r.in.lidargrass - Online sa Cloud

PROGRAMA:

NAME

r.in.lidar - Lumilikha ng isang raster na mapa mula sa mga puntos ng LAS LiDAR gamit ang mga univariate na istatistika.

KEYWORDS

raster, import, LIDAR

SINOPSIS

r.in.lidar
r.in.lidar - Tumulong
r.in.lidar [-peosgi] input=pangalan output=pangalan [paraan=pisi] [uri=pisi]
[zrange=min, max] [zscale=lumutang] [porsiyento=kabuuan] [pth=kabuuan] [gupitin=lumutang]
[paglutas=lumutang] [return_filter=pisi] [class_filter=kabuuan[,kabuuan,...]]
[--patungan] [--Tulungan] [--pandiwang] [--tahimik] [--ui]

Mga Bandila:
-p
I-print ang impormasyon ng LAS file at lumabas

-e
Palawakin ang mga lawak ng rehiyon batay sa bagong dataset

-o
I-override ang projection ng dataset (gamitin ang projection ng lokasyon)

-s
I-scan ang file ng data para sa lawak at pagkatapos ay lumabas

-g
Sa scan mode, mag-print gamit ang shell script style

-i
Mag-import ng mga halaga ng intensity sa halip na mga halaga ng z

--patungan
Pahintulutan ang mga output file na i-overwrite ang mga kasalukuyang file

- Tumulong
I-print ang buod ng paggamit

--verbose
Verbose na output ng module

--tahimik
Tahimik na output ng module

--ui
Piliting ilunsad ang dialog ng GUI

parameter:
input=pangalan [kailangan]
LAS input file
LiDAR input file sa LAS format (*.las o *.laz)

output=pangalan [kailangan]
Pangalan para sa output raster na mapa

paraan=pisi
Istatistikong gagamitin para sa mga halaga ng raster
Pagpipilian: n, min max, range, kabuuan, ibig sabihin, stddev, pagkakaiba-iba, coeff_var, panggitna,
percentile, pagkahilig, trimmean
Default: ibig sabihin

uri=pisi
Uri ng storage para sa resultang raster map
Pagpipilian: CELL, FCELL, DCELL
Default: FCELL

zrange=min, max
Saklaw ng filter para sa z data (min, max)

zscale=lumutang
Scale na ilalapat sa z data
Default: 1.0

porsiyento=kabuuan
Porsiyento ng mapa upang panatilihin sa memorya
Pagpipilian: 1-100
Default: 100

pth=kabuuan
pth percentile ng mga value
Pagpipilian: 1-100

gupitin=lumutang
Itapon porsyento ng pinakamaliit at porsyento ng pinakamalaking obserbasyon
Pagpipilian: 0-50

paglutas=lumutang
Output raster resolution

return_filter=pisi
Tanging mga punto ng pag-import ng napiling uri ng pagbabalik
Kung hindi tinukoy, ang lahat ng mga puntos ay na-import
Pagpipilian: una, huling, mid

class_filter=integer[,integer,...]
Mga punto ng pag-import lamang ng (mga) napiling klase
Ang input ay mga comma separated integers. Kung hindi tinukoy, ang lahat ng mga puntos ay na-import.

DESCRIPTION

Ang r.in.lidar module load at bins LAS LiDAR point clouds sa isang bagong raster map. Ang
ang user ay maaaring pumili mula sa iba't ibang istatistikal na pamamaraan sa paglikha ng bagong raster.

Dahil ang paglikha ng mga raster na mapa ay nakasalalay sa mga setting ng computational na rehiyon (lawak at
resolution), bilang default ang kasalukuyang lawak ng rehiyon at resolution ay ginagamit para sa pag-import.
Kapag ginagamit ang -e bandila kasama ang resolution=halaga parameter, ang mga lawak ng rehiyon ay
batay sa bagong dataset. Samakatuwid, inirerekomenda na gamitin muna ang -s bandila para makuha ang
mga lawak ng LiDAR point cloud na i-import, pagkatapos ay ayusin ang kasalukuyang lawak ng rehiyon at
naaayon sa paglutas, at pagkatapos lamang magpatuloy sa aktwal na pag-import. Ang isa pang pagpipilian ay
upang awtomatikong itakda ang mga lawak ng rehiyon batay sa mismong LAS dataset kasama ang
nais na resolusyon ng raster. Tingnan sa ibaba para sa mga detalye.

