粗い木質の破片の抽出


8

地上レーザースキャナーを使用して、いくつかの森林区画の非常に高密度の点群を作成しました。次に、1.3メートルを超えるポイントを削除して、粗い木質の破片(枯れた枯れた木)を確認しました。添付されているのは、赤い楕円の内側に粗い木質の破片があるサンプルプロットの陰影付きDEMです。

ここに画像の説明を入力してください

プロットはまた、1.3メートル未満の木の幹の一部である小さな木、地面、小さな岩で構成されています。画像から、木質の破片はその連続的な形状で識別できます。この画像から木質の破片を抽出するツールを探しています。Arcmap、Envi、またはその他のオープンソースソフトウェアは完璧です。コーディングが役立つ場合は、Pythonの基本的な知識も持っています。


2
LiDARは分類されていますか?自動地面/非地面がここで役立ちます。自動アルゴリズムは、落下した破片を建物(地上ポイントのない地上)として分類する必要があります。建物クラス(または低/中野菜クラス)をEsriを使用してTINに変換し、TINを三角形のリソースに変換してみてください。arcgis.com /en/help/main/10.1/index.html#//…、非常に長い側面の三角形(Pythonが必要)を削除し、小さな三角形を溶解して無視します。これらの指標はすべて、実験を行い、異常を取り除くためにおそらく手動で確認する必要があります。
マイケル・スティムソン2018

@マイケルスティムソンありがとうございます。私は地面と植生を分類しましたが、木質の破片を検出できるかどうかを確認するために建物の分類を試みます。TIN法は手作業のように聞こえますが、96ヘクタールの区画があるので、私の場合には理想的ではないかもしれません。
Sher

ティンニングとデシメーションでは、隣接していると見なすには小さすぎるものをすべて除外することにより、検査する領域の数を減らす必要がありますが、経験から、隣接しているように見えてもそうではない少数の領域があります。隣接性は目で簡単に検出されます。しかし、アルゴリズムで検出するのはそれほど簡単ではありません。機械学習が役立つかもしれませんが、私はこの分野で、この一連の行動からあなたを説得/説得する経験はありません。個人的には、結果を検証せずにソフトウェアプロセスだけに依存することはありません。
Michael Stimson

1
これが以前に行われたことがあるかどうかはわかりません。Uネットなどの画像セグメンテーションを行う完全たたみ込みネットワークを使用しようとします:deeplearning.net/tutorial/unet.html
アーロン

1
赤い楕円なしでサンプル画像を投稿できますか?
BERA、

回答:


1

Michaelの発言に加えて、Rumpleインデックスまたは同様のメトリックを使用してDEMの表面粗さを計算することをお勧めします。地上点が分類されている限り、点群自体に粗さ推定を実行することもできます。

粗さの値のみに基づいて、関心のあるデブリのタイプを分類できる場合がありますが、DEMと点群の粗さを互いに比較する方法も比較できます。これは、DEMの妥当性と、粗い木質の破片の場所を確認するのに役立ちます。

Rのしわくちゃのインデックスを計算できるパッケージへのリンクは次のとおりです。https//rdrr.io/cran/lidR/man/rumple_index.html

そして、統計的に異なっていても似たようなことをするpythonプログラムがありますhttps : //github.com/BodoBookhagen/PC_geomorph_roughness

編集:

DEMの粗さをラスターレイヤーとして視覚化するには、gdal関数gdaldemを使用して、粗さと地形の凹凸マップを作成します。

gdaldem roughness path/to/dem.tif path/to/output.tif [-compute_edges] 

gdaldem TRI path/to/dem.tif path/to/output.tif [-compute_edges] 

@Gory Gに感謝します。Rのランプルインデックス関数は、プロット全体に対して1つのインデックスのみを返します。粗さインデックスのグリッドマップを期待していました。las <- readLAS('a-4.las') chm = grid_canopy(las,0.1,p2r()) roughness = rumple_index(chm)ラフネスインデックスマップを作成するためにコードを変更する方法を教えてください。
シェール

1
@Sher粗さマップを作成するには、GDALを使用できます。1行のコードでこれを行う「gdaldem」と呼ばれる関数があります。DEMを入力として使用して、テレインラギッドネスインデックス(TRI)ラスターを作成することもできます。上記の応答にコードを追加します。
Kartograaf
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.