Katalógus az egyes LiDAR-elemzésre használt csomagokról

Katalógus az egyes LiDAR-elemzésre használt csomagokról TKP BorderEye (TKP2021-NVA-13) TÓTH ZSOLT SOE FMK, 2025. Kutatási jelentés Bevezetés A légi lézerszkennelés (LiDAR – Light Detection and Ranging) az erdészeti és környezeti kutatások egyik legfontosabb adatgyűjtési technológiájává vált az elmúlt két évtizedben. A LiDAR pontfelhők nagy felbontású, háromdimenziós információt szolgáltatnak a felszínről és a vegetációról, lehetővé téve a faállomány-szerkezet, a biomassza, valamint a topográfiai jellemzők pontos becslését. A nyers pontfelhők feldolgozása azonban komplex és számításigényes feladat, amely számos algoritmikus lépést foglal magában, például zajszűrést, osztályozást, normalizálást, koronaszegmentálást és metrikaszámítást. A kutatói és gyakorlati közösség számára kulcsfontosságú, hogy a feldolgozási láncban alkalmazott szoftvercsomagok és könyvtárak átláthatóan dokumentáltak legyenek. Az egyes csomagok különböző funkciókat, teljesítményt és kompatibilitást kínálnak, így a megfelelő eszköz kiválasztása jelentős hatással van az eredmények pontosságára és a számítási erőforrások kihasználására. A munka célja egy átfogó katalógus létrehozása, amely rendszerezi a leggyakrabban alkalmazott LiDAR-feldolgozó csomagokat, bemutatja azok funkcionális jellemzőit. 1. lidR Leírás: Légi LiDAR-interfész adatok feldolgozásához és vizualizációjához; LASés LAZ-fájlok beolvasása és írása, területalapú megközelítésen alapuló metrikaszámítás, pontszűrés, mesterséges pontcsökkentés, földrajzi adatokon alapuló osztályozás, normalizálás, egyedi fák szegmentálása és egyéb műveletek. Nyelv/környezet: R, de a számításigényes részeket C++ motor végzi. Platform: Linux, Windows, macOS operációs rendszerek alatt működik. Elérhetőség: GitHub [21], CRAN [4] Verzió: Az aktuális CRAN-kiadás alapján 4.2.2 (2025. november 6.). Licenc: GPL-3 Fejlesztők: A lidR nyílt fejlesztésű projekt, amelynek fejlesztési munkáit az r-lidar végzi. [19] A lidR fejlesztése a Laval Egyetem, az AWARE projekt, valamint Québec Tartomány Természeti Erőforrások és Erdők Minisztériumának pénzügyi támogatásával valósult meg. Tudományos alkalmazás: Széleskörű. Fő jellemzők: • LAS-fájl beolvasása és megjelenítése: Az R-stílusú plot függvény – amely az rgl csomagra épül – lehetővé teszi a felhasználó számára, hogy megjelenítse, forgassa és nagyítsa a pontfelhőt. • Lombkoronamagasság-modell (CHM) számítása: A lidR több, a szakirodalomban ismertetett algoritmust is tartalmaz a lombkoronamagasság-modellek előállításához, legyen szó pont-rács alapú vagy háromszögelésen alapuló módszerekről. Ez lehetővé teszi olyan eljárások tesztelését és összehasonlítását, amelyek CHM-et használnak, például az egyedi fák szegmentálását vagy a lombkorona „érdességi” (tagoltsági) indexének számítását. • LAS-fájlok katalógusának beolvasása és megjelenítése: A lidR lehetővé teszi a felhasználó számára több LAS-fájlból álló gyűjtemény kezelését, használatát és feldolgozását. A readLAScatalog függvény egy LAScatalog objektumot hoz létre egy mappából. A plot függvény pedig — ha a mapview csomag telepítve van — interaktív térképen jeleníti meg ezt a gyűjteményt. Egy LAScatalog objektumból a felhasználó például vizsgálati területeket (ROI) vághat ki a clip_roi() segítségével. A katalógus használata a ROI kivágásához gyors és memóriahatékony műveletet biztosít. A LAScatalog objektumok számos egyéb műveletet is lehetővé tesznek, amelyek többmagos feldolgozással is végrehajthatók. • Egyedi fák szegmentálása: A segment_trees() függvény több, a