Python 点云生成高程模型图(DSM)

最新推荐文章于 2024-09-16 15:38:56 发布
最新推荐文章于 2024-09-16 15:38:56 发布
阅读量913 收藏 5
点赞数 9
CC 4.0 BY-SA版权
分类专栏： Python 点云高级算法操作教程 文章标签： python 数字高程模型 dsm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43896283/article/details/138007002
本文介绍了DSM（Digital Surface Model）的概念，它用于表示地表地形及物体的数字化高度信息。通过激光雷达或摄影测量技术获取数据。接着展示了如何使用Python进行环境配置，包括laspy、numpy等库，以及提供的代码示例，最终实现DSM的生成并进行了结果可视化。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

点云生成高程模型图

一、什么是DSM?

  DSM（Digital Surface Model）是一种数字高程模型，通常用于描述地表地形的数字化表示。它是由一系列离散的高程数据点组成的三维地形模型，其中每个点都具有其相应的高程值。
  DSM主要用于获取和分析地表地形特征，比如山脉、河流、湖泊等，以及建筑物、植被和其他人工或自然物体的高度和形状。它通常通过激光雷达(LiDAR)或光学立体摄影测量技术来获取。与DEM（Digital Elevation Model）有所不同，DEM只表示地面的高程，而DSM则包括地面以及地面上的物体（如建筑物、树木等）的高程。因此，DSM比DEM更全面地描述了地表地形。

二、python代码

2.1 环境配置

pip install laspy
pip install numpy
pip install scipy
pip install matplotlib
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

2.2 代码示例


                

                
                
        

    

  


        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
            

        


    



                



	

		

			

				
					
使用点云生成数字高程模型（DEM）的方法

				
			

			

				

					TechRoarX的博客
				

				

					08-22
					
					3026
					
				

			

		

		

			
				
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。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：在下载完成后，我们可以将数据以.pcd格式导入Python中。为了使用Open3D库，我们需要将其导入Python中。

			
		

	



                

            
              



	

		

			

				
					
Open3D 实现点云高程热力图制作

				
			

			

				

					api_debug626的博客
				

				

					09-23
					
					399
					
				

			

		

		

			
				
而将点云数据可视化为热力图是一种直观而有效的方式，能够帮助我们更好地理解数据中的空间结构和分布特征。总结起来，本文介绍了使用 Open3D 库实现点云高程热力图制作的方法。通过将点云数据可视化为热力图，我们可以更好地理解数据的空间结构和分布特征。通过运行以上代码，我们可以获得一个直观的点云高程热力图。可以根据实际需求，调整代码中的参数，如网格大小、颜色映射等，以适应不同的点云数据集。然后，通过提取点云中每个点的高程信息，得到一个包含所有高程值的数组。函数将点云数据划分为网格，并计算每个网格中点的数量。

			
		

	



              


  
              

                


	

		

			

				
					
Python库 | dsm-0.5.2-py3-none-any.whl

				
			

			

				

					03-18
				

			

		

		

			
				
python库，解压后可用。
资源全名：dsm-0.5.2-py3-none-any.whl

			
		

	





	

		

			

				
					
PCL 基于点云高程制作热力图（C++详细过程版）

				
			

			

				

					点云侠的博客
				

				

					04-28
					
					1158
					
				

			

		

		

			
				
基于点云高程制作热力图

			
		

	



		

			
		



	

		

			

				
					
从点云创建 DSM：网格化和可视化实用指南

				
			

			

				

					gis收藏家的博客
				

				

					03-20
					
					2465
					
				

			

		

		

			
				
现在，为了更清楚地了解 DSM，您不仅对某些区域的地貌特征感兴趣，而且还对位于该表面的所有树木、灌木丛和大岩石感兴趣。要从点云生成数字表面模型 (DSM)，第一步是将感兴趣的区域划分为网格。随后，为每个网格单元分配一个高程值，该高程值源自单元内或附近点的 3D 坐标（X、Y、Z）。为了更好地理解网格化的工作原理，我将创建一个合成数据并自行实现网格化。首先，我们将尝试了解 DSM 是什么，然后我们将进入讨论的更实际部分。观察到蓝色点，橙色点是网格中心，绿线显示网格中心和距离该中心最近的点之间的连接。

			
		

	





	

		

			

				
					
PCL 点云生成DSM图 (高程模型图)

				
			

			

				

					weixin_43896283的博客
				

				

					09-16
					
					300
					
				

			

		

		

			
				
PCL 点云生成DSM图

			
		

	





	

		

			

				
					
python照片处理生成3d模型_【神器】摄影实时建模，用照片生成3D模型

				
			

			

				

					weixin_35118064的博客
				

				

					01-15
					
					5438
					
				

			

		

		

			
				
建模软件+教程获取方式见文末“传统的基地调研大多通过手机、相机拍照记录在无人机诞生后拍摄角度由人的视角变成了上帝视角即便如此在汇报讨论之时我们还是依赖一个冗长单调PPT来拼凑还原一个抽象的基地现状如果能在调研之后快速生成一个真实精确的场地模型后续汇报讨论无疑会方便很多！来源：数地景观而现在，这一梦想其实已经成真！根据照片即可生成3维模型的摄影实时建模技术已经不是新鲜事▼请链接wifi观看利用这一软...

