【LP360点云密度抽稀】——Classfiy by Statistics点云任务使用

在处理激光雷达扫描的LiDAR点云或摄影测量匹配的点云数据时，常见的一个处理需求是降低点云密度，也就是进行点云抽稀，在LP360软件中，我们一般使用Classfiy by Statistics（按统计分类）点云任务来实现点云抽稀。

在处理激光雷达扫描的LiDAR点云或摄影测量匹配的点云数据时，常见的一个处理需求是降低点云密度，也就是进行点云抽稀，比如我有一个点云密度是20的las文件，想要在LP360软件中抽稀输出成10，5等不同密度的las文件。在LP360软件中，我们一般使用Classfiy by Statistics（按统计分类）点云任务来实现点云抽稀。

新建点云任务后，需要指定参数，示例如下：

本示例中，我们想要将分类的地面点进行抽稀导出，因此，将“源点”设置为地面点，如下所示：

然后设置像元大小为1平方米（单位可选），并且每个像元内取4个样本点（1个中值点+3个随机点），这样得到的点云密度将是4个点/平方米。在目标类中，我们仍然放置在2-地面点分类中，但是将抽稀的点云设置为关键点标志，如下所示：

然后设置输出的shp格网文件的范围（点云范围）及路径，点击应用，然后在点云任务工具栏中对整个工程应用点云任务（或者绘制小范围运行点云任务）。

以下是100%显示情况下，抽稀前的点云和抽稀后的点云分布情况，我们可以清晰的看到，抽稀后每个格网（1平方米）范围内有4个点样本：

以下是以TIN绘制模式显示的抽稀前和抽稀后的地面点云：

LP360 是一款先进的高性能LIDAR软件，可以独立运行，也可以嵌入ArcGIS运行，让您能够创建和操作行业标准 LAS 格式文件的点云数据，支持多文件同时编辑，对于大区域数据处理来说处理和显示效率都比较高，无需任何耗时的导入或转换过程，轻松从点云中提取信息和生成衍生产品。
如果您是LP360新用户，欢迎下载试用。如果您有软件技术问题或采购意向，欢迎联系我们。

【教程】使用Geographic Imager地形晕渲功能在Photoshop中轻松制作地形晕渲

本教程演示了利用Geogrpahic Imager地形晕渲功能在Adobe Photoshop中轻松制作地形晕渲效果，同时分享了一些Photoshop增强图像的技巧。首先，我们从打开一个原始的北京西部地区的DSM数据开始，这是一张黑白的图片，其中亮度高的部分代表地势比较高的区域，亮度比较暗的部分代表地势比较低的区域。

然后，我们将调用Geographic Imager的地形晕渲功能，这里包括着色方案、光照强度、强度等设置，在着色方案里，选择应用颜色映射，方法您可以选择按DEM的高程范围来映射整个颜色渐变，也可以按照预设方案中的高程来映射颜色渐变。

接下来，在颜色渐变部分，选择需要的渐变方案，也可以单击铅笔图标，编辑色彩映射，在这里您可以设置和调整多个颜色滑块（断点），按照位置或高程设置都可以，颜色映射可以另存为新的映射方案。

设置光照的方位角和强度，单击应用之后，即可完成地形晕渲的生成：

最后，我们分享了一些利用Photoshop图层颜色调整的功能，对晕渲成果作了进一步的增强处理，包括调整山体阴影图层的混合模式，增强颜色饱和度，给阴影区和照亮区分别添加了不同的色调效果。

详细的视频操作教程请点击这里

【教程】添加XYZ tiles图层到MAPublisher地图中

简介

XYZ tiles图层是由位于服务器上的多个瓦片组成的层，可供公众使用。与遵循OGC标准的WMTS不同，XYZ tiles图层是事实上的OpenstreetMap标准。瓦片基本上是PNG图像，通过web服务器提供，通过特定URL（格式：https://…/Z/X/Y.PNG）进行访问。

本教程介绍向Illustrator/MAPublisher文档中添加卫星图像和栅栅类型的参考地图（通过XYZ tiles图层获取）的快速方法。无论使用哪种投影，导入的图像都将跟地图进行配准。

该技术对于大比例尺地图制作非常有用，当然也可以用于中小比例尺地图制作。我将在重庆市河流地图中添加Bing卫星影像，范围如下图红色方框表示。同时将展示XYZ tiles图层如何进行投影转换。

除了Adobe Illustrator和MAPPublisher，您还需要QGIS和网络连接来完成本教程。

步骤

Illustrator/MAPublisher

1、在MAP视图中，创建新的MAPublisher地图图层。指定为面要素类型。将图层名称设为“范围”。

2、使用AI矩形绘制工具或者MAPublisher区域绘图工具，绘制感兴趣区域范围方框，其坐标系为MAP视图的坐标系——高斯克吕格。

3、在MAP视图面板菜单（右上角）中，导出范围图层为Shapefile。

QGIS

4、启动QGIS。将导出的矩形shapefile文件拖到地图视图中。或者，也可以通过菜单栏添加：图层/添加图层/添加矢量图层。

5、在“Brower浏览器”面板中，右键单击“XYZ tiles”并点击“New connection…”。将新连接命名为Bing卫星影像或相关名称。将下面的URL复制并粘贴到URL字段中。然后单击“确定”。

http://ecn.t3.tiles.virtualearth.net/tiles/a{q}.jpeg?g=1

6、转到浏览器面板中的 XYZ Tiles 列表。双击Bing卫星影像。

很快，图层列表将出现一个新的Bing卫星影像层，并且坐标系将投影到shapefile文件的坐标系，即高斯-克吕格坐标系。状态栏会显示当前的比例尺，如果要以固定的比例尺输出，可以在状态栏中修改显示比例尺。

