r.in.lidargrass — online w chmurze

PROGRAM:

IMIĘ

r.in.lidar - Tworzy mapę rastrową z punktów LAS LiDAR przy użyciu statystyk jednowymiarowych.

SŁOWA KLUCZOWE

raster, import, LIDAR

STRESZCZENIE

r.in.lidar
r.in.lidar --help
r.in.lidar [-peosgi] wkład=Nazwa wydajność=Nazwa [metoda=ciąg] [rodzaj=ciąg]
[zrange=minimum maksimum] [zskala=unosić się] [procent=liczba całkowita] [PTH=liczba całkowita] [trym=unosić się]
[rozkład=unosić się] [filtr_powrotu=ciąg] [filtr_klasy=liczba całkowita[,liczba całkowita,...]]
[--przepisać] [--pomoc] [--gadatliwy] [--cichy] [--ui]

Flagi:
-p
Wydrukuj informacje o pliku LAS i wyjdź

-e
Rozszerz zasięg regionu na podstawie nowego zestawu danych

-o
Zastąp projekcję zbioru danych (użyj projekcji lokalizacji)

-s
Przeskanuj plik danych w poszukiwaniu zakresu, a następnie wyjdź

-g
W trybie skanowania drukuj przy użyciu stylu skryptu powłoki

-i
Importuj wartości intensywności zamiast wartości z

--przepisać
Zezwalaj plikom wyjściowym na zastępowanie istniejących plików

--help
Wydrukuj podsumowanie wykorzystania

--gadatliwy
Pełne wyjście modułu

--cichy
Cichy moduł wyjściowy

--UI
Wymuś uruchomienie okna GUI

Parametry:
wkład=Nazwa [wymagany]
Plik wejściowy LAS
Pliki wejściowe LiDAR w formacie LAS (*.las lub *.laz)

wydajność=Nazwa [wymagany]
Nazwa wyjściowej mapy rastrowej

metoda=ciąg
Statystyka do użycia dla wartości rastrowych
Opcje: n, min max, Zakres, suma, oznaczać, standardowe odchylenie, zmienność, współczynnik_zmienna, mediana,
percentyl, skośność, przyciąć
Zaniedbanie: oznaczać

rodzaj=ciąg
Typ pamięci dla wynikowej mapy rastrowej
Opcje: KOMÓRKA, FCELL, DCELL
Zaniedbanie: FCELL

zrange=minimum maksimum
Zakres filtrów dla danych z (min, max)

zskala=unosić się
Skaluj, aby zastosować do danych z
Zaniedbanie: 1.0

procent=liczba całkowita
Procent mapy do zachowania w pamięci
Opcje: 1-100
Zaniedbanie: 100

PTH=liczba całkowita
p-ty percentyl wartości
Opcje: 1-100

trym=unosić się
Odrzucać procent najmniejszych i procent największych obserwacji
Opcje: 0-50

rozkład=unosić się
Wyjściowa rozdzielczość rastra

filtr_powrotu=ciąg
Importuj tylko punkty wybranego typu zwrotu
Jeśli nie określono, importowane są wszystkie punkty
Opcje: pierwszy, ostatni, średni

filtr_klasy=liczba całkowita[, liczba całkowita,...]
Importuj tylko punkty wybranych klas
Dane wejściowe to liczby całkowite oddzielone przecinkami. Jeśli nie określono, importowane są wszystkie punkty.

OPIS

r.in.lidar Moduł ładuje i umieszcza chmury punktów LAS LiDAR na nowej mapie rastrowej. The
użytkownik może wybierać spośród różnych metod statystycznych przy tworzeniu nowego rastra.