r.in.lidar ay dinisenyo para sa pagproseso ng napakalaking point cloud dataset, halimbawa raw LiDAR
o sidescan sonar swath data. Ito ay nasubok gamit ang malalaking dataset (tingnan sa ibaba para sa memorya
mga tala sa pamamahala).

Ang mga magagamit na istatistika para sa pag-populate sa output raster na mapa ay:

·

n bilang ng mga puntos sa cell

minuto pinakamababang halaga ng mga puntos sa cell

max maximum na halaga ng mga puntos sa cell

saklaw hanay ng mga punto sa cell

kabuuan kabuuan ng mga puntos sa cell

ibig sabihin average na halaga ng mga puntos sa cell

stddev standard deviation ng mga puntos sa cell

pagkakaiba pagkakaiba-iba ng mga puntos sa cell

coeff_var koepisyent ng pagkakaiba-iba ng mga puntos sa cell

panggitna median na halaga ng mga puntos sa cell

porsyento pth percentile ng mga puntos sa cell

skewness skewness ng mga puntos sa cell

trimmean trimmed mean ng mga puntos sa cell

· Pagkakaiba at derivatives ay gumagamit ng biased estimator (n). [maaaring baguhin]

· Coefficient of pagkakaiba ay ibinigay sa porsyento at tinukoy bilang (stddev/mean)*100.

NOTA

Las file angkat paghahanda
Dahil ang r.in.lidar bumubuo ng raster na mapa sa pamamagitan ng binning mula sa orihinal na LiDAR
puntos, ang target na computational region na lawak at resolusyon ay kailangang matukoy. A
ang karaniwang daloy ng trabaho ay kasangkot sa pagsusuri ng nauugnay na dokumentasyon ng data ng LAS
o ang pag-scan ng LAS data file gamit ang r.in.lidarNi -s (O -g) flag upang mahanap ang input
mga hangganan ng data.
Ang isa pang opsyon ay awtomatikong itakda ang mga lawak ng rehiyon batay sa lawak ng dataset ng LAS
(-e flag) kasama ang nais na resolusyon ng raster gamit ang paglutas parameter

Memorya gamitin
Habang ang input Ang file ay maaaring basta-basta malaki, r.in.lidar gagamit ng malaking halaga ng
system memory (RAM) para sa malalaking rehiyon ng raster (> 10000x10000 pixels). Kung ang modyul
tumangging magsimulang magreklamo na walang sapat na memorya, gamitin ang porsiyento parameter sa
patakbuhin ang module sa ilang mga pass. Bilang karagdagan sa paggamit ng hindi gaanong tumpak na format ng mapa (CELL
[integer] o FCELL [floating point]) ay gagamit ng mas kaunting memory kaysa sa isang DCELL [double precision
lumulutang na punto] output mapa. Mga pamamaraan tulad ng n, min max, kabuuan gagamit din ng mas kaunting memorya,
habang stddev, pagkakaiba-iba, at coeff_var gagamit ng higit pa. Ang pinagsama-samang pag-andar panggitna,
percentile, skewness at trimmed ibig sabihin ay gagamit ng higit pang memorya at maaaring hindi angkop
para sa paggamit sa arbitraryong malalaking input file.

Ang pulso ng LiDAR ay maaaring magkaroon ng maraming pagbabalik. Ang mga unang halaga ng pagbabalik ay maaaring gamitin upang makakuha ng a
digital surface model (DSM) kung saan kinakatawan ang hal. canopy cover. Ang huling mga halaga ng pagbabalik
ay maaaring gamitin upang makakuha ng digital terrain model (DTM) kung saan hal. sa sahig ng kagubatan sa halip na
kinakatawan ang takip ng canopy. Ang return_filter ang opsyon ay nagbibigay-daan sa pagpili ng isa sa una, kalagitnaan,
o huling pagbabalik.

