Menentukan DEM bare earth dari file LAS yang tidak terklasifikasi?

10

Saya memiliki data dalam format LAS dengan nilai RGB yang dibuat dari fotogrametri udara menggunakan UAV. Saya mencoba mencari solusi untuk mengekstrak DEM bumi kosong dari cloud titik.

Saya telah mencoba SAGA, Fusion, MCC-LIDAR, tetapi tampaknya mereka membutuhkan file LAS untuk diklasifikasi (yang sebenarnya tidak). Adakah yang bisa mengarahkan saya ke arah yang benar dengan penjelasan singkat tentang prosesnya?

Secara umum, saya perlu memproses sekitar 100 poin pabrik pada satu waktu (dapat ubin jika diperlukan).

pengguna32307
sumber
MCC atau Fusion tidak mengharuskan poin Anda diklasifikasikan. Namun kode program MCC, mengisi bidang klasifikasi. Apa yang membuat Anda percaya bahwa ini masalahnya? Anda mungkin mengalami masalah versi dengan file las Anda yang sebaiknya diidentifikasi sekarang.
Jeffrey Evans

Jawaban:

16

Menghasilkan DEM LiDAR dari cloud titik yang tidak rahasia dengan:

MCC-LIDAR adalah alat baris perintah untuk memproses data LIDAR pengembalian diskrit di lingkungan berhutan (Evans & Hudak, 2007).

Alur kerja:

  • a) cloud titik tidak terklasifikasi.
  • b) pengembalian tanah diklasifikasikan.
  • c) DEM bare-earth (raster).

masukkan deskripsi gambar di sini


Mari kita ciptakan situasi hipotetis untuk lebih lanjut memberikan contoh dengan kode.

MCC-LIDAR dipasang di:

C:\MCC

Cloud titik LiDAR yang tidak diklasifikasi (file .las) ada di:

C:\lidar\project\unclassified.las  

Output yang akan menjadi DEM bare-earth adalah di:

C:\lidar\project\dem.asc  

Contoh di bawah ini mengklasifikasikan pengembalian tanah dengan algoritma PKS dan membuat DEM bare-earth dengan resolusi 1 meter.

#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

Untuk memahami lebih baik bagaimana skala (s) dan ambang batas kelengkungan (t) bekerja, baca: Cara Menjalankan MCC-LiDAR dan; Evans dan Hudak (2007).

Parameter perlu dikalibrasi untuk menghindari kesalahan komisi / pelabelan (ketika suatu titik diklasifikasikan sebagai milik tanah tetapi sebenarnya milik vegetasi atau bangunan). Sebagai contoh:

masukkan deskripsi gambar di sini

MCC-LIDAR menggunakan metode interpolasi Thin Plate Spline (TPS) untuk mengklasifikasikan titik tanah dan menghasilkan DEM bare-earth.


Referensi:

Untuk opsi lainnya tentang algoritme klasifikasi titik dasar, lihat Meng et al. (2010):

Andre Silva
sumber
MCC Lidar tampaknya bertarung dengan jumlah poin. Dikatakan tidak cukup memori, coba spasi posting lebih besar. Saya mencoba post spacing grid 5 dari spasi awal 1m. Memori saya 96Gb pada workstation yang kuat sehingga tidak mungkin menjadi masalah.
user32307
@ user32307, lihat posting ini , yang melaporkan masalah yang sama. Jawaban di sana mungkin bisa membantu Anda.
Andre Silva
8

Saya pikir LasTools mungkin sesuai dengan kebutuhan Anda, lihat LASGround . Lisensi agak lucu tergantung pada alat apa. Alat-alat tersebut dapat diunduh dan dievaluasi sebelum membeli; juga produknya relatif murah.

Michael Stimson
sumber
7

Saya beruntung dengan perintah FUSION (manual di sini ) GroundFilter. Saya tidak punya masalah dalam menangani 40 juta poin (tidak terklasifikasi), jadi saya tidak akan mengharapkan masalah dengan 100 juta poin.

floem
sumber
2

Ini dapat dilakukan dengan filter menggunakan Simple Morphological Filter (SMRF) atau Progressive Morphological Filter (PMF) .

Cepat

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

Membuat file LAS terkompresi bare earth dengan ukuran sel 5 unit tanah menggunakan PMF. ( docs )

Untuk penjelasan lebih lanjut, lihat Mengidentifikasi pengembalian tanah menggunakan tutorial segmentasi ProgressiveMorphologicalFilter .

Lebih terlibat, menggunakan SMRF

Contoh saluran pipa yang:

  • menerapkan filter SMRF, memperbesar cellopsi ukuran ke 2.0 (mengoordinasikan unit sistem) dan ambang batas 0,75
  • hanya memilih titik tanah yang baru diklasifikasikan ( 2adalah nilai standar LAS untuk tanah)
  • menulis pilihan ke file output LAS terkompresi (hanya mengubah ekstensi ke .laz untuk dikompresi)

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

File parameter JSON:

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

Ekstrak di atas tanah saja

Contoh ini a) mengklasifikasikan menjadi ground / not-ground, b) menambahkan atribut "Height Above Ground", dan c) ekspor hanya menunjuk 2,0 (unit sistem koordinat) di atas tanah.

{
    "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"
        }
    ]
}

Diadaptasi dari Brad Chambers, https://lists.osgeo.org/pipermail/pdal/2017-July/001367.html

matt wilkie
sumber
Saya telah menemukan bahwa geometri objek struktural tertentu (mis., Bangunan) diidentifikasi dengan cukup baik tetapi pendekatan morfologis berkinerja sangat buruk di daerah berhutan, terutama dengan lereng variabel. Jika data LIDAR diperoleh di daerah perkotaan saya pasti akan merekomendasikan MF tetapi, algoritma lain jauh lebih efektif mengingat pengaturan fisik yang berbeda.
Jeffrey Evans
@ JeffreyEvans dapatkah Anda menguraikan algoritma apa yang Anda temukan lebih baik di pengaturan non-urban? (dan mungkin jenis non-perkotaan, mis. hutan, pegunungan, ...)
matt wilkie