7、转到QGIS的菜单栏，选择Project/Import-Export/Export Map to Image。

在出现的对话框中，忽略“分辨率”以外的所有字段。建议从500DPI开始，为了获得更多细节，也可以更高，尽管这样做会增加文件大小。再点击保存，选择将图像保存为TIF格式，默认会生成tfw坐标文件。

Illustrator/MAPublisher

8、打开Illustrator/MAPublisher地图。使用“文件/导入MAP数据/导入MAP数据”，或从MAPublisher工具栏点击导入按钮，导入从QGIS导出的带坐标的TIF，影像图层将与已有地图自动套合。

其他的XYZ tiles数据源

Bing Satellite

http://ecn.t3.tiles.virtualearth.net/tiles/a{q}.jpeg?g=1

Google Satellite

http://www.google.cn/maps/vt?lyrs=s@189&gl=cn&x={x}&y={y}&z={z}

Google Map

https://mt1.google.com/vt/lyrs=r&x={x}&y={y}&z={z}

Esri Satellite

https://server.arcgisonline.com/ArcGIS/rest/services/World_Imagery/MapServer/tile/{z}/{y}/{x}

Esri World Topo

https://server.arcgisonline.com/ArcGIS/rest/services/World_Topo_Map/MapServer/tile/{z}/{y}/{x}

CartoDB

https://cartodb-basemaps-a.global.ssl.fastly.net/light_all/{z}/{x}/{y}.png

Open Street Map

http://tile.openstreetmap.org/{z}/{x}/{y}.png

Russian Topos

http://88.99.52.155/cgi-bin/tapp/tilecache.py/1.0.0/topomapper_v2/%7Bz%7D/%7Bx%7D/%7By%7D.jpg

Wikimedia

https://maps.wikimedia.org/osm-intl/{z}/{x}/{y}.png

如果您还有其他的XYZ tiles数据源可以添加到上面的列表中，欢迎联系我们，我们将保持更新，谢谢！

作者：陈春华

参考文献：Tom Patterson，Adding XYZ Tiles to MAPublisher Maps

在 Global Mapper 中处理卫星影像数据

当太阳照射时，它向地球提供电磁辐射，我们将其中的一部分探测为光。不同的材料、表面和特征以不同的方式反射这种能量。最常见的电磁辐射范围是可见光——我们的眼睛检测到并用来感知我们周围可见世界的光——它的波长介于 380 到 720 纳米之间。电磁辐射的全光谱跨越许多波长，这种能量的特定范围会产生某些影响或用于特定目的。例如，导致晒伤的紫外线的波长为 300 至 380 纳米，而 X 射线使用的能量更短，波长为 0.03 至 300 纳米。在光谱的另一端，微波辐射的波长约为 1 毫米至 30 厘米。

卫星数据是通过记录特定波长范围内反射和发射的电磁辐射来创建的。当地球轨道卫星经过一个区域时，先进的传感器会记录从地球表面发射和反射回太空的能量。该数据最终以光栅格式提供，每个像素代表不同的辐射反射率值。

卫星收集的数据将反射能量范围按波长划分为同一景图像的的不同层。这些层中的每一个都被称为一个波段，每个波段都可以是一个单独的栅格层，每个像素都有一个值。卫星数据的一个常见数据源是 Landsat 8/9 (OLI)，它使用以下波段名称来区分不同波长的电磁辐射的反射率。

波段	波长	应用
Band 1 – coastal aerosol	0.43-0.45	沿海和气溶胶研究
Band 2 – blue	0.45-0.51	水深测量，区分土壤和植被以及针叶植被落叶
Band 3 – green	0.53-0.59	强调植被反射高峰，这对于评估植物活力很有用
Band 4 – red	0.64-0.67	区分植被坡度
Band 5 – Near Infrared (NIR)	0.85-0.88	强调生物量含量和海岸线
Band 6 – Short-wave Infrared (SWIR) 1	1.57-1.65	区分土壤和植被的水分含量；穿透薄云
Band 7 – Short-wave Infrared (SWIR) 2	2.11-2.29	改善的土壤和植被的水分含量；穿透薄云
Band 8 – Panchromatic	0.50-0.68	15米分辨率，更清晰的图像清晰度
Band 9 – Cirrus	1.36-1.38	改进了卷云污染的检测
Band 10 – TIRS 1	10.60-11.19	100 米分辨率、热成像和估计的土壤湿度
Band 11 – TIRS 2	11.50-12.51	100 米分辨率、改进的热成像和估计的土壤湿度

来源：What Are the Best Landsat Spectral Bands for Use in My Research?（USGS）

Landsat 8 和其他卫星收集的数据可以从美国地质调查局托管的数据下载门户 EarthExplorer 下载。 Global Mapper 中的在线数据源对话框包含指向 Imagery 文件夹中 EarthExplorer 的直接链接。连接到此源将在 Web 浏览器中启动 USGS EarthExplorer 下载站点，并使用 Global Mapper 的当前屏幕边界作为数据下载的感兴趣区域，从而轻松查找和下载项目区域的卫星数据。

