r.in.lidargrass — онлайн в облаке

ПРОГРАММА:

ИМЯ

р.ин.лидар - Создает растровую карту из точек LAS LiDAR с использованием одномерной статистики.

КЛЮЧЕВЫЕ СЛОВА

растр, импорт, лидар

СИНТАКСИС

р.ин.лидар
р.ин.лидар --Помогите
р.ин.лидар [-пеосги] вход=имя выходной=имя [метод=string] [напишите=string]
[Zrange=мин Макс] [масштаб=плавать] [процент=целое] [РТН=целое] [отделка=плавать]
[разрешающая способность=плавать] [return_filter=string] [класс_фильтр=целое[,целое, ...]]
[-затирать] [-помощь] [-подробный] [-тихий] [-ui]

Флаги:
-p
Распечатать информацию о файле LAS и выйти

-e
Расширение области на основе нового набора данных

-o
Переопределить проекцию набора данных (использовать проекцию местоположения)

-s
Отсканируйте файл данных на предмет экстента, затем выйдите

-g
В режиме сканирования печатайте в стиле сценария оболочки

-i
Импортируйте значения интенсивности, а не значения z.

- перезаписать
Разрешить выходным файлам перезаписывать существующие файлы

--Помогите
Распечатать сводку использования

--подробный
Подробный вывод модуля

--тихий
Тихий выход модуля

--уи
Принудительный запуск диалогового окна GUI

Параметры:
вход=имя [требуется]
Входной файл LAS
Входные файлы LiDAR в формате LAS (* .las или * .laz)

выходной=имя [требуется]
Имя выходной растровой карты

метод=string
Статистика, используемая для значений растра
Опции: n, мин, Максимум, диапазона, сумма означать, стандартное отклонение, дисперсия коэф_вар, медиана,
процентиль, асимметрия обрезать
По умолчанию: значить

напишите=string
Тип хранилища для результирующей растровой карты
Опции: КЛЕТКА, ФЦЕЛЛ, DCELL
По умолчанию: ФЦЕЛЛ

Zrange=мин Макс
Диапазон фильтрации для данных z (мин., Макс.)

масштаб=плавать
Масштаб для применения к данным z
По умолчанию: 1.0

процент=целое
Процент карты для хранения в памяти
Опции: 1-100
По умолчанию: 100

РТН=целое
p-й процентиль значений
Опции: 1-100

отделка=плавать
Отказаться процентов самых маленьких и процент крупнейших наблюдений
Опции: 0-50

разрешающая способность=плавать
Разрешение выходного растра

return_filter=string
Только импортные точки выбранного типа возврата
Если не указано, импортируются все точки.
Опции: первый, прошлой, в середине

класс_фильтр=целое число [, целое число, ...]
Импортировать только точки выбранного класса (ов)
Вводятся целые числа, разделенные запятыми. Если не указано, импортируются все точки.

ОПИСАНИЕ

The р.ин.лидар Модуль загружает и объединяет облака точек LAS LiDAR в новую растровую карту.
пользователь может выбирать из множества статистических методов создания нового растра.

Поскольку создание растровых карт зависит от настроек расчетной области (протяженность и
разрешение), по умолчанию для импорта используются текущие размеры и разрешение региона.
При использовании -e флаг вместе с разрешение = значение параметр, экстенты региона будут
основываться на новом наборе данных. Поэтому рекомендуется сначала использовать -s флаг, чтобы получить
экстенты облака точек LiDAR, которые нужно импортировать, затем отрегулируйте текущий экстент региона и
соответствующее разрешение и только после этого приступайте к фактическому импорту. Другой вариант:
для автоматической установки экстентов региона на основе самого набора данных LAS вместе с
желаемое разрешение растра. Подробности см. ниже.

р.ин.лидар предназначен для обработки массивных наборов данных облаков точек, например необработанных данных LiDAR.
или данные гидролокатора бокового обзора. Он был протестирован с большими наборами данных (см. ниже информацию о памяти).
примечания руководства).

Доступная статистика для заполнения выходной растровой карты:

·

n количество точек в ячейке

мин минимальное значение очков в ячейке

Макс максимальное значение очков в ячейке

ассортимент диапазон точек в ячейке

сумма сумма баллов в ячейке

значить среднее значение баллов в ячейке

стандартное отклонение стандартное отклонение точек в ячейке

дисперсия разброс точек в ячейке

coeff_var коэффициент дисперсии точек в ячейке

медиана среднее значение баллов в ячейке

процентилю pth процентиль баллов в ячейке

перекос перекос точек в ячейке

обрезать усеченное среднее значение точек в ячейке

· дисперсия а производные используют смещенную оценку (n). [возможны изменения]

· Коэффициент of дисперсия дается в процентах и ​​определяется как (стандартное отклонение / среднее значение) * 100.

