1.前言

最近接了一个工程，就是用无人机测绘，计算土石方量。在ArcGIS中，有根据DEM计算土方量的方法。

• DTM法（三角网法）
  适用于地形条件复杂、有较大起伏、地形高低变化剧烈的地区，如山区地形，石料堆场等。

步骤:
（1）将地形划分为不规则三角网（TIN）。
（2）对每个三角网节点，计算现有高程与设计高程的差值。
（3）对每个三角网单元，计算土方量：

V=A×(ΔH1+ΔH2+ΔH3)/3
​
其中：
A 是三角网单元面积。
ΔH1,ΔH2,ΔH3 是三个节点的高程差异。
总挖掘量和填埋量分别为所有需要挖掘和填埋单元的土方量之和。

优点: 适合复杂地形，精度较高。
缺点: 计算复杂度较高。

• 方格网法
  适用于场地大、但高差变化不大的测区，如施工场地前期的土方整理、场地绿化等。
  步骤:

（1）将地形划分为规则的网格（Grid）。

（2）对每个网格点，计算现有高程与设计高程的差值：
ΔH=H现有−H设计
​
（3）对每个网格单元，计算土方量：
V=A×∣ΔH∣

其中：
V 是土方量。
A 是网格单元面积。
ΔH 是高程差异。
总挖掘量和填埋量分别为所有需要挖掘和填埋单元的土方量之和。

优点: 计算简单，适合规则地形。
缺点: 对复杂地形的精度较低。

• 断面法：
  只适用于地形狭长的地带，如道路、管道等土方的计算。

步骤:
（1）沿工程区域按一定间距设置断面。
（2）对每个断面，计算现有地形和设计地形的面积差。
（3）对相邻断面之间的区域，计算土方量：
V=(A1+A2)×L/2

其中：

A1,A2 是相邻断面的面积。
L 是断面间距。

总挖掘量和填埋量分别为所有需要挖掘和填埋区域的土方量之和。

优点: 适合线性工程（如道路、渠道）。
缺点: 对复杂地形的精度较低。

• 等高线法
  适用于土方量计算的概算量使用，该方法适合于地形坡度大，但坡度变化均匀等地。

1.DEM

通过点云数据生成DEM。

1.ArcGIS

这里主要介绍几种使用 arcgis 进行土方量计算的方法。主要就是实用了 DEM 的方式进行。ARCGIS 软件利用栅格数据计算土方量的。栅格数据结构简单，非常利于计算机操作和处理，是GIS 常用的空间基础数据格式。基于栅格数据的空间分析是GIS 空间分析的基础。ArcGIS 栅格数据空间分析模块( Spatial Analyst) 提供有效工具集，方便执行土方量的计算问题。通过倾斜摄影测量的方法获得将前期地表数据和后期地表数据网格化数据，对两个格网数据进行差计算，其差值就是该格网点的填(挖) 高度。

（1）数据准备
准备通过倾斜摄影测量得到的开挖前DEM 和开挖后DEM 或由设计数据生成的DEM 数据。

（2）数据处理
检查数据坐标系统的一致性，保证两期数据具有相同的坐标系统和高程系统，坐标系统应为高斯投影平面坐标。

（3）土方量计算
通过3D Analyst 工具→栅格表面→填挖方工具来计算土方量。图2 对话窗口中选择输入两期DEM数据，输出栅格为最终提取出的开挖或回填范围内的DEM 数据存储位置。

2.Cesium

Cesium负责展示这块，其实也可以用来显示挖填方。

3.激光点云

4.PhotoScan

通过航线规划、像控点测量、航空摄影等步骤获得航片数据，内业通过Photoscan 软件自动化处理。通过对齐照片、建立密集点、生成网格等流程导出DEM 数据。无人机倾斜摄影测量成果结合ArcGIS 软件计算土方量，其精度可靠，外业工作量小，内业自动化程度高。在其提供可视化成果之上实现量算、查询等功能。

根据现场踏勘进行航高设计及航线设计，利用多旋翼无人机搭载多镜头相机从多视角同步采集地表数据，通过搭载POS/IMU平台获取飞行过程中的实时位置信息，并利用RTK设备进行地面点数据采集。

结合PhotoScan软件对测区边界外多余影像数据进行剔除，利用POS数据与地面控制点数据进行影像匹配和联合平差，生成稀疏点云数据。通过对稀疏点云进行点云加密得到密集点云数据，利用点云分类方式细化出地面点和非地面点，并基于高程改进方法进行非地面点高程改正，联合改正后的地面点和非地面点构建数字高程模型(DEM)，最后通过导入测区和设计标高进行土方计算。

