楊必勝，梁福遜，黃榮剛

武漢大學(xué)測繪遙感信息工程國家重點實驗室，湖北 武漢 430079

三維激光掃描點云數(shù)據(jù)處理研究進(jìn)展、挑戰(zhàn)與趨勢

楊必勝，梁福遜，黃榮剛

武漢大學(xué)測繪遙感信息工程國家重點實驗室，湖北 武漢 430079

三維激光掃描直接對地球表面進(jìn)行三維密集采樣，可快速獲取具有三維坐標(biāo)(X,Y,Z)和一定屬性(反射強(qiáng)度等)的海量、不規(guī)則空間分布三維點云，成為數(shù)字化時代下刻畫復(fù)雜現(xiàn)實世界最為直接和重要的三維地理空間數(shù)據(jù)獲取手段，在全球變化、智慧城市、全球制圖等國家重大需求和地球系統(tǒng)科學(xué)研究中起到十分重要的作用。目前，在傳感器技術(shù)和國家需求的雙重驅(qū)動下，三維激光掃描在硬件裝備、三維點云數(shù)據(jù)處理以及應(yīng)用3個方面取得了巨大的進(jìn)步，同時也面臨新的挑戰(zhàn)。本文以三維激光掃描的發(fā)展歷史為線索，總結(jié)了三維激光掃描系統(tǒng)的現(xiàn)狀、三維點云數(shù)據(jù)處理的關(guān)鍵進(jìn)展以及在測繪地理信息等領(lǐng)域的典型應(yīng)用，并分析了三維點云數(shù)據(jù)處理面臨的挑戰(zhàn)，最后展望了三維激光掃描與點云處理的發(fā)展趨勢。

三維激光掃描；點云；點云融合；目標(biāo)提??；三維表達(dá)；廣義點云模型

激光掃描/激光雷達(dá)(light detection and ranging，LiDAR)是一種非接觸主動式快速獲取物體表面三維密集點云的技術(shù)，已成為高時空分辨率三維對地觀測的一種主要手段[1]。該技術(shù)可直接獲取具有三維坐標(biāo)(X,Y,Z)和一定屬性(反射強(qiáng)度等)的海量、不規(guī)則空間分布的三維點云，而且受天氣影響小，同時具有一定的穿透性，在全球變化、智慧城市、資源調(diào)查、環(huán)境監(jiān)測、基礎(chǔ)測繪等領(lǐng)域發(fā)揮越來越重要的作用[2]。

經(jīng)過20多年的發(fā)展，三維激光掃描硬件在穩(wěn)定性、精度、易操作性等方面取得了長足的進(jìn)步，尤其是在機(jī)載/車載/地面三維激光掃描方面進(jìn)展顯著，其中具有代表性的三維激光掃描硬件研制廠商包括：Riegl、Leica、Optech、Velodyne、北科天繪、海達(dá)數(shù)云等。此外還有美國NASA的ICESat和中國資源三號02星搭載的激光雷達(dá)。

在三維點云數(shù)據(jù)處理軟件方面，商業(yè)化的軟件主要有TerraSolid公司的TerraSolid、Trimble公司的RealWorks、Leica公司的Cyclone、Bentley公司的Pointools、Orbit GT公司的Orbit Mobile Mapping等，以及國內(nèi)科研院所和公司開發(fā)的一些工具軟件。其重點主要集中在點云數(shù)據(jù)的管理、面向DEM生產(chǎn)的濾波[3-4]、三維建筑物提取及重建[5-6]、森林垂直結(jié)構(gòu)參數(shù)提取[7]等方面。相對三維激光掃描硬件設(shè)備的快速發(fā)展而言，三維點云的智能化處理發(fā)展較為落后，點云處理的智能化水平、軟件界面友好性、專業(yè)化應(yīng)用數(shù)據(jù)接口等方面還有待提高。

在回顧三維激光掃描發(fā)展歷史的基礎(chǔ)上，本文分析總結(jié)了三維激光掃描硬件裝備、三維點云數(shù)據(jù)處理以及工程化實踐方面取得的成就和面臨的挑戰(zhàn)，最后展望三維激光掃描與點云處理的發(fā)展趨勢。

1 三維激光掃描硬件系統(tǒng)的現(xiàn)狀

近20多年來，國內(nèi)外廠商在三維激光掃描硬件系統(tǒng)方面進(jìn)行了各種努力和創(chuàng)新。表1列舉了目前以星/機(jī)/車/地為搭載平臺的幾類典型激光掃描硬件系統(tǒng)及其參數(shù)指標(biāo)。從技術(shù)發(fā)展趨勢來看，三維激光掃描正在從低精度(厘米級)獲取向高精度(毫米級)獲取，從幾何與強(qiáng)度的采集走向幾何與多/高光譜協(xié)同采集。相比國外，國內(nèi)激光掃描硬件起步晚且仍有較大差距。此外，便攜式/背包式/無人機(jī)為平臺的輕小型三維激光掃描裝備正蓬勃發(fā)展。例如：Riegl公司研制的集成VUX的低空無人旋翼機(jī)激光掃描系統(tǒng)，武漢大學(xué)測繪遙感信息工程國家重點實驗室研制的低空無人直升機(jī)激光掃描系統(tǒng)Heli-Mapping，北京拓維思科技有限公司研制的“巡線鷹”等。隨著SLAM(simultaneous location and mapping)等技術(shù)的發(fā)展，三維激光掃描通過與機(jī)器人等平臺集成，可實現(xiàn)自主測量[8]。

