กำลังหา DEM จากดินเปล่าจากไฟล์ LAS ที่ไม่ได้จัดประเภท?


10

ฉันมีข้อมูลในรูปแบบ LAS พร้อมค่า RGB ที่สร้างจาก photogrammetry ทางอากาศโดยใช้ UAV ฉันกำลังพยายามหาวิธีที่จะแยก DEM ดินจากเมฆจุด

ฉันได้ลอง SAGA, Fusion, MCC-LIDAR แล้ว แต่ดูเหมือนว่าพวกเขาต้องการไฟล์ LAS เพื่อที่จะถูกจัดประเภทอยู่แล้ว ทุกคนสามารถชี้นำฉันในทิศทางที่ถูกต้องพร้อมคำอธิบายสั้น ๆ เกี่ยวกับกระบวนการได้หรือไม่?

โดยทั่วไปฉันจะต้องดำเนินการประมาณ 100 คะแนนในแต่ละครั้ง (สามารถเรียงต่อกันหากจำเป็น)


MCC หรือ Fusion ไม่ต้องการคะแนนของคุณ อย่างไรก็ตามรหัสโปรแกรม MCC จะปรากฏขึ้นในฟิลด์การจัดหมวดหมู่ อะไรทำให้คุณเชื่อว่าเป็นอย่างนี้ คุณอาจจะมีปัญหารุ่นกับไฟล์ las ของคุณซึ่งจะเป็นการดีที่จะระบุในขณะนี้
Jeffrey Evans

คำตอบ:


16

การสร้าง LiDAR DEM จากเมฆจุดที่ไม่จำแนกประเภทด้วย:

MCC-LIDAR เป็นเครื่องมือบรรทัดคำสั่งสำหรับการประมวลผลข้อมูล LIDAR โดยสิ้นเชิงในสภาพแวดล้อมฟอเรสต์ (Evans & Hudak, 2007)

ขั้นตอนการทำงาน:

  • ก) เมฆจุดที่ไม่จำแนกประเภท
  • b) ผลตอบแทนภาคพื้นดินจำแนก
  • c) DEM เปล่าดิน (แรสเตอร์)

ป้อนคำอธิบายรูปภาพที่นี่


ลองสร้างสถานการณ์สมมุติเพื่อให้ตัวอย่างมีรหัสเพิ่มเติม

ติดตั้ง MCC-LIDAR ใน:

C:\MCC

LiDAR point cloud (ไฟล์. Atlas) ที่ไม่ได้จัดประเภทอยู่ใน:

C:\lidar\project\unclassified.las  

ผลลัพธ์ที่จะเป็น DEM แบบดินนั้นอยู่ใน:

C:\lidar\project\dem.asc  

ตัวอย่างด้านล่างจัดประเภทการส่งคืนแบบกราวด์ด้วยอัลกอริธึม MCC และสร้าง DEM แบบพื้นดินที่มีความละเอียด 1 เมตร

#MCC syntax: 
#command
#-s (spacing for scale domain)
#-t (curvature threshold)
#input_file (unclassified point cloud) 
#output_file (classified point cloud - ground -> class 2 and not ground -> class 1)
#-c (cell size of ground surface)
#output_DEM (raster surface interpolated from ground points)

C:\MCC\bin\mcc-lidar.exe -s 0.5 -t 0.07 C:\lidar\project\unclassified.las C:\lidar\project\classified.las -c 1 C:\lidar\project\dem.asc

เพื่อให้เข้าใจได้ดีขึ้นว่าการทำงานของพารามิเตอร์มาตราส่วนและเส้นโค้งเกณฑ์ (t) เป็นอย่างไรให้อ่าน: วิธีเรียกใช้ MCC-LiDARและ; Evans และ Hudak (2007)

พารามิเตอร์ต้องได้รับการปรับเทียบเพื่อหลีกเลี่ยงข้อผิดพลาดของคณะกรรมการ / การติดฉลาก (เมื่อมีการจำแนกจุดว่าเป็นของพื้นดิน แต่จริงๆแล้วมันเป็นของพืชหรืออาคาร) ตัวอย่างเช่น:

ป้อนคำอธิบายรูปภาพที่นี่

MCC-LIDAR ใช้วิธีการแก้ไขแบบบาง Plate Spline (TPS) เพื่อจำแนกจุดกราวด์และสร้าง DEM แบบเปลือยดิน


อ้างอิง:

สำหรับตัวเลือกเพิ่มเติมเกี่ยวกับอัลกอริทึมการจำแนกประเภทจุดพื้นดินให้ดูที่ Meng และคณะ (2010):


MCC LIDAR ดูเหมือนจะต่อสู้กับจำนวนคะแนน มีข้อความระบุว่าหน่วยความจำไม่เพียงพอลองเว้นระยะการโพสต์ที่ใหญ่ขึ้น ฉันลองโพสต์กริดระยะห่าง 5 จากระยะห่างเริ่มต้น 1 ม. หน่วยความจำของฉันคือ 96Gb บนเวิร์กสเตชันที่แข็งแรงดังนั้นจึงไม่น่าจะมีปัญหา
user32307

