LAS数据结构介绍

2023-10-07 17:40
文章标签 介绍 数据结构 las

本文主要是介绍LAS数据结构介绍,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

内容摘要:机载雷达技术作为一种高精度的三维地物探测手段,其相应的数据格式也在不断发展。美国摄影测量与遥感协会下的LIDAR委员会与2003年发布了标准LIDAR数据格式LAS,本文旨在解析及科普LAS数据格式的内部存储方式。

01前言

机载激光扫描(LIDAR: Light Detection andRanging)技术兴起于上世纪90年代后期,它利用激光测距与GPS定位原理,可以快速获取地物上高精度的三维坐标点。因其比传统的摄影测量技术精度高且测绘范围广,所以近几年来,利用LIDAR技术进行地形,地表测绘已经成为一种趋势。目前的LIDAR点云格式通常是由采集和处理LIDAR数据的硬(软)件商提供,常见的如:Leica公司的仪器采集的LIDAR数据采用ASCII形式的Pts,Ptx格式存储,由TerraScan软件处理后的LIDAR数据常采用二进制的Bin,Ts格式存储。因为不同系统自定义的点云格式难以实现数据间共享,而且大量的点云数据对空间的占用也很巨大。为便于LIDAR数据在不同硬、软件之间的交换和存储,美国摄影测量与遥感(ASPRS)协会下的LIDAR委员会于2003年发布了主要面向机载LIDAR数据的标准格式LAS。

在这里插入图片描述
02LAS格式的发展

LAS1.0版标准格式是由美国摄影测量与遥感协会(ASPRS)在2003年发布的,经过改进目前已有1.0、1.1、1.2、1.3、1.4,5种版本。2003年制定的1.0版本定义了LAS格式的基本框架,即公共文件头区,变长记录区和点集记录三部分。ASPRS在2005年发布了LAS1.1格式,随后在2008年发布了的LAS1.2格式延续了LAS1.0的原有框架,并对一些字段的解释和组合进行了一些调整。
在这里插入图片描述
1.定义了一种新的追踪点的方法,LAS1.1公共文件头区新增了文件源ID字段。同时,原GUID字段改为工程ID,工程ID联合文件源ID保证同一个工程下的每一个文件以及同一个文件中的每一点都可以被唯一识别。

2.为便于点的识别和使用,LAS1.1规定点集记录中的分类为必选字段,并定义了一套点分类标准,该字段前0到4位用来存储包括未分类点,地面点,低矮植被到建筑物等32种分类。

3.考虑到彩色化LIDAR点的需要,LAS 1.2定义了“3号格式”和“4号格式”点记录,它们增加了红,绿,蓝字段,用来识别在彩色化LIDAR点时要采用的颜色通道。

4.LAS1.3新增了波格式信息,1.4新增了VLR格式信息。

03LAS数据格式详解

LAS 数据的结构,它包括三部分,依次是公共文件头区,变长记录区和点集记录区。首先,公共文件头区记录LAS文件的普通信息,如文件采集日期,生成软件和点记录的个数等。接下来的变长记录区包含一些元数据,如坐标系信息。最后是LAS文件的核心,记录点的X,Y,Z和点属性的点集记录区。这三个模块是紧密相连且互相联系的。

各个数据类型所占内存:
Char(1字节)
Unsigned char (1字节)
Short (2字节)
Unsigned short (2字节)
Long (4字节)
Unsigned long (4字节)
Double(8字节)

公共头文件区

公共文件头区中定义了指向点集记录起始位置的指针和点记录的个数,以及点记录格式和长度。通过公共文件头区还可以识别变长记录的个数,同时,一些变长记录也定义了点集记录采用的坐标系等辅助信息。

公共区域结构如表所示:
在这里插入图片描述
在这里插入图片描述
可变记录头

变长记录由变长记录头和扩展域组成。用户可以通过向ASPRS注册独立的用户ID来定义自己的变长记录,并向其添加自定义信息。每个用户ID下面可以定义65536个记录ID。LAS 1.0格式初始化了两个用户ID,分别是描述坐标系的LASF_Projection和辅助说明点记录中一些字段的LASF_Spec。

在这里插入图片描述
点集记录

LAS格式中有不同的点集记录格式,0号格式的点集记录依次存储了点的坐标(X、Y、Z),激光返回强度。因为激光的穿透性,一束脉冲打到地物上会有多重返回,返回点序号记录了1至5次多重返回中每个点的序号。返回点个数记录了一束激光的所有返回点个数。1号格式点集记录在0号点集记录后增加了获取该点时的GPS时字段。为节省空间,点的实际坐标会以长整型(X、Y、Z)存储,其去除的小数位存储在公共文件头区的比例因子字段。

Xcoordinate = (Xrecord * Xscale) + Xoffset
Ycoordinate = (Yrecord * Yscale) + Yoffset
Zcoordinate = (Zrecord * Zscale) + Zoffset

在这里插入图片描述
点存储示意:
在这里插入图片描述
C–class(所属类)
F一flight(航线号)
T一time(GPS时间)
I一intensity(回波强度)
R一return(第几次回波)
N一number of return(回波次数)
A一scan angle(扫描角)
RGB一red green blue(RGB颜色值)

这篇关于LAS数据结构介绍的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/159369

相关文章

Go语言中三种容器类型的数据结构详解

《Go语言中三种容器类型的数据结构详解》在Go语言中,有三种主要的容器类型用于存储和操作集合数据:本文主要介绍三者的使用与区别,感兴趣的小伙伴可以跟随小编一起学习一下... 目录基本概念1. 数组(Array)2. 切片(Slice)3. 映射(Map)对比总结注意事项基本概念在 Go 语言中,有三种主要

四种Flutter子页面向父组件传递数据的方法介绍

《四种Flutter子页面向父组件传递数据的方法介绍》在Flutter中,如果父组件需要调用子组件的方法,可以通过常用的四种方式实现,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录方法 1:使用 GlobalKey 和 State 调用子组件方法方法 2:通过回调函数(Callb

Python进阶之Excel基本操作介绍

《Python进阶之Excel基本操作介绍》在现实中,很多工作都需要与数据打交道,Excel作为常用的数据处理工具,一直备受人们的青睐,本文主要为大家介绍了一些Python中Excel的基本操作,希望... 目录概述写入使用 xlwt使用 XlsxWriter读取修改概述在现实中,很多工作都需要与数据打交

java脚本使用不同版本jdk的说明介绍

《java脚本使用不同版本jdk的说明介绍》本文介绍了在Java中执行JavaScript脚本的几种方式,包括使用ScriptEngine、Nashorn和GraalVM,ScriptEngine适用... 目录Java脚本使用不同版本jdk的说明1.使用ScriptEngine执行javascript2.

Python实现NLP的完整流程介绍

《Python实现NLP的完整流程介绍》这篇文章主要为大家详细介绍了Python实现NLP的完整流程,文中的示例代码讲解详细,具有一定的借鉴价值,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 编程安装和导入必要的库2. 文本数据准备3. 文本预处理3.1 小写化3.2 分词(Tokenizatio

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}