<\/HEAD>
Los datos LAS Point Clouds pueden ser precisos y confiables, SOLO cuando se siguen rigurosos estándares de control de calidad durante la adquisición y el procesamiento en operación. <\/SPAN><\/P><\/P>Sistemas de adquisición LiDAR<\/SPAN> capaces de registrar datos lidar<\/SPAN> data<\/SPAN> con suficiente precisión sobre un rango de altitudes deberían ser requeridos. Con un buen plan de adquisición, personal de campo altamente calificado compuesto por topógrafos profesionales licenciados, pilotos licenciados y técnicos LiDAR operan el sistema para asegurar resultados de calidad en cada vuelo para cumplir con los requisitos del proyecto.<\/SPAN><\/P><\/P>Generalmente, el procesamiento de datos láser significa numerosos pasos de trabajo 'rigurosos'. <\/SPAN><\/P>
Los pasos típicos en su diferente orden de trabajo son los siguientes:<\/SPAN><\/P>Trabajando con trayectorias; <\/SPAN>
Dividiendo datos en regiones geogrE1ficas mE1s pequeF1as (bloques); <\/SPAN>
Clasificando puntos por eco; <\/SPAN>
Deduciendo nFAmeros de lEDnea a puntos; <\/SPAN>
Clasificando puntos del terreno por separado despuE9s de cada lEDnea de vuelo; <\/SPAN>
Midiendo la concordancia de tiras superpuestas; <\/SPAN>
Resolviendo cabeceo, alabeo e inclinaciF3n para todo el conjunto de datos; <\/SPAN>
Verificando correcciones visualmente; <\/SPAN><\/P>Cortando tiras superpuestas de puntos; <\/SPAN>
Clasificando puntos del terreno nuevamente a predeterminado; <\/SPAN>
Iniciando clasificaciF3n final a clases como terreno desnudo, vegetaciF3n, edificios, etc.<\/SPAN> <\/SPAN><\/P>
En la prE1ctica, los datos deben dividirse en bloques mE1s pequeF1os de alrededor de 5-10 millones de puntos, debido a los lEDmites de los sistemas operativos actuales y la computaciF3n. <\/SPAN><\/P>
Nunca elimine puntos, agregue puntos o cambie la elevaciF3n de los puntos en datos LAS cuando se trabaja en el formato LAS. Los especialistas solo atribuyen a cada punto varias banderas que reflejan atributos o caracterEDsticas de ese punto. Usualmente, las devoluciones se marcan de varias maneras: por nFAmero de retorno, por capa o por clases tipo. <\/SPAN><\/P><\/P>El nFAmero de retorno es simplemente primero, segundo, tercero, cuarto, etc., dependiendo del nFAmero de retornos registrados por el sensor particular (adjunto - Major LiDAR Sensors). <\/SPAN>La capa se relaciona con el nFAmero de retorno pero da un paso hacia la clasificaciF3n por elevaciF3n. En el formato LAS, los tipos de clase pueden clasificarse correctamente, incluso definidos por el usuario (adjunto - LAS 1.4). <\/SPAN>Si el resultado final del proyecto es producir un modelo del terreno desnudo, se recomiendan las siguientes categorEDas:<\/SPAN><\/P>Terreno desnudo (Terreno); <\/SPAN><\/LI>Características sobre el terreno (incluyendo edificios, copas de árboles, coches, postes, puentes...); <\/SPAN><\/LI>Agua; y <\/SPAN><\/LI>Ruido<\/SPAN><\/LI><\/UL><\/UL>
EliminaciF3n de ruido<\/STRONG>
El primer paso en el post-procesamiento es identificar y eliminar puntos de ruido que son puntos extremadamente altos o bajos fuera del rango realista de elevaciones para el rea del proyecto. Puntos anormalmente altos pueden ser causados por aerosoles atmosfricos, aves o aviones volando bajo ; puntos bajos podran ser causados por multipath lser. Aunque los puntos ruidosos probablemente se eliminaran ms tarde mediante filtrado automatizado , usualmente es ventajoso eliminarlos incluso antes en el flujo de trabajo del procesamiento . Muchos paquetes software usan las elevaciones mnimas y mximas absolutas en un conjunto de datos como base para asignar una escala para la simbologa color-por-elevacin .
