Khai thác mảnh gỗ thô

Tôi đã tạo ra đám mây điểm dày đặc rất cao của một số lô rừng bằng máy quét laser trên mặt đất. Sau đó loại bỏ các điểm trên 1,3 mét để xem các mảnh vụn gỗ thô (Cây chết). Kèm theo là DEM bóng mờ của ô mẫu với các mảnh vụn gỗ thô bên trong hình elip màu đỏ.

Lô đất cũng bao gồm những cây nhỏ, một phần của thân cây dưới 1,3 mét, mặt đất và những tảng đá nhỏ. Từ các mảnh vỡ hình ảnh gỗ là rõ ràng với hình dạng liên tục của nó. Tôi đang tìm kiếm công cụ để trích xuất các mảnh vụn gỗ từ hình ảnh này. Arcmap, Envi hoặc bất kỳ phần mềm nguồn mở nào đều hoàn hảo và tôi cũng có kiến thức cơ bản về Python nếu mã hóa là hữu ích.

— Cảnh sát trưởng
nguồn

LiDAR của bạn được phân loại? Tự động mặt đất / nonground sẽ giúp ở đây. Các thuật toán tự động sẽ phân loại các mảnh vỡ của bạn thành các tòa nhà (trên mặt đất không có điểm mặt đất bên dưới), bạn có thể thử chuyển đổi lớp xây dựng của mình (hoặc lớp rau thấp / trung bình) thành TIN với Esri và chuyển đổi TIN thành tam giác tài nguyên.arcgis.com /en/help/main/10.1/index.html#//... , xóa thực sự dài đứng về phía tam giác (python bắt buộc), hòa tan và bỏ qua những cái nhỏ. Tất cả các số liệu này sẽ yêu cầu thử nghiệm và có thể một số kiểm tra thủ công để loại bỏ quang sai.

— Michael Promotionson

Cảm ơn bạn @ Michael Promotionson. Tôi đã phân loại mặt đất và thảm thực vật, nhưng tôi sẽ thử phân loại xây dựng để xem nó có thể phát hiện các mảnh vụn gỗ không. Phương pháp TIN nghe có vẻ như công việc thủ công hơn có thể không lý tưởng cho trường hợp của tôi vì tôi có 96 lô 1 ha.

— Sher

Tinning và decimating nên giảm số lượng các khu vực để kiểm tra bằng cách bỏ qua bất cứ điều gì quá nhỏ để được coi là tiếp giáp nhưng từ kinh nghiệm sẽ có một số lượng nhỏ các khu vực dường như tiếp giáp nhưng không .. dễ bị phát hiện bởi mắt nhưng không dễ để phát hiện bằng thuật toán; học máy có thể giúp ích nhưng tôi không có kinh nghiệm trong lĩnh vực này để thuyết phục / can ngăn bạn khỏi quá trình hành động này. Cá nhân tôi sẽ không chỉ dựa vào một quy trình phần mềm mà không xác minh kết quả.

— Michael Promotionson

Tôi không chắc chắn nếu điều này đã được thực hiện trước đó. Tôi sẽ cố gắng sử dụng một mạng tích chập hoàn toàn thực hiện phân đoạn hình ảnh như mạng U: deeplearning.net/tutorial/unet.html .

— Aaron

Bạn có thể đăng một hình ảnh ví dụ mà không có hình elip màu đỏ?

— BERA

Để thêm vào những gì Michael đã nói, tôi khuyên bạn nên tính toán độ nhám bề mặt của DEM của bạn bằng cách sử dụng chỉ số Rumple hoặc số liệu simliar. Bạn cũng có thể thực hiện ước tính độ nhám trên chính đám mây điểm miễn là các điểm mặt đất đã được phân loại.

Bạn có thể phân loại loại mảnh vỡ mà bạn quan tâm chỉ dựa trên các giá trị độ nhám, nhưng bạn cũng sẽ có thể so sánh độ nhám của DEM và đám mây điểm so với nhau. Điều này có thể giúp bạn xác minh tính hợp lệ của DEM cũng như vị trí của các mảnh vụn gỗ thô của bạn.

Đây là một liên kết đến một gói có thể tính toán chỉ số rumple trong R: https://rdrr.io/cran/lidR/man/rumple_index.html

Và đây là một chương trình python thực hiện một cái gì đó tương tự mặc dù khác nhau về mặt thống kê: https://github.com/BodoBookhagen/PC_geomorph_roughness

BIÊN TẬP:

Để hình dung độ nhám của DEM của bạn dưới dạng lớp raster, hãy sử dụng hàm gdalald gdaldem để tạo độ gồ ghề và bản đồ độ gồ ghề địa hình.

gdaldem roughness path/to/dem.tif path/to/output.tif [-compute_edges] 

gdaldem TRI path/to/dem.tif path/to/output.tif [-compute_edges]

— Kartograaf
nguồn

Cảm ơn bạn @Gory G. Hàm chỉ số Rumple trong R chỉ trả về một chỉ mục cho toàn bộ cốt truyện, tôi đã mong đợi bản đồ lưới của chỉ số độ nhám. las <- readLAS('a-4.las') chm = grid_canopy(las,0.1,p2r()) roughness = rumple_index(chm)Bạn có thể vui lòng cho tôi biết làm cách nào để thay đổi mã để tạo bản đồ chỉ số độ nhám không?

— Sher

@Sher Để tạo bản đồ độ nhám, bạn có thể muốn sử dụng GDAL. Có một hàm gọi là "gdaldem" sẽ thực hiện điều này cho bạn trong một dòng mã. Bạn cũng có thể tạo raster chỉ số độ bền địa hình (TRI) bằng cách sử dụng DEM của bạn làm đầu vào. Tôi sẽ thêm mã vào phản hồi của tôi ở trên.

— Kartograaf