Clasificar una nube de puntos LIDAR
Descargar y abrir el proyecto
Primero, descargará el proyecto que contiene todos los datos necesarios para el tutorial y lo abrirá en ArcGIS Pro.
- Descargue el archivo Tuborg_Havn_LAS_Classification.zip.
- Busque el archivo Tuborg_Havn_LAS_Classification.zip que ha descargado en su equipo.
Nota:
La mayoría de los navegadores descargan los archivos de manera predeterminada en la carpeta Descargas del equipo.
- Haga clic con el botón derecho en el archivo Tuborg_Havn_LAS_Classification.zip y extráigalo en una ubicación que pueda encontrar fácilmente, como una carpeta de la unidad C: de su equipo.
- Abra la carpeta Tuborg_Havn_LAS_Classification extraída. Haga doble clic en Tuborg_Havn_LAS_Classification.aprx para abrir el proyecto en ArcGIS Pro.
- Si se le pide, inicie sesión con su cuenta de ArcGIS.
Nota:
Si no tiene acceso a ArcGIS Pro o una cuenta de organización de ArcGIS, consulte las opciones de acceso a software.
Se abrirá el proyecto.
El proyecto contiene una escena local habilitada para 3D centrada en el vecindario de Tuborg Havn en Copenhague (Dinamarca). La escena contiene Tuborg_Havn.lasd, un dataset de nube de puntos lidar en formato LAS. Por el momento, la nube de puntos se simboliza mediante la elevación, con el punto más bajo en azul y el más alto en rojo.
Más información sobre la clasificación de los datasets de nube de puntos
Clasificará los puntos del dataset LAS en varias categorías, como suelo, edificios, vegetación y ruido, mediante el uso de una combinación de técnicas manuales y automáticas. El proceso comienza con una serie de herramientas de clasificación automática. Estas herramientas utilizan algoritmos basados en reglas para evaluar factores como la elevación, el número de retornos y la densidad de punto con el fin de inferior la clase más probable para cada punto.
Por ejemplo, los puntos del suelo suelen identificarse en función de su baja elevación y continuidad suave, mientras que los puntos de edificios pueden reconocerse por sus superficies elevadas planas y sus bordes nítidos. Los puntos de vegetación a menudo muestran estructuras verticales irregulares y varios retornos; los puntos de ruido se marcan en función de las incoherencias o anomalías detectadas en los datos.
Más adelante en el flujo de trabajo, perfeccionará la clasificación ajustando manualmente las clases de puntos en los casos en que las herramientas automáticas puedan haber clasificado erróneamente o pasado por alto entidades sutiles. Este enfoque híbrido garantiza la eficiencia y la precisión a la hora de producir un dataset de nube de puntos bien estructurado.
Nota:
Es frecuente que el proveedor haya clasificado ya las nubes de puntos lidar. En tales casos, no necesita llevar a cabo la clasificación, a menos que quiera mejorarla. Sin embargo, siempre resulta útil familiarizarse con los principios de la clasificación de nubes de puntos lidar, que es uno de los objetivos de este tutorial.
Clasificar puntos de suelo y ruido
Empezará clasificando los puntos que representan la superficie del suelo. Suele tratarse de los puntos de menor elevación y establecen las bases para un análisis posterior. Al mismo tiempo, identificará los puntos de ruido que aparecen anormalmente altos o bajos y probablemente son artefactos causados por errores aleatorios en el proceso de recopilación de datos lidar. A veces se debe a pájaros o al vapor del aire, pero también puede decidir que un grupo de puntos debería configurarse como ruido según su criterio, como en un el lugar de una obra.
Primero, ajustará la configuración de la simbología para visualizar las clases de puntos LAS.
- En el panel Contenido, haga clic en la capa Tuborg_Havn.lasd para seleccionarla.
- En la cinta, haga clic en la pestaña Capa de dataset LAS. En el grupo Dibujo, haga clic en la flecha desplegable Simbología y elija Clase.
La simbología muestra ahora la clasificación de cada punto. Dado que actualmente están todos sin asignar, están simbolizados en gris.
En el panel Contenido, aparece una lista de clases posibles, pero la mayoría de ellas no se están utilizando actualmente en el dataset LAS.
