Menipiskan awan titik besar LiDAR?

8

Saya memiliki cloud titik besar (file LAS) dan saya mencoba untuk mengencerkan ini menggunakan teknik yang kompleks. Saya tahu adalah mungkin untuk mengencerkan cloud titik menggunakan teknik sederhana seperti mengekstraksi setiap titik _ke- n . Namun titik cloud tempat saya bekerja lebih padat di beberapa area dan kurang padat di area lain. Saya ingin dapat mengencerkan awan sehingga area yang lebih padat menipis lebih berat daripada area yang kurang padat. Untuk melakukan ini secara manual, seseorang dapat membuat kotak dan memilih sejumlah titik dalam setiap sel. (Yaitu satu di setiap sudut dan satu di tengah) Namun cloud titik ini terlalu besar untuk tugas ini. Saya mencoba mencari tahu apakah ada solusi yang ada untuk masalah ini seperti permintaan seleksi yang kompleks, proses otomatis lainnya, atau aplikasi perangkat lunak yang ada yang dapat digunakan.

— Bodkinz
sumber

+1. Satu opsi untuk dicoba adalah baris perintah ThinDatadari Fusion. Dalam jawaban ini saya jelaskan cara kerjanya. Jawaban Howard tampaknya juga menjanjikan. Beri tahu kami jika itu sesuai dengan situasi Anda. Tks.

— Andre Silva

Menggunakan alat seperti MeshLab http://meshlab.sourceforge.net/ akan memungkinkan Anda untuk dengan mudah membandingkan saran oleh Andre Silva. Sepertinya kumpulan data Anda cukup kecil untuk interaktif dalam konteks ini.

— orbatos

Menemukan pertanyaan ini di pertanyaan jaringan panas, bergabung di sini hanya untuk memposting komentar ini. Tidak tahu apa-apa tentang kumpulan data atau bidang ini tampaknya masih menyerukan teknik pengurangan dimensi 'PCA' (analisis komponen utama). Mungkin beberapa solusi menggunakan ini?

— Lamar Latrell

13

Sepertinya Anda ingin penipisan berbasis voxel atau mungkin berbasis Poisson. PDAL dapat melakukan keduanya. Lihat tutorial PDAL pada topik di https://pdal.io/tutorial/sampling/index.html

.

Sejauh ukuran file, harap tentukan "besar". Hampir semua teknik kecuali penipisan peringkat sederhana (menghapus titik ke-n) akan ingin memiliki akses ke seluruh file dalam memori. Opsi lain akan membutuhkan teknik dua tahap indeks + pengambilan sampel yang lebih canggih untuk menghindari persyaratan itu.

— Howard Butler
sumber

Terima kasih, ini terlihat sangat berguna, saya belum menemukan ini dan akan memeriksanya sekarang. Sejauh ukuran saya melihat sekitar 3 juta poin.

— Bodkinz

3 juta poin == ujung kecil dari dataset LiDAR. Cukup besar untuk mulai menyebabkan masalah dengan memori dan mungkin 100 juta atau lebih.

— Howard Butler

Baik untuk mengetahui, saya relatif tidak berpengalaman dengan LiDAR tetapi saya merasa bahwa PDAL adalah persis apa yang saya cari, saya sebelumnya mencari jawaban di mapper global, GRASS, SAGA, dan laspy dll ...

— Bodkinz

Pipa PDAL memudahkan melacak parameter pemrosesan Anda dan mereproduksi atau mengolah pekerjaan Anda.

— Charlie Parr

6

Anda dapat mencoba lasthin atau lasduplicate dari LAStools . Dengan lasthin, Anda dapat menyimpan titik '-terendah', '-terendah', '-random', atau paling 'sentral' pada kisi 2D di bidang x / y dengan ukuran '-langkah 0,5' yang ditentukan pengguna. Dengan lasduplicate, Anda dapat menentukan untuk menghapus semua titik yang '-ekat oleh 0,005' dalam 3D dari semua titik yang sebelumnya muncul. Lihat file README tertaut untuk detail lebih lanjut.

— LAStools
sumber

1

Ngomong-ngomong, mengapa Anda memiliki dua akun ? Anda mungkin harus menggabungkannya .

— Andre Silva

Saya telah menemukan alat-alat itu berguna, tetapi tak satu pun dari mereka akan membantu mencapai penipisan yang mempertahankan lebih banyak titik di mana data paling padat, seperti yang dicari OP.

— ToolmakerSteve

2

Anda dapat menggunakan FUSION 's ThinDataperintah untuk ini ( Dokumentasi p.130 ). ThinDatasangat berguna karena memungkinkan Anda untuk mengecilkan data cloud hingga kepadatan pulsa yang diinginkan per unit persegi. Dari dokumentasi FUSION:

ThinData [switches] OutputFile Density CellSize DataFile

ThinData memungkinkan Anda untuk mengencerkan data LIDAR ke kepadatan pulsa tertentu. Kemampuan ini berguna ketika membandingkan hasil analisis dari beberapa akuisisi LIDAR yang dikumpulkan menggunakan kepadatan pulsa yang berbeda. ThinData juga berguna ketika kepadatan dalam satu set data LIDAR tidak seragam. Ini sering terjadi dengan data yang dikumpulkan dari helikopter yang terbang lambat atau ketika tumpang tindih jalur penerbangan tidak dipantau secara ketat. ThinData juga telah digunakan dalam eksperimen simulasi untuk menilai efek kepadatan pulsa LIDAR pada keakuratan estimasi metrik inventarisasi hutan seperti ketinggian pohon keseluruhan.

— Harun
sumber

1

Anda dapat menggunakan LiDAR360, unduh versi percobaan 30 hari gratis dari situs web GreenValley International . LiDAR360 menawarkan tiga metode untuk subsampling: penspasian titik minimum, laju sampling, dan octree. Metode jarak titik minimum perlu menetapkan jarak titik minimum antara dua titik sehingga jarak tiga dimensi minimum antara dua titik di awan titik sampel tidak akan kurang dari nilai ini. Metode laju sampling perlu mengatur persentase poin yang dipesan. Dalam mode ini, LiDAR360 akan secara acak mempertahankan jumlah poin yang ditentukan. Poin Cadangan = Jumlah Total Poin * Tingkat Sampel. Metode octree memungkinkan pengguna untuk memilih tingkat pembagian "octree" dan membuat voxels 3D untuk cloud titik input. Hanya titik terdekat dengan setiap pusat voxel yang akan dipertahankan.

— Chenlinhai
sumber