¿Determinando el DEM de tierra desnuda a partir de un archivo LAS sin clasificar?

Tengo datos en formato LAS con valores RGB creados a partir de fotogrametría aérea utilizando un UAV. Estoy tratando de encontrar una solución para extraer el DEM de tierra desnuda de la nube de puntos.

He intentado SAGA, Fusion, MCC-LIDAR, pero parece que necesitan que el archivo LAS ya esté clasificado (que naturalmente no lo es). ¿Alguien puede señalarme en la dirección correcta con una breve explicación del proceso?

En general, necesitaría procesar alrededor de 100 puntos de molino a la vez (puede colocarlos en mosaico si es necesario).

Generando DEM LiDAR a partir de nubes de puntos sin clasificar con:

• MCC-LIDAR : algoritmo de clasificación de curvatura multiescala (MCC).
  _{( compatible con las versiones LAS 1.1 a 1.3 )}

MCC-LIDAR es una herramienta de línea de comandos para procesar datos LIDAR de retorno discreto en entornos forestales (Evans y Hudak, 2007).

Flujo de trabajo:

• a) nube de puntos sin clasificar.
• b) rendimientos del suelo clasificados.
• c) DEM de tierra desnuda (raster).

Creemos una situación hipotética para proporcionar un ejemplo con código.

MCC-LIDAR está instalado en:

C:\MCC

La nube de puntos LiDAR no clasificada (archivo .las) está en:

C:\lidar\project\unclassified.las  

La salida que será el DEM de tierra desnuda está en:

C:\lidar\project\dem.asc  

El siguiente ejemplo clasifica los retornos de tierra con el algoritmo MCC y crea un DEM de tierra descubierta con una resolución de 1 metro.

#MCC syntax: 
#command
#-s (spacing for scale domain)
#-t (curvature threshold)
#input_file (unclassified point cloud) 
#output_file (classified point cloud - ground -> class 2 and not ground -> class 1)
#-c (cell size of ground surface)
#output_DEM (raster surface interpolated from ground points)

C:\MCC\bin\mcc-lidar.exe -s 0.5 -t 0.07 C:\lidar\project\unclassified.las C:\lidar\project\classified.las -c 1 C:\lidar\project\dem.asc

Para comprender mejor cómo funcionan la (s) escala (s) y los parámetros del umbral de curvatura (t), lea: Cómo ejecutar MCC-LiDAR y; Evans y Hudak (2007).

Los parámetros deben calibrarse para evitar errores de comisión / etiquetado (cuando un punto se clasifica como perteneciente al suelo pero en realidad pertenece a vegetación o edificios). Por ejemplo:

El MCC-LIDAR utiliza el método de interpolación Thin Plate Spline (TPS) para clasificar los puntos del terreno y generar el DEM de tierra descubierta.

_Referencias

• _{Evans, Jeffrey S .; Hudak, Andrew T. 2007. Un algoritmo de curvatura multiescala para clasificar LiDAR de retorno discreto en entornos forestales . Transacciones IEEE sobre Geociencia y Teledetección. 45 (4): 1029-1038.}

_{Para obtener más opciones sobre algoritmos de clasificación de puntos de base, consulte Meng et al. (2010):}

• _{Meng, X .; Currit, N .; Zhao, K. (2010). Algoritmos de filtrado de tierra para datos LiDAR aerotransportados: una revisión de problemas críticos . Teledetección, 2 (3), 833–860. doi: 10.3390 / rs2030833}

Creo que LasTools podría satisfacer sus necesidades, vea LASGround . La licencia es un poco divertida dependiendo de qué herramientas. Las herramientas se pueden descargar y evaluar antes de la compra; Además, el producto es relativamente barato.

He tenido buena suerte con el comando GroundFilter de FUSION (manual aquí ). No he tenido problemas para manejar 40 millones de puntos (sin clasificar), por lo que no esperaría un problema con 100 millones.

Esto se puede hacer con un filtro de pedal usando algoritmos de filtro morfológico simple (SMRF) o filtro morfológico progresivo (PMF) .

Rápido

pdal ground --cell_size=5 --extract input.laz out-bare-earth.laz

Crea un archivo LAS comprimido de tierra desnuda con un tamaño de celda de 5 unidades de tierra utilizando PMF. ( documentos )

Para obtener más explicaciones, consulte la identificación de retornos de terreno utilizando el tutorial de segmentación ProgressiveMorphologicalFilter .

Más involucrado, usando SMRF

Un ejemplo de tubería que:

• aplica el filtro SMRF, amplía la cellopción de tamaño a 2.0 (unidades del sistema de coordenadas) y un umbral de 0.75
• selecciona solo los puntos de tierra recién clasificados ( 2es el valor estándar de LAS para tierra)
• escribe la selección en un archivo de salida LAS sin comprimir (solo cambie la extensión a .laz para comprimir)

Mando: pdal pipeline "classify-ground-smrf.json"

El archivo de parámetros JSON:

{
    "pipeline": [
        "inputfile.laz",
        {
            "type":"filters.smrf",
            "cell": "2.0",
            "threshold": "0.75"
        },
        {
            "type":"filters.range",
            "limits":"Classification[2:2]"
        },
        "out/smurf_classifed.las"
    ]
}

Extraer solo sobre el suelo

Este ejemplo a) clasifica en terreno / no terreno, b) agrega el atributo "Altura sobre el suelo", yc) exporta solo los puntos 2.0 (unidades del sistema de coordenadas) sobre el suelo.

{
    "pipeline": [
        "input.laz",
        {
            "type": "filters.assign",
            "assignment": "Classification[:]=0"
        },
        {
            "type": "filters.smrf"
        },
        {
            "type": "filters.hag"
        },
        {
            "type": "filters.range",
            "limits": "HeightAboveGround[2:]"
        },
        {
            "filename":"above-ground.laz"
        }
    ]
}

Adaptado de Brad Chambers, https://lists.osgeo.org/pipermail/pdal/2017-July/001367.html