A Semi-Automatic Roof Type-Driven Workflow for LoD2 Building Reconstruction from Orthophotos and Photogrammetric Point Clouds
تقدم هذه الدراسة سير عمل شبه تلقائي يعتمد على نوع السقف، يدمج الخطوط الخارجية للأسقف المرقمنة من الصور الجوية مع بيانات الارتفاع من السحب النقطية الفوتوغرامترية لإعادة بناء نماذج مبانٍ دقيقة ذات بنية دلالية بمستوى تفصيل ثاني (LoD2) بتنسيقات CityJSON وCityGML.
المؤلفون الأصليون:Nur Aini Lestari, Harintaka Harintaka, Ahmad Rasis Sholikin
المدن هي أكثر من مجرد مجموعات من الشوارع والمباني؛ فهي كائنات معقدة ثلاثية الأبعاد يحتاج المخططون والمهندسون والمؤرخون إلى فهمها بعمق تام. ولرسم خريطة لهذا التعقيد، طور الجغرافيون وعلماء الكمبيوتر طريقة قياسية لوصف المباني في الفضاء الرقمي، تُعرف باسم نموذج "مستوى التفاصيل 2" (Level of Detail 2). وبخلاف الخرائط البسيطة التي تكتفي بإظهار مخطط المبنى على الأرض فقط، تلتقط هذه النماذج التفصيلية الشكل الفعلي للسقف، وارتفاع الجدران، والهندسة المحددة التي تجعل من المنزل منزلاً. هذا المستوى من التفصيل أمر بالغ الأهمية لمهام تتراوح من تقدير كمية ضوء الشمس التي تحصل عليها منطقة ما، إلى التخطيط لكيفية استجابة المدينة للطقس القاسي. ومع ذلك، فإن إنشاء هذه النماذج ثلاثية الأبعاد الدقيقة من الصور الجوية والمسحات الليزرية كان تقليدياً عملية صعبة وتستغرق وقتاً طويلاً، وغالباً ما تتطلب برامج باهظة الثمن أو مهارات متخصصة للغاية قد لا تتوفر دائماً.
في دراسة حديثة، اقترح باحثون من جامعة غادجا أدا (Universitas Gadjah Mada) في إندونيسيا طريقة جديدة لبناء هذه النماذج الرقمية توازن بين الرؤية البشرية والأتمتة الحاسوبية. فبدلاً من محاولة إجبار الكمبيوتر على تخمين شكل كل سقف من الصفر، أو الاعتماد كلياً على الإنسان لرسم كل خط بمفرده، طوروا سير عمل شبه تلقائي يعامل نوع السقف كدليل مركزي. ركز الفريق على خمسة أنواع شائعة من أشكال الأسطح الموجودة في مدينة سينكاوانج (Singkawang): الأسطح المستوية، والأسطح الجملونية (التي تشبه المنزل الكلاسيكي بقمة مثلثية)، والأسطح الوركية (حيث تنحدر جميع الجوانب للأسفل)، والأسطح المائلة (سطح واحد مائل)، والأسطح الهرمية. ومن خلال تحديد أي من هذه الأنواع الخمسة يمتلكه المبنى أولاً، تمكن الباحثون من تطبيق مجموعة محددة من القواعد المنطقية لإعادة بناء شكل المبنى ثلاثي الأبعاد بدقة.
بدأت العملية بمجموعة من الصور الجوية عالية الدقة وسحابة كثيفة من النقاط الناتجة عن المسح الليزري، والتي تعمل بمثابة هيكل عظمي رقمي لسطح المدينة. استخدم الباحثون هذه البيانات أولاً لإنشاء خريطة رقمية لمستوى الأرض، منفصلة عن المباني والأشجار، وخريطة أخرى تظهر أعلى نقطة في كل شيء، بما في ذلك أعلى نقاط الأسطح. ومن خلال مقارنة هاتين الخريطتين، استطاعوا تحديد ارتفاع كل مبنى بدقة. بعد ذلك، قام مشغل بشري بالنظر إلى الصور الجوية ورسم المخطط لكل سقف، مع تصنيفه بنوعه المحدد. كانت هذه الخطوة حاسمة لأنها أعطت الكمبيوتر نقطة انطلاق واضحة وتعليماً واضحاً بشأن الشكل الذي يجب بناؤه.