Ang mga punto ng LiDAR ay maaaring maiuri na sa mga pamantayang klase. Halimbawa, klase
ang numero 2 ay kumakatawan sa lupa (para sa iba pang mga klase tingnan ang detalye ng format ng LAS sa mga sanggunian).
Ang class_filter ang opsyon ay nagbibigay-daan sa pagpili ng isa o higit pang mga klase, bilang mga numero (integer)
pinaghihiwalay ng kuwit.

Ang default na mapa uri=Ang FCELL ay inilaan bilang kompromiso sa pagitan ng pagpapanatili ng katumpakan ng data at
nililimitahan ang pagkonsumo ng mapagkukunan ng system.

Pagtatakda ng rehiyon hangganan at paglutas
Paggamit ng -s scan flag, ang lawak ng input data (at sa gayon ay point density) ay naka-print.
Upang suriin ito ay inirerekomenda bago isagawa ang buong pag-import. Ang -g watawat ng istilo ng shell
nagpi-print ng lawak na angkop bilang mga parameter ng command line para sa g.rehiyon.
Ang isang mas simpleng opsyon ay ang awtomatikong itakda ang mga lawak ng rehiyon batay sa LAS dataset (-e
flag) kasama ang target na resolusyon ng raster gamit ang paglutas parameter. Dito rin
inirerekomendang i-verify at i-optimize ang mga resultang setting ng rehiyon gamit ang g.rehiyon bago
pag-import ng dataset.

Para sa mapa ng output raster, a angkop paglutas ay matatagpuan sa pamamagitan ng paghahati sa bilang ng
mga input point ng sakop na lugar (nangangailangan ito ng umuulit na diskarte gaya ng nakabalangkas dito):
# print LAS metadata (Bilang ng Mga Puntos)
r.in.lidar -p input=points.las
# Bilang ng Point Records: 1287775
# scan para sa LAS point na lawak ng ulap
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
# itakda ang computation region sa lawak na ito
g.rehiyon n=2193507.740000 s=2190053.450000 e=6070237.920000 w=6066629.860000 -p
# lawak ng resulta ng pag-print
g.rehiyon -p
# row: 3454
# cols: 3608
# points_per_cell = n_points / (rows * cols)
# Dito: 1287775 / (3454 * 3608) = 0.1033359 LiDAR points/raster cell
# Dahil masyadong mababa ito, kailangan nating pumili ng mas mababang resolution ng raster
g.region res=5 -ap
# row: 692
# cols: 723
# Ngayon: 1287775 / (692 * 723) = 2.573923 LiDAR points/raster cell
# import bilang ibig sabihin
r.in.lidar input=points.las output=lidar_dem_mean method=mean -o
# import bilang max
r.in.lidar input=points.las output=lidar_dem_max method=max -o
# import bilang p'th percentile ng mga value
r.in.lidar input=points.las output=lidar_dem_percentile_95
paraan=percentile pth=95 -o
Ibig sabihin halaga DEM in perspektibo tingnan, angkat mula Las file

Mga karagdagang pahiwatig: kung paano kalkulahin ang bilang ng mga punto ng LiDAR/square meter:
g.rehiyon -e
# Sukatan na lokasyon:
# points_per_sq_m = n_points / (ns_extent * ew_extent)
# Lat/Lon na lokasyon:
# points_per_sq_m = n_points / (ns_extent * ew_extent*cos(lat) * (1852*60)^2)

Pagsasala
Ang mga puntos na nasa labas ng kasalukuyang rehiyon ay lalaktawan. Kabilang dito ang pagbagsak ng mga puntos
tamang-tama sa timog na rehiyon na nakagapos. (upang makuha ang mga isaayos ang rehiyon gamit ang "g.region
s=s-0.000001"; tingnan g.rehiyon)

Ang mga blangkong linya at linya ng komento na nagsisimula sa simbolo ng hash (#) ay lalaktawan.

