v.lidar.edgedetectiongrass - آنلاین در ابر

برنامه:

نام

v.lidar.edgedetection - لبه های شی را از مجموعه داده های LIDAR تشخیص می دهد.

واژگان کلیدی

بردار، LIDAR، لبه ها

خلاصه

v.lidar.edgedetection
v.lidar.edgedetection --کمک
v.lidar.edgedetection [-e] ورودی=نام تولید=نام [ew_step=شناور] [ns_step=شناور]
[lambda_g=شناور] [TGH=شناور] [tgl=شناور] [برچسب=شناور] [lambda_r=شناور]
[--زیاد نوشتن] [--کمک] [--واژگان] [--ساکت] [--ui]

پرچم ها:
-e
چگالی نقطه و فاصله را تخمین بزنید
چگالی نقطه و فاصله برای نقاط بردار ورودی در جریان را تخمین بزنید
منطقه گسترش می یابد و ترک می کند

--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]
نام نقشه برداری ورودی
یا منبع داده برای دسترسی مستقیم OGR

تولید=نام [ضروری]
نام نقشه برداری خروجی

ew_step=شناور
طول هر پله اسپلاین در جهت شرقی-غربی
پیش فرض: 4

ns_step=شناور
طول هر پله اسپلاین در جهت شمال به جنوب
پیش فرض: 4

lambda_g=شناور
وزن منظم در ارزیابی گرادیان
پیش فرض: 0.01

TGH=شناور
آستانه گرادیان بالا برای طبقه بندی لبه
پیش فرض: 6

tgl=شناور
آستانه گرادیان پایین برای طبقه بندی لبه
پیش فرض: 3

برچسب=شناور
محدوده زاویه برای تشخیص همان جهت
پیش فرض: 0.26

lambda_r=شناور
وزن تنظیم در ارزیابی باقیمانده
پیش فرض: 2

شرح

v.lidar.edgedetection اولین مرحله از سه مرحله برای فیلتر کردن داده های LiDAR است. هدف فیلتر این است که
شناسایی و استخراج اشیاء متصل و جدا شده (مانند ساختمان ها، پل ها، برق).
خطوط، درختان، و غیره) به منظور ایجاد یک مدل زمین دیجیتال.

به طور خاص، این ماژول لبه هر یک از ویژگی های منفرد را بر روی زمین تشخیص می دهد
سطح یک سطح نقطه LIDAR. اول از همه، یک درونیابی دوخطی اسپلاین با a
پارامتر تنظیم Tychonov انجام می شود. گرادیان به حداقل می رسد و کم است
پارامتر تنظیم Tychonov توابع درون یابی شده را تا حد ممکن نزدیک می کند
به مشاهدات درون یابی اسپلاین دو مکعبی با تنظیم Tychonov است
انجام. با این حال، اکنون انحنا به حداقل رسیده و پارامتر تنظیم تنظیم شده است
به یک ارزش بالا برای هر نقطه، یک مقدار درون یابی از دو مکعب محاسبه می شود
سطح و یک گرادیان درون یابی از سطح دو خطی محاسبه می شود. در هر نقطه
قدر گرادیان و جهت بردار لبه محاسبه می شود و
باقیمانده بین مقادیر درون یابی و مشاهده شده محاسبه می شود. دو آستانه تعریف شده است
در شیب، یک آستانه بالا TGH و یک کم tgl. برای هر نقطه، اگر گرادیان
قدر بزرگتر یا مساوی آستانه بالا و باقیمانده آن بزرگتر از
یا برابر با صفر، به عنوان یک نقطه EDGE برچسب گذاری شده است. به طور مشابه یک نقطه به عنوان یک برچسب گذاری شده است
نقطه EDGE اگر بزرگی گرادیان بزرگتر یا مساوی با آستانه پایین باشد، آن
باقیمانده بزرگتر یا مساوی صفر است و گرادیان دو از هشت همسایه است
امتیاز بیشتر از آستانه بالا است. سایر نقاط به عنوان TERRAIN طبقه بندی می شوند.

