Tengo una gran nube de puntos (LAS de archivo) y estoy tratando de adelgazar el uso de una técnica compleja. Sé que es posible delgada de nubes de puntos utilizando técnicas simples, tales como la extracción de cada nth punto. Sin embargo, la nube de puntos con la que estoy trabajando es más densa en algunas zonas menos densas y en otras áreas. Me gustaría ser capaz de diluir la nube, de manera que las zonas más densas se diluyen en mayor medida que el menos denso de las áreas. Para hacer esto manualmente uno podría crear una red y seleccionar cierto número de puntos dentro de cada célula. (es decir, uno en cada esquina y uno en el centro) sin Embargo, este punto de la nube es demasiado grande para esta tarea. Estoy tratando de averiguar si hay alguna de las soluciones a este problema como un complejo de selección de la consulta, de otro proceso automatizado, o existente de la aplicación de software que puede ser utilizado.
Respuestas
¿Demasiados anuncios?
Suena como que quieres que un voxel-based adelgazamiento o tal vez una base de Poisson. PDAL puede hacer cualquiera. Ver PDAL tutorial sobre el tema en http://www.pdal.io/tutorial/dart-throwing.html
.
En cuanto al tamaño del archivo, por favor definir a los "grandes". Casi cualquier técnica, excepto el simple rango de aniquilación (quitar la n-ésima puntos) va a querer tener acceso a todo el archivo en la memoria. Otras opciones requeriría de una forma más sofisticada de dos etapas index+técnica de muestreo para evitar ese requisito.
Usted puede dar lasthin o lasduplicate de LAStools una oportunidad. Con lasthin puede mantener el 'menor', 'más alto', 'aleatoria' o más 'central' punto sobre una rejilla 2D en el plano x/y con el definido por el usuario 'paso de 0.5. Con lasduplicate puede especificar para quitar todos los puntos que están '-cerca de 0.005' en 3D a partir de todo lo anteriormente aparecen puntos. Consulte los enlaces de archivo LÉAME para obtener más detalles.
El uso de una herramienta como MeshLab http://meshlab.sourceforge.net/ le permitirá comparar fácilmente las sugerencias por Andre Silva. Suena como el conjunto de datos es lo suficientemente pequeño como para ser interactivo en este contexto.
