Làm loãng đám mây điểm LiDAR lớn?


8

Tôi có một đám mây điểm lớn (tệp LAS) và tôi đang cố gắng làm mỏng nó bằng một kỹ thuật phức tạp. Tôi biết có thể làm mỏng một đám mây điểm bằng các kỹ thuật đơn giản như trích xuất mọi điểm thứ n . Tuy nhiên, đám mây điểm tôi đang làm việc dày đặc hơn ở một số khu vực và ít mật độ hơn ở các khu vực khác. Tôi muốn có thể làm mỏng đám mây để các khu vực dày đặc hơn được làm mỏng hơn so với các khu vực ít mật độ hơn. Để thực hiện việc này một cách thủ công, người ta có thể tạo một lưới và chọn một số điểm nhất định trong mỗi ô. (tức là một ở mỗi góc và một ở trung tâm) Tuy nhiên, điểm đám mây này quá lớn cho nhiệm vụ này. Tôi đang cố gắng tìm hiểu xem có bất kỳ giải pháp hiện có nào cho vấn đề này không, chẳng hạn như truy vấn lựa chọn phức tạp, quy trình tự động khác hoặc ứng dụng phần mềm hiện có có thể được sử dụng.


+1. Một tùy chọn để thử là dòng lệnh ThinDatatừ Fusion. Trong câu trả lời này tôi giải thích cách nó hoạt động. Câu trả lời của Howard dường như cũng đầy hứa hẹn. Hãy cho chúng tôi biết nếu họ làm việc cho tình huống của bạn. Tks.
Andre Silva

Sử dụng một công cụ như MeshLab http://meshlab.sourceforge.net/ sẽ cho phép bạn dễ dàng so sánh các đề xuất của Andre Silva. Có vẻ như tập dữ liệu của bạn đủ nhỏ để tương tác trong ngữ cảnh này.
orbatos

Tìm thấy câu hỏi này trên các câu hỏi mạng nóng, tham gia ở đây chỉ để đăng bình luận này. Không biết gì về tập dữ liệu hoặc trường, điều này dường như vẫn đang kêu gọi các kỹ thuật giảm kích thước 'PCA' (phân tích thành phần nguyên tắc). Có lẽ một số giải pháp sử dụng điều này?
Lamar Latrell

Câu trả lời:


13

Nghe có vẻ như bạn muốn một chất làm loãng dựa trên voxel hoặc có thể là một loại dựa trên Poisson. PDAL có thể làm một trong hai. Xem hướng dẫn của PDAL về chủ đề này tại https://pdal.io/tutorial/sampling/index.html

Lấy mẫu PDAL.

Theo kích thước của tệp, vui lòng xác định "lớn". Chỉ cần về bất kỳ kỹ thuật nào ngoại trừ việc giảm thứ hạng đơn giản (loại bỏ điểm thứ n) sẽ muốn có quyền truy cập vào toàn bộ tệp trong bộ nhớ. Các tùy chọn khác sẽ yêu cầu kỹ thuật lấy mẫu + chỉ số hai giai đoạn phức tạp hơn để tránh yêu cầu đó.


Cảm ơn bạn, điều này có vẻ rất hữu ích, tôi đã không bắt gặp điều này và sẽ xem xét ngay bây giờ. Theo như kích thước tôi đang nhìn vào khoảng 3 triệu điểm.
Bodkinz

3 triệu điểm == bộ dữ liệu LiDAR nhỏ. Đủ lớn để bắt đầu gây rắc rối với bộ nhớ và như vậy có thể là 100 triệu hoặc hơn thế.
Howard Butler

Rất tốt để biết, tôi tương đối thiếu kinh nghiệm với LiDAR nhưng tôi có cảm giác rằng PDAL chính xác là những gì tôi đang tìm kiếm, trước đây tôi đã tìm kiếm câu trả lời trong trình ánh xạ toàn cầu, GRASS, SAGA và laspy, v.v ...
Bodkinz

Các đường ống PDAL giúp dễ dàng theo dõi các thông số xử lý của bạn và tái tạo hoặc xử lý hàng loạt công việc của bạn.
Charlie Parr

6

Bạn có thể thử Lasthin hoặc lasd repeatate từ LAStools . Với Lasthin, bạn có thể giữ điểm 'thấp nhất', 'cao nhất', '-random' hoặc 'trung tâm' nhất trên lưới 2D trong mặt phẳng x / y với kích thước '-step 0,5' do người dùng xác định. Với lasd repeatate, bạn có thể chỉ định xóa tất cả các điểm '-gầnby 0,005' trong tất cả các điểm xuất hiện trước đó. Xem tập tin README được liên kết để biết thêm chi tiết.


1
Nhân tiện, tại sao bạn có hai tài khoản ? Bạn có lẽ nên hợp nhất chúng .
Andre Silva

Tôi đã tìm thấy những công cụ này hữu ích, nhưng cả hai công cụ này đều không giúp thực hiện việc làm mỏng mà vẫn giữ được nhiều điểm hơn trong đó dữ liệu dày nhất, như OP tìm kiếm.
ToolmakerSteve

2

Bạn có thể sử dụng lệnh của FUSIONThinData cho việc này ( Tài liệu tr.130 ). ThinDatathực sự tiện dụng vì nó cho phép bạn làm mỏng dữ liệu đám mây đến mật độ xung mong muốn trên mỗi đơn vị vuông. Từ tài liệu của FUSION:

ThinData [switches] OutputFile Density CellSize DataFile

ThinData cho phép bạn làm mỏng dữ liệu LIDAR đến mật độ xung cụ thể. Khả năng này rất hữu ích khi so sánh kết quả phân tích từ một số vụ mua lại LIDAR được thu thập bằng các mật độ xung khác nhau. ThinData cũng hữu ích khi mật độ trong một tập dữ liệu LIDAR không đồng nhất. Đây thường là trường hợp với dữ liệu được thu thập từ một máy bay trực thăng bay chậm hoặc khi sự chồng chéo của đường bay không được giám sát chặt chẽ. ThinData cũng đã được sử dụng trong các thí nghiệm mô phỏng để đánh giá ảnh hưởng của mật độ xung LIDAR đến độ chính xác của các số liệu kiểm kê rừng ước tính như chiều cao tổng thể của cây.


1

Bạn có thể sử dụng LiDAR360, tải xuống phiên bản dùng thử miễn phí 30 ngày từ trang web GreenValley International . LiDAR360 cung cấp ba phương pháp để lấy mẫu con: khoảng cách điểm tối thiểu, tốc độ lấy mẫu và octree. Phương pháp giãn cách điểm tối thiểu cần đặt khoảng cách điểm tối thiểu giữa hai điểm sao cho khoảng cách ba chiều tối thiểu giữa hai điểm bất kỳ trong đám mây điểm được lấy mẫu sẽ không nhỏ hơn giá trị này. Phương pháp tỷ lệ lấy mẫu cần thiết để thiết lập tỷ lệ phần trăm của các điểm dành riêng. Trong chế độ này, LiDAR360 sẽ giữ lại ngẫu nhiên số điểm đã chỉ định. Điểm dành riêng = Tổng số điểm * Tỷ lệ mẫu. Phương pháp Octree cho phép người dùng chọn cấp độ phân chia "octree" và xây dựng các voxels 3D cho đám mây điểm đầu vào. Chỉ điểm gần nhất với mỗi trung tâm voxel sẽ được giữ lại.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.