			
		

	





	

		

			

				
					
QGIS插件生成XYZRGB点云：正射镶嵌与DSM的应用

				
			

			

				

					
				

			

		

		

			
				
 - 该插件的特别之处在于，它能够基于正射镶嵌（Orthomosaic）和数字表面模型（DSM）或数字高程模型（DEM）生成XYZRGB格式的点云数据文件。  - XYZRGB格式的点云数据包含每个点的空间坐标（X, Y, Z）以及对应的RGB...

			
		

	





	

		

			

				
					
CARS 是一个专用的开源 3D工具，用于通过摄影测量 从卫星成像生成数字表面模型_python_代码_下载

				
			

			

				

					06-15
				

			

		

		

			
				
4. 表面建模：将点云整合为连续的DSM，可以进一步生成数字高程模型（DEM）或数字地形模型（DTM）。 5. 后处理：检查并修正模型中的错误，如空洞和噪声，提高模型质量。  在提供的“cars-master”压缩包中，可能包含...

			
		

	





	

		

			

				
					
Open3D 基于点云高程制作热力图【2025最新版】

				
			

			

				

					点云侠的博客
				

				

					05-04
					
					1595
					
				

			

		

		

			
				
基于点云高程制作热力图，博客长期更新，本文最新更新时间为：2025年5月20日。

			
		

	





	

		

			

				
					
点云数据按高程赋色渲染.rar

				
			

			

				

					05-12
				

			

		

		

			
				
使用c++与pcl点云库实现点云数据按照高程设置颜色进行渲染，里面包括pcl1.8属性表，点云数据与源码，如果已经配置pcl点云库，下载后可以运行。没有配置pcl点云库没有任何影响，主要是按高程对点云设置r，g，b颜色值而已。

			
		

	





	

		

			

				
					
dsmpy:使用直接求解法 (DSM) 计算合成波形的 Python 包

				
			

			

				

					08-03
				

			

		

		

			
				
dsmpy
 使用直接求解方法（DSM； ）计算球形均匀横向各向同性 (VTI) 介质中合成波形的 Python 包。 文档和教程可以在找到。
安装
要求
如果使用 conda 安装 dsmpy，则可以跳过此步骤。 否则，您将需要
由于dsmpy依赖于 mpi4py，因此您需要安装一个有效的 MPI 实现（请参阅）
 gfotran>=4.8
使用conda
我们建议您使用conda安装dsmpy ，因为它需要编译的Fortran来源dsmpy所需的依赖护理。 目前，dsmpy 已经为linux-64和osx-64平台编译。 要安装dsmpy使用conda ：
 从终端运行
conda create -n dsmpy
conda install -n dsmpy -c afeborgeaud -c conda-forge dsmpy
使用 pip (TestPyPI)
 （可选）您可能希望

			
		

	





	

		

			

				
					
机载lidar点云数据的DSM、生产技术研究

				
			

			

				

					03-21
				

			

		

		

			
				
机载lidar点云数据的DSM、生产技术研究应用论文，讲述机载lidar数据生产的一般过程

			
		

	





	

		

			

				
					
Open3D：使用点云高程数据生成热力图

				
			

			

				

					FqLibrary的博客
				

				

					09-23
					
					495
					
				

			

		

		

			
				
在上述代码中，我们首先加载了点云数据，并从中提取了高程值。最后，我们将颜色赋值给点云，并使用Open3D的可视化功能展示生成的热力图。同时，Open3D还提供了许多其他功能，如点云滤波、配准、重建等，可以进一步扩展和优化点云数据处理的能力。点云数据是一种三维空间中的离散点集合，每个点都包含了位置信息和其他属性。在本文中，我们将使用Open3D来生成基于点云高程数据的热力图。首先，我们需要准备一些点云数据和对应的高程值。假设我们已经将点云数据加载到了Open3D中，并且每个点都有一个高程值。

			
		

	





	

		

			

				
					
提取dsm中的高程数据（无人机影像/卫片？），坡度图

					
热门推荐

				
			

			

				

					April_songv7的博客
				

				

					03-07
					
					1万+
					
				

			

		

		

			
				
提取dsm中的高程数据无人机航拍照片→用pix4d三维建模，同时生成dsm，此时生成的dsm在某个文件夹下，找到orh_dsm/title下的.tif格式文件，记住路径→在arcgis中点击+添加该dsm文件→新建点图层→使用空间分析中的提取值到点的功能→就可以把dsm中的高程提取到点上。（注意：1、点要在栅格图内，图幅没拼接时，点落在在外边会造成提取不出值，属性表里没数据）（卫片的可能也一样，改...

