使用点云生成数字高程模型（DEM）的方法

最新推荐文章于 2025-06-09 07:56:02 发布

编程艺术探索

最新推荐文章于 2025-06-09 07:56:02 发布

阅读量3.4k

点赞数 1

CC 4.0 BY-SA版权

文章标签： C/C++

本文链接：https://blog.youkuaiyun.com/TechRoarX/article/details/132435440

C/C++ 专栏收录该内容

136 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何使用Python及Open3D库从点云数据生成数字高程模型（DEM），并进行可视化。通过读取.pcd格式的点云文件，创建VoxelGrid对象，计算每个立方体的平均高度，再将高程信息转换为矩阵形式，最终使用matplotlib库展示DEM和原始点云数据。

使用点云生成数字高程模型（DEM）的方法

数字高程模型（DEM）是地理信息系统（GIS）中常用的一种数据格式，它将地表上的地形高度信息转换为数字化的数据。本文介绍如何使用Python和Open3D库生成DEM，以及如何可视化DEM和原始点云数据。

数据获取

我们使用公共数据集提供的点云数据来生成DEM。这个点云数据包含了一个屋顶的三维模型，我们需要从这些点中创建一个DEM。数据可以从以下链接下载：

https://drive.google.com/file/d/1W1yDxKLrVkZVpf7CR8yg5Gzg8E2f7N3y/view

在下载完成后，我们可以将数据以.pcd格式导入Python中。

导入Open3D和点云数据

为了使用Open3D库，我们需要将其导入Python中。除此之外，我们还需要导入numpy和matplotlib库。

import open3d as o3d
import numpy as np
import matplotlib.pyplot as plt

读取点云文件

pcd = o3d.io.read_point_cloud(“pointcloud.pcd”)

将点云数据转换为numpy数组

xyz = np.asarray(pcd.points)

创建DEM

在这一步，我们将使用Open3D库中的

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

编程艺术探索

关注关注

1
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

使用点云生成数字高程模型（DEM）的MATLAB实现

UtiExamples的博客

09-29

1498

数字高程模型（Digital Elevation Model，DEM）是地理信息系统（GIS）中常用的数据模型之一，它用于表示地表的高度信息。我们首先导入点云数据，然后根据点云数据生成DEM。在上述代码中，我们首先获取点云数据的坐标，并计算点云数据的边界框。然后，我们根据设置的栅格分辨率计算DEM的宽度和高度，并创建一个空白的DEM矩阵。接下来，我们遍历每个点，并将其高度值分配给相应的DEM像素。首先，我们需要导入点云数据。点云数据是由离散的三维点组成，每个点都包含坐标信息和可能的其他属性。

Open3D (C++) 使用点云创建数字高程模型DEM

点云侠的博客

02-28

1297

Open3D (C++) 使用点云创建数字高程模型DEM

参与评论您还未登录，请先登录后发表或查看评论

点云数据生成DEM，并导出三维模型

最新发布

点云侠的博客

06-09

2452

通过空间采样和插值技术，将三维点云投影到二维平面并赋予高程属性

使用点云数据生成数字高程模型 MATLAB

code_welike的博客

08-03

721

点云配准的目的是对不同视角下的点云数据进行坐标系转换和融合，以便得到更全面的点云数据，进而提高数字高程模型的精度。在实际应用中，通常需要从点云数据中生成数字高程模型，以便进行地形分析、地貌分析等操作。在进行数字高程模型生成之前，需要准备相应的点云数据。点云滤波的目的是去除干扰的噪声点和离群点，以便提高点云数据的质量。通过对点云数据进行预处理、网格化和插值等操作，可以得到更加精确的地形高程信息，为地理信息分析提供更好的支持。在生成数字高程模型之前，需要对点云数据进行一些预处理，以便提高模型的质量和准确性。

matlab 使用点云创建数字高程模型DEM

点云侠的博客

12-31

4033

使用点云创建数字高程模型DEM的matlab代码实现

使用点云生成数字高程模型（DEM）的PCL实现

UePostscript的博客

09-24

623

PCL提供了许多其他功能，如点云滤波、特征提取和配准等，可以帮助进一步处理和分析点云数据。使用PCL，我们可以方便地进行点云处理和分析，实现各种点云相关的应用。假设我们已经有了一个包含地表高度信息的点云数据集，接下来我们将介绍如何使用PCL来生成数字高程模型。此外，还可以根据需要进一步优化和处理生成的数字高程模型，如进行插值、填洞等操作，以获得更精确和完整的地形表达。该算法通过对每个点的最近邻点进行加权平均来平滑点云数据，从而生成平滑的数字高程模型。PCL是一个功能强大的开源库，专门用于点云处理和分析。

在FME中利用点云生成栅格和DEM

fmechina的博客

01-11

2632

例如，SurfaceModeller转换器也可以生成轮廓或TIN，而RasterDEMGenerator转换器能够插值孔洞，这比NumericRasterizer转换器提供更平滑的输出。这些步骤将降低较暗像素值之间的对比度，这也将降低清晰度，因此根据所希望的输出，您可能会发现这样做会有帮助，也可能没有帮助。您将有两个DEM栅格。点云数据通过点提供不均匀的覆盖，而栅格图像使用像素显示区域的完整覆盖。使用FME，您可以将点云转换为栅格，并通过调整像素分辨率或显示点云的哪个组件等因素来自定义栅格图像。

