原文发布时间：2013-10-24
翻译文章链接：http://blog.safe.com/2013/10/14-ways-to-take-charge-of-lidar-data/
翻译整理：毛毛虫
LiDAR技术给空间数据世界带来了一些我们所见过的最大的数据量。我曾在FME中做过的有数千兆字节大小的点云数据。如果十年前，我想没有超过5千兆字节的存储空间……这是一个令人印象相当深刻的统计数据。
大小在继续增长。在2007年，我们的用户在机载数据上看到每平米上一个点表达的点云数据。在2013年，同样的数据每平方米差不多是8个点。
所以对于你的优势，如何利用这些庞大的数据？下面是我们已经看到的人们对这个最令人振奋的数据类型使用的14种方法。
1.在点云数据和其他数据格式间转换
像CAD，GIS，栅格和其它数据类型，LiDAR数据不局限于一种数据格式。在Safe软件中我们看到的点云格式包括：
· LAS (compressed or not)
· Oracle Spatial Point Cloud
· Bentley Pointools POD
· Point Cloud XYZ
· RIEGL Laser Scan Database
· TerrasolidTerraScan
· Z+F LaserControl ZFS
最常用的格式是LAS 和 XYZ——但是像妈妈告诉过我的“普遍并不是无处不在.”或许这个建议是对青少年的，但是我的观点是现代数据处理需要灵活。你需要能够对各种格式进行处理，转换不只是“点云到点云”，也可能是“点云到其他任何格式”或者“其他任何格式到点云”。
可能你有一个XYZ的点云数据，你想要在ArcGIS中使用一个.lasd文件。或者像是在这个例子中，你需要转换你的LAS格式点云到E57。在格式间转换点云数据的能力比之前更重要。
2.将其他数据与点云数据结合
当你将LiDAR数据和其他数据类型结合时，就打开了一个时空中的神奇鸿沟。不管是CAD，GIS，栅格，矢量数据，三维集合，另一种点云，重构的非法地图，或者上述所有类型，你的点云数据都会有兴趣。
3.查看LIDAR点云数据的组件和值
在你的硬盘里，如果不能解译，多千兆字节的野兽无法变成英俊的王子。在任何转换中的关键步骤是查看，所以打开你的点云数据来找出包含的组件。
使用右侧的查看工具，即使是最庞大的点云数据集也开始有意义。
4. 更改点云的坐标系统
LiDAR数据已经有很多坐标系统（UTM，StatePlane等等）。
如果需要投影点云到一个地图上或把它与其他数据组合，可以重投影点云到其他坐标系统，就像处理其他空间数据一样。
5. 把LiDAR数据切片提高处理时间
把输入的要素（点）裁剪为一系列的片就是切片。
如果有一个很大的点云数据，需要做很多转换，尝试对它切片并使用平行处理。它使得以前的转换时间看起来像是一个服了镇静剂的树懒。当然，如果需要将点云生成较小的数据来传递，切片也是非常有用的。
6、裁剪指定范围的点云
当处理LiDAR数据时，12亿个点是个疯狂的数据。事实上，“十亿”这个词是很常见的。你可能不需要将所有的点输出或分析。或许只是想对指定的区域，比如围绕街道的区域。
裁剪是扔掉定义边界范围外的点。创建一个可管理的大小来操作是非常有帮助的。如果你提供了一个三维实体作为裁剪形状，也可以执行一个立体裁剪。在这个例子中，我们应用一个立体裁剪了一条街的点云地面。
7. 减少一个LiDAR数据中的点数目
我听见你说：“太棒了，但是如果我需要整个区域怎么做？”
你可能想处理一个可管理的大小，但是不想裁掉重要的要素，这会使地表就像是被一个巨大的压路机压碎。减少点云的总量使它变薄；例如，通过移除第N个点。
这里我们已经大大变薄了点云并且没有失去数据集的主旨 ，使处理时间大大提升。
8.从点云数据创建一个地表模型
如果你对地形有兴趣，可以从LiDAR数据集中创建一个三维模型。我们的统计显示，表面模型转换是点云最常用的任务之一。
如果用RGB和DEM栅格来覆盖这个点云，我们会创建一个有意义的表面模型，使原来的点集有意义。
9. 通过组件值分割LiDAR数据
分割点云意味着根据组件的值提取点云。可以通过分类、强度、颜色组件等任意组件分割。
在这个点云中，我们可以通过颜色分割点云来提取黄色的道路。输出是仅仅包含道路线的最小的点云，可以写入到一个矢量要素中。
10. 计算和更新点云程度
当我说计算程度，我的意思是集合各种各样的元数据。它可以帮助查看所有的点并计算出在LiDAR数据集中的组件然后计算每个组件的最大最小值，这么就可以知道你正在处理的是什么数据。
你可以通过检查LIDAR文件的头文件并与实际的点比较信息，强制数据的真实程度。
11. 沿着线分LiDAR数据
给出一条线和一个点云作为输入，你可以生成沿着线的点云片（或剖面），可以用它们来分析。
切片和剖分是减少LiDAR数据集整体大小和关注你需要数据的重要方法。在这个例子中，我们沿着一个高速路获取片，留下其余的点云，因为高速路周边的区域是我们关心的。
12. 手动设置点云组件
当写入到一个点云，你可以在点云上手工设置组件——颜色是最常用的一个例子。只要选择微软画图软件中的画刷工具，给第一个点涂色，然后选择另一钟颜色给第二个点涂色，继续这样直到完成所有的十亿个点……开玩笑。通过附着点云的栅格只能的着色。当然，设置其他组件也会得到一个有趣的结果。例如，如果你有一个栅格的分类，可以转换这些类到点云。
13. 对LiDAR数据的逐点计算
展开最后一个点，你用来手工设置组件的值不需要从栅格中提取。你可以利用属性和参数的优势，基于计算设置组件值。
这个例子中，使用计算给我们一个很大的可视化的洪水水位预测。我们设置组件的颜色，特定高度以下的每个点是蓝色的，高于这个高度的点从重叠的栅格上获取。
14. 逐点筛选LiDAR数据
你也可以通过计算来筛选点云。例如，我们知道道路标志是非常反光的。（除非你生活在树林中或在一个没有街道的城市——这种情况下，我告诉你道路标志是非常反光的。）LiDAR数据集的强度组件表达了反射程度。所以如果我们创建了一个强度组件的过滤表达式，我们可以提取道路标志。
你可以看到道路标志是红色高亮的，已经从原始的点云数据中提取。
把转换点云到先进和有用的数据集的潜力在保持增长，对这类数据已经有超过14种的处理方法。你对你的LiDAR数据做什么样的翻译和转换？你感觉最具挑战性的是什么？