r.in.lidargrass - Online in de cloud

PROGRAMMA:

NAAM

r.in.lidar - Creëert een rasterkaart van LAS LiDAR-punten met behulp van univariate statistieken.

TREFWOORDEN

raster, importeren, LIDAR

KORTE INHOUD

r.in.lidar
r.in.lidar --help
r.in.lidar [-peosgi] invoer=naam uitvoer=naam [methode=snaar] [ type dan: =snaar]
[zbereik=min, max] [zschaal=drijven] [procent=geheel getal] [PTH=geheel getal] [trimmen=drijven]
[resolutie=drijven] [retourfilter=snaar] [klasse_filter=geheel getal[,geheel getal,...]]
[--beschrijven] [--uw] [--breedsprakig] [--rustige] [--ui]

vlaggen:
-p
Druk LAS-bestandsinformatie af en sluit af

-e
Uitbreiding van regio-uitbreidingen op basis van nieuwe dataset

-o
Projectie van dataset negeren (projectie van locatie gebruiken)

-s
Scan het gegevensbestand op omvang en sluit het vervolgens af

-g
Druk in scanmodus af met behulp van shell-scriptstijl

-i
Importeer intensiteitswaarden in plaats van z-waarden

--overschrijven
Toestaan ​​dat uitvoerbestanden bestaande bestanden overschrijven

--help
Gebruiksoverzicht afdrukken

--uitgebreid
Uitgebreide module-uitgang

--stil
Stille module-uitgang

--ui
Geforceerd starten van GUI-dialoogvenster

parameters:
invoer=naam [verplicht]
LAS-invoerbestand
LiDAR-invoerbestanden in LAS-indeling (*.las of *.laz)

uitvoer=naam [verplicht]
Naam voor uitvoerrasterkaart

methode=snaar
Statistiek om te gebruiken voor rasterwaarden
Opties: n, min, max, range, som, gemeen, standaard, variantie, coeff_var, mediaan,
percentiel, scheefheid, trimmen
Standaard: gemiddelde

type dan: =snaar
Opslagtype voor resulterende rasterkaart
Opties: CEL, FCELL, DCELL
Standaard: FCELL

zbereik=min, max
Filterbereik voor z-gegevens (min,max)

zschaal=drijven
Schaal om toe te passen op z-gegevens
Standaard: 1.0

procent=geheel getal
Percentage van de kaart om in het geheugen te houden
Opties: 1-100
Standaard: 100

PTH=geheel getal
p-percentiel van de waarden
Opties: 1-100

trimmen=drijven
Weggooien procent van de kleinste en procent van de grootste waarnemingen
Opties: 0-50

resolutie=drijven
Uitvoerrasterresolutie

retourfilter=snaar
Importeer alleen punten van het geselecteerde retourtype
Indien niet opgegeven, worden alle punten geïmporteerd
Opties: eerste, laatste, mid

klasse_filter=geheel getal[,geheel getal,...]
Importeer alleen punten van geselecteerde klasse(s)
De invoer is door komma's gescheiden gehele getallen. Indien niet opgegeven, worden alle punten geïmporteerd.

PRODUCTBESCHRIJVING

De r.in.lidar module laadt en plaatst LAS LiDAR-puntenwolken in een nieuwe rasterkaart. De
de gebruiker kan kiezen uit een verscheidenheid aan statistische methoden bij het maken van het nieuwe raster.

Omdat het maken van rasterkaarten afhankelijk is van de instellingen van het rekengebied (omvang en
resolutie), worden standaard de huidige regio-uitbreidingen en resolutie gebruikt voor het importeren.
Bij gebruik van het -e vlag samen met de resolutie=waarde parameter, de omvang van de regio zal dat doen
gebaseerd zijn op een nieuwe dataset. Het is daarom aan te raden om eerst de -s vlag om de
omvang van de te importeren LiDAR-puntenwolk, pas vervolgens de huidige regio-omvang aan en
dienovereenkomstig op te lossen, en pas daarna over te gaan tot de daadwerkelijke import. Een andere optie is
om automatisch de regio-uitbreidingen in te stellen op basis van de LAS-dataset zelf, samen met de
gewenste rasterresolutie. Zie hieronder voor meer informatie.

r.in.lidar is ontworpen voor het verwerken van enorme puntenwolkdatasets, bijvoorbeeld onbewerkte LiDAR
of sidescan-sonarstrookgegevens. Het is getest met grote datasets (zie hieronder voor geheugen
managementnotities).

Beschikbare statistieken voor het vullen van de uitvoerrasterkaart zijn:

·

n aantal punten in cel

Min minimale waarde van punten in cel

max maximale waarde van punten in cel

reeks bereik van punten in de cel

som som van punten in cel

gemiddelde gemiddelde waarde van punten in cel

standaard standaarddeviatie van punten in cel

variantie variantie van punten in cel

coeff_var variantiecoëfficiënt van punten in cel

mediaan mediaanwaarde van punten in cel

percentiel pth percentiel van punten in cel

scheefheid scheefheid van punten in cel

trimmen bijgesneden gemiddelde van punten in cel

· variance en derivaten gebruiken de vertekende schatter (n). [aan verandering onderhevig]

· coëfficiënt of variantie wordt gegeven in percentage en gedefinieerd als (stddev/mean)*100.

