Nouveau tutoriel étape par étape pour velodyne drone lidar de snoopy par lidarusa rapidlasso gmbh outil générateur bitcoin 2017

Les membres de Harris Aerial nous ont fourni des données LiDAR à partir d’un vol d’essai de l’un de leurs drones, le Carrier H4 Hybrid HE (avec une charge utile maximale de 5 kg et un prix de détail de 28 000 $ US), avec un système LiDAR de LidarUSA dans la campagne près de Huntsville, en Alabama. Le scanner laser utilisé par la série Snoopy A est un Velodyne HDL 32E qui comporte 32 paires de lasers / détecteurs différentes qui se déclenchent successivement pour scanner jusqu’à 700 000 points par seconde dans un rayon de 1 à 70 mètres. Vous pouvez télécharger le fichier LiDAR brut du vol d’essai de 80 secondes ici. Comme toujours, la première chose que nous faisons est de visualiser le fichier avec lasview et de générer un rapport textuel de son contenu avec lasinfo.


lasview -i Velodyne001.laz -set_min_max 680 750

Il devient évident que le drone doit avoir scanné des parties de lui-même (probablement le train d’atterrissage) pendant le vol et nous exploitons ce fait dans le traitement ultérieur. L’information sur laquelle des 32 lasers collectait quel point est stockée dans le champ “identifiant de source de point” qui est habituellement utilisé pour les informations de ligne de vol. Cela donne un aspect psychédélique à lasview alors que ces 32 numéros différents sont mappés aux 8 couleurs différentes que Lasview utilise pour distinguer les lignes de vol.

le rapport lasinfo nous générons la densité de points moyenne avec ‘-cd’ et incluons des histogrammes pour un certain nombre d’attributs ponctuels, à savoir ‘données utilisateur’, ‘intensité’, ‘ID source point’, ‘temps GPS’ et ‘angle de balayage’ . lasinfo -i Velodyne001.laz ^

Vous pouvez télécharger le rapport résultant ici et il vous dira que l’information qui des 32 lasers collectait quel point était stockée à la fois dans le champ ‘données utilisateur’ et dans le champ ‘identifiant source source’. Les avertissements que vous voyez ci-dessous ont à voir avec le fait que la boîte de sélection à double précision stockée dans l’en-tête LAS a été remplie de chiffres qui ont beaucoup plus de chiffres décimaux que les coordonnées du fichier, qui ont une résolution millimétrique (ou millife) les trois facteurs d’échelle sont 0,001 (ce qui signifie trois chiffres décimaux). AVERTISSEMENT: résolution stockée de min_x non compatible avec x_offset et x_scale_factor: 2171988.6475160527

L’attribut “nombre de retours” et “nombre de retours” de chaque point du fichier est de 2. Cela donne l’impression que le fichier ne contient que les derniers retours de ces plans laser qui ont produit deux retours. Cependant, étant donné que le Velodyne HDL 32E ne produit qu’un seul retour par tir, nous pouvons conclure sans risque que ces chiffres devraient tous être de 1 au lieu de 2 et qu’il s’agit simplement d’un petit bogue dans le logiciel d’exportation. Nous pouvons facilement résoudre ce problème avec las2las. reporting minimum et maximum pour toutes les entrées d’enregistrement de points LAS …

le rapport lasinfo manque d’informations sur le système de référence de coordonnées car il n’y a pas de VLR qui stocke les informations de projection. Harris Aerial ne pouvait pas nous aider autre que de nous dire que l’analyse était près de Huntsville, Alamaba. La mesure de certaines distances dans la scène, comme la hauteur de la maison ou de l’arbre, suggère que les unités horizontales et verticales sont en pieds, ou plutôt en pieds américains. Après quelques expériences, nous trouvons qu’utiliser EPSG 26930 pour NAD83 Alabama West mais forcer les unités horizontales par défaut des mètres aux pieds US donne un résultat qui s’harmonise bien avec les images haute résolution de Google Earth comme vous pouvez le voir ci-dessous: lasgrid -i flightline1.laz ^

Le flux de travail illustré ci-dessus aboutit à un petit fichier LAY qui fait partie de la fonctionnalité LASlayers de LAStools. Il encode seulement les quelques changements de classifications que nous avons faits au fichier LAZ sans réécrire les parties qui n’ont pas changé. Les personnes intéressées peuvent utiliser des laslayers pour inspecter la structure du fichier LAY: laslayers -i Velodyne001_above719.laz

Cela nous donne deux nouveaux fichiers avec les annexes à trois chiffres ‘_001’ et ‘_012’. Ce dernier contient les points que nous avons marqués comme faisant partie de la trajectoire. Nous voulons maintenant utiliser lasview pour – visuellement – trouver un bon moment dans le temps où diviser la trajectoire en plusieurs lignes de vol. le rapport lasinfo nous indique que les horodatages GPS sont dans la gamme de 418,519 à 418,602. Afin d’utiliser le même truc que nous avons fait dans notre récent article sur le traitement des données LiDAR du Hovermap Drone, où nous avons cartographié le temps GPS à l’intensité pour l’interroger via lasview, nous devons d’abord soustraire un grand nombre de l’heure GPS. timbres pour les amener dans une gamme appropriée qui correspond au champ d’intensité comme fait ici. lasview -i Velodyne001_above719_012.laz ^

En planant avec la souris sur un point qui – visuellement – semble être l’un des points tournants du drone et en appuyant sur ‘i’ sur le clavier montre une valeur d’intensité de 548 qui correspond à l’horodatage GPS 418548, que nous utilisons ensuite pour diviser le nuage de points LiDAR (sans la trajectoire) en deux lignes de vol: las2las -i Velodyne001_below719.laz ^

Ensuite, nous utilisons lasoverlap pour vérifier à quel point les points LiDAR depuis le vol et le retour du vol s’alignent verticalement. Cet outil calcule la différence des points les plus bas pour chaque pied carré couvert par les deux lignes de vol. Les différences de moins d’un quart de pied sont mappées en blanc, les différences de plus d’un demi-pied sont mappées en rouge ou bleu saturé selon que la différence est positive ou négative: lasoverlap -i flightline1.laz ^

Nous utilisons ensuite une nouvelle fonctionnalité de l’interface graphique LAStools (à partir de la version 180429) pour inspecter de plus près les grandes zones rouges ou bleues. Nous voulons utiliser lasmerge et découper toute région qui semble suspecte pour un examen plus approfondi avec lasview. Nous démarrons l’outil en mode GUI avec la commande ‘-gui’ et les deux lignes de vol préchargées. En utilisant le nouveau déploiement de superposition PNG sur la gauche, nous ajoutons l’image ‘overlap_025_050_diff.png’ du dossier de qualité créé à la dernière étape et découpons trois zones. lasmerge -i volline1.laz -i volline2.laz -gui