欢迎使用自适应滤波向导

特性

AFwizard是一个Python包，旨在提高考古学及更多领域的地面点滤波工作流程的生产力。它提供了一个基于Jupyter的环境，用于“人工参与”调优、空间异质地面点滤波。核心特性

• 直接在Jupyter笔记本中处理LiDAR数据集
  • 加载/存储LAS/LAZ文件
  • 使用等高线和坡度图进行可视化
  • 应用地面点滤波算法
  • 使用基于地图的用户界面进行裁剪
• 在统一数据模型下访问现有滤波算法
  • PDAL：点数据抽象库是一个用于点云处理的开源库。
  • OPALS是一个用于处理LiDAR数据的专有库。对于少于1M个点的数据集，可以免费测试。
  • LASTools有一个名为lasground_new的专有工具，可用于地面点滤波。
• 访问预定义的滤波管道设置
  • 在https://github.com/ssciwr/afwizard-library/上提供 crowdsourced 滤波管道库
  • 可以将滤波定义作为文件与同事共享
• 空间异质应用滤波管道
  • 在基于地图的用户界面中分配滤波管道设置到空间子区域
  • 用于大规模应用滤波管道的命令行界面

文档

AFwizard的文档可以在以下位置找到： https://afwizard.readthedocs.io/en/latest

先决条件

为了使用AFwizard，您需要以下软件。

• 安装Conda

如果您想使用相应的后端，还需要安装以下软件

• OPALS版本2.5
• LASTools

安装和使用

使用Conda

拥有本地Conda安装，以下命令序列将设置一个新的Conda环境并将afwizard安装到其中

conda create -n afwizard
conda activate afwizard
conda install -c conda-forge/label/afwizard_dev -c conda-forge -c conda-forge/label/ipywidgets_rc -c conda-forge/label/jupyterlab_widgets_rc -c conda-forge/label/widgetsnbextension_rc afwizard

您可以通过以下方式启动JupyterLab前端

conda activate afwizard
jupyter lab

如果您需要一些示例笔记本来开始，可以像这样将它们复制到当前工作目录中

conda activate afwizard
copy_afwizard_notebooks

开发版本

如果您打算为库的开发做出贡献，我们建议以下设置

git clone https://github.com/ssciwr/afwizard.git
cd afwizard
conda env create -f environment-dev.yml --force
conda run -n afwizard-dev python -m pip install --no-deps .

使用Binder

您可以通过Binder尝试AFwizard而无需预先安装，这是一个免费的云托管服务，用于运行Jupyter笔记本。这将让您了解库的功能，但您在使用库产品时将需要本地设置：在Binder上，您可能会遇到非常长的启动时间、缓慢的用户体验以及对磁盘空间和内存的限制。

使用Docker

设置Docker后，您可以直接从提供的Docker镜像使用AFwizard

docker run -t -p 8888:8888 ssciwr/afwizard:latest

执行上述命令后，将命令行中给出的URL粘贴到浏览器中，通过查看提供的Jupyter笔记本开始使用AFwizard。此镜像仅限于与非专有过滤后端（PDAL仅限）一起使用。

使用Pip

我们建议您使用Conda，因为AFwizard依赖于许多其他Python包，其中一些具有外部C/C++依赖项。使用Conda，您将自动安装所有这些包，使用pip可能需要大量手动工作才能达到相同的结果。

尽管如此，afwizard可以从PyPI安装

python -m pip install afwizard

引用 - 如何引用AFwizard

以下科学文章可以在使用AFwizard进行您的研究时引用。

• Doneus, M.，Höfle, B.，Kempf, D.，Daskalakis, G. & Shinoto, M. (2022): 基于人类在循环中开发的空间自适应地面点滤波管道 — 一个考古案例研究。《考古探查》。第29卷（4），第503-524页。DOI：https://doi.org/10.1002/arp.1873

相关Bibtex条目

@Article{Doneus_2022,
  author  = {Michael Doneus and Bernhard H\"ofle and Dominic Kempf and Gwydion Daskalakis and Maria Shinoto},
  title   = {Human-in-the-loop development of spatially adaptive ground point filtering pipelines {\textemdash} An archaeological case study},
  journal = {Archaeological Prospection},
  year    = {2022},
  volume  = {29},
  number  = {4},
  pages   = {503--524},
  doi     = {10.1002/arp.1873},
  url     = {https://doi.org/10.1002/arp.1873} }

上述文章中使用的日本中野山山鹿窯遗址中心的数据也可以在3D空间数据处理组的数据存储库下以CC-BY-SA 4.0许可获得

@data{data/TJNQZG_2022,
  author    = {Shinoto, Maria and Doneus, Michael and Haijima, Hideyuki and Weiser, Hannah and Zahs, Vivien and Kempf, Dominic and Daskalakis, Gwydion and Höfle, Bernhard and Nakamura, Naoko},
  publisher = {heiDATA},
  title     = {{3D Point Cloud from Nakadake Sanroku Kiln Site Center, Japan: Sample Data for the Application of Adaptive Filtering with the AFwizard}},
  year      = {2022},
  version   = {V2},
  doi       = {10.11588/data/TJNQZG},
  url       = {https://doi.org/10.11588/data/TJNQZG}
}

故障排除

如果您在使用AFwizard时遇到问题，我们请求您按以下顺序操作

• 查看我们的常见问题解答以获取解决方案
• 在GitHub问题跟踪器中进行搜索
• 在GitHub问题跟踪器上打开一个新问题，并提供以下信息
  • afwizard的版本
  • 有关您的OS的信息
  • 您机器上conda list的输出
  • 尽可能多的有关如何重现错误的信息
  • 如果您可以共享产生错误的错误数据，将非常感谢。