Extracción del límite del río (banco) de LiDAR

8

¿Hay alguna forma de extraer un límite de río (banco) de los datos LiDAR y sus productos (DEM, imagen de intensidad y pendiente) automáticamente? La digitalización lleva mucho tiempo.

dem remote-sensing lidar feature-extraction breaklines Leila
fuente
3
La extracción automática de la línea de ruptura es el santo grial de la producción de LiDAR. La academia ha producido varios enfoques (mira aquí y aquí para empezar). También se han hecho preguntas similares en GIS SE ( aquí y aquí ).
Barbarroja
Sí, algunos son absorbidos por el agua. Estoy buscando un enfoque para extraer automáticamente los límites del río. Hay muchos trabajos de investigación, sin embargo, ninguno de ellos proporciona una solución real para proyectos industriales (con precisión predefinida, ...)
Leila
@Barbarossa Me encanta el giro existencial que le pones a esto. : p
elrobis
3
Estoy con @Barbarossa en este caso, he estado digitalizando cuerpos de agua fuera de la fotografía aérea / intensidad / LiDAR DEM durante aproximadamente 6 semanas. El problema es que el borde del banco está implícito y en realidad no existe, en muchos casos está debajo de los árboles ya que (como era de esperar) los árboles crecen en las orillas y oscurecen la fotografía aérea. Estamos utilizando un láser rojo que no penetra en el agua, esto se muestra bastante bien en la imagen de intensidad, en algunos casos el agua no retorna, pero directamente debajo de la trayectoria de vuelo se produce una alta intensidad; La intensidad con DEM muestra dónde está el agua y la fotografía aérea confirma que no es sombra de árbol.
Michael Stimson

Respuestas:

6

He estado en el procesamiento de LiDAR durante un par de años. El mejor enfoque que hemos encontrado es clasificar los puntos de agua sospechosos en algo diferente al suelo. Debería ser fácil solo clasificar en función de la intensidad (los puntos cercanos al nadir tendrán una alta intensidad, mientras que el agua turbia estará cerca de 0) y los disparos láser generalmente se absorben cerca de la costa de todos modos. Sin embargo, todavía se requiere alguna interpretación y modificación manual

Después de que los puntos de agua se clasifiquen como no subterráneos, exporte un DEM solo terrestre que represente la intensidad. Los vacíos de datos en el DEM tendrán valores 0, que representan probables cuerpos de agua. Con algunos ajustes (no estoy revelando todos mis secretos) en el generador de modelos, puede convertir el ráster en polígono, aplicar un poco de suavizado y listo ... líneas de corte extraídas semiautomáticas.

Tenga en cuenta que esto todavía lleva tiempo y un ojo atento para hacerlo correctamente. Nada es tan preciso como el ojo humano. Buena suerte. Los resultados pueden variar.

Barbarroja
fuente
@Barbarossa: gracias, trabajé con la curvatura de datos y obtuve algunos resultados interesantes. acerca de su método, qué tan precisos son los resultados?
Leila
1
Como dije, son tan precisos como donde los haces. En cuanto a la precisión desde la nube de puntos hasta los polígonos / polilíneas de línea de ruptura finales generados, dependerá de qué resolución (tamaño de celda) admitirá su nube de puntos. Normalmente genero DEM de 1 metro, pero solo porque la nube de puntos lo admite (es decir, el espaciado nominal de puntos). Entonces, con un DEM de 1 m, mis líneas de ruptura generalmente están a 1 metro de donde está la costa real (si digo que es donde está). Mis clientes nunca se han quejado de la precisión.
Barbarroja
Intenté un 'relleno de sumideros', luego la diferencia combinada con celdas sin retorno o más alta que focalmean (funciona solo para bordes) y obtuve 80% de ish ... los sumideros / diferencia recortan la sombra del árbol principalmente, luego se aplicaron criterios de diferencia / área mínimos ; este proceso funcionaría mejor en un área no tan plana como el área que usé como prueba, el problema es que no había mucha diferencia entre el suelo y el agua para llenar y para cuando los incluí, se introdujeron valores espurios. ¿Suena como el inicio de un buen proceso @Barbarossa? ¡Al final, nada es tan bueno como el ojo humano para el 100%!
Michael Stimson