在Global Mapper中连接landsat8影像数据源后，浏览器将自动打开下载网站，并按Global Mapper地图窗口的范围作为感兴趣区域进行搜索，加快了下载过程

创建多光谱图像

将不同波段的单波段数据组合到一个单一的多光谱图像可以显示一个区域的更多细节。在 Global Mapper V24之前的版本，多光谱图像是通过加载多个单独的波段并将它们导出为多波段图像来创建的。在Global Mapper V24.0版本中，我们可以直接使用图层菜单下的从单波段创建多波段图像的命令来实现，大大简化了操作流程。

要从单独的波段获得自然彩色图像，在合成过程中选择红色、绿色和蓝色波段并按R、G、B顺序合成。这种自然色图像比较接近我们在肉眼从高空看到的地表色彩。

来自 Landsat 8 数据的红色、绿色和蓝色波段（波段 4、3、2）组合生成的自然颜色的卫星图像

叠加近红外、红色和绿色波段会创建一个特定的假彩色图像，通常称为彩色红外图像。由于已知在健康植被中发现的叶绿素会反射近红外光，因此该波段组合可用于识别健康植被。

Landsat 8 数据中合成波段 5、4、3 以生成近红外图像。在这个结果中，红色区域表示健康的植被。

虽然只有三个波段的数据将用于显示图像，但 Global Mapper 可以导出包含特定区域所有波段的多波段数据文件。将七个常用波段导出到单个多波段文件，可以在“多波段图层设置”对话框中更改和配置波段顺序。

在合成的多波段图像图层选项对话框中更改合成的RGB波段顺序，波段设置选项卡为常见的卫星数据源提供了许多预定义的波段组合。假彩色组合 6、5、4 可用于农业分析，因为它可以清楚地显示绿色的植被区域和粉红色和洋红色的贫瘠区域。

图像融合（Pan Sharpening）

与航空影像相比，卫星数据的采集分辨率通常较低一些。上面显示的 Landsat 8 数据的空间分辨率为 30 米，这意味着每个像素代表 30 米 x 30 米的地表部分。 Landsat 卫星还以 15 米的分辨率收集全色波段数据，该波段采集的波长范围更长，所以空间分辨率更高一些。

在Pan sharpening融合过程中，更高分辨率的全色波段与的多光谱彩色图像一起使用，以增强多光谱图像的细节。这个融合可以通过分析菜单下的pan sharpen imagry命令很方便的完成，此过程软件也提供了多种的融合算法。

直方图匹配

直方图匹配是Global Mapper V24.0中栅格图层选项中新增的一项设置，它使用来自一层影像的彩色波段直方图来调整所选图层的显示。这样，相邻和重叠的图像层更加无缝地融合在一起。当用户希望对使用不同设备或在不同日期收集的图像图层进行拼接时，这尤其有用，这在全球卫星图像或多次飞行的无人机摄影测量中很常见。

栅格计算（波段运算）

除了上述将单波段图像合成不同类型的彩色图像进行显示之外，各个波段还可以在 Global Mapper 的栅格计算器中进行运算以提取更多信息。由于不同的地表和地物具有不同的光谱特性，因此科研人员可以利用这种特性对不同的波段进行组合运算也达到提取特定信息的目的。比较常见的有NDVI（植被归一化指数），用多光谱图像的近红外波段和红波段利用如下公式计算得出：NDVI=(NIR-R)/(NIR+R)。归一化植被指数是反映农作物长势和营养信息的重要参数之一。根据该参数,可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。

栅格计算器为常见计算提供了许多预定义的公式，还允许输入自定义公式和数学表达式来创建新的栅格图层。

另外一种比较常见的指数是NDWI—归一化差异水指数，用遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息。在以下示例中，利用Landsat 8 数据的绿色和近红外波段用于计算某个区域的归一化差异水指数 (NDWI)。

未标题-3.png — 在 Global Mapper 栅格计算器中选择 Landsat 8 NDWI 公式，并将公式 B3 和 B5 中设置对应的波段。

NDWI 使用从 -1 到 +1 的等级来指示环境中是否存在水。以蓝色显示的正值表示该场景中的水体

了解不同地物的波谱特性，可以借助USGS提供的光谱特征查看器，该交互式工具可用于可视化不同卫星传感器的波段或通道如何测量多种波长（颜色）的强度（这也称为相对光谱响应Relative Spectral Response-RSR）。光谱特征查看器允许用户确定哪些卫星波段最适合其研究应用。

如果您想在Global Mapper中进行卫星数据处理和分析，欢迎下载免费试用，如有任何问题，请联系我们！

Global Mapper^®是Blue Marble Geographics^®开发的一款先进的GIS软件，它为新手和经验丰富的地理空间专业人员提供了一系列全面的空间数据处理工具，支持访问300多种数据格式。这个简单易学的软件包括一整套矢量和栅格编辑工具、广泛的分析功能、强大的3D数据可视化，以及一个用于外业使用的移动应用程序。

Global Mapper Pro^®是一个全面且易于使用的GIS应用程序，它提供了广泛的工具集合，用于数据创建、编辑、高级2D和3D分析、工作流自动化的脚本方法以及扩展的文件格式支持。它还提供先进的点云处理工具，包括Pixels to Points^®，用于根据重叠的无人机捕获图像创建摄影测量点云、自动和手动点云分类和特征提取、水体置平等。