ПРИМЕЧАНИЯ

ЛАГ файл Импортировать препараты
Учитывая, что р.ин.лидар генерирует растровую карту путем объединения исходного LiDAR
точек, необходимо определить протяженность и разрешение целевой вычислительной области. А
типичный рабочий процесс включает в себя изучение документации, связанной с данными LAS.
или сканирование файла данных LAS с помощью р.ин.лидарАвтора -s (или -g) флаг для поиска ввода
границы данных.
Другой вариант — автоматически установить экстенты региона на основе экстента набора данных LAS.
(-e флаг) вместе с желаемым разрешением растра, используя разрешающая способность Параметр.

Память используют
Если в этой вход файл может быть сколь угодно большим, р.ин.лидар будет использовать большое количество
системная память (ОЗУ) для больших растровых областей (> 10000х10000 пикселей). Если модуль
отказывается начинать жаловаться, что не хватает памяти, используйте процент параметр
запустить модуль в несколько проходов. Кроме того, использование менее точного формата карты (CELL
[целое число] или FCELL [с плавающей запятой]) будет использовать меньше памяти, чем DCELL [двойная точность
плавающая запятая] выходной карта. Такие методы, как n, мин, Максимум, сумма также будет использовать меньше памяти,
в то время как стандартное отклонение, дисперсия и coeff_var буду использовать больше. Агрегатные функции медиана,
процентиль, перекос и обрезается значить будет использовать еще больше памяти и может оказаться неподходящим
для использования с входными файлами произвольного размера.

У LiDAR-импульса может быть несколько возвратов. Первые возвращаемые значения можно использовать для получения
цифровая модель поверхности (ЦМР), на которой, например, изображен навес. Последние возвращаемые значения
может использоваться для получения цифровой модели местности (ЦМР), где, например, лесная подстилка вместо
изображен навес. В return_filter опция позволяет выбрать один из первых, средних,
или последний возврат.

Очки LiDAR уже можно разделить на стандартные классы. Например, класс
число 2 представляет землю (для других классов см. спецификацию формата LAS в справочных материалах).
The класс_фильтр опция позволяет выбрать один или несколько классов в виде чисел (целых чисел)
через запятую.

Карта по умолчанию напишите= FCELL предназначен как компромисс между сохранением точности данных и
ограничение потребления системных ресурсов.

настройка область оценки и разрешающая способность
Посмотрите на график -s флаг сканирования, печатается объем входных данных (и, следовательно, плотность точек).
Проверить это рекомендуется перед выполнением полного импорта. -g Флаг в стиле оболочки
печатает экстент, подходящий в качестве параметров командной строки для г. регион.
Более простой вариант — автоматически установить экстенты региона на основе набора данных LAS (-e
флаг) вместе с целевым разрешением растра, используя разрешающая способность параметр. Также вот это
рекомендуется проверить и оптимизировать полученные настройки региона с помощью г. регион до
импорт набора данных.

Для выходной растровой карты подходящее разрешающая способность можно найти, разделив количество
входные точки по охватываемой территории (для этого требуется итеративный подход, как описано здесь):
# распечатать метаданные LAS (количество точек)
r.in.lidar -p input=points.las
# Количество записей точек: 1287775
# сканирование протяженности облака точек LAS
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
# установить область вычислений на этот размер
g.region n=2193507.740000 s=2190053.450000 e=6070237.920000 w=6066629.860000 -p
# распечатать полученный экстент
г.регион -p
# строк: 3454
# столбцов: 3608
# points_per_cell = n_points / (строк * столбцов)
# Здесь: 1287775 / (3454 * 3608) = 0.1033359 точек LiDAR/ячейка растра
# Поскольку это слишком низкое значение, нам нужно выбрать более низкое разрешение растра.
g.region res = 5 -ap
# строк: 692
# столбцов: 723
# Теперь: 1287775 / (692 * 723) = 2.573923 точек LiDAR/ячейка растра
# импортируем как среднее
r.in.lidar input=points.las output=lidar_dem_mean метод=mean -o
# импортируем как максимум
r.in.lidar input=points.las output=lidar_dem_max метод=max -o
# импортируем как p-й процентиль значений
r.in.lidar input=points.las output=lidar_dem_percentile_95 \
метод=процентиль pth=95 -o
среднее ценностное DEM in перспектива просматривать, импортный от ЛАГ файл

