# point-cloud-lidar

Скилл для работы с LAS, LAZ и COPC: классификация земли, DTM/DSM/CHM, метрики леса и зданий, вертикальные датумы. Нужен, когда на входе сырое облако точек.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · ★ 35
- Автор: Muhammed Enes Duran
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/muend/geoai-skills/tree/HEAD/skills/point-cloud-lidar/SKILL.md
- Обновлён: 2026-10-17
- HTML: https://affpapa.org/nevibecode/skills/point-cloud-lidar

## Что делает

Скилл ведёт от сырых отражений до защищаемых продуктов рельефа и структуры. Первый шаг — `pdal info input.laz --summary`: посмотреть число точек, плотность, CRS, классы и номера отражений. Плотность задаёт достижимое разрешение растра, а без метаданных CRS скилл советует запрашивать датум у поставщика данных, а не догадываться.

Внутри — шаблон конвейера PDAL: перепроецирование, удаление выбросов, классификация земли через `filters.smrf`, запись в LAS. Шум чистят до классификации, иначе низкие выбросы ломают SMRF и CSF. Параметры `slope` и `window` подбираются под рельеф: окно берут по самому крупному объекту, который землёй не является. Вендорский класс земли скилл советует проверять на 2–3 поперечных профилях и переклассифицировать там, где он врёт.

Отдельный блок — вертикальные датумы. Отвечать про датум в чате недостаточно: его нужно записать в сам файл (VLR в LAS/LAZ, CRS в GeoTIFF или PROJJSON в sidecar) вместе с названием и версией модели геоида и применёнными поправками. Высотный продукт с неразрешённым датумом публиковать нельзя. Фотограмметрические облака скилл отделяет от LiDAR: у них нет отражений и проникновения под полог, поэтому «DTM» над лесом — это модель крон.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill point-cloud-lidar -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/point-cloud-lidar/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/point-cloud-lidar/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill point-cloud-lidar -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/point-cloud-lidar/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill point-cloud-lidar -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/point-cloud-lidar/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install muend/geoai-skills point-cloud-lidar
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/point-cloud-lidar/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill point-cloud-lidar -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/muend/geoai-skills --path skills/point-cloud-lidar
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/point-cloud-lidar/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add muend/geoai-skills --skill point-cloud-lidar -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/muend/geoai-skills/tree/HEAD/skills/point-cloud-lidar/SKILL.md

## Когда брать
- разобрать LAS/LAZ и понять, что внутри: классы, отражения, CRS
- построить DTM из точек земли и не выдумать детализацию выше плотности
- собрать CHM без ям внутри крон
- согласовать вертикальный датум двух съёмок перед вычитанием
- посчитать высоту зданий и покрытие полога по сетке

## Примеры запросов агенту
- Посмотри `input.laz` через `pdal info --summary` и скажи, какое разрешение растра тут реально достижимо
- Собери конвейер PDAL: перепроецирование, удаление выбросов, классификация земли, запись в `classified.laz`
- Проверь вендорский класс земли на поперечных профилях и переклассифицируй, где он не держит рельеф

## Похожие
- [cli-anything-cloudcompare](https://affpapa.org/nevibecode/skills/cli-anything-cloudcompare.md) — скилл · 478 установок
- [cli-anything-cloudanalyzer](https://affpapa.org/nevibecode/skills/cli-anything-cloudanalyzer.md) — скилл · 464 установки
- [tao-train-pointpillars](https://affpapa.org/nevibecode/skills/tao-train-pointpillars.md) — скилл · 1600 установок
- [geomaster](https://affpapa.org/nevibecode/skills/geomaster.md) — скилл · 1900 установок
- [marketing-selling-point-generator](https://affpapa.org/nevibecode/skills/marketing-selling-point-generator.md) — скилл · 891 установка
- [lingbot-map-3d-reconstruction](https://affpapa.org/nevibecode/skills/lingbot-map-3d-reconstruction.md) — скилл · 418 установок

Из того же набора: [muend/geoai-skills](https://affpapa.org/nevibecode/by/muend/geoai-skills.md) — 6 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md