بمجرد أن أصبحت المخططات والتصنيفات جاهزة، تولى برنامج حاسوبي مخصص المهمة. بالنسبة للسقف المستوي، قام البرنامج ببساطة برفع المخطط إلى الارتفاع الصحيح. وبالنسبة للسقف الجملوني، قام البرنامج بتحليل ميل واتجاه السقف لإيجاد الخط الدقيق حيث يلتقي الجانبان عند القمة، مما يضمن مطابقة الزاوية للبيانات الواقعية. وبالنسبٍ لأسطح الهرم والأسطح الوركية، قام البرنامج بحساب كيفية انحدار الجوانب للداخل لتلتقي عند حافة أو نقطة واحدة. أما بالنسبة للأسطح المائلة، فقد حدد اتجاه الميل وعدل ارتفاع كل زاوية وفقاً لذلك. وكانت النتيجة نموذجاً كاملاً للمبنى ثلاثي الأبعاد يتضمن الأرض والجدران والسقف، وكل ذلك مهيكل بطريقة تسمح للأنظمة الحاسوبية المختلفة بقراءة البيانات ومشاركتها بسهولة.
اختبر الفريق هذه الطريقة على 371 مبنى في منطقة الدراسة. وكانت النتائج دقيقة بشكل ملحوظ؛ فعندما قارنوا النماذج المولدة بالصور الأصلية، تطابقت المباني مع الأشكال الواقعية بشكل شبه مثالي، حيث حدد الكمبيوتر مستويات السقف بشكل صحيح في كل حالة تقريباً. وعندما قاسوا أبعاد النماذج مقابل بيانات المسح الليزري، كان متوسط الفرق أقل من متر واحد، وهو مستوى من الدقة يلبي المعايير الدولية الصارمة لهذا النوع من الخرائط الرقمية. شهد أحد المباني في مجموعة الاختبار خطأً طفيفاً حيث تمت إضافة قسم سقف إضافي، لكن معدل النجاح الإجمالي ظل مرتفعاً للغاية.
يقدم هذا النهج حلاً وسطاً عملياً بين النمذجة اليدوية الكاملة، التي تكون بطيئة ومكلفة، وبين الأنظمة الآلية بالكامل، التي قد تنتج أحياناً نتائج مربكة أو غير صحيحة عند مواجهة مناظر حضرية معقدة. فمن خلال ترك تحديد نوع السقف للإنسان ثم ترك الكمبيوتر لتطبيق القواعد الهندسية الصحيحة، ابتكر الباحثون نظاماً يتميز بالسرعة والموثوقية في آن واحد. وتثبت هذه الدراسة أنه مع الجمع الصحيح بين الملاحظة البشرية والأتمتة القائمة على القواعد، يمكن إنشاء نماذج مدن ثلاثية الأبعاد عالية الجودة ومفصلة من البيانات الجوية القياسية دون الحاجة إلى التقنيات الأكثر تقدماً أو الأغلى ثمنًا. وتوفر هذه الطريقة مساراً واضحاً وقابلاً للتكرار للمدن لبناء "توائمها الرقمية"، مما يساعد المخططين والباحثين على تصور وفهم البيئة العمرانية بوضوح أكبر من أي وقت مضى.
