<\/HEAD>
LAS Point Clouds Daten können genau und zuverlässig sein, NUR wenn während der Erfassung und Verarbeitung im Betrieb strenge Qualitätskontrollstandards eingehalten werden.<\/SPAN><\/P><\/P>LiDAR acquisition<\/SPAN> Systeme, die in der Lage sind, lidar<\/SPAN> data<\/SPAN> mit ausreichender Genauigkeit über eine Reihe von Höhen aufzuzeichnen, sollten erforderlich sein. Mit einem guten Erfassungsplan betreiben hochqualifizierte Feldmitarbeiter, bestehend aus professionellen lizenzierten Vermessungsingenieuren, lizenzierten Piloten und LiDAR-Technikern das System, um qualitativ hochwertige Ergebnisse aus jedem Flug zu gewährleisten und die Projektanforderungen zu erfüllen.<\/SPAN><\/P><\/P>Im Allgemeinen bedeutet die Laser-Datenverarbeitung zahlreiche 'strenge' Arbeitsschritte.<\/SPAN><\/P>
Typische Schritte in unterschiedlicher Arbeitsreihenfolge sind wie folgt:<\/SPAN><\/P>Arbeiten mit Trajektorien;<\/SPAN>
Aufteilen der Daten in kleinere geografische Regionen (Bl46cke);<\/SPAN>
Klassifizieren von Punkten nach Echo;<\/SPAN>
Zuordnen von Liniennummern zu Punkten;<\/SPAN>
Separates Klassifizieren von Bodenpunkten nach jeder Fluglinie;<\/SPAN>
Messen der Übereinstimmung überlappender Streifen;<\/SPAN>
Lösen von Heading, Roll und Pitch für den gesamten Datensatz;<\/SPAN>
Visuelle Überprüfung der Korrekturen;<\/SPAN><\/P>Schneiden überlappender Punktstreifen;<\/SPAN>
Zurücksetzen der Klassifizierung von Bodenpunkten auf Standard;<\/SPAN>
Starten der Endklassifizierung in Boden-, Vegetations-, Geb2aude- usw. Klassen.<\/SPAN> <\/SPAN><\/P>
In der Praxis sollten die Daten aufgrund der Grenzen aktueller Betriebssysteme und Rechnerkapazit2ten in kleinere Bl46cke von etwa 5-10 Millionen Punkten unterteilt werden.<\/P>
Löschen Sie niemals Punkte, fügen Sie keine Punkte hinzu oder ändern Sie die Höhe von Punkten in LAS-Daten, wenn Sie im LAS-Format arbeiten. Spezialisten versehen jeden Punkt nur mit verschiedenen Flags, die Attribute oder Eigenschaften dieses Punktes widerspiegeln. Normalerweise werden Returns auf verschiedene Weise gekennzeichnet: nach Return-Nummer, nach Layer oder nach Typklassen.<\/SPAN><\/P><\/P>Return-Nummer ist einfach erste, zweite, dritte, vierte usw., abhängig von der Anzahl der vom jeweiligen Sensor aufgezeichneten Returns (Anhang - Major LiDAR Sensors). <\/SPAN>Layer bezieht sich auf die Return-Nummer, geht aber einen Schritt weiter zur Höhenklassifizierung. Im LAS-Format können Klassentypen korrekt klassifiziert werden, sogar benutzerdefiniert (Anhang – LAS 1.4). <\/SPAN>Wenn das Endergebnis des Projekts darin besteht, ein nacktes Erdmodell zu erstellen, werden folgende Kategorien empfohlen:<\/SPAN><\/P>Nackter Boden (Terrain);<\/SPAN><\/LI>Merkmale über dem Boden (einschließlich Geb2auden, Baumkronen, Autos, Masten, Brücken66);<\/SPAN><\/LI>Wasser;<\/SPAN><\/LI>Rauschen<\/SPAN><\/LI><\/UL><\/UL>
Noise Removal<\/STRONG>
Der allererste Schritt in der Nachbearbeitung ist es, Rauschpunkte zu identifizieren und zu eliminieren. Dies sind extrem hohe oder niedrige Punkte außerhalb des realistischen Höhenbereichs für das Projektgebiet. Anomal hoch liegende Punkte können durch atmosphärische Aerosole, Vögel oder niedrig fliegende Flugzeuge verursacht werden; niedrige Punkte könnten durch Laser-Multipfad verursacht sein. Während Rauschpunkte wahrscheinlich später durch automatisierte Filter entfernt werden würden, ist es normalerweise vorteilhaft sie noch früher im Verarbeitungsworkflow zu entfernen. Viele Softwarepakete verwenden die absoluten Minimal- und Maximalhöhen eines Datensatzes als Grundlage für die Zuweisung einer Farbskala nach Höhe.<\/P>
Rauschpunkte bewirken eine Kompression des Höhenbereichs in Bereichen von echtem Interesse innerhalb der Farbskala. Zusätzlich zu einem einfachen Bandfilter mit hohen und niedrigen Grenzwerten zur Klassifizierung dieser Punkte als Rauschen (Klasse 7 - Low Point (noise) im LAS-Format) sollten Fernerkundungsspezialisten fortgeschrittene Algorithmen zur Minimierung von Rauschen verwenden, einschließlich manueller Bearbeitung.<\/P>
Sobald sie gekennzeichnet sind, können Rauschpunkte von Software für Anzeigezwecke und analytische Berechnungen einschließlich Feature-Extraktion ignoriert werden.<\/P>
<\/P>
Manual Classification <\/STRONG>
Wie bekannt ist kann automatisiertes Filtern bei angemessener Anwendung etwa 90 % der Bodenpunkte in einer LiDAR-Punktwolke effektiv klassifizieren. Die verbleibenden ca. 10 % der Punkte müssen visuell inspiziert und manuell klassifiziert werden. Dies erfordert menschliche Interaktion mit den Daten sowie Vertrautheit mit der Landschaft des Untersuchungsgebiets und Kenntnis grundlegender Kartierungsprinzipien, Konventionen „best practice“ sowie hochauflösender optischer Bilder (Luftaufnahmen, GeoEye, QuickBird, Pleiades) mit fortschrittlichen Lidar-Paketen wie TerraScan, ENVI LiDAR, Leica CloudPro (Leica XPro, Leica Cyclone) oder ERDAS LPS (point cloud).
