Questions tagged «lidar»

LIDAR(光检测和测距或激光成像,检测和测距)是一种主动的光学遥感技术,可测量散射光的属性以查找远距离目标的距离和/或其他信息。

2
LAS到DEM转换的正确工作流程
我经常遇到带有高程数据的LiDAR(.LAS)文件。当我这样做时,我总是很难找到一种将其转换为DEM进行水文分析的方法。我已经开发了几个工作流,即使它们通常(但并非总是如此!)输出我需要的东西,但它们似乎并没有非常优化。另外,我希望有一个可以依靠的工作流程,而不必每次都尝试三种不同的方法。 这些是我当前的工作流程: FME: LAS阅读器-> PointCloudCombiner-> RasterDEMGenerator-> Geotiff编写器。(参考时间5分钟)。 ArcMap: LAS到多点->多点到地形->地形到栅格(10分钟)。 LAS到多点->创建TIN(因为Topo到栅格无法读取Point.Z值)-> TIN到栅格(15分钟)。 创建新的镶嵌数据集,并将LAS添加为栅格。导出到ESRI GRID。 LAStools: LAStoTXT->创建XY事件图层->到Shapefile->地形到光栅(3-4小时) 我也知道将LAS数据集转换为栅格数据并将LAS数据集转换为TIN等数据,但它们通常无法识别我的LAS文件。据我了解,Arcmap中的#1是ESRI首选方法(?)。 我想要的只是一个水文正确的栅格,可用于进一步分析。你会用什么? 我可以访问ArcGIS Standard 10.1(即将推出10.2),3D分析师,空间分析师。欢迎使用开源解决方案以及在必要时编写脚本(Python)。

7
从高分辨率LiDAR DEM创建精确的排水网络(和集水区)的方法?
这不是我第一次偶然发现这个问题。看来我无法从全分辨率(1m个像元)的LiDAR数据中生成正确的排水网络模型和集水区。 当我对LiDAR数据集进行泛化,将其转换为整数DEM并填充接收器时,一切都很好,并且我可以轻松创建看起来非常泛化的模型。但是,我想为大型地图生成详细的站点模型,而这正是我遇到的问题。 我应该指出,大多数问题发生在平坦地区。 我希望排水管网能够准确地跟踪地形,但是当我使用整数DEM输入创建排水管网时,生成的流非常普通,并且经常在不应该连接的区域“断开连接”。溪流甚至没有紧紧跟随地形中的自然山脊。还有很多“孤立”或“无处可去”的细分。当我使用浮点DEM输入时,生成的排水网络是详细而准确的,但与孤立流的连接非常疏离,成簇且“乱丢”。 我怀疑我的问题出在数据准备中。整数vs浮点栅格DEM输入,正确填充汇等,还是我必须以某种方式处理表面数​​据才能首先创建“水文学上正确的”输入DEM? 有人可以描述使用高分辨率LiDAR创建连续排水网络和集水区的正确方法吗? 就目前而言,我从整数DEM输入创建模型方面取得了更大的成功。但是,这对于详细的大规模分析而言并不理想: 第一个附加图像是由整数DEM输入生成的模型。圈出了几个明显的问题区域。请注意,实际上似乎是主要排水通道中有溪流。我添加了一个非常通用的流版本。 编辑:正如我已经提到的,我已经从整数DEM输入创建模型取得了更大的成功。以下屏幕截图说明了为什么会这样。尽管整数DEM输入存在许多问题(如上所示),但它仍会产生排水网络,尽管不符合地形特征,但排水网络的连通性较小。正如您在下面的图像中直接看到的那样,使用浮点DEM输入会生成一个非常断开的群集网络,上面充满了小的孤立段。 从浮点DEM生成的流量累积栅格 由整数DEM生成的流量累积栅格 据我推断,这两种方法均会产生截然不同的结果,这两种方法都无法用于详细的模型。 编辑:我为使这篇文章越来越长而道歉(也许我没有用英语清楚地表达自己)为了进一步说明使用浮点DEM作为输入的问题,我将附加结果流链接输出以及结果分水岭。我期望的是一个连续的河流网络,整个盆地覆盖的整个区域相互流入。 从浮点输入DEM产生的Stream Link: 从浮点输入DEM产生的流域盆地: 这是一个示例(附近区域,相同的数据),其中流域的整个流向由于使用整数DEM输入而发生了变化:红色箭头是模型的流向,蓝色箭头指示实际流向。(蓝线-实际流,红色网络是LiDAR派生的流网络Strahler顺序) 数据链接:https : //www.yousendit.com/download/MEtSOGNVNXZvQnRFQlE9PQ (将于2011年5月13日到期)