【LP360】点云任务（Point Cloud Tasks）

什么是点云任务 (PCT)？——指对点云、栅格和/或矢量进行操作的函数（如提取地面、合并线）。任务可以是过滤器和/或提取器。过滤器对点的分类值进行分类或更改（例如分类地面）。提取器将点云数据中的信息提取到矢量、图像或信息文件中（例如点云统计）。点云任务可在 Arcmap（使用 LP360 for ArcGIS 扩展模块时）或 LP360 中目录的点云任务选项卡上访问。LP360 v2018.2 引入了点云任务管理器。

点云任务选项

添加新任务

将新 PCT 添加到当前任务列表（程序安装了六个默认任务）

选择点云任务选项卡
在点云任务下拉菜单下选择添加任务
指定您尝试添加的任务类型并为任务提供唯一名称
单击确定后，任务现在已添加到点云任务列表中

删除任务

从当前任务列表中删除任务

选择点云任务选项卡
从任务列表中选择一个 PCT
在点云任务下拉菜单下选择删除选定任务…

重命名任务

重命名选定的任务

选择点云任务选项卡
选择点云任务选项卡
在点云任务下拉菜单下选择重命名选定任务…

拷贝任务

复制所选任务

选择点云任务选项卡
从任务列表中选择一个 PCT
在点云任务下拉菜单中选择复制选定任务…
为复制的任务提供唯一名称

导入任务

仅以 XML 格式导出任务列表中当前选择的任务

选择点云任务选项卡
从任务列表中选择一个 PCT
在点云任务下拉菜单中选择导出选定任务…
将导出的任务另存为 XML 文件

导出所有任务

以 XML 格式导出任务列表中的所有任务

选择点云任务选项卡
在点云任务下拉菜单中选择导出所有任务…
将导出的任务另存为 XML 文件

执行点云任务

所有点云任务设置都在点云任务选项卡上修改，并使用应用按钮保存。为了执行活动任务(显示在点云任务选项卡中的任务)，必须使用点云任务工具栏上的执行工具之一。

可用的点云任务类型 (v2021.1.47.0)

