point-cloud-lidar

点云与 LiDAR

用途：将原始回波转化为可靠的高程和结构产品。 常见的失败模式包括：盲目信任供应商分类、 在地表中混用回波类型（用末次回波生成 DSM、DTM 中包含 植被），以及在选择输出分辨率时忽略点密度。

首次处理任何点云时

pdal info input.laz --summary        # counts, bounds, CRS, classes, returns

在进行任何操作前，先报告：点数、密度（pts/m²——决定可实现的栅格 分辨率）、CRS（水平和垂直基准——椭球高与正高的差异取决于大地水准面 起伏，某些地区可达数十米）、是否包含分类信息、是否包含回波编号、 航带重叠伪影。没有 CRS 元数据的点云：向数据提供方核实，切勿自行假定。

格式与规模

格式	用途
LAZ	压缩交换／存档格式——默认选择
COPC（云优化 LAZ）	流式／HTTP 范围访问、Web 查看器
LAS	仅在工具无法读取 LAZ 时使用
Entwine/EPT	大型多瓦片集合，已建立索引

将大型集合切分成瓦片；按瓦片处理时，为边缘添加缓冲区（约为搜索 半径的 2 倍），以避免滤波和地表处理产生接缝伪影；写入时去除缓冲区。

PDAL 流水线模式

{
  "pipeline": [
    "input.laz",
    {"type": "filters.reprojection", "out_srs": "EPSG:32636"},
    {"type": "filters.outlier", "method": "statistical",
     "mean_k": 8, "multiplier": 2.5},
    {"type": "filters.smrf", "slope": 0.15, "window": 18.0,
     "threshold": 0.5, "scalar": 1.2},
    {"type": "writers.las", "filename": "classified.laz",
     "extra_dims": "all"}
  ]
}

运行：pdal pipeline pipeline.json。先去噪，再进行地面分类 （地面以下的低位离群点会破坏 SMRF/CSF）；陡峭地形应调高 slope， window 则应设为最大的非地面对象（大型建筑需要更大的窗口）。

地面分类与 DTM

• 如果供应商已提供 class 2（地面）：先审查 2–3 条横截面 （桥梁、茂密树冠、陡坡），再决定是否信任；对分类失败的区域重新分类。
• 算法：SMRF（PDAL 默认算法，稳健）、CSF（布料模拟，适用于 陡峭森林）。参数取决于地形——应提供横截面图作为依据，而不只是参数列表。
• 仅使用地面点生成 DTM；插值方法：TIN → 栅格（DTM 的标准方法）， 或对高密度点云使用 IDW。输出分辨率应 ≥ ~1/√density；用 1 pt/m² 数据生成 0.5 m DTM 属于凭空创造细节。
• 使用首次回波／最高点分箱生成 DSM。CHM = DSM − DTM， 将负值设为 0；林业应用应使用无坑算法（朴素 CHM 会因树冠内部的坑洞而出现斑点）。

结构指标

• 林业：高度百分位数（p95 ≈ 树冠高度）、树冠覆盖率 （高于 2 m 的首次回波数 / 首次回波总数）、每个网格单元或样地的 密度指标；先用 DTM 归一化高度（filters.hag_dem 或 filters.hag_nn）。单木检测：在无坑 CHM 上提取局部极大值并结合 分水岭分割——使用野外样地或人工照片解译样本验证树木计数。
• 建筑物：使用 class 6 或提取平面片；建筑高度 = p90（屋顶点 HAG）；通过对 HAG 进行分区统计，将建筑轮廓与地籍／OSM 多边形融合。
• 下游地形分析（坡度、流域）→ terrain-hydrology； 点云或派生栅格上的 DL → geo-deep-learning。

SfM／摄影测量点云——并非 LiDAR

无人机摄影测量点云没有回波，不具备树冠穿透能力（植被下的地面是推测得出的）， 存在相关噪声，且相机标定不佳时可能产生穹顶效应。森林中的 SfM「DTM」 实际是树冠模型。每份交付成果都应注明传感器类型；仅对 LiDAR 使用穿透能力、 回波指标等相关表述。

垂直基准：解析、转换、记录

每个高程产品都承担三项义务，而第三项最容易被跳过。**在回答中注明基准，不等于将其记录下来。**如果某个高度产品的垂直基准只存在于聊天回复中，那么文件一旦交给其他人，它就和完全没有基准信息的文件毫无区别。

