从未分类的LAS文件确定裸露DEM?


10

我有LAS格式的数据,其中的RGB值是使用无人机从航空摄影测量中创建的。我正在尝试找到一种从点云中提取地球DEM的解决方案。

我已经尝试过SAGA,Fusion和MCC-LIDAR,但似乎他们需要对LAS文件进行分类(自然而然就没有)。有人可以向我指出正确的方向,并简要说明该过程吗?

通常,我一次需要处理大约100个铣削点(如果需要,可以平铺它们)。


我的客户中心(MCC)或Fusion(融合)不需要对您的积分进行分类。但是,MCC程序代码确实会填充分类字段。是什么使您认为情况如此?您的las文件可能存在版本问题,现在可以很好地识别。
杰弗里·埃文斯

Answers:


16

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:

  • a)未分类的点云。
  • b)地面收益归类。
  • c)稀土DEM(栅格)。

在此处输入图片说明


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:

在此处输入图片说明

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):


“我的客户中心”激光雷达似乎在与积分争夺。它说内存不足,请尝试更大的帖子间距。我尝试从1m的初始间距开始将5的间距栅格化。在强大的工作站上,我的内存为96Gb,因此可能不是问题。
user32307 2014年

@ user32307,请参阅这篇文章,其中报告了同样的问题。那里的答案可能会帮助您。
Andre Silva

8

我认为LasTools可能适合您的需求,请参阅LASGround。根据使用什么工具,许可证有点有趣。可以在购买之前下载并评估工具;而且该产品相对便宜。


7

我对FUSION(这里的手册)GroundFilter命令有好运。我毫无问题地处理了4000万个积分(未分类),因此不会有1亿个问题。


2

这可以通过使用简单形态滤波器(SMRF)渐进形态滤波器(PMF)算法的 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

参与更多,使用SMRF

一个管道示例:

  • 应用SMRF滤波器,将cell大小选项扩大到2.0(坐标系单位)和0.75阈值
  • 仅选择新分类的地面点(地面2的LAS标准值)
  • 将选择内容写入未压缩的LAS输出文件(只需将扩展名更改为.laz以进行压缩)

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"
    ]
}

仅提取地面

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


我发现可以很好地识别某些结构物体的几何形状(例如,建筑物),但是形态学方法在森林地区,尤其是在坡度可变的地区,效果很差。如果一定要在市区范围内获取激光雷达数据,我当然会推荐使用MF,但是在不同的物理设置下,其他算法会更有效。
Jeffrey Evans

@JeffreyEvans您能详细说明在非城市环境中发现其他更好的算法吗?(以及可能是哪种非城市,例如森林,山地……)
马特·威尔基(Matt wilkie
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.