OPMERKINGEN

LAS filet importeren voorbereidende werkzaamheden
Aangezien de r.in.lidar genereert een rasterkaart door binning van de originele LiDAR
punten, moeten de omvang en de resolutie van het beoogde rekengebied worden bepaald. A
Een typische workflow zou het onderzoek van de bijbehorende documentatie van de LAS-gegevens omvatten
of de scan van het LAS-gegevensbestand met r.in.lidar's -s (of -g) vlag om de invoer te vinden
de grenzen van gegevens.
Een andere optie is om de regio-uitbreidingen automatisch in te stellen op basis van de LAS-gegevenssetuitbreiding
(-e flag) samen met de gewenste rasterresolutie met behulp van de resolutie parameter.

Geheugen .
Hoewel de invoer bestand kan willekeurig groot zijn, r.in.lidar zal een grote hoeveelheid gebruiken
systeemgeheugen (RAM) voor grote rastergebieden (> 10000x10000 pixels). Als de module
weigert te klagen dat er niet genoeg geheugen is, gebruik dan de procent parameter
voer de module in verschillende passages uit. Bovendien wordt een minder nauwkeurig kaartformaat gebruikt (CELL
[geheel getal] of FCELL [zwevende komma]) zullen minder geheugen gebruiken dan een DCELL [dubbele precisie
drijvende komma] uitvoer kaart. Methoden zoals n, min, max, som zal ook minder geheugen gebruiken,
en standaard, variantie, en coeff_var meer zal gebruiken. De geaggregeerde functies mediaan,
percentiel, scheefheid en getrimd gemiddelde zal nog meer geheugen gebruiken en is mogelijk niet geschikt
voor gebruik met willekeurig grote invoerbestanden.

Een LiDAR-puls kan meerdere keren worden geretourneerd. De eerste geretourneerde waarden kunnen worden gebruikt om a te verkrijgen
digitaal oppervlaktemodel (DSM) waarin bijvoorbeeld luifelafdekking wordt weergegeven. De laatste geretourneerde waarden
kan worden gebruikt om een ​​digitaal terreinmodel (DTM) te verkrijgen waar bijvoorbeeld de bosbodem in plaats van
luifel is vertegenwoordigd. De retourfilter optie maakt het mogelijk om een ​​van de eerste, middelste,
of laatste retouren.

LiDAR-punten kunnen al worden ingedeeld in gestandaardiseerde klassen. Bijvoorbeeld klasse
nummer 2 staat voor aarde (voor andere klassen zie LAS-formaatspecificatie in referenties).
De klasse_filter optie maakt het mogelijk om een ​​of meer klassen te selecteren, als getallen (integers)
gescheiden door een komma.

De standaardkaart type dan: =FCELL is bedoeld als compromis tussen het behoud van gegevensprecisie en
het beperken van het verbruik van systeembronnen.

omgeving regio bounds en resolutie
De -s scanvlag, de omvang van de invoergegevens (en dus de puntdichtheid) wordt afgedrukt.
Het wordt aanbevolen dit te controleren voordat u de volledige import uitvoert. De -g vlag in shell-stijl
drukt de mate af die geschikt is als opdrachtregelparameters voor g.regio.
Een eenvoudigere optie is om de regio-uitbreidingen automatisch in te stellen op basis van de LAS-gegevensset (-e
flag) samen met de doelrasterresolutie met behulp van de resolutie parameter. Ook hier
wordt aanbevolen om de resulterende regio-instellingen te verifiëren en te optimaliseren g.regio voor
het importeren van de gegevensset.

Voor de uitvoerrasterkaart: a geschikt resolutie vind je door het aantal te delen
invoerpunten per bestreken gebied (dit vereist een iteratieve aanpak zoals hier beschreven):
# print LAS-metadata (aantal punten)
r.in.lidar -p input=punten.las
# Aantal puntenrecords: 1287775
# scan voor LAS-puntenwolkomvang
r.in.lidar -sg input=punten.las output=dummy -o
# n=2193507.740000 s=2190053.450000 e=6070237.920000 w=6066629.860000 b=-3.600000 t=906.000000
# stel het rekengebied in deze mate in
g.regio n=2193507.740000 s=2190053.450000 e=6070237.920000 w=6066629.860000 -p
# afdruk resulterende omvang
g.regio -p
# rijen: 3454
# cols: 3608
# punten_per_cel = n_punten / (rijen * kolommen)
# Hier: 1287775 / (3454 * 3608) = 0.1033359 LiDAR-punten/rastercel
# Omdat dit te laag is, moeten we een lagere rasterresolutie selecteren
g.regio res=5 -ap
# rijen: 692
# cols: 723
# Nu: 1287775 / (692 * 723) = 2.573923 LiDAR-punten/rastercel
# importeer als gemiddelde
r.in.lidar input=points.las output=lidar_dem_mean methode=mean -o
# importeer als max
r.in.lidar input=points.las output=lidar_dem_max methode=max -o
# import als p'de percentiel van de waarden
r.in.lidar input=punten.las output=lidar_dem_percentile_95 \
methode=percentiel pth=95 -o
Gemiddelde waarde DEM in perspectief bekijken, geïmporteerd vanaf LAS filet