Ang zrange Maaaring gamitin ang parameter para sa pag-filter ng data ng input ayon sa vertical na lawak. Halimbawa
Maaaring kabilang sa mga gamit ang paghahanda ng maraming seksyon ng raster na isasama sa isang 3D raster
array na may r.to.rast3, o para sa pag-filter ng mga outlier sa medyo patag na lupain.

Sa iba't ibang lupain maaaring makita iyon ng gumagamit minuto ang mga mapa ay gumagawa para sa isang mahusay na filter ng ingay gaya ng karamihan
Ang ingay ng LIDAR ay mula sa mga napaaga na hit. Ang minuto Ang mapa ay maaari ding maging kapaki-pakinabang upang mahanap ang pinagbabatayan
topograpiya sa isang kagubatan o urban na kapaligiran kung ang mga cell ay na-oversample.

Ang user ay maaaring gumamit ng kumbinasyon ng r.in.lidar output mga mapa upang lumikha ng mga custom na filter. hal
gamitin r.mapcalc upang lumikha ng isang mean-(2*stddev) na mapa. [Sa halimbawang ito ay maaaring gusto ng gumagamit
magsama ng lower bound filter in r.mapcalc upang alisin ang mataas na variable na mga puntos (maliit n) O
tumakbo r.kapitbahay upang pakinisin ang stddev na mapa bago ang karagdagang paggamit.]

Halimbawa

Mag-import ng isang LAS file sa isang kasalukuyang lokasyon/mapset (sukatan):
# awtomatikong itakda ang computational region, resol. para sa binning ay 5m
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

Serpent Mound dataset: Ang halimbawang ito ay kahalintulad sa halimbawang ginamit sa GRASS wiki
page para sa pag-import ng LAS bilang raster DEM.

Ang sample na data ng LAS ay nasa file na "Serpent Mound Model LAS Data.las", available sa
appliedimagery.com
# i-print ang impormasyon ng LAS file
r.in.lidar -p input="Serpent Mound Model LAS Data.las"
# gamit ang v.in.lidar upang lumikha ng bagong lokasyon
# lumikha ng lokasyon na may projection na impormasyon ng LAS data
v.in.lidar -i input="Serpent Mound Model LAS Data.las" location=Serpent_Mound
# huminto at i-restart ang GRASS sa bagong likhang lokasyon na "Serpent_Mound"
# i-scan ang mga lawak ng data ng LAS
r.in.lidar -sg input="Serpent Mound Model LAS Data.las"
# itakda ang rehiyon sa mga lawak ng data ng LAS, ihanay sa resolusyon
g.rehiyon n=4323641.57 s=4320942.61 w=289020.90 e=290106.02 res=1 -ap
# import bilang raster DEM
r.in.lidar input="Serpent Mound Model LAS Data.las"
output=Serpent_Mound_Model_LAS_Data method=mean

NOTA

Ang karaniwang mga extension ng file para sa LAS na format ay .las at .laz (naka-compress). Ang
ang naka-compress na LAS (.laz) na format ay maaaring ma-import lamang kung ang libLAS ay pinagsama-sama sa laszip
suporta. Inirerekomenda din na i-compile ang libLAS kasama ang GDAL, na kailangan upang subukan para sa pagtutugma
mga pagpapalagay.

LAHAT

· Suporta para sa maramihang mapa output mula sa isang solong run.
method=string[,string,...] output=name[, name,...]

KILALA MGA ISYU

· n map percent=100 at percent=xx ang mga mapa ay bahagyang naiiba (point ay mahuhulog sa itaas/ibaba
ang segmentation line)
Magsiyasat gamit ang "r.mapcalc diff = bin_n.100 - bin_n.33" atbp.
Hindi alam ang sanhi.

· Ang "nan" ay maaaring tumagas coeff_var mga mapa.
Hindi alam ang sanhi. Posibleng work-around: "r.null setnull=nan"
Kung makatagpo ka ng anumang mga problema (o mga solusyon!) mangyaring makipag-ugnayan sa GRASS Development Team.

Gamitin ang r.in.lidargrass online gamit ang mga serbisyo ng onworks.net