szakirodalomban ismertetett algoritmust tartalmaz az egyedi fák szegmentálásához, amelyek digitális lombkoronamodellen vagy pontfelhőn alapulnak. Minden algoritmust az eredeti források alapján, a leírtakhoz a lehető legközelebb kerülve valósították meg. A fejlesztők célja az volt, hogy a publikált algoritmusok használhatók, tesztelhetők és összehasonlíthatók legyenek. • Teljes területű (wall-to-wall) adatkészlet feldolgozás: A lidR függvényeinek többsége képes zökkenőmentesen feldolgozni csempékből (tile-okból) álló adatkészleteket, és folytonos kimenetet előállítani. A felhasználók saját módszereiket is létrehozhatják a LAScatalog feldolgozómotor segítségével, a catalog_apply() függvényen keresztül. A motor többek között kihasználja a lax fájlok által biztosított pontindexelést, automatikusan kezeli a pufferrel együtt feldolgozandó csempéket, és lehetővé teszi a memóriába nem férő nagy fájlok feldolgozását is. • Teljes hullámforma (Full Waveform): A lidR képes beolvasni a LAS-fájlok „teljes hullámforma” típusú adatait, és olyan értelmező függvényeket biztosít, amelyek a nyers adatokat könnyebben kezelhető és R-ben megjeleníthető formára alakítják. A teljes hullámforma (FWF) támogatása még a fejlesztés korai szakaszában van. Összegzés: Kis és közepes méretű adathalmazok kezelésére ideális. 2. LasR Leírás: A lasR könyvtár lehetővé teszi összetett feldolgozási folyamatok létrehozását és végrehajtását nagyméretű LiDAR-adathalmazokon. Képes LAS-, LAZés PCD-fájlok beolvasására és írására, területalapú megközelítéssel metrikák számítására, digitális lombkorona-modellek előállítására, egyedi fák szegmentálására, pontadatok ritkítására, valamint fájlgyűjtemények feldolgozására többmagos feldolgozási stratégiák alkalmazásával. A lasR hasonló eszközöket kínál, mint a lidR, azonban lényegesen erősebb és hatékonyabb. Lehetővé teszi összetett feldolgozási folyamatok (pipeline-ok) létrehozását, és könnyedén képes akár terrabájtnyi légi adat kezelésére, így ideális, gyors elemzési eszköz. Nyelv/környezet: C++, R és Python API-t biztosít, a könyvtár (csomag) C++-ban készült. Platform: Linux, Windows, macOS operációs rendszerek alatt működik. Elérhetőség: GitHub [20], a CRAN-ban jelenleg nem elérhető, s a fejlesztők ezt nem is tervezik, ez mindenképpen óvatosságra int. Verzió: 0.1.3 (Erősen fejlesztési szakaszban van.) Licenc: GPL-3 Fejlesztők: A lasR a lidR-hez hasonlóan nyílt fejlesztésű projekt, amelynek fejlesztési munkáit szintén a r-lidar végzi. [19] Tudományos alkalmazás: Szórványosnak tűnik. Fő jellemzők: • A lasR funkciói – részben a tervek szerint – a lidR komplexitásához közelítenek, de gyorsabb, egyszerűbb, akár komolyabb programozói tudás nélkül is használható környezetben. (A szerző eddigi tesztjei alapján a csomag sok lehetőséget rejt magában.) • Mivel a lasR nem érhető el a CRAN-ben, a felhasználók nem támaszkodhatnak a CRAN verziókezelő rendszerére vagy az RStudio frissítés gombjára a legújabb verzió beszerzéséhez. Ehelyett, amikor a lasR betöltődik a library(lasR) paranccsal, egy belső rutin ellenőrzi a legfrissebb verziót, és értesíti a felhasználót, ha elérhető frissítés. Ez a megközelítés elméletileg gyakoribb frissítéseket tesz lehetővé, biztosítva, hogy a felhasználók a legújabb funkciókhoz és hibajavításokhoz jussanak hozzá anélkül, hogy meg kellene várni egy formális kiadási ciklust. Viszont a CRAN standardjainak hiánya komoly kockázatokat jelenthet. • A pylasr a lasr Python API-ja, amely kapcsolatot biztosít a nagy teljesítményű C++ könyvtár eléréséhez. A fejlesztők szerint előre lefordított csomagok