Ponieważ tworzenie map rastrowych zależy od ustawień obszaru obliczeniowego (zasięg i
rozdzielczość), domyślnie do importu używane są aktualne rozmiary i rozdzielczość regionu.
Podczas korzystania z -e flaga wraz z rozdzielczość = wartość parametru, zakres regionu będzie
opierać się na nowym zbiorze danych. Dlatego zaleca się, aby najpierw użyć -s flaga, aby uzyskać
zakres chmury punktów LiDAR do zaimportowania, a następnie dostosuj bieżący zasięg regionu i
odpowiednie rozwiązanie, a dopiero potem przystąpić do faktycznego importu. Inną opcją jest
aby automatycznie ustawić zasięg regionu w oparciu o sam zestaw danych LAS wraz z
żądana rozdzielczość rastra. Zobacz poniżej, aby uzyskać szczegółowe informacje.

r.in.lidar jest przeznaczony do przetwarzania ogromnych zestawów danych chmur punktów, na przykład surowego LiDAR
lub dane dotyczące obszaru sonaru bocznego. Został przetestowany z dużymi zestawami danych (patrz poniżej dla pamięci
notatki zarządu).

Dostępne statystyki do wypełniania wyjściowej mapy rastrowej to:

·

n liczba punktów w komórce

min minimalna wartość punktów w komórce

max maksymalna wartość punktów w komórce

zasięg zakres punktów w komórce

suma suma punktów w komórce

oznaczać średnia wartość punktów w komórce

odch.std odchylenie standardowe punktów w komórce

zmienność wariancja punktów w komórce

współczynnik_zm współczynnik wariancji punktów w komórce

mediana mediana punktów w komórce

percentyl pth percentyl punktów w komórce

skośność skośność punktów w komórce

przyciąć obcięta średnia punktów w komórce

· Zmienność a pochodne wykorzystują estymator obciążony (n). [temat do zmiany]

· Współczynnik of zmienność jest podawana w procentach i definiowana jako (stddev/mean)*100.

UWAGI

LAS filet importować Surowce
Ponieważ r.in.lidar generuje mapę rastrową poprzez binowanie z oryginalnego LiDAR-a
punktów, należy określić zasięg i rozdzielczość docelowego obszaru obliczeniowego. A
typowy przepływ pracy obejmowałby badanie dokumentacji powiązanej z danymi LAS
lub skan pliku danych LAS za pomocą r.in.lidar'S -s (lub -g), aby znaleźć dane wejściowe
granice danych.
Inną opcją jest automatyczne ustawienie zasięgu regionu na podstawie zasięgu zestawu danych LAS
(-e flag) wraz z żądaną rozdzielczością rastra za pomocą rozkład parametr.

Pamięć posługiwać się
Podczas wkład plik może być dowolnie duży, r.in.lidar użyje dużej ilości
pamięć systemowa (RAM) dla dużych obszarów rastrowych (> 10000x10000 pikseli). Jeśli moduł
nie chce zacząć narzekać, że nie ma wystarczającej ilości pamięci, użyj procent parametr
uruchom moduł w kilku przebiegach. Ponadto przy użyciu mniej precyzyjnego formatu mapy (CELL
[liczba całkowita] lub FCELL [zmiennoprzecinkowa]) zużyje mniej pamięci niż DCELL [podwójna precyzja
zmiennoprzecinkowy] wydajność mapa. Metody takie jak n, min max, suma zużyje również mniej pamięci,
jednocześnie standardowe odchylenie, zmienność, oraz współczynnik_zm użyje więcej. Funkcje agregatów mediana,
percentyl, skośność oraz przycięte oznaczać zużyje jeszcze więcej pamięci i może nie być odpowiedni
do użytku z dowolnie dużymi plikami wejściowymi.

Impuls LiDAR może mieć wiele zwrotów. Pierwsze zwracane wartości mogą być użyte do uzyskania a
numeryczny model powierzchni (DSM), na którym przedstawiono np. pokrycie czastami. Ostatnie zwracane wartości
można wykorzystać do uzyskania numerycznego modelu terenu (NMT), gdzie zamiast np. dna lasu
reprezentowana jest osłona baldachimu. The filtr_powrotu opcja umożliwia wybranie jednego z pierwszych, środkowych,
lub ostatnie powroty.