@ user32307 ดูโพสต์นี้ซึ่งรายงานปัญหาเดียวกัน คำตอบที่นั่นอาจช่วยคุณได้
Andre Silva

8

ผมคิดว่าLasToolsอาจจะเหมาะกับความต้องการของคุณดูLASGround ใบอนุญาตเป็นบิตตลกขึ้นอยู่กับเครื่องมืออะไร เครื่องมือสามารถดาวน์โหลดและประเมินผลก่อนที่จะซื้อ; ผลิตภัณฑ์ยังมีราคาไม่แพงนัก


7

ฉันโชคดีกับคำสั่ง GroundFilter (คู่มือที่นี่ ) ของ FUSION ฉันไม่มีปัญหาในการจัดการ 40 ล้านคะแนน (ไม่จัดประเภท) ดังนั้นอย่าคาดหวังว่าจะมีปัญหาด้วยคะแนน 100 ล้าน


2

สิ่งนี้สามารถทำได้ด้วยตัวกรอง โดยใช้อัลกอริธึมSimple Morphological Filter (SMRF)หรือProgressive Morphological Filter (PMF)

รวดเร็ว

pdal ground --cell_size=5 --extract input.laz out-bare-earth.laz

สร้างไฟล์ LAS ที่ถูกบีบอัดด้วยดินเปล่าด้วยขนาดเซลล์พื้น 5 หน่วยโดยใช้ PMF ( เอกสาร )

สำหรับคำอธิบายเพิ่มเติมให้ดูที่การระบุการส่งคืนภาคพื้นดินโดยใช้การสอนการแบ่งส่วน ProgressiveMorphologicalFilter

มีส่วนร่วมมากขึ้นโดยใช้ SMRF

ท่อเช่นว่า:

  • ใช้ตัวกรอง SMRF ขยายcellขนาดตัวเลือกเป็น 2.0 (ประสานงานระบบยูนิต) และขีด จำกัด 0.75
  • เลือกเฉพาะจุดกราวด์ที่เพิ่งจัดใหม่ ( 2คือค่ามาตรฐาน LAS สำหรับกราวด์)
  • เขียนการเลือกไปยังไฟล์เอาท์พุท LAS ที่ไม่บีบอัด (เพียงเปลี่ยนนามสกุลเป็น. laz สำหรับการบีบอัด)

คำสั่ง: pdal pipeline "classify-ground-smrf.json"

ไฟล์พารามิเตอร์ JSON:

{
    "pipeline": [
        "inputfile.laz",
        {
            "type":"filters.smrf",
            "cell": "2.0",
            "threshold": "0.75"
        },
        {
            "type":"filters.range",
            "limits":"Classification[2:2]"
        },
        "out/smurf_classifed.las"
    ]
}

ดึงเหนือพื้นดินเท่านั้น

ตัวอย่างนี้ก) จำแนกเป็นกราวด์ / ไม่ - กราวด์ b) เพิ่มแอททริบิว "ความสูงเหนือพื้นดิน" และ c) เอ็กซ์พอร์ตเฉพาะจุด 2.0 (พิกัดหน่วยระบบ) เหนือกราวด์

{
    "pipeline": [
        "input.laz",
        {
            "type": "filters.assign",
            "assignment": "Classification[:]=0"
        },
        {
            "type": "filters.smrf"
        },
        {
            "type": "filters.hag"
        },
        {
            "type": "filters.range",
            "limits": "HeightAboveGround[2:]"
        },
        {
            "filename":"above-ground.laz"
        }
    ]
}

ดัดแปลงมาจากแบรดแชมเบอร์สhttps://lists.osgeo.org/pipermail/pdal/2017-July/001367.html


ฉันได้พบว่ารูปทรงวัตถุเชิงวัตถุบางอย่าง (เช่น. อาคาร) มีการระบุไว้ค่อนข้างดี แต่วิธีการทางสัณฐานวิทยาทำงานได้ค่อนข้างแย่ในพื้นที่ป่าโดยเฉพาะอย่างยิ่งกับความลาดชันที่หลากหลาย หากได้รับข้อมูล lidar ผ่านเขตเมืองฉันจะแนะนำ MF อย่างแน่นอน แต่อัลกอริธึมอื่น ๆ นั้นมีประสิทธิภาพมากกว่าในการตั้งค่าทางกายภาพที่ต่างกัน
Jeffrey Evans

@JeffreyEvans คุณสามารถอธิบายเพิ่มเติมเกี่ยวกับอัลกอริทึมอื่น ๆ ที่คุณพบว่าดีกว่าในการตั้งค่าที่ไม่ใช่ในเมือง (และอาจเป็นรูปแบบที่ไม่ใช่เมืองเช่นป่าภูเขา ... )
matt wilkie
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.