Neste artigo, você descobrirá como criar um modelo de entidades digital com apenas alguns cliques e visualizar os resultados, usando o plug-in Open Lidar Toolbox.
Tutorial Processamento de dados HD LIDAR com o QGis .
2- Descarregar os dados do IGN HD LIDAR e carregá-los no QGis
3- Ferramentas para dados LIDAR no QGis 3.32
4-colorir a partir de uma imagem
5-colorir a partir de uma imagem com LAStools
6- modelo de superfície digital (MDS) com CloudCompare e LAStools
7- Créer un Modèle Numérique de Terrain avec CloudCompare
8- Criação de um modelo digital de terreno com o LAStools
9- Criação de um modelo de entidades digital com o Open Lidar Toolbox.
Nos capítulos anteriores, vimos como criar um Modelo Digital de Superfície (DSM) e um Modelo Digital de Terreno (DTM). O terceiro tipo de modelo digital é o Digital Feature Model (DFM). Todos os três são agrupados no que é conhecido como modelos digitais de elevação.
O modelo de terreno digital é simplesmente a superfície nua do terreno, excluindo todos os outros recursos, como edifícios e vegetação.
O modelo digital de superfície leva em conta tudo o que está no solo (edifícios e vegetação).
O modelo de entidades digital leva em conta a superfície do terreno e os edifícios, excluindo a vegetação.
Embora os três modelos forneçam resultados diferentes e os processos para obtê-los sejam diferentes, o fato é que a maioria das ferramentas e técnicas pode ser adaptada a todos os três. Por exemplo, ao interpolar a nuvem de pontos para obter o raster resultante, no caso do DTM, somente a classe “solo” será mantida para interpolação, enquanto no DEM serão mantidos “solo” e “edifícios” e no DSM nenhuma classe será excluída.
Tudo isso para dizer que, embora estejamos lidando aqui com a criação de modelos de recursos digitais, usando técnicas desenvolvidas principalmente para arqueologia, nada o impede de adaptá-las e usá-las para DTMs e DSMs.
OPEN LIDAR TOOLBOX
A integração de dados topográficos do LiDAR aéreo tornou-se um elemento fundamental nos esforços de prospecção arqueológica. Diante da necessidade de desenvolver uma metodologia de processamento de dados rigorosa e transparente, a caixa de ferramentas Open Lidar Tools propõe um fluxo de trabalho de processamento especificamente adaptado às nuvens de pontos arqueológicos, com o objetivo de produzir produtos otimizados para várias aplicações. Esse fluxo de trabalho de processamento proposto melhora a classificação dos pontos no solo, bem como daqueles localizados dentro de estruturas.
A principal inovação desse fluxo de processamento está na abordagem de interpolação de dados na forma de grades raster, com a introdução de um método de interpolação híbrido. Esse método combina a ponderação de distância inversa (IDW) com uma rede irregular triangulada (TIN) e interpolação linear. Além disso, foram integradas soluções para visualizações aprimoradas. O plug-in para QGIS permite que todo o fluxo de processamento seja executado em uma única etapa, e a ferramenta não exige nenhuma habilidade especializada além de uma familiaridade geral com o ambiente QGIS.
O objetivo desse pipeline e dessa ferramenta é facilitar o processamento de dados LiDAR aéreos específicos da arqueologia, mas não só.
Uma palavra de advertência
O plug-in Open Lidar Tools usa o processamento GRASS. Se você instalou a versão 3.32 com o instalador, verifique se a guia Grass aparece no painel de processamento.
Se esse não for o caso, depois de verificar se os plug-ins necessários estão ativados, você precisará instalar a versão 3.32 do OSGeo4W para que as chamadas do Grass funcionem.
Instalação do Open Lidar Toolbox
Instale o plug-in Open LiDAR Toolbox para QGIS (no QGIS, vá para : Extensions-> Install/Manage extensions ->installed extensions -> all -> Open LiDAR Toolbox -> Install Plugin).
O Open Lidar Toolbox requer a instalação de três outros plug-ins:
- Lastools
- WhiteboxTools
- Relief Visualisation Toolbox
Já vimos como instalar os dois primeiros nos capítulos anteriores. Para o Relief Visualisation Toolbox, basta adicioná-lo no menu Extensions-> Install/Manage extensions -> installed extensions -> all -> Relief Visualisation Toolbox -> Install Plugin.
