r.in.lidargrass - آنلاین در ابر

برنامه:

نام

r.in.lidar - یک نقشه شطرنجی از نقاط LAS LiDAR با استفاده از آمار تک متغیره ایجاد می کند.

واژگان کلیدی

رستر، واردات، LIDAR

خلاصه

r.in.lidar
r.in.lidar --کمک
r.in.lidar [-peosgi] ورودی=نام تولید=نام [روش=رشته] [نوع=رشته]
[zrange=حداقل، حداکثر] [zscale=شناور] [در صد=عدد صحیح] [PTH=عدد صحیح] [تر و تمیز=شناور]
[حل=شناور] [بازگشت_فیلتر=رشته] [class_filter=عدد صحیح[,عدد صحیح،...]]
[--زیاد نوشتن] [--کمک] [--واژگان] [--ساکت] [--ui]

پرچم ها:
-p
اطلاعات فایل LAS را چاپ کنید و از آن خارج شوید

-e
وسعت منطقه را بر اساس مجموعه داده جدید گسترش دهید

-o
نادیده گرفتن پیش بینی مجموعه داده (استفاده از پیش بینی مکان)

-s
فایل داده را برای وسعت اسکن کنید سپس از آن خارج شوید

-g
در حالت اسکن، با استفاده از سبک اسکریپت پوسته چاپ کنید

-i
مقادیر شدت را به جای مقادیر z وارد کنید

--زیاد نوشتن
به فایل های خروجی اجازه بازنویسی فایل های موجود را بدهید

--کمک
خلاصه استفاده از چاپ

-- پرحرف
خروجی ماژول گویا

--ساکت
خروجی ماژول بی صدا

--ui
راه اندازی اجباری گفتگوی رابط کاربری گرافیکی

پارامترهای:
ورودی=نام [ضروری]
فایل ورودی LAS
فایل های ورودی LiDAR با فرمت LAS (*.las یا *.laz)

تولید=نام [ضروری]
نام نقشه شطرنجی خروجی

روش=رشته
آماری که برای مقادیر شطرنجی استفاده می شود
گزینه های ارسال: n, دقیقه حداکثر محدوده، مجموع منظور داشتن، stddev، واریانس، coeff_var، متوسط ​​،
صدک، چولگی، trimmean
پیش فرض: متوسط

نوع=رشته
نوع ذخیره سازی برای نقشه شطرنجی حاصل
گزینه های ارسال: سلول، FCELL، DCELL
پیش فرض: FCELL

zrange=حداقل، حداکثر
محدوده فیلتر برای داده های z (حداقل، حداکثر)

zscale=شناور
مقیاس برای اعمال به داده های z
پیش فرض: 1.0

در صد=عدد صحیح
درصد نقشه برای نگهداری در حافظه
گزینه های ارسال: 1-100
پیش فرض: 100

PTH=عدد صحیح
صدک pth مقادیر
گزینه های ارسال: 1-100

تر و تمیز=شناور
دور انداختن درصد از کوچکترین و درصد از بزرگترین مشاهدات
گزینه های ارسال: 0-50

حل=شناور
وضوح شطرنجی خروجی

بازگشت_فیلتر=رشته
فقط نقاط از نوع بازگشت انتخاب شده را وارد کنید
اگر مشخص نشده باشد، تمام نقاط وارد می شوند
گزینه های ارسال: اولین، آخر، نیمه

class_filter=عدد صحیح[,عدد صحیح،...]
فقط وارد کردن امتیاز کلاس(های) انتخاب شده
ورودی اعداد صحیح جدا شده با کاما است. اگر مشخص نشده باشد، تمام نقاط وارد می شوند.

شرح

La r.in.lidar ماژول بارگذاری می‌شود و LAS LiDAR ابرها را در یک نقشه شطرنجی جدید قرار می‌دهد. در
کاربر ممکن است از بین انواع روش های آماری در ایجاد شطرنجی جدید انتخاب کند.

