You need to enable JavaScript to run this app. 如何使用R语言LiDR包为激光雷达点云创建30m网格并统计10m子块
优惠活动
大模型
产品
解决方案
定价
更多

如何使用R语言LiDR包为激光雷达点云创建30m网格并统计10m子块

lidR包嵌套空间网格统计实现说明

该需求完全可以在lidR包生态内实现,核心流程不需要依赖额外的空间分析工具,通过分层网格匹配+分组统计即可完成目标。

需求对应的实现逻辑

你的需求本质是两层嵌套的空间统计场景:

  • 第一层:为已有LAS格式点云叠加30m×30m规格的空间网格,完成大尺度统计单元的边界定义
  • 第二层:在每个30m网格的空间覆盖范围内,拆分生成10m×10m的小方格单元,逐格开展点云属性统计
    实际操作中需要注意网格对齐规则的差异:
  • 如果采用全局对齐逻辑划分网格(全研究区统一从空间原点开始按固定间隔划分,因30m是10m的整数倍,天然存在每3个连续10m格组成1个30m格的对应关系),流程会更简便
  • 如果要求每个30m网格内部独立切分10m方格、不允许小格跨大网格边界,仅需要调整网格生成环节的逻辑,核心分析流程不需要改动

核心调用函数

lidR原生支持上述全流程操作,涉及的关键函数如下:

  • merge_spatial():网格空间匹配核心函数,可将预先生成的网格多边形属性(比如网格唯一ID、单元尺寸标识)匹配到对应空间位置的点云上,作为点云的附加属性存储
  • cloud_metrics():分组点云统计核心函数,支持基于点云的任意自定义属性(包括前面匹配好的不同层级网格ID)进行分组,对每个分组内的点云执行任意自定义统计计算
  • 规则网格生成可兼容sf生态:因lidR和sf空间分析生态完全打通,可直接使用sf包的st_make_grid()按指定分辨率快速生成规则网格多边形,不需要手动构建网格拓扑。

简化流程参考代码:

# 读取已有LAS点云数据
las <- readLAS("your_lidar_data.las")

# 生成30m×30m网格,匹配网格ID到点云
grid_30m <- st_make_grid(st_bbox(las), cellsize = c(30, 30)) %>% 
  st_as_sf() %>% 
  mutate(grid_id_30 = row_number())
las <- merge_spatial(las, grid_30m, attribute = "grid_id_30")

# 生成10m×10m网格,匹配网格ID到点云
grid_10m <- st_make_grid(st_bbox(las), cellsize = c(10, 10)) %>% 
  st_as_sf() %>% 
  mutate(grid_id_10 = row_number())
las <- merge_spatial(las, grid_10m, attribute = "grid_id_10")

# 按30m大格+10m小格的组合维度分组统计
stat_result <- cloud_metrics(las, ~list(
  point_count = length(Z),
  mean_height = mean(Z),
  max_height = max(Z)
), .by = c("grid_id_30", "grid_id_10"))

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.14 15:15:04