خروجی یک نقشه برداری خواهد بود که در آن نقاط به عنوان TERRAIN، EDGE یا طبقه بندی شده اند
ناشناس. این نقشه برداری باید ورودی باشد v.lidar.رشد ماژول

NOTES

در این ماژول یک جدول خارجی ایجاد می شود که برای ماژول بعدی مفید خواهد بود
از روش فیلتر کردن داده های LiDAR. در این جدول مقادیر ارتفاع درونیابی شده از
هر نقطه ثبت خواهد شد همچنین نقاط در نقشه برداری خروجی به صورت زیر طبقه بندی می شوند:
زمین (گربه = 1، لایه = 1)
EDGE (گربه = 2، لایه = 1)
ناشناخته (گربه = 3، لایه = 1)
نتیجه نهایی کل روش (v.lidar.edgedetection, v.lidar.رشد,
v.lidar.correction) یک طبقه بندی امتیازی در چهار دسته خواهد بود:
زمین تک پالس (گربه = 1، لایه = 2)
TERRAIN DOUBLE PULSE (گربه = 2، لایه = 2)
شیء تک پالس (گربه = 3، لایه = 2)
دو پالس شی (cat = 4، لایه = 2)

مثال ها

اساسی لبه کشف
v.lidar.edgedetection input=vector_last output=edge ew_step=8 ns_step=8 lambda_g=0.5

تکمیل گردش کار
# تنظیمات منطقه (با استفاده از شطرنجی موجود)
g.region raster=elev_lid792_1m
# وارد كردن
v.in.lidar -tr input=points.las output=points
v.in.lidar -tr input=points.las output=points_first return_filter=first
#تشخیص
v.lidar.edgedetection ورودی=نقاط خروجی=لبه ew_step=8 ns_step=8 lambda_g=0.5
v.lidar.growing input=edge output=rowing first=points_first
v.lidar.correction input=در حال رشد خروجی=تصحیح زمین=only_terrain
# تجسم نقاط انتخاب شده
# ابتدا در جایی زوم کنید تا سریعتر شود
d.rast map=orthphoto
نقشه d.vect=لایه تصحیح=2 گربه=2,3,4،0.25،XNUMX رنگ=اندازه قرمز=XNUMX
نقشه d.vect=لایه تصحیح=2 گربه=1 رنگ=0:128:0 اندازه=0.5
# درون یابی (ممکن است مدتی طول بکشد)
v.surf.rst input=only_terrain elevation=terrain
# برای تجسم سه بعدی امتیازات دریافت کنید
v.extract input=لایه تصحیح=2 cats=2,3,4 خروجی=اشیاء

شکل 1: مثال تولید از جانب کامل گردش کار (قرمز: اشیاء، سبز: زمین)

شکل 2: 3D تجسم of فیلتر هدف نقطه (قرمز) و زمین ایجاد شده از جانب
زمین نقطه (خاکستری)

مراجع

· Antolin, R. et al., 2006. تعیین مدلهای زمین دیجیتال توسط LiDAR
تکنولوژی: آزمایش حوضه Po. Bolletino di Geodesia e Scienze Affini, anno
LXV، n. 2، صص 69-89.

· Brovelli MA, Cannata M., Longoni UM, 2004. LIDAR Data Filtering and DTM
Interpolation Within GRASS, Transactions in GIS, April 2004, vol. 8، iss. 2، صص
155-174(20)، Blackwell Publishing Ltd.

· Brovelli MA، Cannata M.، 2004. بازسازی مدل دیجیتال زمین در شهری
مناطقی از داده های اسکن لیزری هوابرد: روش و نمونه ای برای پاویا
(شمال ایتالیا). Computers and Geosciences 30 (2004) pp.325-331

Brovelli MA و Longoni UM، 2003. نرم افزار برای il filtraggio di dati LIDAR،
Rivista dell'Agenzia del Territorio، n. 3-2003، صفحات 11-22 (ISSN 1593-2192).

Brovelli MA، Cannata M. و Longoni UM، 2002. DTM LIDAR در منطقه شهری،
Bollettino SIFET N.2، صص 7-26.

· عملکرد فیلتر را می توان در مقایسه فیلترهای ISPRS WG III/3 مشاهده کرد
گزارش سیتول، جی و ووسلمن، جی، 2003.

با استفاده از خدمات onworks.net از v.lidar.edgedetectiongrass به صورت آنلاین استفاده کنید