a jövőben elérhetők lesznek a PyPI-n, egyelőre a forráskódból fordíthatók. A fejlesztők a Python-t használók számára több esetben R-dokumentációt ajánlanak. Úgy tűnik, hogy a Python API-t leginkább a Python széleskörű elterjedése miatt hozták létre, kiegészítő jelleggel. • Ahhoz, hogy a lasr C++ programban használható legyen, a gdal-hoz és a proj-hoz kell kapcsolni. A többi függőség a vendor könyvtárban található. A nyilvánosan elérhető eszközöket az api.h tartalmazza. • A C++ API használata összetett. Ellenben, az R és a Python API célja, hogy magas szintű nyelvekben magas szintű interfészeket biztosítson, ezáltal egyszerűbbé és felhasználóbarátabbá téve a használatot. Az alacsony szintű C++ API-t nem önálló használatra szánták; inkább arra szolgál, hogy alapot biztosítson más, magas szintű API-k felépítéséhez, ahogy azt az R-nél és a Pythonnál láttuk. • Benchmark keretében összehasonlították a lasR (R API) és a lidR futási idejét és memóriahasználatát digitális felszínmodell (DTM), lombkoronamagasság-modell (CHM), valamint egy, a magasságból és intenzitásból származtatott, két metrikát tartalmazó raszter előállításakor. A tesztet 120 millió ponton végezték el, amelyek négy LAZ-fájlban tároltak. [3] Az eredmények összefoglalása: o Folyamatok: A lasR folyamatok vezet be, amelyekkel több művelet optimálisan fűzhető össze egy pontfelhőn, ez a funkció a lidR-ben nem érhető el. o Algoritmikus hatékonyság: A lasR erőteljesebb, sebességre és hatékonyságra tervezett algoritmusokat használ. o Nyelv és teljesítmény: A lasR-t teljes mértékben C++ nyelven írták, az R-kód kizárólag az API-felületet biztosítja. Ez rendkívül gyors működést tesz lehetővé. o Memóriahasználat: A lidR-rel ellentétben – amely a pontfelhőt R data.frame-be tölti – a lasR a pontfelhőket egy felhasználó számára nem látható C++ struktúrában tárolja, minimalizálva a memóriaigényt. o Függőségek: A lasR egyetlen erős függősége a gdal. Ha az sf és a terra csomagokat telepítették, a felhasználói élmény javul, de nem kötelezőek. Összegzés: Tesztelésre R-ben vagy C++-ban nagyobb adathalmazok esetén kimagasló teljesítménye miatt ajánlott, éles munkára talán a későbbiekben. Ha a csomag túllép a fejlesztési fázison, leválthatja a lidR-t. A Python API kevésbé kiforrott. 3. lidRalignment Leírás: A lidRalignment lehetővé teszi erdőrészlet-méretű pontfelhők automatikus illesztését különböző forrásokból, például ALS és TLS vagy MLS, illetve TLS és MLS, vagy akár ALS és ALS között, egységes folyamatban. A csomag robusztus a nagy illesztési eltérésekkel szemben, valamint jól kezeli a lombos és lombtalan állapotok közti különbségeket. Nyelv/környezet: R, részben C++ motorral. Platform: Linux, Windows, macOS operációs rendszerek alatt működik, BSD alatt is futhat. Elérhetőség: GitHub [6], a CRAN-ben jelenleg nem található, ez óvatosságra int. Verzió: 1.0.1 Licenc: GPL-3 Fejlesztők: A lidRalignment fejlesztését a Sherbrooke-i Egyetem támogatja. A mintaadatokat a Kanadai Erdészeti Szolgálat biztosítja. Tudományos alkalmazás: Szórványosnak tűnik. Fő jellemzők: • Telepítéséhez és használatához szükség van a lidR és a lasR legfrissebb verziójára. • Erdőrészletek illesztésére bármely kombinációból származó ALS, ULS, TLS és MLS pontfelhőkből alkalmas. • Robusztus nagy illesztési eltérésekkel szemben (pl. 180 fokos eltérés). • Támogatja a zajos és gyenge minőségű adatokat. • Minden esetben ugyanazt a folyamatot használja. • Gyors és hatékony. A számítási idő nagy részét a LASvagy LAZ-fájlok beolvasása teszi ki • Nincs szükség paraméterekre • Nagy adathalmazon – több mint 80 erdőrészleten – tesztelték. Összegzés: Inkább kiegészítő csomag, korlátozott funkciókkal. 