Laspy を使用した LAS/LAZ ファイルの効率的なダウンサンプリング: ステップバイステップ ガイド

Laspy を使用した LAZ ファイルのダウンサンプリング: 点群データの処理

この方法では、Python と Laspy パッケージを使用して、古い LAZ ファイルから 10 番目ごとにポイントを抽出し、新しいデータセットのヘッダーの変更を管理します。

import laspy
import numpy as np
from copy import copy
# Load the existing LAZ file
las = laspy.read("input_file.laz")
# Downsample by taking every 10th point
indices = np.arange(0, len(las.points), 10)
downsampled_points = las.points[indices]
# Copy the header and adjust the point count
header = copy(las.header)
header.point_count = len(downsampled_points)
# Create new LasData with downsampled points
d_las = laspy.LasData(header)
d_las.points = downsampled_points
# Write to a new LAZ file
d_las.write("downsampled_output.laz")

LAZ ファイルのダウンサンプリング時のオフセットとスケール調整の自動化

このバージョンの Python は、ダウンサンプリングされたデータに基づいてオフセットとスケールを自動的に再計算します。

import laspy
import numpy as np
# Load the original LAZ file
las = laspy.read("input_file.laz")
# Downsample by taking every 10th point
indices = np.arange(0, len(las.points), 10)
downsampled_points = las.points[indices]
# Create new header and adjust offsets/scales
header = laspy.LasHeader(point_format=las.header.point_format, version=las.header.version)
header.offsets = np.min([las.x[indices], las.y[indices], las.z[indices]], axis=1)
header.scales = np.array([0.01, 0.01, 0.01])  # Set new scales
# Create new LasData and write to file
downsampled_las = laspy.LasData(header)
downsampled_las.points = downsampled_points
downsampled_las.write("downsampled_with_scales.laz")

LAS/LAZ ファイルのダウンサンプリングの単体テスト

この Python スクリプトには、ダウンサンプリング手順が複数のコンテキストにわたって適切に機能することを確認するための単体テストが含まれています。

import unittest
import laspy
import numpy as np
class TestDownsampling(unittest.TestCase):
    def test_downsample_point_count(self):
        las = laspy.read("input_file.laz")
        indices = np.arange(0, len(las.points), 10)
        downsampled_points = las.points[indices]
        self.assertEqual(len(downsampled_points), len(indices))
if __name__ == "__main__":
    unittest.main()

Laspy によるダウンサンプリングに関するよくある質問

1. 配列の次元の不一致を処理するにはどうすればよいですか LasData?
2. これを解決するには、次のことを確認してください。 point_count ヘッダー内の は、ダウンサンプリングされたデータ内の実際のポイント数に対応します。必要に応じてカウントを手動で変更します。
3. 常に再計算する必要がありますか offsets そして scales ダウンサンプリング後?
4. はい、特に巨大なデータセットの場合、これらの値を再計算する必要があります。の offsets は新しい最小値を表し、 scales データの精度を保証します。
5. できる laspy LAS ファイル内の追加の寸法を処理しますか?
6. はい、さらに多くのディメンションを管理できます。 add_extra_dim の特徴 LasHeader、強度や GPS 時間などのカスタム ディメンションを設定できます。
7. は numpy ダウンサンプリングに必要 laspy?
8. 必ずしも必須ではありませんが、 numpy インデックスを効率的に生成し、配列を操作することで、大規模なデータセットの処理を容易にします。
9. ダウンサンプリングプロセスを高速化するにはどうすればよいですか?
10. 使用 numpy 配列操作を実行し、効率的にインデックスを作成します。これにより、巨大な点群を操作する際のパフォーマンスが向上します。

効果的なダウンサンプリングのための重要なポイント

ダウンサンプリング時の寸法の不一致を避けるため ラズ を含むファイル うるさい、 point_count プロパティはヘッダーで手動で調整する必要があります。オフセットとスケールを再計算すると、新しいデータが適切に表現されることが保証されます。

ヘッダー変更などの一部のコンポーネントは手動介入が必要ですが、その他のコンポーネントは次の方法で自動化できます。 しびれる 速度を最大化し、巨大なデータセットを管理します。単体テストにより、ダウンサンプリング ワークフローの堅牢性が強化され、実際の状況での効率が向上します。