segment-lidar

使用Meta AI的Segment-Anything模型(SAM)对航空LiDAR数据进行分割的Python包。

这个包专门设计用于对LiDAR数据进行无监督实例分割。它结合了由Meta Research开发的Segment-Anything模型(SAM)的强大功能和Open Geospatial Solutions的segment-geospatial包，以实现3D点云数据的自动化实例分割。

安装

我们建议使用Python>=3.9。首先，您需要安装PyTorch。请按照这里的说明进行操作。

然后，您可以轻松地从PyPI安装segment-lidar：

pip install segment-lidar

或者，您可以通过运行以下命令从源代码安装：

git clone https://github.com/Yarroudh/segment-lidar
cd segment-lidar
python setup.py install

请注意，当前版本仍在测试中。如果您发现任何问题或错误，请在问题部分报告。第二个版本将实现更高级的功能和特性。

文档

如果您正在使用segment-lidar，我们强烈建议您花时间阅读文档。文档是一个重要资源，将帮助您了解包的功能，并提供如何有效使用它的指导。

基础教程

这里提供了一个基础教程。

您也可以参考API获取有关不同参数的更多信息。

不进行地面滤波

from segment_lidar import samlidar, view

viewpoint = view.TopView()

model = samlidar.SamLidar(ckpt_path="sam_vit_h_4b8939.pth")
points = model.read("pointcloud.las")
labels, *_ = model.segment(points=points, view=viewpoint, image_path="raster.tif", labels_path="labeled.tif")
model.write(points=points, segment_ids=labels, save_path="segmented.las")

进行地面滤波

from segment_lidar import samlidar, view

viewpoint = view.TopView()

model = samlidar.SamLidar(ckpt_path="sam_vit_h_4b8939.pth")
points = model.read("pointcloud.las")
cloud, non_ground, ground = model.csf(points)
labels, *_ = model.segment(points=cloud, view=viewpoint, image_path="raster.tif", labels_path="labeled.tif")
model.write(points=points, non_ground=non_ground, ground=ground, segment_ids=labels, save_path="segmented.las")

注意：segment-lidar的最新版本支持定义自定义针孔相机，可以选择是否进行交互式可视化，并将视图保存为图像。详情请参阅文档。

示例数据

为了测试目的，您可以在此处下载示例：pointcloud.las。

这些数据来自AHN-4。更多数据请访问GeoTiles.nl。

模型检查点

点击以下链接下载相应模型类型的检查点。

Docker镜像

segment-lidar也可以作为Docker镜像使用。

以下是将segment-lidar作为Docker容器运行的步骤：

首先使用docker pull命令拉取镜像：

docker pull yarroudh/segment-lidar

要运行Docker容器并在其中挂载您的数据和脚本文件，请使用docker run命令，并使用-v选项指定主机目录的路径和您想要挂载数据文件夹的容器目录路径。例如：

docker run -d -v 主机数据的绝对路径:/home/user yarroudh/segment-lidar

这个命令将以分离模式启动一个Docker容器，将主机上的ABSOLUTE_PATH_TO_HOST_DATA目录挂载到容器内的**/home/user/data**目录，并运行yarroudh/segment-lidar镜像。请勿更改容器内目录的路径。

找到容器ID并复制它。你可以使用docker ps命令列出所有正在运行的容器及其ID。
使用docker exec在容器内启动命令，使用容器ID或名称以及你想运行的命令。例如：

docker exec 容器ID python 脚本文件

要将命令输出从容器复制到本地路径，使用docker cp命令，加上容器ID或名称、容器内文件路径和主机上的目标路径。例如：

docker cp 容器ID:/home/user/输出路径 主机上的路径

最后，执行完所有命令并将结果复制到本地机器后，你可以使用docker stop命令加上容器ID或名称来停止Docker容器：

docker stop 容器ID

许可证

本软件采用BSD 3条款"新"或"修订"许可证，这是一种宽松的许可证，只要你在软件中包含BSD版权和许可声明，就几乎可以无限制地使用该软件。请参阅LICENSE文件了解更详细的信息。

引用

开源软件仓库在科学研究中的使用日益普遍。如果你在研究中使用了这个仓库，请确保在你的工作中适当引用它。这个仓库的推荐引用格式在附带的BibTeX引用中提供。此外，请确保遵守与使用本仓库相关的任何许可条款和条件。

@misc{yarroudh:2023:samlidar,
  author = {Yarroudh, Anass},
  title = {LiDAR Automatic Unsupervised Segmentation using Segment-Anything Model (SAM) from Meta AI},
  year = {2023},
  howpublished = {GitHub Repository},
  url = {https://github.com/Yarroudh/segment-lidar}
}

Yarroudh, A. (2023). 使用Meta AI的Segment-Anything模型(SAM)进行LiDAR自动无监督分割 [GitHub仓库]。从https://github.com/Yarroudh/segment-lidar 获取