- Haga clic en la flecha situada junto a Tuborg_Havn.lasd para contraer la leyenda y despejar el panel Contenido.
Nota:
Los datasets LAS suelen constar de varios archivos LAS individuales. En algunos casos, estos archivos se superponen entre sí en algunas ubicaciones debido a las líneas de vuelo originales de la aeronave que creó los datos. Dado que los puntos duplicados pueden crear ruido, primero debería identificarlos usando la herramienta Clasificar superposición de LAS y, a continuación, desactívelos. Sin embargo, en los datos actuales no hay superposición, por lo que no se necesita este proceso. Obtenga más información sobre la clasificación de superposición.
A continuación, clasificará los puntos de suelo.
- En la cinta, haga clic en la pestaña Clasificación. En el grupo Geoprocesamiento, haga clic en Clasificación automática y revise el contenido de la lista desplegable.
La lista desplegable Clasificación automática es el lugar desde el que podrá acceder a la mayor parte de las herramientas de clasificación que utilizará en este tutorial.
- En la lista desplegable Clasificación automática, elija Clasificar suelo.
En el panel Geoprocesamiento, aparece la herramienta Clasificar el terreno LAS.
- En el panel de la herramienta Clasificar el terreno LAS, en Dataset LAS de entrada, confirme que se ha seleccionado Tuborg_Havn.lasd.
Esta herramienta también contiene las opciones para clasificar los puntos de ruido. Los puntos de ruido son puntos anormalmente altos o bajos.
- Haga clic en la flecha situada junto a Clasificación de ruido para expandir esa sección.
- Marque la casilla Clasificar puntos de poco ruido. En Profundidad mínima subterránea, escriba 2.
Esto significa que cualquier punto situado más de 2 metros por debajo del suelo se clasificará como de bajo ruido.
- Marque la casilla Clasificar puntos de alto ruido. En Altura mínima por encima del suelo, escriba 42.
Cualquier punto situado por encima de 42 metros sobre el suelo se clasificará como de alto ruido.
Nota:
Los edificios del vecindario de Tuborg tienen una altura máxima de aproximadamente 40 metros, motivo por el que selecciona 42 metros como valor máximo. Puede confirmarlo explorando la nube de puntos LAS. Para determinar la altura máxima de un edificio, acerque y haga clic en el punto más alto visible. Una ventana emergente mostrará la elevación de ese punto en metros.
- Acepte los valores predeterminados de los otros parámetros y haga clic en Ejecutar.
Nota:
La clasificación del suelo es un primer paso fundamental en el procesamiento de datos lidar aéreos. Conlleva identificar y etiquetar puntos de una nube de puntos que representan la superficie de la tierra sin vegetación. Este paso es fundamental porque muchos productos valiosos derivados de lidar, como los modelos digitales de elevación (MDE), dependen de puntos de suelo clasificados con precisión. Asimismo, la clasificación del suelo establece las bases para identificar otras entidades, como edificios y vegetación. Estas clasificaciones dependen de conocer la altura de un punto respecto al suelo, por lo que la clasificación del suelo es un requisito previo.
Para identificar todos los puntos de suelo de la nube de puntos LAS, la herramienta Clasificar el terreno LAS utiliza técnicas como buscar conjuntos de puntos que son sistemáticamente los más bajos en toda la escena. Obtenga más información sobre este tema en la página Comprender la clasificación del suelo.
Una vez completado el proceso, los puntos de suelo LAS aparecen en marrón en la escena. Los pocos puntos clasificados como ruido (alto o bajo) aparecen en rojo. Los puntos en gris siguen sin asignar.
Comparará esta clasificación con la ortofoto proporcionada mediante el uso de la herramienta Swipe.
- En el panel Contenido, haga clic en la casilla situada junto a Tuborg_Havn_Ortho_Photo.tif para activar la capa. Confirme que Tuborg_Havn.lasd se ha seleccionado.
- En la cinta, en la pestaña Capa de dataset LAS, en el grupo Comparar, haga clic en Deslizar.
- En la escena, arrastre el control deslizante repetidamente de arriba abajo para retirar la nube de puntos y ver la ortofoto.