4. LAStools Leírás: A LAStools egy széles körben használt, nagy teljesítményű LiDAR-feldolgozó eszközkészlet, amelyet elsősorban ASPRS LAS/LAZ pontfelhő fájlok hatékony kezelésére fejlesztettek. Különálló, kis parancssori programokból áll, amelyek egymáshoz fűzhetők. Lényegében az adott típusú pontfelhők alapján minden művelet elvégzésére képes. Nyelv/környezet: C++, de a C++ binárisok más nyelvekből is meghívhatók. Platform: Linux, Windows, macOS operációs rendszerek alatt működik. Elérhetőség: GitHub [8], lastools.github.io [7] Verzió: 2.0.4 (2025. október 24.) Licenc: Zárt forráskódú és fizetős szoftver, néhány ingyenes, ill. ingyenes és nyílt forráskódú eszközzel. Fejlesztők: rapidlasso GmbH Tudományos alkalmazás: Gyakori, de inkább gazdasági és védelmi felhasználás. Fő jellemzők: • Az adatfájlok ASPRS LAS formátumban vagy veszteségmentesen tömörített, de egyébként teljesen azonos ikerformátumban, LAZ formátumban lehetnek. Ez némileg szűkíti a felhasználás körét • A LAStools több részből áll: o LASlib, az alacsony szintű feldolgozási API. o LASzip, a tömörítési/kicsomagolási API. Mindkét rész ingyenes és nyílt forráskódú. o LAStools szoftvercsomag, amely a LASlib és a LASzip alapjaira épülő további eszközöket tartalmaz LiDAR-adatok feldolgozásához. Ezek közül néhány ingyenes, mások licenchez kötöttek. • Minden kód rendkívül hatékony és gyors. • A LAStools hatékony, többmagos feldolgozásra képes, eredetileg ez adta egyik fő előnyét. Mára a legtöbb hasonló csomag szintén képes a többmagos feldolgozásra. Összegzés: Széles körben használt, kifinomult csomag, de a bemeneti formátumok szűkössége, a jórészt fizetős jelleg és az aprólékos paraméterezés miatt akadémiai körökben felhasználásának vannak korlátai. 5. WhiteboxTools Leírás: A WhiteboxTools egy mintegy 480 eszközt magába foglaló térinformatikai adatelemző platform, amelyben a LiDAR-elemzésre használt függvények is hangsúlyosak. Nyelv/környezet: A magkönyvtárat Rustban írták, de más nyelvekből (főleg Python, illetve R, Nim) és ArcGISből vagy QGIS-ből is elérhető. Platform: Linux, Windows, macOS operációs rendszerek alatt működik. Nem hivatalosan BSD alatt is. Elérhetőség: GitHub (Pythonhoz) [2], GitHub (R-hez) [11], GitHub (Nimhez) [1], GitHub (ArcGIShez) [12], qgis.org [5], whiteboxgeo.com [22] Verzió: 2.4.0 (2024. május 22.) A területen jellemző fejlődéshez képest régóra nem frissül. Licenc: Részben zárt forráskódú és fizetős szoftver, több ingyenes, ill. ingyenes és nyílt forráskódú eszközzel (MIT-licenc). Fejlesztők: John Lindsay professzor, a Guelphi Egyetem Geomorfometriai és Hidrogeomatikai Kutatócsoportjából (GHRG) és a Whitebox Geospatial Inc. Tudományos alkalmazás: Szórványos. Fő jellemzők: • Számos eszköz párhuzamosan fut, teljes mértékben kihasználva a többmagos proceszszorok adottságait. • A Rust biztonságos, többplatformos, rendszerszintű programozási nyelven készült, és hatékony natív kódra fordították. • Kis méretű, önálló alkalmazás külső függőségek nélkül, így a telepítés mindössze egy 8 MB-os ZIP fájl letöltéséből és kicsomagolásából áll. • Egyszerű, mégis hatékony Python-szkriptes felület áll rendelkezésre, amely lehetővé teszi egyedi, szkriptelt munkafolyamatok fejlesztését. • A WhiteboxTools funkciói beágyazhatók heterogén szkriptkörnyezetekbe, például az ArcPy, a GDAL és más térinformatikai feldolgozó könyvtárak mellé. • Elemző háttérmotorként szolgál más GISés távérzékelési szoftverek számára (pl. a QGIS Whitebox for Processing bővítmény). • MIT nyílt forráskódú licencének köszönhetően könnyen integrálható más szoftverekkel. • Fejlett bővítmények érhetők el, amelyek tovább növelik a WhiteboxTools képességeit többek között a DDM-feldolgozás, a LiDAR-adatok elemzése, a távérzékelés, a térbeli hidrológia és a terméshozam-adatok feldolgozása terén. Összegzés: Rendkívül kiterjedt eszköz, de számos eleme fizetős, fejlesztése mintha megrekedt volna. 