能否用PDAL获取各多边形最高点？无点多边形输出问题咨询

问题场景 #

现有PDAL处理管线用于批量提取多个多边形内的最高点，管线代码如下：

[            
    'points.las',
    {'type': 'filters.crop', 'polygon': polygons},
    {
        "type": "filters.outlier",
        "method": "statistical"
    },
    {
        "type": "filters.range",
        "limits": "Classification![7:7]"  
    },
    {'type': 'filters.locate', "dimension": "Z", "minmax": 'max'},
    {"type": "writers.text", "precision": 8, "filename": 'output.csv'},
]

其中polygons为WKT格式的多边形长列表。当前问题：若某多边形内无符合条件的点，该多边形不会在output.csv中生成任何记录，导致无法将结果与原多边形一一对应。

解决方案 #

方法1：循环处理单个多边形，手动补全空结果 #

PDAL批量裁切空多边形时会直接跳过，因此可以遍历每个多边形单独构建管线处理，手动为空多边形添加默认记录：

import pdal
import pandas as pd
import json

# 假设polygons是包含唯一ID和WKT的列表，格式为 [(poly_id_1, wkt_1), (poly_id_2, wkt_2), ...]
results = []

for poly_id, wkt in polygons:
    pipeline_config = [
        'points.las',
        {'type': 'filters.crop', 'polygon': wkt},
        {"type": "filters.outlier", "method": "statistical"},
        {"type": "filters.range", "limits": "Classification![7:7]"},
        {'type': 'filters.locate', "dimension": "Z", "minmax": 'max'},
    ]
    
    pipeline = pdal.Pipeline(json.dumps(pipeline_config))
    point_count = pipeline.execute()
    
    if point_count > 0:
        # 提取有效结果并关联多边形ID
        df = pd.DataFrame(pipeline.arrays[0])
        df['poly_id'] = poly_id
        results.append(df)
    else:
        # 空多边形添加默认记录，可自定义默认值（如Z设为None或特定标记值）
        results.append(pd.DataFrame({'poly_id': [poly_id], 'Z': [None]}))

# 合并所有结果并导出
final_result = pd.concat(results, ignore_index=True)
final_result.to_csv('output.csv', index=False, precision=8)

此方法逻辑直观，可灵活自定义空多边形的默认值，确保每个多边形都有对应记录。

方法2：纯PDAL管线实现，通过分支处理补全空结果 #

利用PDAL的filters.crop拆分功能+filters.conditional分支判断，为空多边形生成预设点：

import pdal
import json

pipeline_config = [
    'points.las',
    # 按多边形拆分点云，每个多边形对应一个点云分块
    {'type': 'filters.crop', 'polygon': polygons, 'split': True},
    {"type": "filters.outlier", "method": "statistical"},
    {"type": "filters.range", "limits": "Classification![7:7]"},
    # 分块判断：空分块添加默认点，非空分块提取最高点
    {
        "type": "filters.conditional",
        "condition": "$numpoints == 0",
        "true": [
            # 自定义空多边形的默认值，@id对应分块的多边形索引
            {"type": "filters.assign", "value": "X=0,Y=0,Z=-9999,poly_id=@id"}
        ],
        "false": [
            {'type': 'filters.locate', "dimension": "Z", "minmax": 'max'},
            {"type": "filters.assign", "value": "poly_id=@id"}
        ]
    },
    {"type": "writers.text", "precision": 8, "filename": 'output.csv', "format": "csv"}
]

pipeline = pdal.Pipeline(json.dumps(pipeline_config))
pipeline.execute()

此方法无需额外Python循环逻辑，依赖PDAL原生功能实现，但需确保使用PDAL 2.0及以上版本（支持filters.conditional分支语法）。

关键注意事项 #

• 无论哪种方法，都需要给每个多边形添加唯一标识（如ID），才能保证结果与原多边形正确关联；
• 空多边形的默认值可根据需求调整（如用NaN、特定标记值-9999等）。

内容的提问来源于stack exchange，提问作者nickponline