Дополнительные подсказки: как рассчитать количество точек LiDAR на квадратный метр:
г.регион -e
# Метрическое расположение:
#points_per_sq_m = n_points/(ns_extent * ew_extent)
# Местоположение широты / долготы:
# points_per_sq_m = n_points / (ns_extent * ew_extent * cos (lat) * (1852 * 60) ^ 2)

фильтрация
Точки, выходящие за пределы текущего региона, будут пропущены. Это включает в себя падение очков
точно, на южной границе области. (чтобы захватить те, отрегулируйте регион с помощью "g.region
s = s-0.000001 "; см. г. регион)

Пустые строки и строки комментариев, начинающиеся с символа решетки (#), будут пропущены.

The Zrange Параметр может использоваться для фильтрации входных данных по вертикальному размеру. Пример
может включать подготовку нескольких растровых секций для объединения в 3D-растр.
массив с р.к.раст3или для фильтрации выбросов на относительно ровной местности.

На разнообразной местности пользователь может обнаружить, что мин карты обеспечивают хороший фильтр шума, поскольку большинство
Лидарный шум возникает из-за преждевременных попаданий. В мин карта также может быть полезна для поиска нижележащих
топография в лесной или городской среде, если ячейки имеют передискретизацию.

Пользователь может использовать комбинацию р.ин.лидар выходной карты для создания пользовательских фильтров. например
используют r.mapcalc чтобы создать карту среднего значения (2*stddev). [В этом примере пользователь может захотеть
включить фильтр нижней границы в r.mapcalc удалить сильно изменчивые точки (маленькие n) Или
пробег р. соседи для сглаживания карты stddev перед дальнейшим использованием.]

ПРИМЕР

Импорт файла LAS в существующее местоположение/набор карт (метрика):
# автоматически устанавливаем вычислительную область, resol. для биннинга 5м
r.in.lidar -e -o input=points.las разрешение=5 output=lidar_dem_mean
g.region растер=lidar_dem_mean -p
r.univarlidar_dem_mean

Набор данных Serpent Mound: этот пример аналогичен примеру, использованному в вики GRASS.
страница для импорта LAS в виде растровой матрицы высот.

Образцы данных LAS находятся в файле "Serpent Mound Model LAS Data.las", доступном по адресу
applicationimagery.com
# распечатать информацию о файле LAS
r.in.lidar -p input="Модель Змеиного кургана LAS Data.las"
# использование v.in.lidar для создания новой локации
# создать местоположение с информацией о проекции данных LAS
v.in.lidar -i input = "Модель Змеиного кургана LAS Data.las" location = Serpent_Mound
# выйдите и перезапустите GRASS во вновь созданной локации "Serpent_Mound"
# сканируем экстенты данных LAS
r.in.lidar -sg input="Модель Змеиного кургана LAS Data.las"
# установите область в пределах данных LAS, выровняйте по разрешению
g.region n=4323641.57 s=4320942.61 w=289020.90 e=290106.02 res=1 -ap
# импортировать в виде растровой матрицы высот
r.in.lidar input="Модель Змеиного кургана LAS Data.las" \
вывод = метод Serpent_Mound_Model_LAS_Data = среднее

ПРИМЕЧАНИЯ

Типичными расширениями файлов для формата LAS являются .las и .laz (сжатые). В
сжатый формат LAS (.laz) можно импортировать, только если libLAS был скомпилирован с помощью laszip
служба поддержки. Также рекомендуется скомпилировать libLAS с GDAL, чтобы проверить соответствие
проекции.

TODO

· Поддержка вывода нескольких карт из одного запуска.
метод = строка [, строка, ...] output = name [, name, ...]

KNOWN ВОПРОСЫ

· n карта процент = 100 и процент = xx карты немного отличаются (точка будет выше / ниже
линия сегментации)
Выполните расследование с помощью "r.mapcalc diff = bin_n.100 - bin_n.33" и т. Д.
Причина неизвестна.

· «Нан» может просочиться в coeff_var карты.
Причина неизвестна. Возможный обходной путь: "r.null setnull = nan"
Если вы столкнетесь с какими-либо проблемами (или решениями!), Пожалуйста, свяжитесь с командой разработчиков GRASS.

Используйте r.in.lidargrass онлайн с помощью сервисов onworks.net.