(SA) 旁边的点云任务类型表示不适用于 LP360 for ArcMap 扩展。

点云任务类型	许可要求	引入版本	描述
Adaptive TIN Ground Filter （自适应 TIN 接地滤波器）	高级版无人机版	v2011.1	根据自适应 TIN 地面分类算法对点进行分类。主要用于地面点的分类，过滤器中有多个参数，尤其是在使用高级选项时。
Affine Transform LAS （仿射变换 LAS）	高级版无人机版	v2020.1	使用仿射变换重新投影 LAS 数据（平移、缩放、旋转或矩阵计算），该任务是用于修改点云坐标的多功能工具。常用于将点云改正到地面（需要一系列已知控制点计算出转换参数）
Attribute Editor (SA) （属性编辑器）	标准版无人机版	v2015.1	为要素设置属性值
Basic Filter （基本过滤器）	标准版无人机版		基本过滤点云任务允许您定义一个或多个点过滤器并将匹配点过滤器的一组点云分配给一个分类。该 PCT 可用于在 LIDAR 项目中对点数据进行简单的重新分类。
Classify by Feature （按要素分类）	标准版无人机版	v2014.1	按要素分类是使用跟其他要素空间关系为点分配分类的有用方法。地图中存在的任何矢量图层都可用多种空间关系对点进行分类：在多边形、线性或点要素指定距离内或完全在多边形内等等。
Classify by Statistics （按统计分类）	标准版无人机版	v2015.1	它一般主要用于数据抽稀（data thinning） – 特别适用于非常密集的数据，例如从图像派生的数据（密集图像匹配）。这是精简密集数据集的一种非常好的方法。
Cluster by Distance （按距离聚类）	高级版	v2022.1.9.0	使用欧几里得距离规则对点进行聚类，并使用额外的字节对其进行编码。
Color by Image （按图像着色）	标准版无人机版	v2021.1.47.0	从地理参考图像中着色 LIDAR 点（三或四波段正射镶嵌）
Conflation	标准版无人机版	v2013.2	计算几何图形的 Z 值 Conflation任务定义了一组用于数字化要素并从 LIDAR 表面提取高程的过程。可以将Conflation任务配置为数字化点、折线和/或多边形要素。
Cross Sections （路径横断面生成）	标准版无人机版	v2014.1	为给定的路径生成横截面轮廓。与体积相关的分析的一个重要元素是横截面的生成。此横截面工具允许将特征指定为“对齐”路径，定义沿对齐的横截面间距（例如每 5 米）和每个横截面的长度。
Draw Shape Features (SA) （绘制形状要素）	标准版无人机版	v2015.1	绘制形状（shape）要素
Duplicate Points Classifier （重复点分类器）	标准版无人机版	v2018.2	识别和分类重复点
Geocode True View LIDAR Task (SA) （地理编码 True View LIDAR 任务）	True View EVO LP360 Drone	v2020.1	从 GeoCue True View 3DIS 的原始激光雷达文件生成 LAS 文件
Grid Generator (SA) （网格生成器）	基础版无人机版	v2017.1	此任务根据输入参数生成单元格网格
Ground CleanUp Filter (SA) （地面清理过滤器）	标准版无人机版	v2015.1	自适应 TIN 地面滤波器旨在根据 LIDAR 数据对地表进行分类。根据分类过程中使用的参数以及 LIDAR 本身，可能会有一些地表没有最终被分类。通常具有高度变化剧烈的特征。缺少地面分类的一些常见示例包括：土堤、悬崖边/顶部、山顶、高架路面。
Height Filter （高度过滤器）	标准版无人机版		高度过滤点云任务用于对与定义的表面（例如地面）垂直距离的点进行分类。该过滤器可用于将点从地面分类为垂直地层，然后可用于密度研究。高度过滤器还可用于定位表面下方的点，这可能在 LIDAR 数据的 QA/QC 中是有用的。这对于建筑物、植被和其他地面特征的分类也很有用。
Intensity from RGB （ RGB 生成强度）	标准版无人机版	v2014.1	根据点的 RGB 值填充强度值
LAS Affine Transform (重命名) （LAS 仿射变换）	高级版无人机版	v2019.2.38	在 v2019.2.38 中引入，后来重命名为 Affine Transform LAS（见上文）
Low/Isolated Points （低点/孤立点）	高级版无人机版	v2011.1	根据噪声点是否显着降低或与其邻近点隔离度对噪声点进行分类。
Macro （宏）	标准版无人机版		按顺序执行多个任务集合
Merge Point Cloud （合并点云）	标准版无人机版	v2020.2.22	用于合并两个 LAS 图层。对于合并来自不同传感器的数据非常有用，例如 True View 3DIS 数据集和测深数据。
Model Key Points （模型关键点）	高级版 True View EVO	v2012.1	查找模型关键点：如果您考虑 DEM 中的所有点，并且对于每个点，删除该点并查看表面发生的偏差量，则可以最好地总结模型关键点点云任务。如果该偏差超过了您设置的限制，则该点被视为模型关键点并相应地标记，因为如果不使用该点，曲面与原始曲面的偏差将超过允许的公差。
Planar Point Filter (Building Filter) （平面点过滤器）（建筑物过滤器）	高级版 True View EVO		用于自动对点云中的平面进行分类。它最常用于检测建筑物屋顶，但也可用于任何平面检测。
Planar Statistics （平面统计）	基础版无人机版	v2015.1	计算给定平面的平面统计数据并将它们作为属性输出到shp文件中的形状。它定义最佳拟合平面并计算拟合值的质量，这些值作为属性存储在形状文件中。它还可以用作诊断工具，以方便平面滤波器设置的设置。
Point Cloud Statistics Extractor （点云统计提取器）	基础版无人机版		将点云统计数据提取到地理或文本文件中。在LiDAR数据的 QA/QC 过程中，统计数据在以有效方式评估 LIDAR 数据方面发挥着重要作用。可以为整个 LIDAR 项目数据集、数据集中的每个文件甚至项目中的指定区域计算统计数据。
Point Group Tracing and Squaring (Extractor) 点群追踪和直角化（提取器）	高级版 True View EVO		点组跟踪和直角化点云任务将允许您进一步细化分类为建筑物的点云数据，并将建筑物轮廓提取到 shapefile 中。
Powerlines Extractor (电力线提取器)	高级版 True View EVO	v2020.2.10	从点云中提取电力线悬链线，并提供对点进行分类和对悬链线进行矢量化的选项。
Proximity Classifier (临近分类器)	标准版无人机版	v2020.1	邻近分类器点云任务根据邻近点的属性对点进行分类。用于以下一些场景： 1、针对来自多个采集时间的数据集，根据旧数据集对新数据集进行分类。 2、对较大数据集的子集进行分类，然后将子集的分类合并回原始数据集中。 3、根据与另一个分类特征的接近程度来查找分类特征。
Rail Extractor （铁路提取器）	高级版无人机版	v2014.1	提取铁路点和铁路中心线。该点云任务自动提取轨道对齐（中心线）矢量以及对“轨道顶部点云”进行分类。此功能作为半自动点云任务 (PCT) 实现，轨道对齐/点提取需要相对高密度的激光雷达数据。我们在每平方米 40 点方面取得了一些成功，但建议在 80 点/平方米左右。
Reproject LAS （重新投影 LAS）	高级版无人机版	v2019.2.38	此工作流程适用于 LAS 数据重新投影，或在 x、y 和/或 z 方向上的移动或缩放。可以用于以下转换： 1、地理空间参考系统到投影坐标系的相互转换。 2、从一个投影坐标系到另一个投影坐标系的转换 3、不同的测量单位之间转换 4、从 LAS 数据中去除垂直偏差
Reproject Raster （重新投影栅格）	标准版无人机版	v2018.1	此任务将栅格图层从一个坐标系重新投影到另一个坐标系。该任务可以重新投影栅格图层、创建金字塔和 JPEG 压缩。
Reproject/Shift/Scale LAS (已弃用) 重新投影/移位/缩放 LAS	标准版无人机版	v2017.2	此任务将 LAS 点从一个 SRS 转换为另一个，并可选择平移或缩放坐标。（在 v2019.2.38 中被 Reproject LAS 和 LAS Affine Transform 替换）
Smoothing Point Cloud （平滑点云）	高级版无人机版	v2020.1	点云数据平滑与来自 Riegl 的高端测量级 LIDAR 相比，使用“汽车级”激光扫描仪的无人机 LIDAR 系统会产生“噪声”。这种噪声现象的一部分是由紧密的点间距（Nominal Point Spacing 或 NPS）引起的错觉。相距较近的点之间的微小高程差异比稀疏间隔点的相同高程差异更明显（并且令人反感）。也就是说，这些扫描仪比测量等级系统噪音更大。
Smoothing-Respacing	标准版无人机版	v2014.1	在给定几何体上执行顶点的平滑和重新调整间距
Statistical Noise Point Filter （统计噪声点滤波器）	高级版无人机版	v2011.1	根据描述性统计对噪声点进行分类
Toe Extractor （坡脚提取器）	高级版无人机版	v2015.1	该任务将自动将干净库存的坡脚数字化，并允许对高架结构（例如输送带）进行分类。在计算库存体积时，此工具可节省大量时间。
Volumetric Analysis （体积分析）	标准版无人机版	v2013.2	计算体积并可选择创建差异 LAS 数据集