6. PCL Leírás: A Point Cloud Library (PCL) egy önálló, nagyszabású, nyílt projekt 2D/3D képek és pontfelhők feldolgozására. LiDAR-adatok feldolgozásában különösen fejlett környezet. Nyelv/környezet: A PCL-t teljes egészében C++-ban fejlesztették, de Pythonból is meghívható, illetve a robotikában használt ROS-környezetben is elterjedt. Platform: Linux, Windows, macOS operációs rendszerek alatt működik. Elérhetőség: GitHub [18], pointclouds.org [17] Verzió: 1.15.1 (2025. augusztus 26.) Licenc: BSD 3-clause, azaz az egyik legengedékenyebb (permissive) nyílt forráskódú licenc alatt teszik közzé, tehát bármilyen célú projektbe bevonható. Fejlesztők: A PCL fejlesztését elsősorban a Kitware Inc. és az Open Perception LLC irányítja. Tudományos alkalmazás: Előfordul, de inkább az ipari felhasználás a jellemző. Fő jellemzők: • Külön modulok segítik a funkciók elkülönítését (pl. szűrés, regisztráció, szegmentálás, vizualizálás). • Kifejezetten nagy méretű pontfelhők (millió–milliárd pont) kezelésére optimalizált algoritmusok. • A ROS mellett használható OpenCV-vel, VTK-val és más 3D/robotikai rendszerekkel. • Az átlagosnál gazdagabb eszközkészlet. • Gyors 3D-megjelenítés VTK-n keresztül. • Sok példa, aktív fejlesztői közösség. • Gazdag és optimalizált ICP-változatokkal (GICP, NDT) dolgozik, amelyek kifejezetten LiDAR-pontfelhők összeillesztésére hatékonyak. • Range-image alapú feldolgozást is támogat, ami ritkaság a pontfelhő-könyvtárak között, és közvetlenül illeszkedik a valós LiDAR-szenzorok működéséhez. • Fejlett RANSAC-alapú geometriai modell-illesztést kínál (sík, henger, egyenes, többmodellű fitting), ami LiDAR-környezetekben különösen hasznos. • Octreeés voxel-alapú adattárolása erősen integrált a feldolgozó algoritmusokkal, így nagy, nyers LiDAR-adathalmazokon is gyorsan működik. • Speciális, LiDAR-orientált szegmentáló eljárásokat tartalmaz (talajszűrés, klaszterezés, region growing), amelyek robusztusan kezelik a ritka és zajos mérést. Összegzés: A tudományos életben is használható, de inkább ipari fejlesztésekre optimalizált. 7. libLAS Leírás: A libLAS főként LAS-fájlok beés kiolvasására alkalmas, de modern LiDAR-feldolgozásra már nem igazán megfelelő. Ennek ellenére van példa a használatára. Nyelv/környezet: A libLAS C++-ban készült, parancssoros eszközökkel és C/C++ API-val használható, de léteznek hozzá egyszerű Python-kötések is. Platform: A libLAS Windows, Linux és macOS alatt is használható, mivel többplatformos C++ könyvtárként készült. Elérhetőség: GitHub [10], liblas.org [9] Verzió: 1.8.1 (2016. augusztus 23.) Elég régi a legutolsó kiadás, a fejlesztők az új felhasználóknak inkább a PDAL-t ajánlják. A GitHub-on viszont van jele a karbantartásnak. Egyes Linux-csomagokban nem hivatalos, fejlesztői 1.8.2 is elérhető. Licenc: A libLAS nyílt forráskódú, BSD licenc alatt érhető el. Fejlesztők: A libLAS-t elsősorban Howard Butler és a GDAL/OSGeo-közösség több közreműködője fejlesztette, de a projekt ma már nagyrészt inaktív. Tudományos alkalmazás: A libLAS ma már ritkán használt tudományos kutatásokban. Fő jellemzők: • Elsősorban a LASés LAZ-fájlok olvasására és írására készült, így nagy pontfelhő-adatok