Tôi sẽ khuyên Pdal điểm thư viện dữ liệu abstratction. Tôi đã thành công khi sử dụng PDAL cho một vấn đề lọc tương tự. Tôi thích PDAL vì nó là nguồn mở, cung cấp hỗ trợ Python và giúp tôi dễ dàng tái tạo việc xử lý và theo dõi các tham số lọc của mình. Tôi cũng thích nó bởi vì nó có 'đường ống' nơi bạn có thể xâu chuỗi nhiều bước (ví dụ: cắt rồi lọc rồi xuất) và thực hiện chúng cùng một lúc. Lưu ý rằng nếu bạn có các đám mây điểm thực sự rất lớn, PDAL có thể không nhanh như một số giải pháp khác (LASTools, QTM, v.v.).
Bạn có thể giải quyết vấn đề về các điểm ngoại vi bằng đường ống PDAL tương tự như sau:
{
"pipeline": [
"input_utm.las",
{
"type":"filters.crop",
"bounds":"([401900,415650],[7609100,7620200])"
},
{
"type":"filters.outlier",
"method":"statistical",
"mean_k":12,
"multiplier":2.0
},
{
"type":"filters.range",
"limits":"Classification![7:7]"
},
{
"filename":"output.tif",
"resolution":1.0,
"output_type":"mean",
"radius":3.0,
"bounds":"([401900,415650],[7609100,7620200])",
"type": "writers.gdal"
}
]
}
Đường ống này đọc trong LAS, cắt nó đến một phạm vi UTM được chỉ định, sau đó thực hiện bộ lọc đánh dấu tất cả các điểm ngoại vi, sau đó thực hiện bộ lọc thứ hai chỉ giữ lại các điểm không ngoại lệ (ví dụ cờ Phân loại! = 7), sau đó xuất sang độ phân giải GeoTIFF 1 m. Bộ lọc thống kê đang thực hiện tính toán khoảng cách trung bình lân cận gần nhất để kiểm tra xem một điểm có "quá xa" so với các lân cận của nó hay không và do đó là một ngoại lệ.
Từ tài liệu :