Punkty LiDAR można już podzielić na znormalizowane klasy. Na przykład klasa
numer 2 reprezentuje uziemienie (dla innych klas patrz specyfikacja formatu LAS w odnośnikach).
filtr_klasy opcja pozwala wybrać jedną lub więcej klas, jako liczby (liczby całkowite)
oddzielone przecinkiem.

Domyślna mapa rodzaj=FCELL ma być kompromisem między zachowaniem precyzji danych a
ograniczenie zużycia zasobów systemowych.

Oprawa region miedza oraz rozkład
Korzystanie z -s skanowania, drukowany jest zakres danych wejściowych (a tym samym gęstość punktów).
Zaleca się sprawdzenie tego przed wykonaniem pełnego importu. The -g flaga w stylu powłoki
wypisuje zakres odpowiedni jako parametry wiersza poleceń dla g. region.
Prostszą opcją jest automatyczne ustawienie zasięgu regionu na podstawie zestawu danych LAS (-e
flag) wraz z docelową rozdzielczością rastra za pomocą rozkład parametr. Także tutaj
zaleca się zweryfikowanie i optymalizację wynikowych ustawień regionu za pomocą g. region przed
importowanie zestawu danych.

Dla wyjściowej mapy rastrowej a odpowiedni rozkład można znaleźć dzieląc liczbę
punkty wejściowe według objętego obszaru (wymaga to podejścia iteracyjnego, jak opisano tutaj):
# drukuj metadane LAS (liczba punktów)
r.in.lidar -p input=punkty.las
# Liczba rekordów punktowych: 1287775
# skanuj zasięg chmury punktów LAS
r.in.lidar -sg wejście=punkty.las wyjście=fikcja -o
# n=2193507.740000 s=2190053.450000 e=6070237.920000 w=6066629.860000 b=-3.600000 t=906.000000
# ustaw region obliczeniowy w tym zakresie
g.region n=2193507.740000 s=2190053.450000 e=6070237.920000 w=6066629.860000 -p
# wydrukuj wynikowy zasięg
g.region -str
# wierszy: 3454
# kol.: 3608
# points_per_cell = n_points / (wiersze * kolumny)
# Tutaj: 1287775 / (3454 * 3608) = 0.1033359 punktów LiDAR/komórkę rastrową
# Ponieważ jest to zbyt niskie, musimy wybrać niższą rozdzielczość rastra
g.region res=5 -ap
# wierszy: 692
# kol.: 723
# Teraz: 1287775 / (692 * 723) = 2.573923 punktów LiDAR/komórkę rastrową
# importuj jako średnią
r.in.lidar wejście=points.las wyjście=lidar_dem_mean metoda=średnia -o
# importuj jako maks
r.in.lidar wejście=points.las wyjście=lidar_dem_max metoda=max -o
# zaimportuj jako p-ty percentyl wartości
r.in.lidar input=points.las wyjście=lidar_dem_percentile_95
metoda=percentyl pth=95 -o
Oznaczać wartość DEM in perspektywa widok, importowany od LAS filet

Dalsze wskazówki: jak obliczyć liczbę punktów LiDAR na metr kwadratowy:
g.region -e
# Lokalizacja metryczna:
# punkty_per_sq_m = n_punktów / (ns_extent * ew_extent)
# Lokalizacja szer./dł.:
# punkty_per_sq_m = n_punktów / (ns_extent * ew_extent*cos(lat) * (1852*60)^2)

Filtracja
Punkty leżące poza bieżącym regionem zostaną pominięte. Obejmuje to spadające punkty
dokładnie na granicy regionu południowego. (aby je uchwycić, dostosuj region za pomocą „g.region
s=s-0.000001"; zob g. region)

Puste wiersze i wiersze komentarza zaczynające się od znaku krzyżyka (#) zostaną pominięte.

zrange parametr może służyć do filtrowania danych wejściowych według zakresu pionowego. Przykład
zastosowania mogą obejmować przygotowanie wielu sekcji rastrowych do połączenia w raster 3D
tablica z r.do.rastu3lub do filtrowania wartości odstających na stosunkowo płaskim terenie.