kezelésére is alkalmas. • Egyszerűen integrálható más rendszerekbe C++ API-n keresztül. • LiDAR-szempontból különlegessége, hogy nagyon gyors és kis overhead-del képes nagy méretű LAS/LAZ fájlok kezelésére, és a pontfelhőkhöz tartozó metaadatokat (például intenzitás, visszaverődés, időbélyeg vagy osztályozás) könnyen lekérdezhetjük és módosíthatjuk. • Ugyanakkor a libLAS nem tartalmaz feldolgozó algoritmusokat, például szűrést, regisztrációt vagy szegmentálást, ezért önmagában nem alkalmas komplex LiDAR-feldolgozásra. Összegzés: Ma a libLAS-t elsősorban fájlkonverzióra és LAS/LAZ adatok alapvető kezelésére használják, míg a komplex LiDAR-feldolgozásban nincs szerepe. 8. CloudCompare Leírás: A CloudCompare egy nyílt forráskódú 3D pontfelhő-kezelő és elemző szoftver, amely nagy pontfelhők vizualizálására, szűrésére, szegmentálására, regisztrációjára és különbségvizsgálatára alkalmas, és kifejezetten hasznos LiDAR-adatok előfeldolgozásában és ellenőrzésében. Nyelv/környezet: C++ nyelven készült, főként Qt keretrendszerrel a grafikus felülethez. Platform: Windows, Linux valamint macOS rendszereken használható, de nem hivatalosan BSD alatt is futtatható. Elérhetőség: cloudcompare.org Verzió: 2.13.2 (2024. július 8.) Licenc: A CloudCompare licenc alatt érhető el: GNU General Public License (GPL) v2, ami nyílt forráskódot biztosít, de a felhasználást és terjesztést a GPL feltételeihez köti. Fejlesztők: A CloudCompare-t elsősorban Daniel Girardeau-Montaut fejlesztette és tartja karban, a projekthez emellett több külső fejéesztő is csatlakozott a közösségből. Tudományos alkalmazás: A CloudCompare-t széles körben használják tudományos alkalmazásokban. Fő jellemzők: • Széleskörű pontfelhő-manipulációs eszközöket kínál, például szűrést, méréskészítést, szegmentálást és exportálást különböző formátumokba. • Képes 3D-modellek és -felületek összehasonlítására, valamint különbségvizsgálatokra a Cloud-to-Cloud és Cloud-to-Mesh távolságok mérésével. • Tartalmaz ICP-alapú regisztrációs algoritmusokat, amelyek LiDAR-sorozatok összeillesztésére és pontos igazítására használhatók. • Különlegessége, hogy LiDAR-specifikus vizualizációs és elemzési funkciókat kínál a pontfelhők gyors áttekintésére, ami más általános 3D-szoftverekben kevésbé fejlett. Összegzés: A CloudCompare-t mind tudományos kutatásokban, mind ipari alkalmazásokban széles körben használják, különösen LiDAR-alapú terepmodellezés, épített környezet vizsgálata és pontfelhő-elemzések során. 9. OrfeoToolBox Leírás: Az Orfeo ToolBox egy nyílt forráskódú, nagy teljesítményű távérzékelési könyvtár, amely főként műholdés légi felvételek feldolgozására készült, de LiDAR-adatokból származó felszínmodellek előállításában és térbeli elemzésekben is jól használható. Nyelv/környezet: Az Orfeo ToolBox C++ nyelven készült az ITK/OSSIM ökoszisztémára építve, főleg parancssori eszközökkel, Python API-val, Monteverdi GUI-val, QGIS-ben. Platform: Windows, Linux, valamint macOS rendszereken használható. Elérhetőség: GitHub [14], orfeo-toolbox.org [13] Verzió: 9.1.1 (2025. március 25.) Licenc: Az Orfeo Toolbox Apache License 2.0 alatt érhető el, amely megengedő, szabadon felhasználható és kereskedelmi célokra is alkalmazható nyílt forráskódú licenc. Fejlesztők: Elsősorban a Francia Űrügynökség (CNES) fejleszti, aktív nemzetközi közösségi hozzájárulókkal és kutatóintézeti partnerekkel együtt. Tudományos alkalmazás: Az Orfeo Toolbox széles körben használt a tudományban. Fő jellemzők: • Erősen párhuzamosított algoritmusokat kínál, így nagyon nagy raszteradatok hatékony feldolgozására alkalmas.