Observe cómo los puntos marrones coinciden con el suelo y los puntos grises (aun sin clasificar) se encuentran en edificios, vegetación, coches o embarcaciones. Tenga en cuanta que la parte sureste del vecindario sigue en construcción. Algunos puntos ubicados en masas de agua se clasificaron como suelo. Sin embargo, en este flujo de trabajo no necesita distinguir el suelo sólido del agua, así que se considera que todo es suelo.
Nota:
Como la nube de puntos es una representación 3D y la ortofoto es una imagen 2D, se adquieren de manera diferente. Lidar suele recopilar datos directamente desde arriba mediante pulsos láser, mientras que las imágenes se capturan mediante cámaras en varios ángulos. Cuando se visualiza en una escena 3D, esta diferencia en la geometría de adquisición puede hacer que los edificios y otras entidades parezcan desalineados entre ambas capas, aunque los datos sean correctos.
- Cuando haya terminado de comparar las dos capas, en la cinta, en la pestaña Mapa, en el grupo Navegar, haga clic en el botón Explorar para salir del modo de barrido.
Vamos a guardar el proyecto.
- En la Barra de herramientas de acceso rápido, haga clic en el botón Guardar proyecto.
Filtrar puntos clasificados
A continuación, revisará algunas de las clases de puntos por separado mediante el uso de la capacidad Filtro LAS.
- Si es preciso, en el panel Contenido, haga clic en la capa Tuborg_Havn.lasd para seleccionarla.
- En la cinta, en la pestaña Capa de dataset LAS, en el grupo Filtros, haga clic en el botón Puntos LAS.
Aparece la ventana Propiedades de capa configurada en la pestaña Filtro LAS. En la columna Códigos de clasificación, puede ver que las clases actuales son Sin asignar, Suelo, Ruido (bajo) y Ruido alto. Corresponden a los códigos 1, 2, 7 y 18, respectivamente.
El filtro LAS permite elegir las categorías de puntos que desea mostrar u ocultar en la vista. Por ahora, las cuatro clases están activadas. Ahora solamente visualizará los puntos de Ruido alto.
- Desactive las casillas correspondientes a 1 Sin asignar, 2 Suelo y 7 Ruido. Haga clic en Aceptar.
- Con la rueda del ratón, acerque la parte inferior de la extensión en la que se encuentran algunos puntos de Ruido alto, que están simbolizados en rojo.
En la ortofoto puede verse que esta ubicación se encuentra en la zona de construcción y el alto ruido probablemente se deba a la presencia de dos grúas.
A continuación, observará los puntos de Ruido bajo.
- En la cinta, en la pestaña Capa de dataset LAS, haga clic en Puntos LAS. En la ventana Propiedades de capa, desactive 18 Ruido alto y active 7 Ruido. Haga clic en Aceptar.
- En el panel Contenido, desactive la capa Tuborg_Havn_Ortho_Photo.tif.
- Aleje hasta que vea algunos de los pocos puntos de bajo ruido, también simbolizados en rojo.
Nota:
El ruido también puede clasificarse de forma independiente del suelo eligiendo Clasificar ruido en la lista desplegable Clasificación automática. Esto abrirá la herramienta Clasificar ruido de LAS.
Desactivará los puntos de ruido durante el resto del flujo de trabajo, porque esos son los puntos que desea ignorar, y activará de nuevo los puntos de suelo y sin asignar.
- En el panel Contenido, seleccione la capa Tuborg_Havn.lasd. En la cinta, en la pestaña Capa de dataset LAS, haga clic en Puntos LAS. En la ventana Propiedades de capa, desactive 7 Ruido y active 1 Sin asignar y 2 Suelo. Haga clic en Aceptar.
Nota:
Cuando clasifica los puntos LAS, el dataset original se actualiza con los nuevos códigos de clase. Si comete un error y necesita deshacer el cambio, en el menú desplegable Clasificación automática, elija Reasignar clasificación y ejecute la herramienta Cambiar códigos de clase LAS.
Por ejemplo, podría cambiar los puntos con valores de Clase actual 2 (Suelo) por el valor de Clase nueva 1 (Sin asignar). Si introduce -1 como valor de Clase actual, todos los códigos de clase se reasignarán.
Clasificar puntos de edificios
Ahora que ha clasificado los puntos de suelo y ruido, clasificará los puntos de edificios.
- Si es necesario, en el panel Contenido, seleccione la capa Tuborg_Havn.lasd.
- En la cinta, en la pestaña Clasificación, haga clic en Clasificación automática y elija Clasificar edificios.
En el panel Geoprocesamiento, aparece la herramienta Clasificar edificio de LAS.
- En el panel de la herramienta Clasificar edificio de LAS, defina los siguientes parámetros:
- En Dataset LAS de entrada, confirme que Tuborg_Havn.lasd se ha seleccionado.
- En Altura mínima de tejado, compruebe que esté establecido en 2 con las unidades establecidas en Metros.
- En Área mínima, escriba 10 y compruebe que la unidad está establecida en Metros cuadrados.
- En Método de clasificación, elija Agresiva.
Los parámetros Altura mínima de tejado y Área mínima son importantes para asegurarse de que una superficie demasiado baja o demasiado pequeña en el área no esté clasificada erróneamente como un edificio.
El valor de Método de clasificación especifica si los puntos se clasifican como edificios de forma más conservadora o más agresiva.
En este tutorial, los valores de parámetro se eligieron mediante prueba y error para obtener el número máximo de puntos clasificados correctamente como edificios, minimizando al mismo tiempo los falsos positivos. Puede experimentar más por su cuenta.
- Expanda Clasificación por encima del tejado y active la casilla Clasificar puntos por encima del tejado. En Altura máxima por encima del tejado, escriba 15.
Esto significa que cualquier punto situado por encima de los tejados de los edificios detectados también se asignará a la clase Edificio (código 6), siempre que no esté a más de 15 metros por encima del tejado. Esto ayuda a asignar correctamente elementos como las chimeneas, los aparatos de aire acondicionado o los capiteles.
- Expanda Clasificación por debajo del tejado y active la casilla Clasificar puntos por debajo del tejado.
Esto significa que cualquier punto por debajo de los tejados detectados también se asignará a la clase Edificio (código 6). Esto es útil para incluir lados de edificios verticales (paredes y ventanas) en la clasificación de edificios.
- Haga clic en Ejecutar.
Nota:
La herramienta Clasificar edificio de LAS utiliza varios métodos de detección para identificar puntos de edificios. Antes de ejecutar la herramienta, es crucial separar los puntos de suelo de los puntos de ruido. Para el resto de puntos sin clasificar, que no están etiquetados como suelo o ruido, la herramienta busca superficies sólidas que producen únicamente un retorno por pulso de láser. Es probable que sean edificios. Por el contrario, las áreas con varios retornos suelen indicar árboles o vegetación, ya que el láser se refleja en varios niveles dentro del follaje.
- Cuando el proceso se haya completado, en la cinta, en la pestaña Capa de dataset LAS, haga clic en Puntos LAS. En la ventana Propiedades de capa, en Códigos de clasificación, active la clase 6 Edificio y haga clic en Aceptar.
Los puntos de edificios aparecen en la escena, simbolizados en rojo, junto con los puntos de suelo y aun sin asignar.
- Pulse Ctrl+S para guardar el proyecto.
Realizar clasificación manual
Algunos de los edificios se han clasificado de forma incorrecta. Es aceptable que queden unos cuantos puntos sin asignar del tejado o los bordes de un edificio. Sin embargo, si falta una parte entera del edificio, puede solucionarse realizando una clasificación manual. Hará esto en un edificio.
- Acerque el edificio grande de la parte central izquierda de la escena.
- Asegúrese de que la rueda de navegación se expande y arrastre la rueda central hacia abajo hasta que vea una nube de puntos lidar por completo desde arriba (nadir).
- Si es necesario, siga acercando para asegurarse de que el edificio ocupe una gran parte de la escena.
Puede ver que algunas partes del edificio no se han clasificado correctamente y que los puntos siguen sin asignar.
Quiere reclasificar estos puntos sin asignar manualmente, pero desea asegurarse de que los puntos de suelo no puedan reclasificarse como edificios por error.
- En la cinta, en la pestaña Clasificación, en el grupo Selección, haga clic en Puntos seleccionables.
- En la ventana Propiedades de capa, desactive todas las casillas para mantener solamente 1 Sin asignar y 6 Edificio activados. Haga clic en Aceptar.
Ahora se puede cambiar solamente puntos Sin asignar y Edificio.
- En la cinta, en la pestaña Clasificación, desactive la opción Puntos visibles (su fondo suele ser blanco, en lugar de gris).
Esto garantizará que se procesen todos los puntos del área que seleccione. Ahora trazará la selección deseada como un polígono.
- En la cinta, en la pestaña Clasificación, haga clic en la flecha abajo Seleccionar y elija Polígono.
- Haga clic en una de las esquinas del edificio y siga trazando la huella del edificio haciendo clic en cada una de las esquinas o ángulos. Haga doble clic en la última esquina (8) para completar el polígono.
Todos los puntos incluidos en la huella del edificio ahora se resaltan en cian.
A continuación, reclasificará estos puntos.
- En la pestaña Clasificación, en el grupo Edición interactiva, en Código de clasificación, elija 6 Edificio. Haga clic en Aplicar cambios.
Ahora el edificio está clasificado correctamente por entero.
Aunque podría optar por mejorar otros edificios, se detendrá aquí a efectos de este tutorial.
- En el panel Contenido, haga clic con el botón derecho en Tuborg_Havn.lasd y elija Acercar a capa.
- En la cinta, en la pestaña Mapa, haga clic en el botón Explorar para salir del modo de selección de polígonos.
Después de clasificar manualmente los puntos en un dataset LAS, las estadísticas asociadas no se actualizan para reflejar los nuevos códigos de clase. Para garantizar que las estadísticas representen los datos con precisión, se recomienda volver a calcularlas con la herramienta Estadísticas de dataset LAS. Este paso ayuda a mantener la integridad de los datos y permite un análisis y una visualización fiables de los datos.
- En el panel Geoprocesamiento, haga clic en el botón Atrás.
- En el cuadro de búsqueda, escriba Estadísticas de dataset LAS. En la lista de resultados, haga clic en Estadísticas de dataset LAS para abrir la herramienta.
- En el panel de la herramienta Estadísticas de dataset LAS, en Dataset LAS de entrada, elija Tuborg_Havn.lasd y haga clic en Ejecutar.
- Pulse Ctrl+S para guardar el proyecto.
Una vez que se clasifican los puntos de suelo y edificios y se elimina el ruido, el dataset está preparado para varias salidas y análisis. Por ejemplo, puede generar productos de elevación como un modelo digital de terreno (DTM) o un modelo digital de superficie (DSM). También puede crear una capa de polígonos de huella de edificio 2D y una capa de edificios 3D para su uso en proyectos futuros. Estos flujos de trabajo se demostrarán en los próximos tutoriales.
Clasificar la vegetación
Tras clasificar los puntos de suelo y edificios y eliminar el ruido, algunos puntos del dataset permanecen sin asignar. Algunos de estos probablemente representan vegetación, como árboles, arbustos y otras plantas. Sin embargo, no todos los puntos sin asignar son vegetación. Algunos pueden ser vehículos, elementos a nivel de calle o pequeños detalles arquitectónicos como bordes de tejado y molduras de edificios. Identificar la vegetación con precisión mientras se evitan los falsos positivos es crucial para crear modelos de elevación y capas de entidades fiables.
Existen varias formas de clasificar la vegetación en datos de nube de puntos, cada uno con sus propias ventajas dependiendo de las características del dataset. En este tutorial, examinará un método efectivo. El proceso empieza por analizar los puntos sin asignar que quedan para entender sus patrones espaciales. Este análisis inicial ayuda a diferenciar la vegetación de otras entidades y prepara para aplicar técnicas de clasificación que aíslan la vegetación con más precisión. Primero, observará los puntos sin asignar que quedan.
- En la escena, revise dónde se encuentran algunos de los puntos sin asignar (en gris).
En la imagen del ejemplo siguiente, puede ver que hay varios árboles (masas grises más grandes) que desea clasificar como vegetación. También puede ver algunos de los puntos sin asignar que están en los edificios o muy cerca de ellos; estos no son vegetación y no deberían clasificarse como tal.
Utilizará una capa de huellas de edificios 2D para identificar los puntos sin asignar que están sobre los edificios o muy cerca de ellos. Asignará estos puntos a una clase separada para apartarlos. Primero mostrará solamente los puntos sin asignar, que son los únicos que desea que se procesen.
- Si es necesario, en el panel Contenido, seleccione la capa Tuborg_Havn.lasd. En la cinta, en la pestaña Capa de dataset LAS, haga clic en Puntos LAS. En la ventana Propiedades de capa, desactive todas las clases, excepto 1 Sin asignar. Haga clic en Aceptar.
Activará la capa de huellas de edificios 2D.
- En el panel Contenido, expanda el grupo Otras capas y active la capa Building_footprints.
La capa Building_footprints (naranja claro) aparece en la escena junto con los puntos sin asignar.
Nota:
La capa Building_footprints se ha generado a partir de datos de nube de puntos clasificados como código de clase 6 (Edificio). Este flujo de trabajo se demostrará en un tutorial futuro. Como alternativa, las huellas de edificios pueden extraerse de imágenes mediante técnicas de GeoAI, como se demuestra en los tutoriales Identificar infraestructuras en riesgo de derrumbamiento y Mejorar un modelo de aprendizaje profundo con aprendizaje por transferencia. Otra opción consiste en utilizar una capa de huellas de edificios existente proporcionada por su organización o municipio local.
- En el panel Contenido, si es necesario, seleccione Tuborg_Havn.lasd. En la cinta, en la pestaña Clasificación, haga clic en Clasificación automática y elija Establecer códigos de clase mediante la proximidad 2D a las entidades.
En el panel Geoprocesamiento, aparece la herramienta Establecer códigos de clase LAS con entidades.
- En el panel de la herramienta Establecer códigos de clase LAS con entidades, configure los siguientes parámetros:
- En Dataset LAS de entrada, confirme que Tuborg_Havn.lasd se ha seleccionado.
- En Entidades, elija Otras capas\Building_footprints.
- En Distancia de zona de influencia, escriba 2.
- En Clase nueva, escriba 100.
Definirá una zona de influencia de 2 metros alrededor de los polígonos de huellas de edificios para que la herramienta capture no solo los puntos sin asignar que queden sobre los edificios, sino también los que estén próximos a ellos.
Las clases 64 a 255 son clases definidas por el usuario, lo que significa que puede utilizar cualquiera de estas clases para cualquier finalidad. En este caso, utilizará la clase 100 para apartar los puntos que identificará la herramienta.
- Haga clic en Ejecutar.
Nota:
Desafortunadamente, en ArcGIS Pro 3.6, la herramienta Establecer códigos de clase LAS con entidades tiene un problema y es posible que no funcione correctamente. Si no le funciona, pase directamente al paso 9 más adelante en el tutorial. El resultado final que obtendrá será de una calidad ligeramente inferior, pero seguirá siendo aceptable.
La herramienta funciona correctamente en ArcGIS Pro 3.5 y funcionará de nuevo en ArcGIS Pro 3.7.
- Cuando el proceso se haya completado, en la cinta, en la pestaña Capa de dataset LAS, haga clic en el botón Puntos LAS, active 100 Definido por el usuario y haga clic en Aceptar.
En la escena, observe cómo los puntos del edificio o próximos a él ahora están clasificados como 100 Definido por el usuario (amarillo).
Nota:
Puede que sienta la tentación de reclasificar estos puntos 100 Definido por el usuario como 6 Edificios. Sin embargo, estos puntos son una mezcla de puntos de edificios y no edificios. Por tanto, es mejor mantenerlos apartados.
Ahora clasificará los puntos sin asignar que quedan como vegetación en función de su altura. Primero, desactivará los puntos 100 Definido por el usuario, por lo que no se procesarán.
- En la cinta, en la pestaña Capa de dataset LAS, haga clic en el botón Puntos LAS, desactive 100 Definido por el usuario y haga clic en Aceptar.
- En la cinta, en la pestaña Clasificación, haga clic en Clasificación automática y elija Clasificar por altura.
Aparece la herramienta Clasificar LAS por altura.
- En el panel de la herramienta Clasificar LAS por altura, defina los siguientes parámetros:
- En Dataset LAS de entrada, confirme que Tuborg_Havn.lasd se ha seleccionado.
- En Clasificación de altura, escriba los valores siguientes.
Código de clase Altura 101
3
4
22
18
100
La herramienta tomará los puntos sin asignar que quedan y los clasificará de la siguiente manera:
- Los puntos por debajo de 3 metros se clasificarán como 101 Definido por el usuario porque no se han encontrado puntos bajos que se correspondan con la vegetación de forma fiable. Como la clase 100 anterior, 101 es otra clase definida por el usuario que puede utilizarse para apartar estos puntos.
- Los puntos entre 3 y 22 metros de alto se clasificarán como 4 Vegetación media, ya que esta es la altura de la mayoría de los árboles de la extensión.
- Los puntos entre 22 y 100 metros de alto se clasificarán como 18 Ruido alto, ya que su altura es mayor que la de cualquier árbol de la extensión y puede considerarse como ruido.
Estos números se han elegido haciendo clic en varios puntos de árboles para ver su valor de Elevación, así como mediante prueba y error.
Nota:
Estas son las tres clases de vegetación comunes: 3 Vegetación baja, 4 Vegetación media y 5 Vegetación alta. Usar las tres clases es lo más adecuado para paisajes forestales. Las zonas urbanas, como Tuborg Havn, podrían beneficiarse del uso de una o dos de estas clases solamente.
Existen métodos adicionales para seguir mejorando la clasificación de la vegetación. Por ejemplo, podría usar imágenes espectrales para identificar con precisión las zonas con vegetación y crear una capa de polígonos que identifique estas regiones (consulte Extraer coberturas de suelo en alta resolución con GeoAI). Luego aplicaría esa capa vectorial de polígonos como máscara en la herramienta Clasificar LAS por altura (ubicada en Límite de procesamiento, dentro de Extensión de procesamiento).
- Haga clic en Ejecutar.
- Cuando el proceso se haya completado, en la cinta, en la pestaña Capa de dataset LAS, haga clic en el botón Puntos LAS, active 2 Suelo, 4 Vegetación media y 6 Edificio, desactive todas las otras clases y haga clic en Aceptar.
- En el panel Contenido, desactive Building_footprints.
Ahora puede ver la nube de puntos clasificada como suelo, edificios y vegetación.
Los árboles se han clasificado con un número mínimo de falsos positivos. En la zona sur, hay unos cuantos falsos positivos debido a la obra. Como opción, podría utilizar el proceso de clasificación manual para reclasificarlos.
Nota:
En este flujo de trabajo, no necesita distinguir entre suelo sólido y agua, a menos que lo exija de manera específica el análisis posterior a la clasificación. Sin embargo, si desea clasificar el agua, puede utilizar una capa vectorial de polígonos que representa las masas de agua. Con la herramienta Establecer códigos de clase LAS con entidades, puede asignar el código de clase 9 (Agua) a todos los puntos incluidos en esos polígonos.
- Pulse Ctrl+S para guardar el proyecto.
En este tutorial, ha utilizado herramientas de clasificación automáticas para categorizar los datos de nube de puntos lidar en cinco clases: suelo, edificio, vegetación, ruido (bajo) y ruido alto. También puede aprender a filtrar puntos por código de clase para permitir la visualización y el procesamiento posterior. Además de los métodos automáticos, ha practicado la clasificación manual de puntos y el uso de una capa de polígonos 2D para asignar códigos de clase. La nube de puntos clasificada ahora puede sustentar una variedad de flujos de trabajo, como generar rásteres de elevación (MDT y MDS), extraer huellas de edificios 2D o crear capas 3D de edificios y árboles.
Aunque este flujo de trabajo se centra en las técnicas de clasificación estándar, hay métodos más avanzados disponibles. Por ejemplo, pueden emplearse modelos de aprendizaje profundo de GeoAI para clasificar entidades complejas con mayor precisión, como líneas eléctricas o vegetación. Para examinar esto, consulte el tutorial Clasificar líneas eléctricas con aprendizaje profundo.
Es posible encontrar más tutoriales como este en la serie Introducción a lidar en ArcGIS Pro.
