收藏 | Global Mapper 在机载激光雷达数据处理中的应用
Global mapper自V15版本开始支持激光雷达数据处理，可以很方便的对激光雷达做一些简单的处理，包括：统计分析、点云赋色、输出密度影像、输出点云覆盖范围、裁剪LAS、点云分类、高程精度检查、高程调整，输出和编辑DEM，变化检测等功能。Global mapper以下简称GM（使用版本为V22.0）。
1.1 元数据信息
在GM导入LAS文件后，右击LAS文件，点击“Metadata”，GM给我们直接统计了一些关键信息：
1.2 统计信息
1.3 直方图统计
我们可以对高程，密度，强度等信息进行一个直方图统计。
激光雷达赋予颜色之后可以让我们的雷达数据更好看，也会辅助我们对雷达数据进行分类。
步骤：
1. 加载一副覆盖雷达数据范围的正射图像
2. 点击Apply color to Lidar points，选择要赋色的点云和正射图像，点击OK
很多时候我们需要去输出点云密度影像来反映我们区域的点密度情况。
我们选中las文件，点击GM主菜单的Analysis->Create density Grid（Heat map） from Point data，如果点云密度大的话，适当减小搜索半径（search radius）。Search raius除以Cells per radius 就是影像的分辨率。
点击OK，我们可以得到密度影像。
我们可以导出带坐标的密度影像，右击密度影像，Layer->Export layer to new file，导出TIFF或者JPG格式，注意要勾选TFW或者JPW文件，输出图例。
在las文件右击，点击layer->BBOX/coverages-Create Layer Coverage Box/Polygon Area Features（创建覆盖范围）。
是创建外包矩形还是多边形
是否平滑
输出的外包多边形
裁剪的范围可以从外部导入，也可以在GM新建多边形图层来进行裁剪。
选中裁剪区域，点击Crop to Selected Areas
6.1 自动分类
自动分类分为以下几种：
从左到右依次是：
1. 分类噪声点（低点和高点）；
2. 分类地面点；
3. 分类非地面点（主要为建筑物，植被点）；
4. 分类电力线和电杆点；
5. 自动提取矢量文件（主要是建筑，电力线，电杆，植被等三位矢量）。
这里以地面点提取为例子讲解：
种子点间隔：根据点密度而来，默认是3倍点间距（point spacings）;
非地面点的离地高度：默认是0.3m，低密度点云可以设置大一点（一个平方1-2个）；
地形起伏高差：在某些平原地区，这个值尽量小一点，可以很好的移除建筑和植被点。下图分别是设置50和5的效果。
地形倾斜角度：默认是7.5°，在山区的话适当调大。以下是设置7.5和20的效果。
最大建筑物宽度：按照实际的填写即可。以下是设置50与100的结果。
由于一个参数不太可能对整体点云进行自动分类，GM支持对部分区域进行分类。
6.2 手动分类
GM支持在顶视图和剖面图对点云进行分类。使用剖面工具对需要进行分类的剖面，然后我们可使用选择工具把点云分类到指定类别。
使用Lidar QC tool进行精度检查
1. 导入控制点
可设置点的显示风格
2. 进行精度检查
点击 QC tools，一般默认参数即可
上一步中，我们发现控制点高程与激光点云高程不一致，因此我们可以利用控制点对激光点云进行调整。
直接点击“Fit Lidar to Control points”
用QC tool进行验证，RMSE很小了。
9.1 创建DEM
地面点分类和编辑完成之后，生成DEM。点击Create Elevation grid。设置格网的值的来源、格网值的取值办法、分辨率、空白处的填充严格度，并且筛选地面点进行DEM创建。
9.2 编辑DEM
GM可简单对DEM进行编辑：填充，平滑，拉伸，置平等。点击可编辑DEM
1. 填充空值
2. 平滑
3. 置平
4. 拉伸
9.3 输出DEM
参考密度影像的输出
原始资料：两期DEM影像，点击Compare Terrain Layers。
最终输出变化图像。
- END -