In diesen LAS-Punktwolken-Verarbeitungspaketen werden manuelle Bearbeitungs- und Klassifikationstechniken eingeführt um die Datenqualität und Zuverlässigkeit zu verbessern insbesondere wenn LAS-Daten nicht nach dem neuesten LAS-Standard klassifiziert sind. Diese Technik namens 'Classify on Point Cloud' wurde entwickelt und wird im Kontext akzeptierter Kartierungskonventionen und -praktiken angewendet.<\/span>
Zum Beispiel ermöglicht uns Point Cloud Classify die Klassifizierung von Punktwolken basierend auf Parametern die Objekte (menschengemachte Strukturen) und Vegetation definieren einschließlich DTM City Model (Gebäude) und Canopy model (niedrigere Vegetation mittlere Vegetation höhere Vegetation). Bitte beziehen Sie sich auf das Papier "CLASSIFICATION OF LIDAR POINT CLOUD AND GENERATION OF DTM FROM LIDAR HEIGHT AND INTENSITY DATA IN FORESTED AREA".<\/span> <\/> Die Parameter für Vegetation umfassen Kriterien für Höhe und Grünheit. Das Grünheitskriterium gilt nur für Point Clouds mit RGB-Informationen (unten).<\/> 
RGB-kodierte Punkte-Bildgebung, nach hochwertiger kontrollierter Erfassung und Verarbeitung <\/SPAN><\/P>(Genaue und zuverlässige LAS-Punkte, bereit für Geospatial- und G&G-Anwendungen)<\/SPAN><\/P>
Wenn das Endergebnis der manuellen Bearbeitung und Klassifizierung ein detailliertes Gelände-Modell ohne Vegetation (DTM) ist, bedeutet das, dass diese Daten auf Vollständigkeit und das Fehlen von Artefakten qualitätskontrolliert wurden.<\/SPAN><\/P>
Wenn die Endprodukte 3D Feature Clouds enthalten, sollten fortgeschrittene photorealistische Rendering- und 3D-Modellierungstechniken auf diese 3D-Punktwolken angewendet werden, um realistische Darstellungen und 3D-Analysen zu erstellen.<\/SPAN><\/P><\/SPAN><\/P>Für die Stadtmodellierung können 3D Features (Gebäude, Baumkronen, Stromleitungen, Tanks, Autos, Masten, Brücken) klassifiziert und modelliert werden.<\/SPAN><\/P>Schließlich können LiDAR Intensitätsdaten auch verwendet werden, um Merkmale ähnlich wie Rasterbilder zu extrahieren (siehe die Folien von Bill)...<\/SPAN><\/P><\/SPAN><\/P>
<\/SPAN><\/P>
<\/SPAN><\/P>Photorealistisches Rendering von Punktwolken zur Visualisierung und 3D-Modellierung<\/SPAN><\/P>
++++++++++++<\/SPAN><\/P>
Das LAS-Dateiformat ist ein binäres Dateiformat, das Informationen spezifisch für die LiDAR-Natur der Daten beibehält, ohne dabei zu komplex zu sein (http:\/\/www.asprs.org\/Committee-General\/LASer-LAS-File-Format-Exchange-Activities.html<\/A>). <\/SPAN><\/P>Beachten Sie, dass LAS-Wolken auch aus Stereo-Paar optischer Bildgebung neben LiDAR generiert werden können.<\/SPAN><\/SPAN> <\/SPAN><\/P><\/BODY><\/HTML>
