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
相关产品推荐

