<div dir="ltr"><div dir="ltr"><div dir="ltr"><div dir="ltr">The `pdal info --summary` command simply summarizes the metadata from  <a href="https://s3-us-west-2.amazonaws.com/usgs-lidar-public/USGS_LPC_MD_VA_Sandy_NCR_2014_LAS_2015/ept.json" target="_blank">https://s3-us-west-2.amazonaws.com/usgs-lidar-public/USGS_LPC_MD_VA_Sandy_NCR_2014_LAS_2015/ept.json</a>, so it won't let you get the classification values.</div><div dir="ltr"><br></div><div>On the other hand, the `pdal info --stats` command will read all of the data into memory, which will attempt to create a 30-billion point buffer for this dataset.  This giant buffer could potentially be skipped if streaming capability were added to the EPT reader, but you'd still have to read the 30-billion points in this scenario, so even with compression you'd be looking at a ~100GB download.</div><div><br></div><div>What you might consider is not reading *all* of the data.  The EPT reader in 1.9 (currently on master, but not included in 1.8) will support a `resolution` option.  See doc here: <a href="https://github.com/PDAL/PDAL/blob/master/doc/stages/readers.ept.rst" target="_blank">https://github.com/PDAL/PDAL/blob/master/doc/stages/readers.ept.rst</a></div><div><br></div><div>You could then use your current `translate` command and add to it `--readers.ept.resolution=20` to read the data only to approximately a 20 meter resolution (for example).  While this is not a bulletproof approach since all of the data is not read, with some experimentation of the resolution you could potentially get a list of the contained classifications with reasonable confidence.  Keep in mind that the lack of EPT streaming means that the points will still be read into an ever-growing buffer, so you may still run into memory limitations with too high of a resolution.</div><div><br></div><div>Here is a sample output for the dataset you asked about to a 20 meter resolution with 12 threads.  For me, it took about 1.5 minutes and used about 2.5 GB of RAM:</div><div><br></div><div><div>$ time pdal info --stats --filters.stats.dimensions=Classification --filters.stats.count=Classification ept://<a href="https://s3-us-west-2.amazonaws.com/usgs-lidar-public/USGS_LPC_MD_VA_Sandy_NCR_2014_LAS_2015" target="_blank">https://s3-us-west-2.amazonaws.com/usgs-lidar-public/USGS_LPC_MD_VA_Sandy_NCR_2014_LAS_2015</a> --readers.ept.resolution=20 --readers.ept.threads=12</div><div>{</div><div>  "filename": "ept://<a href="https://s3-us-west-2.amazonaws.com/usgs-lidar-public/USGS_LPC_MD_VA_Sandy_NCR_2014_LAS_2015" target="_blank">https://s3-us-west-2.amazonaws.com/usgs-lidar-public/USGS_LPC_MD_VA_Sandy_NCR_2014_LAS_2015</a>",</div><div>  "pdal_version": "1.8.0 (git-version: 755ac1)",</div><div>  "stats":</div><div>  {</div><div>    "statistic":</div><div>    [</div><div>      {</div><div>        "average": 5.63230439,</div><div>        "count": 54747896,</div><div>        "counts":</div><div>        [</div><div>          "1.000000/24956352",</div><div>          "2.000000/13821592",</div><div>          "7.000000/102236",</div><div>          "9.000000/2314365",</div><div>          "10.000000/15019",</div><div>          "11.000000/30058",</div><div>          "17.000000/10022141",</div><div>          "18.000000/3399744",</div><div>          "25.000000/86389"</div><div>        ],</div><div>        "maximum": 25,</div><div>        "minimum": 1,</div><div>        "name": "Classification",</div><div>        "position": 0,</div><div>        "stddev": 6.882052297,</div><div>        "variance": 47.36264381</div><div>      }</div><div>    ]</div><div>  }</div><div>}</div><div><br></div><div>real<span style="white-space:pre-wrap">     </span>1m24.623s</div><div>user<span style="white-space:pre-wrap">    </span>1m24.079s</div><div>sys<span style="white-space:pre-wrap">     </span>0m4.859s</div></div><div><br></div><div><br></div><div>Hopefully this is helpful.</div><div><br></div><div>- Connor</div></div></div></div>