ملخص تقني: سير عمل شبه تلقائي يعتمد على نوع السقف لإعادة بناء نماذج المباني بمستوى التفصيل الثاني (LoD2)
بيان المشكلة لا تزال عملية توليد نماذج المباني بمستوى التفصيل الثاني (LoD2)، والتي تتطلب هندسة سقف صريحة وتقسيمًا دلاليًا أساسيًا، تشكل تحديًا عند اشتقاقها من الصور الجوية (orthophotos) والسحب النقطية الفوتوغرامترية. تواجه الطرق الحالية قيودًا: فالأساليب الهندسية البحتة غالبًا ما تعاني من الضجيج وأشكال الأسطح المعقدة، كما تفشل في إنتاج مجسمات كاملة ذات بنية دلالية؛ أما النمذجة الإجرائية (مثل CGA) فتعتمد بشكل كبير على تصميم القواعد والأنظمة البيئية للمنصات، مما قد يؤدي إلى فصل الخطوط الخارجية المرصودة عن الهندسة المولدة؛ كما أن الأنظمة الموجهة بالذكاء الاصطناعي والتلقائية بالكامل غالبًا ما تعمل كـ "صناديق سوداء" ذات قدرة محدودة على التفسير ومتطلبات حوسبة عالية. علاوة على ذلك، هناك فجوة في سير العمل الذي يعامل نوع السقف ليس مجرد سمة، بل كمحرك مركزي لقواعد إعادة البناء، مع الاستفادة في الوقت نفسه من مشتقات الارتفاع (DTM، DSM، الميل، والاتججاه) كمتغيرات استدلالية صريحة لتوليد الهندسة.
المنهجية تقترح الدراسة سير عمل شبه تلقائي يعتمد على نوع السقف، يتم تنفيذه باستخدام لغة بايثون (Python) لإعادة بناء نماذج المباني بمستوى LoD2. تدمج العملية التفسير البشري التفاعلي مع إعادة بناء تمثيل الحدود (BREP) القائم على القواعد. يتكون سير العمل من ثلاث مراحل رئيسية:
استخراج الارتفاع: يتم تصنيف السحب النقطية الفوتوغرامترية لفصل النقاط الأرضية عن غير الأرضية. يسمح هذا بتوليد نموذج تضاريس رقمي (DTM) ونموذج سطح رقمي (DSM). ومن خلال هذه النماذج، يتم اشتقاق طبقات النموذج الرقمي للسطح المنظم (nDSM/نموذج ارتفاع الأجسام)، والميل، والاتججاه. تعمل هذه المشتقات كمعلمات استدلالية لتقدير ارتفاع المبنى واتجاه مستويات السقف.
رقمنة وتصنيف مخطط السقف: يتم رقمنة مخططات الأسطح تفاعليًا من الصور الجوية عبر تتبع حواف السقف المرئية. ويتم تعيين تسمية دلالية لكل مضلع يدويًا تتوافق مع أحد أنواع الأسطح الخمسة: المسطح (flat)، الجملوني (gable)، الوركي (hip)، المنحدر (shed)، أو الهرمي (pyramid).
إعادة بناء BREP القائم على القواعد: تعمل المضلعات الرقمية وتسميات أنواع الأسطح كمدخلات لنصوص برمجية بلغة بايثون تطبق قواعد هندسية محددة بناءً على فئة السقف المعينة:
الأسطح المسطحة: تُولد كمستوى أفقي واحد عند متوسط ارتفاع السقف.
الأسطح الجملونية: يتم تدوير مضلع السقف وتقسيمه. تُجمع قيم الاتجاه (Aspect) لتحديد اتجاهين مهيمنين. ويُشتق خط القمة (ridge line) من تقاطع هذه المستويات، ويُحسب ارتفاع القمة باستخدام نموذج ارتفاع الأجسام (nDSM) وزاوية الميل.
الأسطح الوركية: تُحدد خطوط القمة المرشحة عبر ربط الحواف المتقابلة من خلال المركز (centroid). ويتم تحديد مقطع القمة عن طريق أخذ عينات من الـ DSM لأعلى ارتفاع على طول هذه الخطوط المرشحة، مما يضمن توافق الهندسة مع البيانات السطحية المرصودة.
الأسطح المنحدرة: يتم تحديد اتجاه الميل من الحافة الأدنى إلى الحافة الأعلى. وتُحسب ارتفاعات الرؤوس عبر الاستكمال الخطي (linear interpolation) بين ارتفاعات الحواف وارتفاعات حافة السقف.
الأسطح الهرمية: يتم تحديد رأس الهرم (apex) عند مركز المضلع، وتُبنى مستويات السقف عبر ربط رؤوس الحواف بهذه النقطة المركزية.