6
Python提供哪些LiDAR处理工具?
我一直在使用FUSION和命令行FUSION Lidar Toolkit(LTK)来处理LiDAR数据。广泛的Google搜索(“ Lidar Python”)产生了libLAS和pyLAS作为Python LiDAR库,但是,这些库似乎仅提供对LAS数据的读写访问。 除了来自点云的冠层曲面模型之外,我对创建强度和密度图像特别感兴趣。Python中是否有一套公认的工具可以完成FUSION LTK能够完成的同类任务?

9
从网络浏览器查看LiDAR数据?
我希望将激光雷达数据托管在自己的服务器上,并使客户端能够通过网络浏览器将数据查看为3D点云(文件格式为.las格式或等效格式),并且可能具有测量特征的功能。 有谁知道一个易于实现的软件可以做到这一点? 我并不是在急切地寻找开放源代码,我更喜欢即插即用的东西,因为我不是程序员。

3
考虑地面DEM中的桥梁立交桥以允许立交桥下的水流
我有一个由激光雷达数据(A)制成的裸露DEM。 它运作良好,并通过了所有准确性测试。它用于风暴潮模型。我们遇到的问题是地下通道。当一条道路穿过另一条道路时,我需要让水流过地下通道。我的想法是: 1)从OSM获取所有标记为桥梁的道路。 2)选择在其下交叉(相交)的所有交叉路。 3)然后在新选择的新路段(2)上将其转换为栅格。 4)提取这些路段下的所有DEM(A)值。 5)在新路段(2)下选择这些值中的最小值。 6)将这个最小值刻录到DEM中,我必须切穿地下通道。 对所有建议,改进和如何实现此目标的想法开放,包括完全不同的解决方案。 其他选择只是获取相交点并使其长大,或者可以确定汇点并从中进行工作。
18 dem  lidar  hydrology  streets 

7
在QGIS中查看LIDAR数据(.las)?
是否存在在QGIS中可视化LIDAR数据的简便方法? 我从http://lidar.cr.usgs.gov/下载了.las格式的USGS LIDAR数据。这意味着我同时拥有.xml和.xml格式的元数据。我知道liblas,但不知道如何将其应用于此任务。我正在使用QGIS 1.7.0-Wroclaw在Ubuntu 11.04上运行。 ArcGIS的一个类似问题是:将 ArcGIS的 LiDAR数据转换成栅格(DEM / DSM)?。我只需要了解这些数据和注册即可。如果可以直观地看到,可以转换为DEM。

3
在SQL Server 2008上的7000万点云上优化最近邻居查询
我在SQL Server 2008 R2 Express数据库中有大约7500万条记录。每个都是对应某个值的纬度。该表具有“地理位置”列。我正在尝试为给定的经度(点)找到一个最近的邻居。我已经有一个具有空间索引的查询。但是根据记录在数据库中的位置(例如第一季度或最后一个季度),查询可能需要3到30秒才能找到最近的邻居。我认为可以通过优化查询或空间索引来优化此方法,以得到更快的结果。现在,使用默认设置应用了一些空间索引。这是我的表和查询的样子。 CREATE TABLE lidar( [id] [bigint] IDENTITY(1,1) NOT NULL, [POINTID] [int] NOT NULL, [GRID_CODE] [numeric](17, 8) NULL, [geom] [geography] NULL, CONSTRAINT [PK_lidar_1] PRIMARY KEY CLUSTERED ([id] ASC) WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] ) …

9
将XYZ文件(具有固定间隔的xy)转换为ESRI GRID格式?
通常,顾问(LiDAR调查)为我提供符合我要求的数据;已经采用ESRI GRID或ASCII GRID格式。这样,LiDAR数据可轻松与ArcGIS结合使用。这次我只有xyz文件(即具有规则间隔的xy坐标)。 以前,我使用的是Min-Lang Huang的实用程序,名为GridBatch,该实用程序会将XYZ转换为ASCII GRID,然后转换为ESRI GRID文件。不幸的是,自从我将计算机升级到W7 64bit并将ArcGIS升级到版本10以来,该实用程序崩溃了。 还有另一种将LiDAR表面XYZ数据批量转换为ESRI GRID文件的方法吗? (转换为点->内插是一个选项,我想避免考虑要转换的300多个图块)。

