Edición de nubes de puntos LiDAR para eliminar ruidos/observaciones presentes por debajo y por encima del suelo?

Question

Tengo datos LiDAR "sucios" que contienen el primer y el último retorno y también, inevitablemente, errores por debajo y por encima del nivel de la superficie. (captura de pantalla)

Tengo a mano SAGA, QGIS, ESRI y FME, pero ningún método real. ¿Cuál sería un buen flujo de trabajo para limpiar estos datos? ¿Existe un método totalmente automatizado o de alguna manera estaría borrando manualmente?

Answer 1

Parece que tienes valores atípicos:

• i) por debajo de la superficie del suelo;
• ii) por encima de la superficie del suelo y verticalmente entre otras características reales por encima del suelo;
• iii) puntos sobre el suelo con altura superior a la de todos los objetos de interés, por ejemplo los causados por nubes o pájaros (esto no se muestra en la imagen, pero supongo que también podría ser el caso).

Para 'i', la opción es utilizar un algoritmo de filtro de suelo que pueda tener en cuenta los 'errores negativos' para obtener una nube de puntos de suelo LiDAR limpia. Véase el algoritmo Multiscale Curvature Classification (MCC) de Evans y Hudak (2007). Se dice en la página 4:

Los errores negativos son una ocurrencia común en los datos LiDAR, que pueden ser causados por la dispersión de los fotones en un pulso láser devuelto. La dispersión alarga el tiempo que tarda un pulso láser emitido en volver al sensor de la aeronave, inflando el cálculo de la distancia recorrida, lo que provoca un error de medición en el que la elevación de la superficie se registra erróneamente como un punto de referencia. error en el que la elevación de la superficie se registra erróneamente por debajo de las mediciones circundantes. Debe tenerse en cuenta que los enfoques de clasificación de curvatura pueden eliminar potencialmente los retornos válidos que rodean los errores negativos, lo que puede ampliar el artefacto de borde alrededor de un error negativo para crear un claro efecto de "cráter de bomba". efecto de "cráter de bomba". Para abordar los errores negativos, Haugerud y Harding sugirieron establecer el parámetro de tolerancia de curvatura en cuatro veces el tamaño de la celda interpolada y seleccionar los retornos que superen este umbral de curvatura negativa. Sin embargo, hay que tener en cuenta que, en determinadas circunstancias, los rendimientos que parecen ser errores negativos pueden ser, de hecho, rendimientos válidos. (por ejemplo, socavones). Por lo tanto, la sugerencia anterior para eliminar posibles errores negativos puede implementarse como un último bucle opcional del modelo para emplear a discreción del usuario si es necesario.

Más abajo hay un post con un ejemplo sobre el uso de MCC-LIDAR:

• ¿Determinación del MDE de tierra desnuda a partir de un archivo LAS no clasificado?

Una vez que se dispone de una nube de puntos LiDAR precisa para elaborar un MDE exacto, es posible normalizar la nube de puntos, y excluir los puntos que están por debajo de la superficie del MDE (los que tienen valores negativos). Utilizando el mismo enfoque, también es posible tratar el punto número "iii" eliminando los puntos que superan algún umbral fijo. Véase, por ejemplo

• ¿Supresión de puntos anómalos en *.lasd mediante ArcGIS for Desktop?

Luego, nos deja con "ii", al que se dirige Respuesta de AlecZ recomendando lasnoise de LAStools. También se encargará de 'iii', y quizá también de parte de 'i' (aunque LAStools requiere una licencia). Aquí se citaron otras herramientas creadas específicamente para comprobar/eliminar valores atípicos: PDAL filters.outlier herramienta en Respuesta de Charlie Parr que tiene una explicación detallada sobre el funcionamiento de la herramienta, y con la ventaja de que PDAL es un software gratuito.

A continuación, lo que queda del proceso automatizado (si hay algún valor atípico) puede eliminarse manualmente. Por ejemplo:

• (LAStools; ArcGIS Pro) ¿Limpiar los puntos LiDAR que el algoritmo de clasificación pasa por alto?
• (Modelador QT) --> respuesta de auslander ).