Verdere tips: hoe bereken je het aantal LiDAR-punten/vierkante meter:
g.regio -e
# Metrische locatie:
# punten_per_sq_m = n_punten / (ns_extent * ew_extent)
# Lat/Lon-locatie:
# punten_per_sq_m = n_punten / (ns_extent * ew_extent*cos(lat) * (1852*60)^2)

Filtering
Punten die buiten de huidige regio vallen, worden overgeslagen. Dit geldt ook voor vallende punten
precies op de zuidelijke regio gebonden. (om die vast te leggen, past u de regio aan met "g.region
s=s-0.000001"; zie g.regio)

Lege regels en commentaarregels die beginnen met het hekje (#) worden overgeslagen.

De zbereik parameter kan worden gebruikt voor het filteren van de invoergegevens op verticale omvang. Voorbeeld
toepassingen zijn onder meer het voorbereiden van meerdere rastersecties om te combineren tot een 3D-raster
array met r.naar.rast3, of voor het filteren van uitschieters op relatief vlak terrein.

Op gevarieerd terrein kan de gebruiker dat vinden Min kaarten zorgen zoals de meeste voor een goed ruisfilter
LIDAR-geluid komt van voortijdige treffers. De Min kaart kan ook nuttig zijn om de onderliggende te vinden
topografie in een bosrijke of stedelijke omgeving als de cellen overbemonsterd zijn.

De gebruiker kan een combinatie van gebruiken r.in.lidar uitvoer kaarten om aangepaste filters te maken. bijv
. r.mapcalc om een ​​gemiddelde-(2*stddev)-kaart te maken. [In dit voorbeeld wil de gebruiker dat misschien wel
Voeg een ondergrensfilter toe r.mapcalc om zeer variabele punten te verwijderen (klein n) Of
lopen r.buren om de stddev-kaart glad te strijken voor verder gebruik.]

VOORBEELD

Importeren van een LAS-bestand in een bestaande locatie/kaartenset (metrisch):
# stel het rekengebied automatisch in, resol. voor binning is 5m
r.in.lidar -e -o input=punten.lasresolutie=5 output=lidar_dem_mean
g.regio raster=lidar_dem_mean -p
r.univar lidar_dem_mean

Serpent Mound-gegevensset: Dit voorbeeld is analoog aan het voorbeeld dat wordt gebruikt in de GRASS-wiki
pagina voor het importeren van LAS als raster DEM.

De voorbeeld-LAS-gegevens staan ​​in het bestand "Serpent Mound Model LAS Data.las", beschikbaar op
toegepasteafbeeldingen.com
# LAS-bestandsinfo afdrukken
r.in.lidar -p input="Slangenheuvelmodel LAS Data.las"
# v.in.lidar gebruiken om een ​​nieuwe locatie te maken
# maak een locatie met projectie-informatie van de LAS-gegevens
v.in.lidar -i input="Serpent Mound Model LAS Data.las" location=Serpent_Mound
# stop GRASS en start het opnieuw op de nieuw gecreëerde locatie "Serpent_Mound"
# scan de omvang van de LAS-gegevens
r.in.lidar -sg input="Slangenheuvelmodel LAS Data.las"
# stel de regio in op de omvang van de LAS-gegevens, lijn deze uit met de resolutie
g.regio n=4323641.57 s=4320942.61 w=289020.90 e=290106.02 res=1 -ap
# importeren als raster-DEM
r.in.lidar input="Slangenheuvelmodel LAS Data.las" \
output=Serpent_Mound_Model_LAS_Data methode=gemiddelde

OPMERKINGEN

De typische bestandsextensies voor het LAS-formaat zijn .las en .laz (gecomprimeerd). De
gecomprimeerde LAS-indeling (.laz) kan alleen worden geïmporteerd als libLAS is gecompileerd met laszip
steun. Het wordt ook aanbevolen om libLAS te compileren met GDAL, nodig om te testen op overeenkomsten
projecties.

ALLES

· Ondersteuning voor uitvoer van meerdere kaarten vanuit een enkele run.
methode=tekenreeks[,tekenreeks,...] uitvoer=naam[,naam,...]

BEKENDE KWESTIES

· n map percent=100 en percent=xx maps verschillen enigszins (punt valt boven/onder
de segmentatielijn)
Onderzoek met "r.mapcalc diff = bin_n.100 - bin_n.33" enz.
Oorzaak onbekend.

· "nan" kan in lekken coeff_var maps.
Oorzaak onbekend. Mogelijke oplossing: "r.null setnull=nan"
Neem bij problemen (of oplossingen!) contact op met het ontwikkelingsteam van GRASS.

Gebruik r.in.lidargrass online met behulp van onworks.net-services