Eu tenho uma nuvem de pontos grande (arquivo LAS) e estou tentando diminuir isso usando uma técnica complexa. Eu sei que é possível afinar uma nuvem de pontos usando técnicas simples, como extrair todos os enésimos pontos. No entanto, a nuvem de pontos com que estou trabalhando é mais densa em algumas áreas e menos densa em outras. Eu gostaria de poder afinar a nuvem para que as áreas mais densas sejam mais finas do que as menos densas. Para fazer isso manualmente, é possível criar uma grade e selecionar certo número de pontos dentro de cada célula. (isto é, um em cada canto e outro no centro). No entanto, essa nuvem de pontos é muito grande para esta tarefa. Estou tentando descobrir se há alguma solução existente para esse problema, como uma consulta de seleção complexa, outro processo automatizado ou aplicativo de software existente que possa ser usado.
8
ThinData
do Fusion. Em esta resposta eu explicar como ele funciona. A resposta de Howard parece promissora também. Deixe-nos saber se eles funcionam para a sua situação. Tks.Respostas:
Parece que você quer um desbaste à base de voxel ou talvez um à base de Poisson. PDAL pode fazer qualquer um. Consulte o tutorial da PDAL sobre o tópico em https://pdal.io/tutorial/sampling/index.html
.
Quanto ao tamanho do arquivo, defina "grande". Praticamente qualquer técnica, exceto a dizimação simples de classificação (remover pontos n-ésimo), vai querer ter acesso a todo o arquivo na memória. Outras opções exigiriam uma técnica mais sofisticada de índice + amostragem em dois estágios para evitar esse requisito.
fonte
Você pode tentar lasthin ou lasduplicate do LAStools . Com lasthin, você pode manter o ponto '-lowest', '-highest', '-random' ou '-central' em uma grade 2D no plano x / y com o tamanho de '-step 0,5' definido pelo usuário. Com lasduplicate, você pode especificar para remover todos os pontos que estão próximos de 0,005 em 3D de todos os pontos que apareceram anteriormente. Consulte o arquivo README vinculado para obter mais detalhes.
fonte
Você pode usar o comando do FUSION
ThinData
para isso ( Documentação p.130 ).ThinData
é realmente útil porque permite que você reduza os dados da nuvem de pontos até uma densidade de pulso desejada por unidade quadrada. Da documentação da FUSION:fonte
Você pode usar o LiDAR360, baixar a versão de avaliação gratuita de 30 dias do site da GreenValley International . O LiDAR360 oferece três métodos para subamostragem: espaçamento mínimo de pontos, taxa de amostragem e octree. O método de espaçamento mínimo de pontos precisa definir um espaçamento mínimo de pontos entre dois pontos, para que a distância tridimensional mínima entre dois pontos na nuvem de pontos amostrada não seja menor que esse valor. O método da taxa de amostragem precisa definir a porcentagem de pontos reservados. Nesse modo, o LiDAR360 reterá aleatoriamente o número especificado de pontos. Pontos reservados = Número total de pontos * Taxa de amostragem. O método Octree permite aos usuários selecionar um nível de subdivisão "octree" e criar voxels 3D para a nuvem de pontos de entrada. Somente o ponto mais próximo de cada centro de voxel será retido.
fonte