【视频教程】使用MAPublisher制作正交投影地图

地图制图人员在制图中可能会用到如下所示的正交投影，在该投影下，地图显示为三维的球体效果，更接近于地球真实的样子。

当直接使用全球数据制作这种正交投影地图时，MAPublisher会把全部的数据都进行投影，相当于我们会看到地球背向我们一侧的数据，这样显然是不符合要求的，如下所示：

下面我们将简要说明正交投影半球地图的制作步骤，详细的请参考本文后面的视频教程。

步骤一：

加载世界地图底图数据，并将投影中心（以北京为例）绘制到底图上，点的绘制可以使用MAPublisher的点绘制功能，该功能支持经纬度和大地坐标的方式绘制点的位置，也可以在连网情况下使用查找位置功能，输入地名即可通过网络地图绘制兴趣点：

步骤二：

将数据投影到兰勃特方位等距离投影【Lambert Azimuthal Equidistant(Sphere),meter】，这样需要注意的是，系统提供的方位投影的中心为(0,0），我们需要复制该投影并根据北京的经纬度位置进行自定义投影中心（116.39,39.9）。

步骤三：

以北京为中心，使用MAPublisher的缓冲区工具，生成半径为10002.5公里的圆，该圆即为我们所能看到的地平线范围，然后使用裁切工具将地图数据裁切到该范围。

步骤四：

将数据重投影到正交投影（Orthographic,meter），这里跟前面一样，要将北京设为投影中心。

最后，我们可以做一些美化效果，如添加地平线的投影效果、外发光效果，由于数据保留了投影和属性，我们可以自由的应用MAPublisher主题修改符号配置，创作出让我们满意的效果。

详细的操作步骤，请参考以下视频教程：

【视频教程】使用LP360进行点云的平滑处理

随着LiDAR的应用越来越广，使用LiDAR方法生成高精度的DEM/DSM已成为行业普遍的做法，地形生成精度取决于原生点云的获取精度和分类精度。
由于LiDAR扫描设备的精度有高有低，以及LiDAR的多次回波特性，造成生成的地面点云会有较大的起伏，特别是非测量无人机Lidar扫描仪生成的点云，这时需要有通过点云平滑操作，来提高地形的生成精度，今天我们介绍如何使用LP360 软件的”smoothing point cloud（平滑点云）”点云任务对点云进行平滑处理。

如下图所示的无人机地面点云，从点云的TIN显示模式上能看到明显的起伏，在剖面图上也能看到将近30cm的垂直高差：

对上述地面点，应用LP360的点云平滑任务后，相同的区域显示如下，无论是TIN显示，还是剖面显示，我们能看到非常明显的改善。

以下是平滑点云任务的参数设置界面，输入点云可以进行各种过滤设置，也可以按自定义范围、图层范围、工程范围执行点云任务，可以按不同的组织结构（按分块、按文件）输出所有点云，或平滑的点云。

详细的操作流程，请参考以下视频：

【MAPublisher地图制图技术】如何隐藏LabelPro输出的冲突注记所对应的点符号

一些用户咨询，是否有办法将MAPublisher LabelPro输出的冲突注记层所对应的点符号（或者是未能标注出来的点符号）隐藏起来，另外，用户也会问到MAPublisher能否实现点抽稀（简化选取）的功能。今天给大家演示一下如何实现这样的需求。
简言之，我们可以通过属性解决。首先，将冲突注记层新建一个属性标识字段，然后导出属性表，最后，将导出的冲突注记层属性表关联到点图层的属性表，实现对未能标注的点符号的选取和隐藏。下面简要介绍一下操作步骤：
首先，使用MAPublisher LabelPro功能进行标注时，需要将冲突注记（压盖的注记）进行输出，勾选“将被压盖的标注输出到”选项，如下所示：

如果在上一步中设置了过滤器的话，将会生成多个冲突标注图层，如下图所示，我们可以将其合并。

然后，在冲突注记层的属性表中新建一个标识符字段，定义为布尔型，并设其默认值设为#True。

将属性表导出，生成txt或csv格式（这里有一些注意事项，需要将中文的字段隐藏后再导出，详情参考视频教程）：

然后在点图层的属性表中，合并关联前一步导出的属性表，设定关联的同名字段，这样新的属性表就会增加一列标识字段：

通过该字段，我们可以很方便的将未能标注的点符号（也即冲突冲突对应的点符号）选取出来。

若想了解详细过程，如下是对应的视频教程：

如果您在软件使用过程中有遇到的任何问题，无论是关于MAPublisher / Geographic Imager，还是Adobe Illustrator / Photoshop，欢迎跟我们交流反馈，我们将挑选出共性问题，整理出来分享给广大制图用户，共同进步。若您有所收获，欢迎分享。

如果您是MAPublisher新用户，欢迎下载试用。如果有软件采购意向，欢迎联系我们。如果您想全面了解和学习MAPublisher软件，那么参加我们举办的MAPublisher线上培训是一个不错的选择。