Abrir os módulos do Lidar Toolbox
Você encontrará um módulo chamado ONE na parte superior dos processos do plug-in. Esse processo é um pipeline que vincula todos os módulos de processamento de dados LIDAR no plug-in.
O processamento da nuvem de pontos é baseado na média, aprimorada pelo processamento sequencial. Primeiro, os edifícios são classificados usando parâmetros otimizados para a detecção de edifícios. Em seguida, toda a nuvem de pontos sem edifícios é reprocessada com parâmetros otimizados para a detecção de pontos no solo, o que favorece a conservação de características arqueológicas em vez da remoção da vegetação. Uma etapa adicional, voltada para dados de baixa densidade, é classificar todos os pontos não classificados que estão a ± 0,2 m dos pontos de solo como pontos de solo. Os pontos de vegetação são classificados de acordo com o esquema ASPR. Entretanto, devido às limitações do software e à racionalização do pipeline, a vegetação média e alta são combinadas na classe 5.
Tudo o que você precisa fazer é especificar o arquivo de ponto LIDAR a ser processado, se ele é classificado ou não, o sistema de coordenadas, o passo do modelo de recurso digital e o nome do arquivo de nuvem de pontos classificado.
Você fornece uma nuvem de pontos LIDAR como entrada, classificados ou não, e obtém
- dois rasters com densidades de pontos de vegetação baixa e terreno
- um raster com o modelo de recurso digital e outro com os níveis de confiança associados
- a nuvem de pontos classificada
- cinco rasters de visualização, usando diferentes técnicas, do DEM
Aqui está um exemplo baseado em uma nuvem de pontos não classificada do IGN
A primeira saída do pipeline de processamento em uma etapa é a nuvem de pontos classificada:
Os resultados com as densidades de pontos de vegetação baixa e terreno, bem como os níveis de confiança do DEM, são usados pelo módulo de interpolação. Veremos como eles são úteis mais tarde.
Agora temos nosso modelo de recurso digital:
Visualização Fator de visão do céu (SVF)
O Sky-View Factor (SVF) é uma ferramenta usada no campo da geomática, especialmente para análise topográfica e visualização de paisagens. O Fator de Visão do Céu (SVF) é um índice que mede a parte do céu visível de um determinado ponto no solo, como uma função da topografia circundante. Esse índice pode ser usado para caracterizar a visibilidade do céu a partir de um local específico, o que pode ter implicações importantes em vários campos, como climatologia, ecologia, planejamento urbano etc.
O SVF é calculado simulando a linha de visão de um determinado ponto até o céu e medindo a proporção dessa linha de visão que é obstruída pelas características da paisagem circundante, como edifícios, árvores e relevo do terreno. Quanto mais alto for o SVF, mais clara será a visão do ponto para o céu.
Visualização Opennes
A abertura (Opennes) é uma ferramenta usada em geomática para analisar e visualizar a topografia de uma paisagem em termos de visibilidade e exposição a diferentes direções. A abertura mede a capacidade de um ponto no solo de ver e ser visto de diferentes direções.
A abertura é calculada medindo-se o ângulo entre a normal do terreno em um determinado ponto e as direções para as quais a exposição deve ser avaliada. Em outras palavras, a abertura indica a facilidade com que um ponto pode “ver” ou ser “visto” das áreas circundantes.
Visualização para topografia arqueológica (VAT)
A visualização para topografia arqueológica (VAT) combina sombreamento de colinas (ou sombreamento de colinas em três direções), inclinação, abertura positiva e fator de visualização do céu com cálculo predeterminado e parâmetros de mistura para terrenos “normais” e muito planos. Os métodos de visualização selecionados são complementares e os modos de atenuação são específicos porque ampliam as características particulares.
Visualização de DME (diferença da elevação média)
A visualização da diferença da elevação média (DME) é uma técnica usada para representar visualmente as variações na elevação de um terreno em relação a uma elevação média de referência. Esse método é frequentemente usado em geomática e análise topográfica para destacar áreas em que o terreno apresenta desvios significativos de uma elevação média esperada.