5.PDAL

PDAL主要用来处理 Lidar 数据。

5.1.安装

我遇到的问题，就是总是安装不上，一直卡住。

1
2
3
4
5
6
7
8
9
10
11
12
13
14

# conda install -c conda-forge python-pdal -v
# conda 安装，开始的时候总是出现卡住，一点也不动，后来就是先清理了这个，然后重新安装的
conda clean --all
# 这个过程需要非常漫长的时间等待
conda install -c conda-forge pdal python-pdal gdal -v

# 验证
pdal --version

# 尝试安装，结果这个编译不出来，是因为使用 pip 安装的，后来放弃了，否则报错Minimum CMake version set as 'CMakeLists.txt' is less than 3.15
pip install pdal
pip install cmake
pip install gdal

5.2.编写配置文件

使用 SMRF (Simple Morphological Filter 是一种常用的地面点提取算法。它基于形态学操作，能够很好地分离地面点与非地面点。) 算法，提取地面点。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

{
  "pipeline": [
    {
      "type": "readers.las",
      "filename": "input.las"
    },
    {
      "type": "filters.smrf",
      "scalar": 1.25,
      "slope": 0.15,
      "threshold": 0.5,
      "window": 16.0
    },
    {
      "type": "filters.range",
      "limits": "Classification[2:2]"
    },
    {
      "type": "writers.las",
      "filename": "ground.las"
    }
  ]
}

参数解释：
（1）filters.smrf :

• scalar: 控制地面点检测的敏感度，默认值为1.25。
• slope: 地形坡度的影响因子，默认值为0.15。
• threshold: 高度差阈值，用于区分地面点与非地面点，默认值为0.5。
• window: 滤波窗口大小，单位为格网单元，默认值为16.0。

（2）filters.range :

• limits: 指定分类范围，Classification[2:2]表示仅保留分类为地面点的数据（LAS标准中，分类值2代表地面点）。

（3）writers.las :将提取的地面点保存为新的LAS文件。

5.3.执行地面点提取

1

pdal pipeline ground_extraction.json

5.4.转为DEM

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

{
  "pipeline": [
    {
      "type": "readers.las",
      "filename": "ground.las"
    },
    {
      "type": "writers.gdal",
      "filename": "output_dem.tif",
      "resolution": 1.0,
      "output_type": "idw",
      "gdalopts": "COMPRESS=LZW"
    }
  ]
}

（1）writers.gdal :

• filename: 输出的 DEM 文件路径（例如 output_dem.tif）。
• resolution: 栅格分辨率（单位：米），表示每个像素代表的实际地面距离，默认值为 1.0。

（2）output_type: 栅格化的插值方法：

• idw: 反距离加权插值（Inverse Distance Weighting）。
• mean: 像素内点的平均高度。
• min: 像素内点的最小高度。
• max: 像素内点的最大高度。

（3）

• gdalopts: GDAL 的额外选项，例如压缩方式（COMPRESS=LZW 表示使用 LZW 压缩）。

5.4.查看结果

可以使用 LASTool 工具，可视化查看结果。

5.5.合并las文件

可以使用通配符文件，批量合并多个文件，还可以单独的合并某几个文件。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

{
  "pipeline": [
    {
      "type": "readers.las",
      "filename": "path/to/las/files/*.las"
    },
    {
      "type": "filters.merge"
    },
    {
      "type": "writers.las",
      "filename": "merged.las"
    }
  ]
}

5.6.去除异常点

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

{
  "pipeline": [
    {
      "type": "readers.las",
      "filename": "input.las"
    },
    {
      "type": "filters.outlier",
      "method": "statistical",
      "mean_k": 8,
      "multiplier": 3.0
    },
    {
      "type": "filters.range",
      "limits": "Classification![7:7]"
    },
    {
      "type": "writers.las",
      "filename": "cleaned.las"
    }
  ]
}

流程

根据 DeepSeek 的结果，可以通过 PDAL 工具，直接从 点云生成DEM,然后进行差值计算，最后再 filters.cutfill 生成结果，直接查看输出的文本文件。

（1）航线规划

（2）数据采集

（3）点云生成
通过大疆智图生成点云 .las 格式数据

（4）DEM创建
通过PDAL进行地面点提取，然后生成DEM。

（5）土方计算
使用 GDAL 的栅格计算功能生成差异栅格，计算土方量。

（6）结果评估