Question

我有一个3D-LiDAR pointcoud，用laspy包重复加载到python中的树。它现在存储为numpy数组。我的目的是通过找到具有最高z值的点来计算树的高度，并计算到它下面的最低z值的距离。所以我通过以下方式导入了数据：

inFile = laspy.file.File("~/DATA/tree.las", mode='r')
point_records = inFile.points

目前，我通过以下方式计算了身高：

min = inFile.header.min
max = inFile.header.max
zdist = max[2] -min[2]

问题是这样，我不考虑地形坡度。我如何索引正好低于最高点的点？

Answer 1

这只是一个盲目的猜测，因为一个好的答案，缺少很多信息。

假设我们有一个带有（x，y，z）

的3个点的数组

A = [1,2,3]

B = [1,2,4]

C = [0,1,2]。

我们已将点A确定为z中的最大值，并将其纬度和长度

lat = 1
long = 2

基本上，你会浏览点列表并过滤掉你要查看的所有点，然后选择最小点。下面是使用for循环执行此操作的简单方法。这不是速度的理想选择。可以使用np.where()和花哨的索引，以便更轻松，更快速地执行此操作，但这更具可读性和可调性：

import numpy as np
# This is some test data, with three data points
a = np.array([[1,2,3],[1,2,4],[0,1,2]])
# Now we define the lat and long we want to get
filter_x = 1
filter_y = 2
filtered_points = []
for i in range(a.shape[0]): # iterating through all points
    if a[i][0] == filter_x and a[i][1] == filter_y: 
        filtered_points.append(a[i][2]) # Append z of point to list
print min(filtered_points) # print minimum

在numpy数组中检测树高和树冠宽度

1 个答案: