Sensores Activos. LiDAR

Curso Percepción Remota

Sensores Activos. LiDAR

KMLV

1.- Generar un modelo batimétrico de laguna costera en rejilla regular con resolución
de 2m y tipo de dato flotante a partir nube de puntos en formato Laz proporcionado.
Indicar que puntos (clasificación) se usaron para el propósito y como los filtraron.
Secuencia de instrucciones en LasTools y posterior importación del modelo aermapper.
R=
Los pasos a seguir para generar un MODELO BATIMÉTRICO UTILIZANDO LA
CLASE 14 de la laguna costera en una rejilla regular con resolución y tipo de dato
flotante, a partir de nube de puntos en formato LAZ fueron los siguientes:
a) En MS DOS entramos al directorio que contiene la carpeta
Lidar_LagunaCosteras, y establecemos la trayectoria para habilitar el uso de las
herramientasLasTools
(PATH=%PATH%;c:\LiDAR\lastools\bin;).
b) Crear un directorio kml
c) Designamos coordenadas UTM (en este caso: Lasinfo –i *.las –kml –odir kml –
utm 14N)
d) Abrimos la imagen con lasview –i*.las (esta instrucción abre todas las entradas .las
en el directorio); como sólo tenemos una en este directorio, se despliega la imagen:

e) Revisamos la imagen: cambio de color y rotación. Alrotarla vemos que es plana,
debido a unos cuantos “outilers”, o sea, puntos fuera de la nube de puntos en el eje
Z, que afectan a la proyección de la imagen.

Curso Percepción Remota

Sensores Activos. LiDAR

KMLV

f) Buscamos los valores máximos, en script con extensión las. Los encontramos en
max x y z.
g) En base al menor valor máximo de Z, vamos a utilizar la herramienta merge.las.Mediante la instrucción lasmerge -i *.las –o merge.laz –clip_z_above 30. lo que
esta instrucción hace, es remover los puntos de Z con un valor por encima de 30. El
30 lo seleccionamos después de varios intentos por ver el número que mejor
removía los outliers, sin afectar a la nube de puntos. Además, se comprime la nube
de puntos (de .las a .laz). Para ver el resultado abrimos el LASViewer (elvisor de
LAS lo podemos abrir siempre con la instrucción lasview).  lasview –i merge.laz

h) Para generar un modelo de elevación usamos el las.dem  las2dem –i merge.laz opng -utm 14N -step 2.0 –hillshade (imagen con sombreado) o  las2dem -i
merge.laz -o merge1.png -first_only -false -step 2 -utm 14N (falso color).
i) Creamos un directorio (mk) que llamaremos mergebil.
j) Hacemosblast2dem –i merge.laz –step 2 –utm 14N –nbits 32 –keep_class 14 –o
bati.bil –last_only  Con esta instrucción estamos convirtiendo a DEM flotante
de 32 bits y de nombre bati.bil, a los puntos del primer retorno y clasificación
14 del archivo LAZ.
k) El archivo bil se importa a ERMapper en el menú Utilities/Import ASCII and

Curso Percepción Remota

Sensores Activos. LiDAR

KMLV

BinaryGrids.
l) Corregimos el tamaño de celda (cell size) a 2 m, que fue lo que asignamos.
m) Establecemos como número flotante de 32 bits (IEEE 4byte Real), geodetic datum
WGS84 y proyección NUTM01.
n) Ajustamos coordenadas Eastings y Northings, del archivo del encabezado
(merge.hdr)y así queda georeferenciada la imagen importada.
o) A continuación, en Edit Algorithm, el layer en escala de grises secambia a
pseudocolor, y se duplica, y se cambia a intensidad. Sombreando esta capa, y
activando la opción Sun Shading. El resultado es:

2.- Con la nube de puntos del bosque San Fco bajada de Opentography, calcular la
altura del cubierta vegetal con el guion general visto en clase en la presentación de
LasTools.ppt. Este es:
 lasground -i tiles*.laz -fine -olaz -odix g  Clasifica puntos enpuntos del suelo
(class 2) y puntos sin clasificar (clase 1)
 lasheight -i tiles*g.laz -olaz -odix h  Compute (approx) height above ground and
store it in the user data field
 lasclassify -i tiles*gh.laz -olaz -odix c  Classify (non-ground) points into buildings
(class 6) and trees (class 5)
 lasheight -i tiles*ghc.laz -replace_z -olaz -odix h  Compute height above ground
and store...