از آنجایی که ایجاد نقشه های شطرنجی به تنظیمات ناحیه محاسباتی (وسعت و
وضوح)، به عنوان پیش فرض منطقه فعلی گسترش می یابد و وضوح برای واردات استفاده می شود.
هنگام استفاده از -e پرچم همراه با وضوح = ارزش پارامتر، منطقه وسعت خواهد کرد
بر اساس مجموعه داده های جدید باشد. بنابراین توصیه می شود ابتدا از آن استفاده کنید -s پرچم برای دریافت
گستره های ابر نقطه LiDAR وارد می شود، سپس وسعت منطقه فعلی را تنظیم کنید و
حل و فصل بر این اساس، و تنها پس از آن به واردات واقعی ادامه دهید. گزینه دیگر این است
برای تنظیم خودکار وسعت منطقه بر اساس خود مجموعه داده LAS همراه با
وضوح شطرنجی مورد نظر برای جزئیات به زیر مراجعه کنید.

r.in.lidar برای پردازش مجموعه داده های ابر نقطه ای عظیم، به عنوان مثال LiDAR خام، طراحی شده است
یا داده های سونار را اسکن کنید. این با مجموعه داده های بزرگ آزمایش شده است (برای حافظه به زیر مراجعه کنید
یادداشت های مدیریتی).

آمارهای موجود برای پر کردن نقشه شطرنجی خروجی عبارتند از:

·

n تعداد نقاط در سلول

دقیقه حداقل مقدار نقاط در سلول

حداکثر حداکثر مقدار نقاط در سلول

محدوده محدوده نقاط در سلول

مجموع مجموع نقاط در سلول

متوسط میانگین مقدار نقاط در سلول

stddev انحراف استاندارد نقاط در سلول

واریانس واریانس نقاط در سلول

coeff_var ضریب واریانس نقاط در سلول

میانه مقدار متوسط ​​نقاط در سلول

صدک pth صدک نقاط در سلول

ناهموار چولگی نقاط در سلول

trimmean میانگین نقاط بریده شده در سلول

· واریانس و مشتقات از برآوردگر بایاس (n) استفاده می کنند. [مشروط به تغییر]

· ضریب of واریانس به صورت درصد داده می شود و به صورت (stddev/mean)*100 تعریف می شود.

NOTES

LAS پرونده واردات آماده سازی
از آنجا که r.in.lidar یک نقشه شطرنجی از طریق binning از LiDAR اصلی ایجاد می کند
نقاط، وسعت منطقه محاسباتی و وضوح هدف باید تعیین شود. آ
گردش کار معمولی شامل بررسی اسناد مربوط به داده های LAS می شود
یا اسکن فایل داده LAS با r.in.lidar" -s (و یا -g) برای یافتن ورودی پرچم گذاری کنید
محدوده داده ها
گزینه دیگر تنظیم خودکار وسعت منطقه بر اساس گستره مجموعه داده LAS است
(-e flag) همراه با وضوح شطرنجی مورد نظر با استفاده از حل پارامتر.

حافظه استفاده کنید
در حالی که ورودی فایل می تواند خودسرانه بزرگ باشد، r.in.lidar از مقدار زیادی استفاده خواهد کرد
حافظه سیستم (RAM) برای مناطق شطرنجی بزرگ (> 10000x10000 پیکسل). اگر ماژول
از شروع شکایت به خاطر کمبود حافظه خودداری می کند، از آن استفاده کنید در صد پارامتر به
ماژول را در چند پاس اجرا کنید. علاوه بر این با استفاده از یک قالب نقشه کمتر دقیق (CELL
[عدد صحیح] یا FCELL [نقطه شناور]) از حافظه کمتری نسبت به DCELL [دقت مضاعف] استفاده خواهد کرد.
نقطه شناور] تولید نقشه روش هایی مانند n, دقیقه حداکثر مجموع همچنین از حافظه کمتری استفاده خواهد کرد،
در حین stddev، واریانس، و coeff_var بیشتر استفاده خواهد کرد. توابع کل متوسط ​​،
صدک، ناهموار و کمرنگ متوسط حتی از حافظه بیشتری استفاده خواهد کرد و ممکن است مناسب نباشد
برای استفاده با فایل های ورودی دلخواه بزرگ.

یک پالس LiDAR می تواند چندین بازده داشته باشد. از اولین مقادیر بازگشتی می توان برای به دست آوردن a استفاده کرد
مدل سطح دیجیتال (DSM) که به عنوان مثال پوشش سایبان نشان داده شده است. آخرین مقادیر بازگشتی
می توان برای به دست آوردن یک مدل زمین دیجیتال (DTM) استفاده کرد که در آن به عنوان مثال کف جنگل به جای
پوشش سایبان نشان داده شده است. را بازگشت_فیلتر گزینه اجازه می دهد تا یکی از اولین، وسط،
یا آخرین بازده.