---

_{Evans, Jeffrey S.; Hudak, Andrew T. 2007. <a href="http://www.fs.fed.us/rm/pubs_other/rmrs_2007_evans_j001.pdf" rel="nofollow noreferrer">Un algoritmo de curvatura multiescala para clasificar LiDAR de retorno discreto en entornos boscosos </a>. IEEE Transactions on Geoscience and Remote Sensing. 45(4): 1029-1038.}

Answer 2

Dado que el OP no limitaba las soluciones al código abierto, yo sugeriría Quick Terrain Modeler ( Modelador QT ). Requiere una licencia. Cargar la nube de puntos en QT, y esencialmente inclinarlo para obtener la vista de perfil que desea, goma de la banda de la agrupación que desea eliminar, y sólo tiene que pulsar eliminar.

Answer 3

He tenido suerte simplemente utilizando una varianza focal en una trama interpolada. A continuación, asigne los valores de varianza a los puntos y utilice un umbral para eliminar las varianzas localmente altas, que representan grandes desviaciones de la estimación del núcleo local.

Hay que asegurarse de que la resolución de la superficie interpolada sea de un grano lo suficientemente pequeño como para que capte la variación local a nivel de punto(s). El tamaño del núcleo también influirá, pero para los valores atípicos, una ventana de 3x3 debería ser suficiente. Es posible que se pierdan algunos puntos adicionales, pero con el lidar sobran muchos datos.

Answer 4

Lastools proporciona exactamente lo que necesita: scripts automatizados que eliminarán todos estos puntos por usted. Hay un coste de licencia para eso, sin embargo, pero si se trata de un proceso que desea hacer rápidamente como una tarea regular, utilizando el guión lasnoise de su conjunto de herramientas es una opción perfecta.

Como ha señalado @Andre Silva, ArcGIS dispone de un conjunto de herramientas LAS, que puede utilizar después de ejecutar la herramienta de geoprocesamiento Crear conjunto de datos LAS. A partir de ahí, puede entrar manualmente para reclasificar o eliminar estos puntos de ruido. El inconveniente es que no es un proceso tan intuitivo o eficaz como QT Modeler (sugerido por @auslander), probablemente el mejor programa para visualizar/analizar/manipular archivos las manualmente, y además con un coste de licencia. ArcMap limitará el número de puntos visibles al editar tu nube de puntos, lo que significa que probablemente tendrás que hacer zoom en las áreas con ruido, eliminarlas o reclasificarlas, y luego moverte a través de ellas como parte de un proceso de limpieza manual. Pero esto hará el trabajo.

Answer 5

En André Silva ha dicho MCC-LIDAR es una buena opción para extraer los puntos del terreno pero, según mi experiencia, tendrá problemas si tienes una nube de puntos muy grande (500 millones de puntos o incluso menos). En otras palabras, devolverá un error y no ejecutará el algoritmo, incluso si cambias los ajustes (parámetros de escala y curvatura). Además, según mi experiencia, mantiene algunos de los "errores negativos" en los datos.

Mi alternativa para ello es invertir la nube de puntos (los puntos situados por debajo del suelo subirán y los situados por encima del suelo bajarán). Para conseguirlo, cargo los datos en R e invierto la altura, luego ejecuto MCC-LIDAR y vuelvo a invertir los datos. Usted probablemente podría hacer esto en QGIS o ArcGIS, pero dependiendo del tamaño de su conjunto de datos, podría tomar un tiempo para hacerlo.

La herramienta PDAL suelo también es una buena opción, ya que funciona mejor con conjuntos de datos más grandes pero, de nuevo, algunos de los puntos por debajo del suelo seguirán conservándose. Invertir el conjunto de datos también ayudará a resolver este problema.

Para los puntos por encima del suelo, mi mejor enfoque es una limpieza manual y la mejor herramienta de código abierto que he encontrado para hacerlo es dentro de CloudCompare. Deberá elegir Segment en el menú de la barra superior y podrá eliminar los puntos seleccionados o todos los demás. He utilizado LAStools antes ( lasview ), pero la interfaz 3D no es tan fácil de usar.