تُنظم الهندسة الناتجة في أسطح دلالية (سطح الأرض، سطح الجدار، سطح السقف) وتُصدر بتنسيق CityJSON، مع التحويل اللاحق إلى CityGML لضمان التوافق التشغيلي.
المساهمات الرئيسية
نوع السقف كمحرك: تعامل الدراسة نوع السقف صراحةً كمحرك مركزي لمنطق إعادة البناء، حيث تحدد مجموعات قواعد محددة لخمس فئات شائعة للأسطح بدلاً من تطبيق استخراج هندسي عام.
دمج مصادر البيانات: تجمع بفعالية بين التفسير التفاعلي للصور الجوية (للمخططات والتصنيف) مع مشتقات الارتفاع المستمدة من السحابة النقطية (للاستدلال على الارتفاع والاتجاه).
مخرجات متوافقة تشغيليًا: ينتج سير العمل مجسمات LoD2 كاملة قائمة على BREP بتنسيق CityJSON، وهي قابلة للتحويل إلى CityGML، مما يسد الفجوة بين إعادة البناء الهندسي ونمذجة المدن ثلاثية الأبعاد القياسية.
التوازن شبه التلقائي: يوفر هذا النهج حلاً وسطًا بين النمذجة اليدوية الكاملة وخطوط الإنتاج التلقائية بالكامل، حيث يعطي الأولوية للتفسير والتحكم في هندسة السقف مع الحفاظ على الكفاءة.
النتائج طُبق سير العمل لإعادة بناء 371 مبنى في منطقة جاوا (Jawa Subdistrict)، مدينة سينكاوانج (Singkawang City)، إندونيسيا. كان توزيع المباني المعاد بناؤها: 71% جملوني، 15% وركي، 6% مسطح، 5% منحدر، و3% هرمي.
الدقة البصرية: تم التقييم على عينة من 30 مبنى باستخدام مقاييس الاكتمال، والصحة، والجودة المستمدة من مصفوفة الارتباك مقابل المراجع من الصور الجوية. أظهرت النتائج متوسط اكتمال بنسبة 100%، مع بلوغ متوسط الصحة والجودة 98.33%. وتتجاوز هذه القيم بشكل كبير عتبة الـ 85% المقترحة عادةً لمثل هذه التقييمات.
الدقة الهندسية: تم تقييم الدقة الأبعادية بمقارنة أبعاد النموذج (الطول، العرض، الارتفاع) مع القياسات المرجعية من السحب النقطية. بلغ جذر متوسط مربع الخطأ (RMSE) نحو 0.90 متر، وهو ما يقع ضمن نطاق التفاوت المسموح به (< 2 متر) المعتمد عادةً لنماذج LoD2 في مواصفات CityGML.
الأهمية والادعاءات تزعم الورقة أن سير العمل شبه التلقائي القائم على نوع السقف يمكن أن يقدم نماذج مباني LoD2 قابلة للتفسير، متماسكة دلاليًا، ومتوافقة تشغيليًا من البيانات الفوتوغرامترية. تكمن الأهمية في القدرة على الحفاظ على التحكم الصريح في هندسة السقف مع الالتزام بمعايير نمذجة المدن ثلاثية الأبعاد الحالية (CityGML/CityJSON). ويؤكد المؤلفون أن هذا النهج يوفر بديلًا قويًا للأنظمة المؤتمتة بالكامل من خلال توفير الشفافية في منطق إعادة البناء وتجنب طبيعة "الصندوق الأسود" لخطوط أنابيب التعلم العميق. وتخلص الدراسة إلى أنه بينما يتطلب سير العمل الحالي مدخلات يدوية لرقمنة المخططات، فإنه ينجح في الربط بين تصنيف شكل السقف، وتكوين القواعد الهندسية، والنمذجة القياسية، مما يجعله مناسبًا لإنتاج LoD2 متوسط النطاق حيث تتباين جودة البيانات وتتواجد أنواع محددة من الأسطح. ويُقترح في العمل المستقبلي التركيز على أتمتة خطوات استخراج المخططات والتصنيف باستخدام التعلم العميق وتوسيع قاعدة القواعد لتشمل أنواع الأسطح الأكثر تعقيدًا.