نقاط LiDAR را می توان از قبل به کلاس های استاندارد طبقه بندی کرد. مثلا کلاس
شماره 2 نشان دهنده زمین است (برای کلاس های دیگر به مشخصات قالب LAS در مراجع مراجعه کنید).
La class_filter گزینه اجازه می دهد تا یک یا چند کلاس را به عنوان اعداد (اعداد صحیح) انتخاب کنید.
با کاما از هم جدا می شوند.

نقشه پیش فرض نوع=FCELL به عنوان سازش بین حفظ دقت داده ها و
محدود کردن مصرف منابع سیستم

محیط منطقه مرزها و حل
با استفاده از -s پرچم اسکن، وسعت داده های ورودی (و در نتیجه چگالی نقطه) چاپ می شود.
برای بررسی این موضوع قبل از انجام واردات کامل توصیه می شود. در -g پرچم سبک پوسته
اندازه مناسب به عنوان پارامترهای خط فرمان را چاپ می کند منطقه g.
یک گزینه ساده تر، تنظیم خودکار وسعت منطقه بر اساس مجموعه داده LAS است (-e
flag) همراه با وضوح شطرنجی هدف با استفاده از حل پارامتر. همچنین اینجا آن را
توصیه می شود تنظیمات منطقه حاصل را تأیید و بهینه کنید منطقه g مقدم بر
وارد کردن مجموعه داده

برای نقشه شطرنجی خروجی، a مناسب حل را می توان با تقسیم تعداد پیدا کرد
نقاط ورودی توسط ناحیه تحت پوشش (این نیاز به یک رویکرد تکراری همانطور که در اینجا ذکر شده است):
# چاپ فوق داده LAS (تعداد امتیاز)
r.in.lidar -p input=points.las
# تعداد رکورد: 1287775
# وسعت ابر نقاط LAS را اسکن کنید
r.in.lidar -sg input=points.las output=dummy -o
# n=2193507.740000 s=2190053.450000 e=6070237.920000 w=6066629.860000 b=-3.600000 t=906.000000
# ناحیه محاسباتی را تا این حد تنظیم کنید
g.region n=2193507.740000 s=2190053.450000 e=6070237.920000 w=6066629.860000 -p
# وسعت حاصل چاپ
g.region -p
# ردیف: 3454
# cols: 3608
# نقطه_در_سلول = n_نقطه / (ردیف * ستونها)
# اینجا: 1287775 / (3454 * 3608) = 0.1033359 امتیاز LiDAR/سلول رستر
# چون این خیلی کم است، باید وضوح شطرنجی کمتری انتخاب کنیم
g.region res=5 -ap
# ردیف: 692
# cols: 723
# اکنون: 1287775 / (692 * 723) = 2.573923 امتیاز LiDAR/سلول رستر
# به عنوان میانگین وارد کنید
r.in.lidar input=points.las output=lidar_dem_mean method=mean -o
# وارد کردن به عنوان حداکثر
r.in.lidar input=points.las output=lidar_dem_max method=max -o
# وارد کردن به عنوان صدک p'th مقادیر
r.in.lidar input=points.las output=lidar_dem_percentile_95
روش=درصد pth=95 -o
منظور داشتن ارزش DEM in چشم انداز چشم انداز، وارد شده از جانب LAS پرونده

نکات بیشتر: نحوه محاسبه تعداد نقاط LiDAR/متر مربع:
g.region -e
# مکان متریک:
# امتیاز_در_متر مربع = n_امتیاز / (ns_extent * ew_extent)
# موقعیت لات/لون:
# امتیاز_در_متر مربع = n_امتیاز / (ns_extent * ew_extent*cos(lat) * (1852*60)^2)

فیلتر
نقاط خارج از منطقه فعلی نادیده گرفته خواهند شد. این شامل سقوط امتیاز می شود
کاملا در منطقه جنوبی محدود شده است. (برای گرفتن آنهایی که منطقه را با "g.region" تنظیم کنید
s=s-0.000001"؛ ببینید منطقه g)

خطوط خالی و خطوط نظر که با نماد هش (#) شروع می‌شوند نادیده گرفته می‌شوند.

