La tecnologia LiDAR è ampiamente utilizzata nel telerilevamento, in quanto permette di ottenere un modello 3D dell’ambiente rilevato sottoforma di nuvola di punti, misurando il tempo impiegato da un breve impulso laser per percorrere la distanza che intercorre tra lo strumento e l’oggetto da rilevare. Tra i diversi tipi di LiDAR, il laser scanner full-waveform è in grado di registrare in funzione del tempo l’intera distribuzione dell’energia riflessa dalle superfici colpite dall’impulso laser (forma d’onda). Grazie a questo dato è possibile ottenere ulteriori informazioni sulle proprietà geometriche e di riflettività del target, utili in fase di classificazione. Classificare il dato laser significa assegnare ad ogni punto rilevato la relativa classe, a seconda dell’oggetto colpito dall’impulso laser.
La soluzione brevettata mira a classificare i dati in due fasi: nella prima, i dati della forma d’onda grezza vengono forniti come input per un classificatore. Nella seconda fase, i dati sono mappati in un’immagine bidimensionale, in cui in ogni pixel è presente il vettore distribuzione di probabilità fornito dal classificatore, e la quota del punto che cade nel pixel. Viene quindi utilizzato un algoritmo di deep learning per segmentare l’immagine, assegnando un’etichetta ad ogni pixel. Il metodo permette così di ottenere una classificazione completamente automatica che, rispetto alle attuali tecnologie in essere, migliora l’accuratezza raggiungibile.