【三维地图制作实例】从3D地图上俯瞰北京西山

京西之山统称西山，西山是太行山的余脉，主要分布在北京西边的门头沟、房山、石景山、昌平等几个区县，北京的母亲河永定河贯穿其中。由于西山面积之大，难以在现实中观其整体，今天我将用三维地图的方式来呈现北京西山，希望给您带来启发。

北京三分之二的面积是山区，平原区的西、北、东北皆为连绵的山峦，以顺时针方向分属西山、军都山、燕山山脉。据统计北京两千米以上山峰有三座，千米以上山峰有上百座。

京西之山统称西山，西山是太行山的余脉，主要分布在北京西边的门头沟、房山、石景山、昌平等几个区县，北京的母亲河永定河贯穿其中。作为北京西部的屏障，煤业资源丰富，自古以来为北京提供了优质的资源。西山永定河文化带底蕴深厚，孕育出了宗教寺庙文化、红色抗战文化、古村古道文化、煤炭文化等，京西古道如一张大网遍布门头沟全境。

生活在北京西部的我，每次越野徒步或骑行到山峰之上，远眺群山，总会感受到自然的博大和优美，所以生活中每隔一段时间就要到西山徒步或骑行。我想每个户外登山爱好者也会总会被山的能量所吸引，就如那句名言所说，“因为山就在那里”。

由于西山面积之大，难以在现实中观其整体，今天我将用地图的方式来呈现北京西山。为了表现山地地形，我将尝试制作三维地图，这也是本文想给大家展示的内容。主要分为两个方面，一个是三维地形的渲染（建模），另一个是三维地图的制作，后者是在前者的基础上叠加符号、说明注记等要素形成的。平常我们所看到的地图绝大部分是二维地图，包括各种电子地图、专题地图、影像地图等等，制作方法比较成熟。
三维地图又叫3D地形、3D场景、3D斜视图、全景图等，由于三维地图的制作考虑的因素和特点比较多，比如制作的时间和成本高，数据要求也更高，同时具有以下几个特点：无地理参考信息，观测角度固定，地图的上下方向还有变形等等。但是制作3D地图也有充分的理由，看起来更有趣，更能吸引读者的注意力，与传统的带等高线或山体阴影的地图相比，3D斜视地形更容易让普通大众理解，除了X、Y维度外，还展示了垂直方向的维度，如下图所示：

事实上，我们能从古地图中找到很多三维形式的地图。如下面两幅古地图，上图为北京颐和园和八旗兵营图（1888年），显示了八旗兵营的营房，寺庙，村庄，桥梁，山脉和颐和园全貌，下图为热河行宫全图（1736年），显示了热河宫的鸟瞰图。

那么如何用计算机的方式来制作三维地图呢？实际上这是一个多学科的产品。我本人也是参考了国内外的一些前辈才得以完成本案例。之前我们曾经介绍过国外的制图大师——Tom Patterson，他以制作漂亮的晕渲效果和三维地图闻名，我们曾经参考他的教程写过几篇博客（【干货分享】Landsat 8 Photoshop教程、Sentinel-2 Photoshop教程、【视频教程】山体阴影增强技术），在其网站上也有一篇比较详细的3D地图教程（Making 3D Terrain Maps ），该教程主要使用的软件是Natural Scene Designer Pro和Adobe Photoshop /Geographic Imager。本文主要使用ECartoRender（具体包括Blender、MAPublisher for Adobe Illustrator、Geographic Imager for Adobe Photoshop），同时参考了我比较喜欢的DANIEL HUFFMAN写的Blender教程（来源于他的博客网站SOMETHINGABOUTMAPS），这里有一些非常优秀的Adobe Illustrator和Photoshop教程，我们曾经参考DANIEL HUFFMAN写过几篇文章（【Blender】地形晕渲基础教程、一位制图师的【自我救赎】，【AI制图技巧】使用不透明蒙版实现注记压盖效果，【Illustrator高级制图技巧】“挖空组”与外观属性结合实现更好的地图注记压盖效果）。
有了现实的制图需求，和技术解决方案，下面我将尝试制作北京西山的三维地图。这里我不会深入到操作细节，主要把实现思路和成果作一个展示，相当于一个案例介绍，希望给您带来启发。
首先是数据准备，我收集下载了以下几种开源数据：

SRTM 30米DEM数据（30-Meter SRTM Tile Downloader）；
Landsat 8/9 30米真彩色影像(EarthExplorer)；
1:100万基础地理数据和北京市开源基础地理信息数据；

然后，我们用DEM来渲染3D地形（生成晕渲），虽然很多GIS软件也能做地形晕渲，但是我们将基于Blender 3D建模软件来渲染，具体原因本文不作过多解释了，大家可以看一下我们之前的一些文章（【ECartoRender】地貌晕渲解决方案、【制图新技术】地形晕渲底图（山体阴影）制作新方法），概括来说，使用3D建模软件渲染地形更高级、更美观。同时，对于渲染具有透视效果的3D地形，一般GIS软件是不具备这个功能的。

其实原理就是模拟真实的摄影过程，在三维场景中，有三个主要的对象需要进行设置：地形、光源、照相机。不管使用什么软件，这里的主要设置干预的内容有：

相机（透视模式，观测方位、俯仰角、焦距等）
光源（大小、颜色、方向、高度角等）
地形（高程夸张）
渲染参数（材质、输出大小、分辨率、降噪、图层叠加等）

一般制作3D地图，我们是会用于朝北的观测方向，光源可以是从东南方向或西南方向照射过来，由于北京西山基本上位于北京平原的西南到西北方向，所以我选择了将相机镜头朝西旋转了35度，俯仰角是50度（这样能看清远处山间的河流），光源从西南方向照射，高度角是50度。