基于点云的DEM构建.rar

05-30

基于激光雷达点云数据，采用规则格网的方法构建DEM，使用的时候记得更改数据的路径和名称。欢迎下载和交流。

利用无人机生成点云数据测量树高

10-30

一篇关于利用无人机搭载相机生成点云数据测量树高的文章

PCL利用点云生成数字高程模型（DEM）

bug_api163的博客

09-28

551

数字高程模型（Digital Elevation Model，简称DEM）是指用于表示地表或其他地球物体表面的数学模型。本文将介绍如何使用点云库（Point Cloud Library，简称PCL）生成数字高程模型。需要注意的是，上述代码中的参数设置需要根据实际情况进行调整，以获得最佳的结果。通过以上步骤，我们可以使用PCL库生成数字高程模型，从而应用于各种地理信息处理和分析任务中。决定邻域搜索的范围，曲面重建的搜索半径。控制离群点去除的程度，估计法线的半径。估计点云的法线信息，并使用。

航测无人机las点云数据生成DEM

qq_43173805的博客

09-04

1万+

“ 做航测的同僚都知道，Pix4D或者CC（ContextCapture）都可以生成DSM，往往高程点提取以及土方计算都需要用到DEM，PhotoScan软件可以提出地面点并只应用地面点连接三角网，然而分类效果差，生成的DEM不管是平整度还是精度，都不理想。而传统等高线生DEM需要耗费较长时间，以下提供一种参考方法，供大家探讨。 ” 1 点云数据航测类软件大多可以生成点云数据，如Pix4D，PhotoScan，CC等，此次点云数据为citymapper2相片基于CC生产的Las点云。 2 筛选地面点筛.

TSCAN + TMODEL处理点云数据生成DEM

晓晨的博客

05-21

8244

点云数据生成DEM流程目录点云数据生成DEM流程1. 软件环境2. 操作流程2.1 加载TSCAN/TMODEL插件2.2 读取点云数据2.3 点云去噪、滤波2.4 构建tin模型2.5 生成格网DEM2.6 查看DEM数据对基于商业软件TerraSolid处理点云数据并生成数字高程模型DEM的流程进行简要介绍。 1. 软件环境首先，默认已经安装好基础软件，作者使用的软件环境为： MicroStation V8i TSCAN 插件 TMODEL 插件同时准备一块点云数据（作者使用的为山区机载激光

Trimble RealWorks处理点云数据（九）之点云分类后将地面导入Arcgis生成DEM

yilvyangguang520的博客

07-10

1995

Trimble RealWorks处理点云数据（九）之点云分类后将地面导入Arcgis生成DEM

点云至数字高程模型(DEM)构建的完整教程

weixin_35750747的博客

05-21

1896

激光雷达（LIDAR）技术，全称为“光检测和测距技术”，是一种利用激光脉冲进行距离测量的技术。它通过发射激光信号，测量信号往返被测目标的时间来确定目标的距离。由于激光束的波长很短，因此激光雷达具有很高的空间分辨率，能够测量到微小的细节。相较于传统雷达技术，激光雷达在测量精度、数据获取速度、以及目标细节描述能力方面具有显著优势。激光雷达在众多领域有着广泛的应用，如地形测绘、城市规划、农作物估产等。

MicroStation V8i软件使用方法及点云软件数据处理方法（滤波、DEM生成、裁剪）

Shen_withDL的博客

03-13

2593

这篇文章主要是记录在点云处理过程中的一些软件使用方法，后续会不断更新。

PCL 点云生成DSM图 (高程模型图)

weixin_43896283的博客

09-16

388

PCL 点云生成DSM图

PCL利用点云生成数字高程模型（DEM）C++ 示例代码

10-21

PCL (Point Cloud Library) 是一个开源的点云处理库，主要用于计算机视觉和机器人技术中的3D数据处理。要在 C++ 中使用 PCL 生成数字高程模型 (DEM)，你需要先安装 PCL，并理解其对点云数据的操作流程，特别是涉及到地面分割和高度计算的部分。以下是一个简单的步骤概述： 1. 首先，需要包含必要的 PCL 库头文件： ```cpp #include <pcl/io/pcd_io.h> #include <pcl/filters/passThrough.h> #include <pcl/features/normal_3d.h> #include <pcl/filters/statistical_outlier_removal.h> #include <pcl/point_cloud.h> ``` 2. 加载点云数据： ```cpp pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); if (!pcl::io::loadPCDFile("your_pointcloud.pcd", *cloud)) { std::cerr << "Error loading point cloud file." << std::endl; } ``` 3. 数据预处理：例如，通过 PassThrough 滤波器去除无关噪声点，然后进行统计去噪： ```cpp pcl::PassThrough<pcl::PointXYZ> pass; pass.setInputCloud(cloud); pass.setFilterFieldName("z"); pass.setFilterLimits(-1, 1); // 设置Z轴范围作为高度 pass.filter(*cloud); pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor; sor.setInputCloud(cloud); sor.setMeanK(50); sor.setStddevMulThresh(1.0); sor.filter(*cloud); ``` 4. 计算高度并创建 DEM： ```cpp // 假设你已经找到一个合适的表面表示，比如最低高度对应的点 float min_height = *std::min_element(cloud->points.begin(), cloud->points.end(), [](const pcl::PointXYZ &a, const pcl::PointXYZ &b) { return a.z < b.z; }); pcl::PolygonMesh mesh; // 这里需要一些算法来将剩余的点连接成网格，并赋予它们高度 // 可能需要用到像 marching cubes 算法或者其他3D建模库如OGRE、VTK等 mesh.cloud = *cloud; // 将处理过的点云赋给 PolygonMesh 的点云部分 mesh.vertices.push_back(pcl::PointXYZ(min_height, min_height, min_height)); // 添加最低高度点到网格 // 创建并填充DEM数据结构 // ... ``` 请注意，这只是一个简化的例子，实际应用中可能需要更复杂的表面寻找和网格生成算法。此外，PCL 并未直接提供用于创建 DEM 的函数，上述步骤展示了基本思路。