W zróżnicowanym terenie użytkownik może to znaleźć min mapy stanowią dobry filtr szumów, jak większość
Hałas LIDAR pochodzi z przedwczesnych uderzeń. The min map może być również przydatna do znalezienia podłoża
topografii w środowisku leśnym lub miejskim, jeśli komórki są nadpróbkowane.

Użytkownik może użyć kombinacji r.in.lidar wydajność mapy do tworzenia niestandardowych filtrów. np
posługiwać się r.mapcalc aby utworzyć mapę średniej (2*stddev). [W tym przykładzie użytkownik może chcieć
zawierać filtr dolnej granicy w r.mapcalc aby usunąć bardzo zmienne punkty (małe n) lub
biegać r.sąsiedzi aby wygładzić mapę stddev przed dalszym użyciem.]

PRZYKŁAD

Import pliku LAS do istniejącej lokalizacji/zbioru map (metryka):
# automatycznie ustaw region obliczeniowy, resol. do sortowania wynosi 5m
r.in.lidar -e -o input=points.las rozdzielczość=5 output=lidar_dem_mean
g.region raster=lidar_dem_mean -p
r.univar lidar_dem_mean

Zestaw danych Serpent Mound: Ten przykład jest analogiczny do przykładu użytego na wiki GRASS
strona do importowania LAS jako rastrowego DEM.

Przykładowe dane LAS znajdują się w pliku „Serpent Mound Model LAS Data.las”, dostępnym pod adresem
stosowanezdjęcia.com
# drukuj informacje o pliku LAS
r.in.lidar -p input="Model kopca węża LAS Data.las"
# używając v.in.lidar do stworzenia nowej lokalizacji
# utwórz lokalizację z informacjami o projekcji danych LAS
v.in.lidar -i input="Model Wężowego Kopca LAS Data.las" location=Serpent_Mound
# wyjdź i zrestartuj GRASS w nowo utworzonej lokacji "Serpent_Mound"
# zeskanuj zakres danych LAS
r.in.lidar -sg input="Model kopca węża LAS Data.las"
# ustaw region na zakres danych LAS, wyrównaj do rozdzielczości
g.region n=4323641.57 s=4320942.61 w=289020.90 e=290106.02 res=1 -ap
# importuj jako rastrowy DEM
r.in.lidar input="Model Kopca Węża LAS Dane.las"
wyjście=Serpent_Mound_Model_LAS_Data metoda=średnia

UWAGI

Typowe rozszerzenia plików dla formatu LAS to .las i .laz (skompresowane). The
skompresowany format LAS (.laz) można zaimportować tylko wtedy, gdy libLAS został skompilowany z laszip
wsparcie. Zaleca się również skompilowanie libLAS z GDAL, potrzebne do przetestowania dopasowania
rzuty.

WSZYSTKO

· Wsparcie dla wielu danych wyjściowych map z jednego przebiegu.
metoda=napis[,napis,...] wynik=nazwa[,nazwa,...]

ZNANE ZAGADNIENIA

· n map percent=100 i percent=xx mapy różnią się nieznacznie (punkt spadnie powyżej/poniżej
linia segmentacji)
Zbadaj za pomocą „r.mapcalc diff = bin_n.100 - bin_n.33” itp.
Przyczyna nieznana.

· „nan” może przedostać się do współczynnik_zm mapy.
Przyczyna nieznana. Możliwe obejście: „r.null setnull=nan”
Jeśli napotkasz jakiekolwiek problemy (lub rozwiązania!), skontaktuj się z zespołem programistów GRASS.

Korzystaj z r.in.lidargrass online, korzystając z usług onworks.net