以上是地形渲染的成果，如果输出的分辨率比较高的话，对机器要求会比较高，根据机器性能情况，该过程可能需要几小时甚至更长的时间。通常情况下，上述成果即作为渲染成果直接在制图中进行使用，如果想叠加颜色或图像纹理，也可以设置颜色渐变或者叠加卫星影像生成更真实的晕渲效果。如图3、4所示：

当然卫星影像图层也需要裁切成与DEM相同的范围，这个在Geographic Imager中可以非常轻松的实现，包括影像的镶嵌、调色、投影转换、裁切等操作，具体可以参考：【干货分享】Landsat 8 Photoshop教程

根据DANIEL HUFFMAN的最新教程，我们完全可以不用上面地形直接渲染的成果，而是通过生成黑白深度图（如图5），然后对深度图使用边缘检测滤镜生成的地形效果（如图 6）：

从上图的边缘检测结果图上，我可以更清晰的看到山脊线的走向，著名的“龙脊线”就分布在上图的中间，即百花山—老龙窝—髽髻山—清水尖—妙峰山一线。

由于上述的三维地形建模结果不具有地理参考，同时垂直方向还有一些变形，跟矢量数据是不能直接套合的，如果需要叠加的矢量数据，可以事先在GIS软件中裁切成与DEM相同的范围（可以通过MAPublisher或Geograhic Imager完成），另存为栅格图层，然后在渲染时作为图像层嵌入，如上图2所示，也可以在Blender中修改着色器，将其渲染成单独的图层，如图7所示，这样便于在Photoshop或Illustrator中进行叠加和重新描摹。图8是使用同样的方式将DEM作为颜色输入的渲染结果，图9是将卫星影像作为颜色输入的渲染结果。

然后，我们将回到Photoshop中进行合成和进一步的效果制作，这里大家将有极大的发挥空间，因为Photoshop对于图像的合成提供了非常强大的能力，结合Geographic Imager，对地理影像的处理将变成轻松和精确。以下是将图6、图7、图8在PS中合成的一种效果（具体做法是对图6的边缘检测结果进行两次色阶调整，通过蒙版可以精确的调整平原地区的显示细节，然后将图7水系层通过正片叠底模式叠加，最后将图8应用颜色渐变叠加在最上面）。

最后，我们可以上述地形晕渲成果上叠加符号、路线、兴趣点和注记，生成3D地图，这个过程可以在Adobe Illustrator（或Photoshop）中实现，如图11和图12所示：

到目前，我做的试验就这些，后面我将继续探索，后面如果有更新，将发布新的文章，欢迎继续关注。

地图学虽是一门古老的学科，然而在当今计算机制图时代，我们仍需保持不断学习的态度，不断学习同行及前辈们的经验和技术，才能制作出好的地图产品。

限于笔者经验及水平，如果有不足之处，请多见谅。

关于三维地图制作，北京易凯图科技有限公司可为客户提供成产品解决方案和技术培训与咨询服务，如果您有兴趣，欢迎联系我们。

【MAPublisher制图技术】Illustrator点文字的批量拆分

地图注记的配置是地图制图非常重要的工作。在使用MAPublisher和Adobe Illustrator进行地图制图工作中，不少用户咨询过中文注记的处理问题，在进行注记放置时，不可避免要将各种名称及性质注记拆分放置，如道路注记、河流注记、山脉注记等等，之前我们曾介绍过道路注记（【MAPublisher制图技术】中文散列标注与文字背景效果制作）和水系注记（【MAPublisher制图技术】水系注记处理技巧）的MAPublisher处理相关技术和方法，主要侧重于路径文字的处理（打散、字头朝北、左斜、生成注记效果等）。

Adobe Illustrator有非常强大的文字注记编辑能力，其文字对象类型又细分为点文字、区域文字、路径文字等等，各自有不同的创建和编辑方式。今天给大家介绍使用MAPublisher功能对点文字（point type）进行批量的打散（拆分）操作，涉及到的主要MAPublisher功能如下：

1、使用MAPublisher标注要素功能从属性转出注记，该功能可以对所选（点/线/面）图层要素进行快速的属性返注记，对于点状要素，转出的即是Illustrator的点文字。

2、使用字符串函数SUBSTITUTE对注记添加空格，如果要对转出的点文字添加空格，需要对#Text字段应用SUBSTITUTE函数进行字符空格的添加。

3、使用MAPublisher文字工具中的“添加换行符”操作按每行1个字进行分行。

4、使用MAPublisher文字工具中的“分隔多行文本”操作将多行文字拆分成单个文字。

详细的操作请参考以下视频教程：

如果您在软件使用过程中有遇到的任何问题，无论是关于MAPublisher / Geographic Imager，还是Adobe Illustrator / Photoshop，欢迎跟我们交流反馈，我们将挑选出共性问题，整理出来分享给广大制图用户，共同进步。若您有所收获，欢迎分享。如果您想全面了解和学习MAPublisher软件，那么参加我们举办的培训是一个不错的选择，3月16日-17日，我们将开展一期MAPublisher线上培训（【MAPublisher线上培训】通知），同时会有Adobe Illustrator的讲解。