Große LiDAR-Punktwolke ausdünnen?

Ich habe eine große Punktwolke (LAS-Datei) und versuche diese mit einer komplexen Technik zu verdünnen. Ich weiß, dass es möglich ist, eine Punktwolke mit einfachen Techniken wie dem Extrahieren jedes n- _ten Punkts zu _verdünnen . Die Punktwolke, mit der ich arbeite, ist jedoch in einigen Bereichen dichter und in anderen Bereichen weniger dicht. Ich möchte in der Lage sein, die Wolke so zu verdünnen, dass die dichteren Bereiche stärker verdünnt werden als die weniger dichten Bereiche. Um dies manuell zu tun, könnte man ein Gitter erstellen und eine bestimmte Anzahl von Punkten in jeder Zelle auswählen. (dh eine an jeder Ecke und eine in der Mitte) Diese Punktwolke ist jedoch viel zu groß für diese Aufgabe. Ich versuche herauszufinden, ob es für dieses Problem bereits Lösungen gibt, z. B. eine komplexe Auswahlabfrage, einen anderen automatisierten Prozess oder eine vorhandene Softwareanwendung, die verwendet werden könnte.

Es hört sich so an, als ob Sie entweder eine voxelbasierte Ausdünnung oder eine Poisson-basierte Ausdünnung wünschen. PDAL kann beides. Weitere Informationen finden Sie im Tutorial von PDAL zum Thema unter https://pdal.io/tutorial/sampling/index.html

.

In Bezug auf die Größe der Datei definieren Sie bitte "groß". Nahezu jede Technik außer der einfachen Rangdezimierung (n-te Punkte entfernen) möchte Zugriff auf die gesamte Datei im Speicher haben. Andere Optionen würden eine ausgefeiltere zweistufige Index + Abtasttechnik erfordern, um diese Anforderung zu vermeiden.

Sie können lasthin oder lasduplicate von LAStools ausprobieren. Mit lasthin können Sie den "niedrigsten", "höchsten", "zufälligen" oder "zentralsten" Punkt in einem 2D-Raster in der x / y-Ebene mit einer benutzerdefinierten Größe von "Schritt 0,5" beibehalten. Mit lasduplicate können Sie festlegen, dass alle Punkte, die in 3D nahe 0,005 liegen, von allen zuvor angezeigten Punkten entfernt werden. Weitere Informationen finden Sie in der verknüpften README-Datei.

Sie können mit FUSION ‚s ThinDataBefehl für diese ( Dokumentation S. 130 ). ThinDataist sehr praktisch, da Sie damit Punktwolkendaten auf eine gewünschte Pulsdichte pro Quadrateinheit verdünnen können. Aus der Dokumentation von FUSION:

ThinData [switches] OutputFile Density CellSize DataFile

Mit ThinData können Sie LIDAR-Daten auf bestimmte Pulsdichten verdünnen. Diese Funktion ist nützlich, wenn Analyseergebnisse aus mehreren LIDAR-Erfassungen verglichen werden, die mit unterschiedlichen Pulsdichten erfasst wurden. ThinData ist auch nützlich, wenn die Dichte innerhalb eines einzelnen LIDAR-Datensatzes nicht einheitlich ist. Dies ist häufig bei Daten der Fall, die von einem langsam fliegenden Hubschrauber erfasst wurden oder bei denen die Überlappung der Fluglinien nicht genau überwacht wurde. ThinData wurde auch in Simulationsexperimenten verwendet, um die Auswirkung der LIDAR-Pulsdichte auf die Genauigkeit der geschätzten Waldinventurmetriken wie der Gesamtbaumhöhe zu bewerten.

Sie können LiDAR360 verwenden und die 30-Tage-Testversion von der GreenValley International-Website herunterladen . LiDAR360 bietet drei Methoden für die Unterabtastung: Mindestpunktabstand, Abtastrate und Octree. Die Methode für den minimalen Punktabstand muss einen minimalen Punktabstand zwischen zwei Punkten festlegen, damit der minimale dreidimensionale Abstand zwischen zwei beliebigen Punkten in der abgetasteten Punktwolke nicht kleiner als dieser Wert ist. Bei der Abtastratenmethode muss der Prozentsatz der reservierten Punkte festgelegt werden. In diesem Modus behält LiDAR360 die angegebene Anzahl von Punkten zufällig bei. Reservierte Punkte = Gesamtzahl der Punkte * Abtastrate. Mit der Octree-Methode können Benutzer eine Unterteilungsebene "Octree" auswählen und 3D-Voxel für die Eingabepunktwolke erstellen. Es wird nur der Punkt beibehalten, der jedem Voxelzentrum am nächsten liegt.