3
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__()) …
15 python  lidar  numpy  array  liblas 

2
PostGIS中的大点云激光数据-存储和处理
我想知道,考虑到处理时间的考虑,如何在PostGIS中存储大量激光扫描点云数据。我知道,PointPostGIS中存在一个几何对象。但据我所知,它会将每个点保存在一个新的tupel中,如果存储了数百万个或更多,则可以使搜索某个特定点非常缓慢。 我从HSR应用科学大学的Rapperswill网站找到了一篇论文,讨论了这一主题。它提出了三种存储此类数据的方法:Whole data in one tupel,Each point in one tupel或Splitting Data into Blocks由信息表引用的方法,用于保存每个块的扩展。由于第三种方法似乎对于定位存储的点最为有用,我想知道是否有人已经对此进行了一些体验? 该文件可以在这里找到:http : //wiki.hsr.ch/Datenbanken/files/pgsql_point_cloud.pdf 最后但并非最不重要的一点是,我在github上的一个项目中遇到了麻烦,该项目似乎处理了PostgeSQL中的点云方式。不幸的是,网上没有太多有关它的信息。同样的问题在这里:有人已经对此有所经验吗?可用于此类目的吗? 可以在这里找到项目:https://github.com/pramsey/pointcloud 如果有其他建议,想法或经验,我也很高兴听到。但是我必须承认,非商业解决方案是首选。

4
从DEM中提取堤坝?
我确实有1x1米的DEM和.las组成的.las中的原始LiDAR点云。我需要提取河堤(堤坝的最高点)到矢量特征(点,折线)。 对算法或现有工具有任何想法吗? 堤防在第一个图像上为浅灰色,下面是堤防示例区域的点云图像。在蓝色的河中心线。 从DEM提取线性特征的任何工具吗? 我相信我需要像ENVI的空间特征提取模块(第7页)之类的东西,但是没有ENVI的部分,因为我负担不起:)

16
寻求点云(LiDAR)数据?[关闭]
已关闭。这个问题需要更加集中。它当前不接受答案。 想改善这个问题吗?更新问题,使其仅通过编辑此帖子来关注一个问题。 4年前关闭。 有免费的点云数据吗? 我对小区域(半径5m至100m半径)的密集云特别感兴趣,但其他任何方法也都可以。 我发现这些页面具有非常漂亮且易于访问的点云数据。 http://kos.informatik.uni-osnabrueck.de/3Dscans/ http://www.liblas.org/samples/ http://www-graphics.stanford.edu/data/3Dscanrep/
14 data  lidar 

6
可视化多个大型LiDAR磁贴的方法?
我想加载大约10个大型LiDAR切片进行分析。我曾尝试使用ArcScene,但似乎ArcScene一次只能处理多少数据是有限制的。每个图块的大小为65-90MB。我正在使用(并且可用)的唯一收益是地面收益。 我的电脑有8GB内存,一个AMD 6核处理器和一个非常好的显卡。我相当确定,足以处理大量数据。 我不反对使用ESRI产品以外的产品来完成此任务。还有哪些其他选项可以可视化多个大型LiDAR磁贴? 要在Web浏览器中可视化LiDAR /点克隆数据,请参阅从Web浏览器查看LiDAR数据?

3
在ArcGIS for Desktop中使用LiDAR时* .las与* .xyz或* .ascii的好处?
我们有时会使用LiDAR数据在ArcGIS中进行建模。以前,我们将为数据提供.xyz或.ascii,但最近,除了.xyz和ascii的文件之外,我们还提供了.las文件。 我正在阅读这篇文章,其中指出“对于启动者来说,具有LAS格式的激光雷达可能很明显,但对于使用激光雷达数据的初学者而言并不明显”和“它是二进制的,高效的,得到广泛支持的格式,并且ArcGIS最适合使用该格式”。我是使用.las格式的新手之一。 通常,对于.xyz和ascii,我将使用Global Mapper将其转换为栅格网格(以在建模中使用),而且似乎还需要转换.las文件(为点云)。我想我要问的问题是: 如果仍然需要将.las与.xyz或ascii相比,使用.las有什么好处?

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.