稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列（五）

05 稠密点云之“愁”

当前稠密的无人机LiDAR点云面临着下述挑战！

1、数据海量

由于点云密度大，在同等面积的情况下，稠密点云的数据量显著大于中低密度的点云数据量。如图18所示，某丘陵地区的点云密度为697点/平方米，在有效面积为0.592平方公里的情况，las1.2格式点云数据大小为14.2G、包含426421871个点。海量性带来了前所未有的挑战。

图18 点云密度为697点/平方米的无人机LiDAR点云
2、人才亟待培养
首先，人才培养和储备不足。目前，在多数的相关高校，激光雷达测量原理、方法与应用未作为本科生必修专业课程，而仅仅是面向硕士或博士的选修课、或者相关选修课的相关章节。对于相关测绘、遥感、地理信息系统专业的多数人员而言，激光雷达仅仅停留在听说过、看到过、貌似知道一点的状态。其次，测绘行业的相关研发人员不足。目前，多数的经过系统培训的研发人员集中互联网、通讯、高精度地图相关的大厂，在测绘行业坚持做研发的人员较少。另外，相关工程技术人员严重不足。长时间以来，无人机激光雷达能落地的项目集中在地形测绘、电力巡检、林业资源调查等行业，相应的很多人才集中在了测绘局、林业调查局等相关事业单位。最后，缺乏复合型人才。激光雷达测量本身就是一种技术，必须结合具体专业和行业应用才能发挥价值。目前，缺乏全面掌握专业知识和激光雷达技术的综合性、复合型人才。
3、多数机载LiDAR点云数据处理和分析工具与稠密点云的匹配度不高
目前，多数的机载LiDAR点云数据处理和分析工具，一方面具有很强的专业性，比如有的擅长做地形测绘、有的擅长做电力巡线、有的擅长做林木分析、有的擅长三维重建、有的擅长可视化；另一方面，多数工具是针对过去中低密度的点云设计的，面对高密度的点云存在失效、速度慢、精度低、效果差等这样或者那样的问题。除此之外，软件的操作步骤繁琐、依赖经验参数、需要实时监督反馈等问题也影响了稠密点云的处理与分析。当然，可以采用抽稀的方式降低点云的密度，但是抽稀势必造成信息的损失，如图19所示。将高密度点云抽稀为平均点间隔0.5m的点云，这造成了地面细节信息的损失，如图20所示。从用户的角度分析，用户一次性获取了高密度的点云，本可以有众多的应用、充分挖掘点云的价值，而抽稀导致了信息和价值的损失。

（a）抽稀为平均点间隔0.5m的点云后识别出的地面点

（b）由（a）中的地面点生成的DEM
图19 点云抽稀带来的原始稠密点云的信息损失

（a）抽稀为平均点间隔0.5m的点云处理后生成的DEM（缺乏细节信息）

（b）原始稠密点云处理后生成的DEM
图20 点云抽稀带来的原始稠密点云的信息损失
综合而言，稠密点云急需无信息损失的、一键式、平民化的点云数据处理分析工具和人才。