Jakie narzędzia przetwarzania LiDAR są dostępne w Pythonie?

Korzystam z FUSION i wiersza poleceń FUSION Lidar Toolkit (LTK) do przetwarzania danych LiDAR. Szeroka wyszukiwarka Google („Lidar Python”) dała biblioteki libLAS i pyLAS jako biblioteki Python LiDAR, jednak wydaje się, że zapewniają one dostęp tylko do odczytu i zapisu danych LAS.

Szczególnie interesuje mnie tworzenie obrazów intensywności i gęstości oprócz modeli powierzchni czaszy z chmur punktów. Czy istnieje ogólnie akceptowany zestaw narzędzi w Pythonie, które mogą wykonywać te same zadania, do których jest zdolny FUSION LTK?

laspy to kolejne dobre oprogramowanie do odczytu / zapisu LAS. Obsługuje pracę z danymi bezpośrednio w tablicach numpy i szereg innych fajnych funkcji Pythonic. Jednak samo w sobie nie przetwarza oprogramowania.

PDAL ma możliwość używania Pythona jako języka filtrującego w potoku, ale nie jest to również silnik przetwarzania.

W kołczanie Python nie ma zbyt wiele do przetwarzania LiDAR i przetwarzania chmury punktów. Myślę, że część tego ma związek z zwykle przetwarzanymi woluminami danych i typową odpowiedzią na sięganie po C / C ++ w obliczu wyzwania. Mam nadzieję, że gdy Python się poprawi (PyPy napędza wiele rzeczy i to jest powód, dla którego pracowałem nad stworzeniem laspy), dostępne jest więcej oprogramowania do przetwarzania chmury punktów w Pythonie. Myślę, że perspektywy się poprawiają, ale wciąż jeszcze nie wszystko.

Niedawno wydałem autonomiczną bibliotekę Open Source (MIT) (tj. Bez zależności) o nazwie WhiteboxTools do wykonywania wielu rodzajów analiz geoprzestrzennych, w tym przetwarzania danych LiDAR. Biblioteka jest napisana w języku Rust i ma szerokie wsparcie dla skryptów opartych na języku Python . Na przykład następujący skrypt w języku Python używa biblioteki WhiteboxTools do zapełniania danych kolorów RGB punktów LiDAR w pliku LAS:

from whitebox_tools import WhiteboxTools

wbt = WhiteboxTools()
wbt.work_dir = "/path/to/data/"
in_lidar = "lidar_data.las"
in_image = "airphoto.tif"
out_lidar = "colourized_lidar.las"
wbt.lidar_colourize(in_lidar, in_image, out_lidar) 

Narzędzia przetwarzania specyficzne dla LiDAR WhiteboxTools obejmują następujące funkcje:

• BlockMaximum: Tworzy raster o maksymalnym bloku z wejściowego pliku LAS.
• BlockMinimum: Tworzy raster o minimalnym bloku z wejściowego pliku LAS.
• FilterLidarScanAngles: Usuwa punkty w pliku LAS, których kąty skanowania są większe niż próg.
• FindFlightlineEdgePoints: Identyfikuje punkty wzdłuż krawędzi linii lotniczej w pliku LAS.
• FlightlineOverlap: czyta plik punktu LiDAR (LAS) i wysyła raster zawierający liczbę nakładających się linii lotu w każdej komórce siatki.
• LidarElevationSlice: Wyprowadza wszystkie punkty w pliku punktów LiDAR (LAS), które leżą między określonym zakresem wysokości.
• LasToAscii: Konwertuje jeden lub więcej plików LAS na pliki tekstowe ASCII.
• LidarColourize: Dodaje pola koloru czerwono-zielono-niebieskiego do pliku LiDAR (LAS) na podstawie obrazu wejściowego.
• LidarGroundPointFilter: Identyfikuje punkty naziemne w zbiorze danych LiDAR.
• LidarIdwInterpolation: interpoluje pliki LAS przy użyciu schematu ważonego odwrotnie (IDW).
• LidarHillshade: Oblicza wartość cienia wzgórza dla punktów w pliku LAS i przechowuje te dane w polu RGB.
• LidarHistogram: Tworzy histogram z danych LiDAR.
• LidarInfo: Drukuje informacje o zestawie danych LiDAR (LAS), w tym dane nagłówka, częstotliwości powrotu punktu i dane klasyfikacyjne oraz informacje o rekordach o zmiennej długości (VLR) i geokeys.
• LidarJoin: Łączy wiele plików LiDAR (LAS) w jeden plik LAS.
• LidarKappaIndex: Wykonuje analizę kappa indeksu zgodności (KIA) na podstawie klasyfikacji dwóch plików LAS.
• LidarNearestNeighbourGridding: Grids pliki LAS przy użyciu schematu najbliższego sąsiada.
• LidarPointDensity: Oblicza przestrzenny wzór gęstości punktów dla zestawu danych LiDAR.
• LidarPointStats: Tworzy kilka rastrów podsumowujących rozkład danych punktów LAS.
• LidarRemoveDuplicates: Usuwa zduplikowane punkty ze zbioru danych LiDAR.
• LidarRemoveOutliers: Usuwa wartości odstające (wysokie i niskie punkty) w chmurze punktów LiDAR.
• LidarSegmentation: Segmentuje chmurę punktów LiDAR na podstawie normalnych wektorów.
• LidarSegmentationBasedFilter: Identyfikuje punkty naziemne w chmurach punktów LiDAR przy użyciu podejścia opartego na segmentacji.
• LidarTile: sąsiadująco umieszcza plik LAS LiDAR w wielu plikach LAS.
• LidarTophatTransform: Wykonuje białą transformację w top-hat na zestawie danych Lidar; jako oszacowanie wysokości nad ziemią jest to przydatne do modelowania baldachimu roślinności.
• NormalVectors: Oblicza wektory normalne dla punktów w pliku LAS i przechowuje te dane (elementy wektorowe XYZ) w polu RGB.

Ponadto istnieje wiele narzędzi do przetwarzania DEM, które są interpolowane z danych źródłowych LiDAR (np. Denoising z zachowaniem funkcji, wymuszanie hydro itp.). Szczegóły można znaleźć w instrukcji obsługi . Kod źródłowy można znaleźć tutaj , a skompilowane pliki binarne znajdują się na stronie Geomorphometry and Hydrogeomatics tutaj .

Chociaż nie jest to ściśle biblioteka „Python”, ale raczej zestaw opakowań dla innych narzędzi, w szczególności GRASS, istnieją „Skrypty ARSF DEM”, które napisałem:

https://github.com/pmlrsg/arsf_dem_scripts

Jednym z celów było zapewnienie wspólnego zestawu funkcji Pythona dla różnych narzędzi wiersza poleceń (nazywanych przy użyciu podprocesu) z methodflagą używaną do określenia tego narzędzia.

Przykład użycia do generowania obrazu DSM, intensywności i gęstości to:

from arsf_dem import dem_lidar

# DSM image (GRASS, points2grid, SPDLib, FUSION or licensed LAStools)
dem_lidar.las_to_dsm('in_las.las', 'out_dsm.tif',
                      method='points2grid')

# Intensity image (GRASS or licensed version of LAStools)
dem_lidar.las_to_intensity('in_las.las', 'out_intensity.tif',
                           method='GRASS')

# Density image (GRASS only)
dem_lidar.grass_lidar.las_to_density('in_las.las', 'out_density.tif',
                                     bin_size=10)

Istnieje wiele narzędzi do przetwarzania LiDAR dostępnych za pośrednictwem otoki GRASS Python, które mogą być również używane zamiast / oprócz tego, co jest dostępne arsf_dem.

pylidarto stosunkowo nowy zestaw modułów Pythona do przetwarzania LiDAR. Opiera się na SPDLib i RIOS i używa numpy.

Można go pobrać stąd

Zaczynam się bawić z narzędziami tutaj znalezionymi. To było całkiem przydatne. https://github.com/brycefrank/pyfor

Jeśli spojrzeć na kodzie źródłowym z przybornika QGIS dla LAStools (obecnie część ramach wtyczki przetwarzania) można zobaczyć, jak zadzwonić oprogramowania zewnętrznego (tutaj LAStools ) do przeprowadzania operacji przetwarzania LiDAR.