La zrange پارامتر ممکن است برای فیلتر کردن داده های ورودی بر اساس میزان عمودی استفاده شود. مثال
موارد استفاده ممکن است شامل آماده کردن چندین بخش شطرنجی برای ترکیب در یک شطرنجی سه بعدی باشد
آرایه با r.to.rast3، یا برای فیلتر کردن نقاط پرت در زمین نسبتاً هموار.

در زمین های مختلف، کاربر ممکن است آن را بیابد دقیقه نقشه ها مانند بسیاری از فیلترهای نویز خوبی را ایجاد می کنند
نویز LIDAR ناشی از ضربه های زودرس است. در دقیقه نقشه همچنین ممکن است برای یافتن زیربنا مفید باشد
توپوگرافی در یک محیط جنگلی یا شهری اگر سلول ها بیش از حد نمونه برداری شوند.

کاربر می تواند از ترکیبی از r.in.lidar تولید نقشه ها برای ایجاد فیلترهای سفارشی به عنوان مثال
استفاده کنید r.mapcalc برای ایجاد یک نقشه mean-(2*stddev). [در این مثال ممکن است کاربر بخواهد
شامل یک فیلتر کران پایین در r.mapcalc برای حذف نقاط بسیار متغیر (کوچک n) و یا
اجرا r.همسایه ها برای صاف کردن نقشه stddev قبل از استفاده بیشتر.]

مثال

وارد کردن یک فایل LAS به یک مکان/مپست موجود (متریک):
# ناحیه محاسباتی را به طور خودکار تنظیم کنید، resol. برای بنینگ 5 متر است
r.in.lidar -e -o input=points.las resolution=5 output=lidar_dem_mean
g.region raster=lidar_dem_mean -p
r.univar lidar_dem_mean

مجموعه داده Serpent Mound: این مثال مشابه نمونه مورد استفاده در ویکی GRASS است
صفحه برای وارد کردن LAS به عنوان DEM شطرنجی.

نمونه داده های LAS در فایل "Serpent Mound Model LAS Data.las" موجود است
applicationimagery.com
# اطلاعات فایل LAS را چاپ کنید
r.in.lidar -p input="Serpent Mound Model LAS Data.las"
# با استفاده از v.in.lidar برای ایجاد یک مکان جدید
# ایجاد مکان با اطلاعات طرح ریزی داده های LAS
v.in.lidar -i input="Serpent Mound Model LAS Data.las" location=Serpent_Mound
# خروج و راه اندازی مجدد GRASS در مکان جدید ایجاد شده "Serpent_Mound"
# وسعت داده های LAS را اسکن کنید
r.in.lidar -sg input="Serpent Mound Model LAS Data.las"
# منطقه را به اندازه داده های LAS تنظیم کنید، با وضوح تراز کنید
g.region n=4323641.57 s=4320942.61 w=289020.90 e=290106.02 res=1 -ap
# وارد کردن به عنوان DEM شطرنجی
r.in.lidar ورودی="Serpent Mound Model LAS Data.las"
خروجی=Serpent_Mound_Model_LAS_روش داده=میانگین

NOTES

پسوندهای معمولی فایل برای فرمت LAS .las و .laz (فشرده شده) هستند. را
فرمت فشرده LAS (.laz) را می توان تنها در صورتی وارد کرد که libLAS با laszip کامپایل شده باشد.
پشتیبانی. همچنین توصیه می شود libLAS را با GDAL کامپایل کنید، که برای تست تطبیق لازم است
بینی.

ALL

· پشتیبانی از خروجی نقشه های متعدد از یک اجرا.
روش=رشته[,رشته،...] خروجی=نام[,نام،...]

شناخته شده مسائل

· n نقشه‌های درصد=100 و درصد=xx کمی متفاوت هستند (نقطه در بالا/پایین قرار می‌گیرد
خط تقسیم بندی)
با "r.mapcalc diff = bin_n.100 - bin_n.33" و غیره بررسی کنید.
علت ناشناخته

· "نان" می تواند به داخل نشت کند coeff_var نقشه ها.
علت ناشناخته راه حل ممکن: "r.null setnull=nan"
اگر با هر گونه مشکل (یا راه حل!) مواجه شدید، لطفاً با تیم توسعه GRASS تماس بگیرید.

با استفاده از خدمات onworks.net از r.in.lidargrass به صورت آنلاین استفاده کنید