L’outil de clusterisation détecte les objets en utilisant 2 paramètres:
Distance de séparation: La distance de séparation minimale entre regroupement de points. Plus cette valeur est élevée, plus il est probable que le logiciel détecte et “fusionne” de regroupements de points à proximité. Une plus petite distance de séparation, par contre, pourrait séparer un objet en 2 ou plusieurs clusters.
Nombre de points minimum: Le nombre minimal de points pour qu’un regroupement de points soit considéré en tant que cluster. Plus cette valeur sera petite, plus il sera probable que les objets contenant peu de points seront considérés en tant que clusters.
Il y a aussi l’option “simplifier par grille” pour l'échantillonnage de la zone de traitement. Cette option simplifie le nuage de points à traiter, rendant la détection des clusters plus rapide puisque moins de points seront analysés durant la détection. L’option de simplification conserve 1 point par cellule et ne traitera pas le reste des points durant la détection. La taille de la cellule est déterminée par la valeur inscrite dans le champ de simplification. Plus cette valeur sera élevée, plus la cellule utilisée sera grande; donc moins de points seront analysés. Un taille de cellule plus petite considérera plus de points pour la détection; détectant les clusters plus précisément tout en prenant plus de temps pour la détection. En ne cochant pas cette option, tous les points seront analysés.
La zone à être analysée doit être considérée avant que la détection prenne place - la détection de clusters peut prendre beaucoup de temps. L’utilisateur peut segmenter le nuage de points en utilisant l’outil de “Clôture”; la clusterisation fonctionne seulement sur les points visibles. L’utilisateur peut aussi créer une extraction (voir la section 7 de ce document) d’un secteur à l’intérieur du nuage de points. La détection de clusters à l’intérieur d’une extraction rendra la détection beaucoup plus rapide en raison du nombre de points à traiter qui sera diminué.