1. **解析。**从头文件/VLR 中读取垂直 CRS。若缺失或存在矛盾，则根据采集元数据（供应商飞行报告、项目规范）解析，或进行诊断：与当地大地水准面起伏相符、贯穿整个瓦片的固定偏移，是椭球高与正高混淆的特征。切勿仅根据高程数值推断基准。
2. **转换。**应用明确命名的转换——通过 filters.reprojection 使用复合 CRS 和大地水准面模型，或在没有大地水准面网格时拟合逐瓦片偏移。之后重新计算重叠区域的差值，并确认各条带在噪声范围内一致。
3. **将信息记录到输出中，而不只是写在回复里。**每个交付的产品都必须以机器可读的形式包含：
   • 写入文件本身的复合或垂直 CRS（LAS/LAZ 头部 VLR、GeoTIFF CRS，或旁车文件中的 PROJJSON）；
   • 实际应用的大地水准面模型名称和版本（例如 EGM2008、GEOID18），以及转换流程或 EPSG 操作代码；
   • 应用的逐瓦片偏移（若按瓦片进行校正），以及拟合所依据的控制点或参考数据；
   • 用于解析原先缺失的基准的事实来源；
   • 校正后的条带边缘残余不一致。

将这些信息作为旁车文件（*.prj/PROJJSON、元数据 JSON 或嵌入式栅格标签）与产品一同输出，绝不发布垂直基准尚未解析的高度产品。如果无法解析基准，则将产品标记为 provisional，并在同一元数据块中记录尚未解析的基准——不能保持沉默。

验证流程

1. 横截面（2-3 处，包括建筑边缘和植被坡面）：地面分类贴合地形，DSM 覆盖地表。
2. 将 DTM 与已知控制点/国家 DEM 作差：报告 RMSE，并检查是否存在表示垂直基准不匹配的固定偏移。
3. 对 DTM 生成山体阴影图——分类伪影（凹坑、凸点、航带条纹）会立刻显现。
4. 在回答中报告点密度、CRS + 垂直基准、分类器 + 参数，以及输出分辨率的选取依据——并且确认已将经过验证的垂直基准、大地水准面模型和转换写入输出元数据，然后再将产品视为已交付。

易错项检查清单

• 将椭球高作为正高交付（整个产品因大地水准面起伏而产生偏移）。
• 审核过程中解析了垂直基准，却未将其写入交付产品的元数据——下一个使用者仍会遇到你刚刚花费分析才消除的同一歧义。
• DTM 分辨率高于点密度所能支持的范围。
• 在茂密树冠下仍盲目信任供应商的地面分类。
• CHM 中存在负值或树冠凹坑（未进行无凹坑处理）。
• 按瓦片处理但未使用缓冲区 → 衍生产品中出现接缝线。
• 地面分类完成后才运行离群点滤波器。
• 将 SfM 点云当作能穿透树冠的 LiDAR。

执行规范

• **工作流：**检查头信息、CRS、垂直基准、密度、类别和回波；使用缓冲区进行分块；过滤噪声；分类；生成产品；拼接；在 3D 视图和横截面中验证。
• **决策规则：**当回波级 3D 证据很重要时，使用点云工作流；经过验证的 DEM 已存在时，使用地形工作流；对 LiDAR 点云和 SfM 点云采用不同的假设。
• **验证流程：**核对点数和类别，检查带缓冲区的接缝和横截面，将高程与控制点比较，对派生地形生成 hillshade，并报告有密度数据支持的分辨率。
• **故障模式：**遇到垂直基准未知、密度不足、分类损坏、瓦片接缝、未受限的异常值，或产品分辨率超出采样数据支持范围时，停止处理。垂直基准确定后，切勿在未将该基准及其转换记录到输出元数据中的情况下交付产品。
• **交付物：**经过验证的点云或派生的 DTM/DSM/CHM、管线参数、CRS 和垂直基准、密度和类别报告、QA 图件、精度指标及局限性。已验证的垂直基准、应用的大地水准面模型和转换，以及任何逐瓦片偏移，都必须写入输出元数据或 sidecar 文件，不能只写在回答文本中。
• **来源时效性：**应用格式、质量或处理规则前，请查阅权威来源注册表，并记录查阅日期。