Los puntos ruidosos causarn que el rango de elevacin en las zonas reales de inters se comprima dentro de la escala cromatica . Adems del filtro simple con lmites altos y bajos para clasificar estos puntos como ruido , que es Clase 7 - Punto Bajo (ruido) en formato LAS , especialistas en teledeteccin deben usar algoritmos avanzados para minimizar ruido , incluyendo edicin manual .
Una vez etiquetados , los puntos ruidosos pueden ser ignorados por software para propósitos visuales y en clculos analiticos , incluyendo extraccin de caracteristicas .
Clasificacin manual
Como es sabido , filtrado automatizado aplicado apropiadamente puede clasificar efectivamente alrededor del 90 % de los puntos del terreno en una nube LiDAR . El restante alrededor del 10 % debe ser inspeccionado visualmente y clasificado manualmente , lo que implica interaccin humana con los datos , familiaridad con paisaje sujeto y conocimiento fundamental principios cartogrficos , convenciones , "mejores prcticas" e imageria optica alta resolucin (fotografias aereas , GeoEye , QuickBird , Pleiades ) con paquete avanzado Lidar como TerraScan , ENVI LiDAR , Leica CloudPro (Leica XPro , Leica Cyclone ), o ERDAS LPS (point cloud).
En esos paquetes procesamiento LAS point cloud , té cnicas edició n manual y clasificació n son introducidas para ayudar a mejorar precisió n y confiabilidad datos , particularmente cuando datos LAS no está n clasificados segú n ú ltimo está ndar LAS . Este tipo té cnica llamada 'Classify on Point Cloud' ha sido desarrollada y aplicada en contexto convenciones aceptadas cartográ ficas y prá cticas .
Por ejemplo , Point Cloud Classify nos permite clasificar point clouds basados en pará metros que definen objetos (estructuras hechas por humanos) y vegetació n , incluyendo DTM , City Model (edificios) y Canopy model (vegetació n baja , vegetació n media , vegetació n alta) . Por favor consulte el documento llamado 'CLASSIFICATION OF LIDAR POINT CLOUD AND GENERATION OF DTM FROM LIDAR HEIGHT AND INTENSITY DATA IN FORESTED AREA'.
Los pará metros para vegetació n incluyen criterios altura y verdor . El criterio verdor es aplicable solo a Point Clouds que tienen informació n RGB (abajo) .
Imágenes de Puntos codificados en RGB, después de una Adquisición y Procesamiento controlados con alta calidad <\/SPAN><\/P>(Puntos LAS precisos y confiables, listos para aplicaciones Geoespaciales y G&G)<\/SPAN><\/P>
Si el resultado final de la edición manual y clasificación es un modelo detallado del terreno desnudo (DTM), eso significa que esos datos han sido controlados en calidad para verificar su completitud y ausencia de artefactos.<\/SPAN><\/P>
Si los productos finales incluyen nubes de características 3D, se deben aplicar técnicas avanzadas de renderizado fotorrealista y modelado 3D a esas nubes de puntos 3D para crear representaciones realistas y análisis 3D.<\/SPAN><\/P><\/SPAN><\/P>Para el modelado de ciudades, las características 3D (edificios, copas de árboles, líneas eléctricas, tanques, coches, postes, puentes) pueden ser clasificadas y modeladas.<\/SPAN><\/P>Finalmente, los datos de intensidad LiDAR también pueden usarse para extraer características, similar a imágenes raster (ver las diapositivas de Bill)...<\/SPAN><\/P><\/SPAN><\/P>
<\/SPAN><\/P>
<\/SPAN><\/P>Renderizado Fotorrealista desde Nubes de Puntos para Visualización y Modelado 3D<\/SPAN><\/P>
++++++++++++<\/SPAN><\/P>
El formato de archivo LAS es un formato binario que mantiene información específica a la naturaleza LiDAR de los datos sin ser excesivamente complejo (http:\/\/www.asprs.org\/Committee-General\/LASer-LAS-File-Format-Exchange-Activities.html<\/A> . <\/SPAN><\/P>Tenga en cuenta que las nubes LAS también pueden generarse a partir de imágenes ópticas en pares estereoscópicos, además de LiDAR<\/SPAN>.<\/SPAN> <\/SPAN><\/P><\/BODY><\/HTML>