Veja como funciona a visualização do DME:
- Cálculo da elevação média: Primeiro, é calculada uma elevação média para toda a área de estudo. Isso pode ser feito tirando a média dos valores de elevação de todos os pontos do terreno na área.
- Cálculo das diferenças: Em seguida, para cada ponto do terreno, é determinada a diferença entre a elevação real do ponto e a elevação média calculada. Essa diferença geralmente é expressa em termos de metros ou outras unidades de medida apropriadas para a elevação.
- Coloração do mapa: As diferenças calculadas são então representadas visualmente usando uma escala de cores. As áreas em que a elevação está acima da média podem ser coloridas com tons quentes (como o vermelho) para indicar elevações mais altas, enquanto as áreas abaixo da média podem ser coloridas com tons frios (como o azul) para indicar elevações mais baixas.
- Criação do mapa DME: Ao aplicar essa coloração a todo o terreno, é criado um mapa DME. Esse mapa pode ser usado para visualizar rapidamente as áreas em que o terreno tem elevações excepcionalmente altas ou baixas em comparação com a elevação média esperada.
A visualização do DME pode ser útil para detectar características topográficas incomuns, como montes, depressões ou outras formações geológicas interessantes. Ela também pode ajudar a identificar áreas em que fenômenos como erosão ou sedimentação alteraram o perfil topográfico esperado.
Visualização do Hillshade
O sombreamento analítico é calculado em várias direções, igualmente distribuídas entre 0° e 360°. O 0° está sempre na banda 1, seguido por azimutes no sentido horário, por exemplo, 45° na banda 2, 90° na banda 3 … 315° na banda 8, para um cálculo em 8 direções. A imagem de 8 bits é o resultado de um cálculo em três direções, separadas por 60° (315° na banda vermelha, 15° na banda verde, 75° na banda azul).
Outros módulos disponíveis no Open Lidar Toolbox
Os vários estágios do módulo ONE Step Processing estão disponíveis como módulos independentes.
Classificar LAS/LAZ
A diferença entre essa ferramenta de classificação e as outras caixas de ferramentas que vimos nos capítulos anteriores é a sequência de três estágios:
- Primeiro, os edifícios são classificados usando parâmetros otimizados para a detecção de edifícios.
- Em seguida, toda a nuvem de pontos sem os edifícios é reprocessada usando parâmetros otimizados para a detecção de pontos no solo
- Por fim, todos os pontos não classificados dentro de ± 0,2 m dos pontos de solo são classificados como pontos de solo.
Os pontos de vegetação são classificados de acordo com o esquema ASPR, mas a vegetação média e alta são combinadas na classe 5.
CRIAR DFM
Essa ferramenta é um pipeline, assim como o One Step Processing. Se você marcar a caixa indicando que a nuvem de pontos de entrada já está classificada, ela executará o pipeline do One Step Processing, exceto a primeira parte, a classificação, e a última, a visualização.
Se você não marcar essa caixa, ele executará o One Step Processing, exceto a última parte, a visualização.
Visualizações (do DFM)
Para qualquer modelo digital em formato raster, você pode usar esse módulo para criar as 5 visualizações usadas no plug-in Open LIdar Toolbox diretamente, sem usar o Raster Visualization Toolbox.
Os outros módulos
Create base data (Criar dados básicos), DFM confidence map (Mapa de confiança DFM) e Hybrid interpolation (Interpolação híbrida) são um conjunto de ferramentas para interpolar uma nuvem de pontos LIDAR para criar um modelo raster digital.
Embora no pipeline eles sejam aplicados à criação de um modelo de entidades digital, são igualmente úteis para criar modelos digitais de terreno e superfície.
O principal problema nesse estágio em todos os modelos digitais é escolher o método de interpolação mais adequado para os dados disponíveis. O Open Lidar Toolbox oferece um método híbrido, ou seja, um método que usa dois métodos de interpolação diferentes, dependendo da região da nuvem de pontos, selecionando o método mais preciso de acordo com uma série de critérios (mapa de confiança).
Isso merece um capítulo próprio, e é o que faremos no próximo artigo.
