将LAS文件转换为numpy数组？

我已经开始学习如何在python中处理LAS数据，并希望了解其他人如何处理LAS文件。我想阅读要点（我使用的是numpy数组），并将1类和2类（未分类和分类）过滤到单独的数组中。我有以下代码，但似乎无法过滤点。

# Import modules
from liblas import file
import numpy as np

if __name__=="__main__":
    '''Read LAS file and create an array to hold X, Y, Z values'''
    # Get file
    las_file = r"E:\Testing\ground_filtered.las"
    # Read file
    f = file.File(las_file, mode='r')
    # Get number of points from header
    num_points = int(f.__len__())
    # Create empty numpy array
    PointsXYZIC = np.empty(shape=(num_points, 5))
    # Load all LAS points into numpy array
    counter = 0
    for p in f:
        newrow = [p.x, p.y, p.z, p.intensity, p.classification]
        PointsXYZIC[counter] = newrow
        counter += 1

我见过arcpy.da.featureClassToNumpyArray，但是我不想导入arcpy，也不必转换为shapefile。

我还能如何将LAS数据过滤/读取到numpy数组中？

您PointsXYZIC现在是一个numpy数组。这意味着您可以使用numpy索引来过滤您感兴趣的数据。例如，您可以使用布尔值索引来确定要抓取的点。

#the values we're classifying against
unclassified = 1
ground = 2

#create an array of booleans
filter_array = np.any(
    [
        PointsXYZIC[:, 4] == unclassified, #The final column to index against
        PointsXYZIC[:, 4] == ground,
    ],
    axis=0
)

#use the booleans to index the original array
filtered_rows = PointsXYZIC[filter_array]

现在，您应该拥有一个numpy数组，其中包含未分类或未分类数据的所有值。要获取已分类的值，可以使用：

filter_array = np.all(
    [
        PointsXYZIC[:, 4] != unclassified, #The final column to index against
        PointsXYZIC[:, 4] != ground,
    ],
    axis=0
)

使用laspy读取LAS文件，并轻松以可交互的numpy数组形式返回数据。laspy是纯python，几乎与libLAS一样快，比libLAS Python绑定具有更多功能，并且易于部署。

如果您已经知道这一点，我们深表歉意，但是LASTools是一款出色的开源工具，现已与ArcGIS和QGIS 2.0集成在一起-该工具具有用于按您所查看的方式过滤数据的选项。