			
		

	





	

		

			

				
					
绘制点云高度三维地形柱形图（附open3d python代码）

				
			

			

				

					三维点云技术探索  
				

				

					02-01
					
					913
					
				

			

		

		

			
				
我们想把每个点云的点表示成一个高度为Z的柱形图，从而绘制一个地形的三维柱形图，效果和代码如下x效果还有改进的空间，但是基本成型了。

			
		

	





	

		

			

				
					
点云按照高程进行渲染（可自定义颜色——python）内附RGB0-1间取值对应表

				
			

			

				

					weixin_45078772的博客
				

				

					01-15
					
					1167
					
				

			

		

		

			
				
open3d，python点云按照高程进行渲染。

			
		

	





	

		

			

				
					
python 画高程图像

				
			

			

				

					horizon012的博客
				

				

					12-01
					
					3597
					
				

			

		

		

			
				
imshow,DEM

			
		

	





	

		

			

				
					
DEM、DSM制作（航摄影像）

				
			

			

				

					weixin_50262532的博客
				

				

					07-29
					
					968
					
				

			

		

		

			
				
航摄、dem、dsm

			
		

	





	

		

			

				
					
cloudcompare 根据点云生成DOM

					
最新发布

				
			

			

				

					03-24
				

			

		

		

			
				
### 使用 CloudCompare 生成数字高程模型 (DOM)

CloudCompare 是一款功能强大的开源软件，能够处理大规模点云数据并生成多种地理空间产品，其中包括数字高程模型（Digital Elevation Model, DEM），以及类似的数字表面模型（DSM）或数字正射影像图（DOM）。以下是关于如何利用 CloudCompare 的方法来生成 DOM 或其他相关产品的详细介绍。

#### 软件基础与适用范围
CloudCompare 支持多种点云格式的数据输入，例如 LAS/LAZ 文件、ASCII 文本文件以及其他常见格式[^2]。其核心优势在于高效的点云管理和快速的算法实现能力，适用于处理数百万甚至数十亿级别的点云数据集[^3]。

#### 数据预处理阶段
在正式生成 DOM 前，通常需要对原始点云数据进行必要的清理和分类操作。这一步骤对于去除噪声点、分离地面点和其他非地面特征至关重要。具体过程如下：

1. **加载点云数据**  
   打开 CloudCompare 并导入目标点云文件。如果使用的是无人机航测生成的 Las 点云，则可以直接通过 `File -> Open` 加载该文件[^4]。

2. **去噪处理**  
   利用内置工具移除异常值或其他干扰因素。可以通过菜单栏中的 `Tools -> Outlier Removal` 功能完成此任务。参数调整需依据实际场景需求设定合适的距离阈值[^5]。

3. **地面点提取**  
   地面点的精确识别直接影响最终 DEM/DOM 的质量。推荐采用 CloudCompare 提供的滤波器选项 (`Filters`) 中的分割算法或者自定义脚本来执行这一环节。例如，基于高度差异的方法可有效区分地形起伏和平坦区域内的物体。

#### 数字高程模型创建流程
经过上述准备之后，即可进入关键步骤——构建 DEM 及后续转换至 DOM 形式的过程：

1. **栅格化点云**  
   将筛选后的地面点转化为规则网格形式表示的高度信息矩阵。选择命令路径为 `Plugins -> Grid -> Rasterize...` ，在此对话框里指定单元大小(cell size)，确保分辨率满足项目精度要求的同时兼顾计算效率。

2. **导出成果文件**  
   完成栅格化后，保存所得结果为标准 GIS 格式的 TIFF 图像或者其他兼容类型。这样便形成了初步意义上的 DEM 数据源。

3. **纹理映射生成 DOM**  
   若追求更高层次的表现效果即带有真实色彩渲染的地图视图，则还需额外采集对应的 RGB 影像资料并与现有三维坐标系关联起来形成完整的视觉呈现体系。借助插件扩展功能或是外部图像处理程序辅助完成最后合成工作。

```python
import cloudcompare

# 初始化 CC 应用实例
cc_app = cloudcompare.CloudCompare()

# 导入LAS点云文件
input_file_path = 'path_to_your_las_file.las'
cloud_entity = cc_app.load(input_file_path)[0]

# 设置过滤条件以获取地面点
ground_filter = cloudcompare.CCFilter()
ground_filter.setGroundClassification(True)
filtered_ground_points = ground_filter.apply(cloud_entity)

# 进行栅格化操作
raster_params = {'cell_size': 0.5}  # 设定适当的空间分辨率
dem_grid = filtered_ground_points.rasterize(**raster_params)

# 输出DEM到TIFF文件
output_tiff_path = 'output_dem.tif'
dem_grid.saveAsGeoTiff(output_tiff_path)
```

以上代码片段展示了如何编程方式调用 CloudCompare API 来自动化整个流水线作业链路[^1]。

---

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  





	
打赏作者

	

		

		
			
		
		

		

			
自动驾驶探索站

			
你的鼓励将是我创作的最大动力

		

	

	

			

	

	

    ¥1
    ¥2
    ¥4
    ¥6
    ¥10
    ¥20
	

	

		

			

				

					扫码支付：¥1
				

				

					

					
					获取中
					

				

				

					
					
					扫码支付
				

			

		

		

			
您的余额不足，请更换扫码支付或充值

			
打赏作者

		

	



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值