Answers:
使用以下方法从未分类的点云生成LiDAR DEM:
MCC-LIDAR是用于在森林环境中处理离散返回LIDAR数据的命令行工具(Evans&Hudak,2007)。
工作流程:
让我们创建一个假设的情况,以进一步提供示例代码。
MCC-LIDAR安装在:
C:\MCC
未分类的LiDAR点云(.las文件)位于:
C:\lidar\project\unclassified.las
即将成为裸露DEM的输出在:
C:\lidar\project\dem.asc
下例使用MCC算法对地面回波进行分类,并创建分辨率为1米的裸露DEM。
#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
要更好地理解比例和曲率阈值参数如何工作,请阅读:如何运行MCC-LiDAR和;埃文斯和哈达克(2007)。
需要校准参数以避免佣金/标签错误(当点被分类为属于地面但实际上属于植被或建筑物时)。例如:
MCC-LIDAR使用薄板样条(TPS)插值方法对地面点进行分类并生成裸露的DEM。
参考文献:
有关地面点分类算法的更多选项,请参见Meng等。(2010):
这可以通过使用简单形态滤波器(SMRF)或渐进形态滤波器(PMF)算法的踏板 滤波器来完成。
pdal ground --cell_size=5 --extract input.laz out-bare-earth.laz
使用PMF创建具有5个地面单位像元大小的裸压缩LAS文件。(docs)
有关更多说明,请参阅使用ProgressiveMorphologicalFilter细分教程确定地基收益。
一个管道示例:
cell
大小选项扩大到2.0(坐标系单位)和0.75阈值2
的LAS标准值)命令: pdal pipeline "classify-ground-smrf.json"
JSON参数文件:
{
"pipeline": [
"inputfile.laz",
{
"type":"filters.smrf",
"cell": "2.0",
"threshold": "0.75"
},
{
"type":"filters.range",
"limits":"Classification[2:2]"
},
"out/smurf_classifed.las"
]
}
此示例a)分类为地面/非地面,b)添加“地面上的高度”属性,并且c)仅输出地面上的点2.0(坐标系单位)。
{
"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"
}
]
}
改编自布拉德·钱伯斯(Brad Chambers),https://lists.osgeo.org/pipermail/pdal/2017-July/001367.html