将文件拖拽至软件主界面处，或在菜单的open处打开点云文件

Global shift界面

点云读入后显示界面

方法一：

点击上方工具栏Edit >> Scalar fields >> Export coordinates to SF，选择按Z值渲染

工具栏界面

渲染赋色后结果

方法二：

点击Edit >> Colors >> Height Ramp，里面有两个渲染方式，一个是Custom，一个是Banding，先用Banding方式，通过选择按照z值的最小单位来渲染，此处选择20米；后用Custom方式，通过选择第一渲染颜色和第二渲染颜色的方式来进行渲染，此处选择红色和橙色

Banding方式界面

赋色渲染后界面

Custom方式

赋色渲染后界面

方法一：CSF地面滤波法

流程概述：

1) 利用点云Q 滤波算法或者点云处理软件滤除异常点

2) 将激光雷达点云倒置

3) 设置模拟布料，设置布料网格分辨率

具体软件操作：

点击Plugins中的CSF Filter功能，此处general parameter setting选择flat平地，advanced parameter setting中的布料格网分辨率设置为2，最大迭代次数设置为500，地面点与非地面点距离阈值设置为0.5；

（Cloth resolution：是指用于覆盖地形的布的网格大小(单位与点云的单位相同)，布分辨率越大，DTM越粗糙；

Max iterations：是指地形仿真的最大迭代次数；

Classification threshold：是指根据点与模拟地形之间的距离，将点云划分为地面和非地面部分的阈值）

general parameter setting窗口

advanced parameter setting窗口

CSF地面滤波后结果

方法二：坡度法地面滤波

点击上方工具栏Edit >> Scalar fields >>Gradient计算标量域的梯度/坡度/倾斜度，对话框“Gradient字段是要用（欧几里德）距离进行计算吗？”选择是（标量域是点云实体的高程），在color scale界面勾选visible，根据右侧的坡度值分布色谱图，设置阈值；

点击上方工具栏Edit >> Scalar fields >>Filter By Value，坡度阈值设置为0.12，点击Split即可完成地面点与非地面点的分割。

Color scale界面

点云中每个点的坡度分布

Filter by value界面

滤波后结果

两种方法结果对比

CSF -Ground points

CSF -Off-ground points

坡度法-Ground points

坡度法- Off-ground points

方法1：基于CSF滤波算法

先基于对CSF滤波结果（选择export to mesh）对地面网格执行平滑，点击Edit >> Mesh >>Smooth（Laplacian）;

选择原始点云和生成的地面网格，点击Tools >> Distances >>Cloud/Mesh Dist，计算点云到网格的距离，Edit >> Scalar fields >>Set SF as Coordinate(s)，将计算得到的距离赋值给Z轴

Distance computation窗口

计算结果

Set SF as Coordinate(s)窗口

归一化结果

方法2：泊松+栅格(需要已知地面点云)

（1）计算粗DEM：选择地面点云, 插值计算分辨率为2米的DEM，打开Rasterize窗口，按下图所示参数输入，得到的DEM会存在错误值, 使用裁剪工具将其切除；

（2）计算法向量：Edit>>normal>>compute，Neighbors选择auto；

（3）执行泊松重建：选择右侧工具箱中的 ，选择默认参数

Rasterize窗口

Compute normal窗口

粗DEM计算结果

裁剪后结果

计算法向量

泊松重建窗口

泊松重建结果

（4）粗DEM接边：裁剪泊松重建的结果，将泊松重建结果的边缘裁出来，然后点击上方工具栏中的 将边缘转换成点云，然后按住Ctrl双选地面点云和切出来的边界, 点击上方工具栏中的 对其进行合并；

裁剪操作

裁剪结果

转为点云窗口

合并结果

（5）点击上方窗口的 基于加了边界的地面类计算分辨率为0.5米的DEM, 并且进行插值, 输出为Mesh格式；

（6）执行拉普拉斯平滑：点击Edit >> Mesh >>Smooth（Laplacian）

Rasterize窗口

拉普拉斯平滑后结果

（7）计算归一化高程：选择原始点云和平滑后的DEM，点击Tools >> Distances >>Cloud/Mesh Dist，计算它们之间的距离；

记录原始高度，选择原始点云, 将原始Z值储存为特征；

两种方法结果对比

基于CSF

泊松＋栅格

优点：操作简单、有理论支撑

优点：适用于崎岖地形，拟合效果好

缺点：CSF算法不适用于崎岖地形

缺点：需要首先计算/分类地面点云，如果DSM栅格不够小, 归一化后可能会出现栅格纹理

使用“Tools > Projection > Rasterize”工具，点云“栅格化”（即将点云转换成2.5D网格），然后把它导出为新的点云图或光栅图像等，栅格化结果如下