00e2ngulos e express\u00f5es adicionada aos algoritmos PDAL<\/h3>\n\n\n\n
\n
![\"filtragem](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/filtrage.png?resize=640%2C745&ssl=1\")
<\/a><\/figure>\n\n\n\nNuvens de pontos virtuais (VPC)\u00b6<\/h3>\n\n\n\n
![\"como](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/vpc.gif?resize=640%2C386&ssl=1\")
<\/a><\/figure>\n\n\n\n<\/div>
Visualizar nuvens de pontos virtuais (VPCs) em vistas 3D<\/h3>\n\n\n\n
![\"como](\"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2023\/07\/i3D.gif?resize=403%2C301&ssl=1\")
<\/a><\/figure>\n<\/div>","protected":false},"excerpt":{"rendered":"