三維激光掃描系統(tǒng)的幾何測量原理基本相同，通過激光發(fā)射點與目標(biāo)之間的距離結(jié)合激光發(fā)射器的位置和姿態(tài)信息進(jìn)行聯(lián)合解算，得到目標(biāo)區(qū)域的三維點云(x，y，z)。其中，距離的觀測方式主要采用脈沖式測距。根據(jù)觀測目標(biāo)的幾何結(jié)構(gòu)不同，單條激光束可能有多個回波[10]，準(zhǔn)確分離和探測每個回波是距離觀測的基礎(chǔ)。對于多回波和全波形兩種回波記錄方式，其回波探測方法有所不同。多回波方式在數(shù)據(jù)獲取過程中利用簡單的回波探測方法(constant fraction discriminator，CFD)實時檢測回波[11]，但存在一些問題：算法對用戶保密；算法過于簡單，對復(fù)雜波形處理效果較差，容易造成部分回波漏提取。全波形方式則以一定間隔不斷記錄后向散射信號，并提供給用戶進(jìn)行后續(xù)波形處理，以得到回波的位置及形狀參數(shù)，常用的處理方法有：高斯分解[12]、去卷積方法[13]等。

2 三維點云數(shù)據(jù)處理的重要進(jìn)展

與傳統(tǒng)的測量方式相比，三維激光掃描數(shù)據(jù)采集速度快、采樣頻率高等優(yōu)勢，導(dǎo)致點云數(shù)據(jù)具有高冗余、誤差分布非線性、不完整等特點，給海量三維點云的智能化處理帶來了極大的困難：①多視角、多平臺、多源的點云數(shù)據(jù)難以有效整合，限制了數(shù)據(jù)間的優(yōu)勢互補(bǔ)，導(dǎo)致復(fù)雜場景描述不完整；②復(fù)雜對象模型結(jié)構(gòu)和語義特征表達(dá)困難，模型可用性嚴(yán)重受限，極大地限制了復(fù)雜場景的準(zhǔn)確感知與認(rèn)知。近年來，國內(nèi)外學(xué)者在點云處理理論以及數(shù)據(jù)質(zhì)量改善、自動化融合、點云分類和目標(biāo)提取、按需多層次表達(dá)等方法方面進(jìn)行了深入研究，取得的主要進(jìn)展如下。

2.1 廣義點云模型理論方法

針對多源多平臺點云數(shù)據(jù)的融合難、目標(biāo)提取難和三維自適應(yīng)表達(dá)難的嚴(yán)重缺陷，文獻(xiàn)[14]提出了廣義點云的科學(xué)概念與理論研究框架體系。廣義點云是指匯集激光掃描、攝影測量、眾源采集等多源多平臺空間數(shù)據(jù)，通過清洗、配準(zhǔn)與集成，實現(xiàn)從多角度、視相關(guān)到全方位、視無關(guān)，建立以點云為基礎(chǔ)，基準(zhǔn)統(tǒng)一，且數(shù)據(jù)、結(jié)構(gòu)、功能為一體的復(fù)合模型(如圖1)。

表1 各類平臺激光掃描系統(tǒng)參數(shù)指標(biāo)

注：“—”代表生產(chǎn)商未公布相應(yīng)參數(shù)

1http:∥www.csr.utexas.edu/glas/

2http:∥www.riegl.com/

3http:∥digital-imaging.leica-geosystems.com/en/index.htm

4http:∥www.teledyneoptech.com/

5http:∥www.isurestar.com/

6http:∥www.hi-cloud.com.cn/

圖1 廣義點云數(shù)據(jù)模型Fig.1 Ubiquitous point cloud model

2.2 三維點云數(shù)據(jù)質(zhì)量改善

點云數(shù)據(jù)質(zhì)量改善包括幾何改正和強(qiáng)度校正。一方面，由于測距系統(tǒng)、環(huán)境及定位定姿等因素的影響，點云的幾何位置存在誤差，且其分布存在不確定性。利用標(biāo)定場、已知控制點進(jìn)行點云幾何位置改正，能夠提高掃描點云的位置精度和可用性。另一方面，激光點云的反射強(qiáng)度一定程度上反映了地物的物理特性，對于地物的精細(xì)分類起到關(guān)鍵支撐作用，然而點云的反射強(qiáng)度不僅與地物表面的物理特性有關(guān)，還受到掃描距離、入射角度等因素的影響。因此，需要建立點云強(qiáng)度校正模型進(jìn)行校正，以修正激光入射角度、地物距離激光掃描儀的距離等因素對點云反射強(qiáng)度的影響[10,15]。

2.3 多源、多平臺三維點云融合

由于單一視角、單一平臺的觀測范圍有限且空間基準(zhǔn)不一致，為了獲取目標(biāo)區(qū)域全方位的空間信息，不僅需要進(jìn)行站間/條帶間的點云融合，還需要進(jìn)行多平臺(如機(jī)載、車載、地面站等)的點云融合，以彌補(bǔ)單一視角、單一平臺帶來的數(shù)據(jù)缺失，實現(xiàn)大范圍場景完整、精細(xì)的數(shù)字現(xiàn)實描述[16-18]。此外，由于激光點云及其強(qiáng)度信息對目標(biāo)的刻畫能力有限，需要將激光點云和影像數(shù)據(jù)進(jìn)行融合，使得點云不僅有高精度的三維坐標(biāo)信息，也具有了更加豐富的光譜信息[19-20]。

不同數(shù)據(jù)(如不同站點/條帶的激光點云、不同平臺激光點云、激光點云與影像)之間的融合，需要同名特征進(jìn)行關(guān)聯(lián)。針對傳統(tǒng)人工配準(zhǔn)法效率低、成本高的缺陷，國內(nèi)外學(xué)者研究基于幾何或紋理特征相關(guān)性的統(tǒng)計分析方法[21-22]，但是由于不同平臺、不同傳感器數(shù)據(jù)之間的成像機(jī)理、維數(shù)、尺度、精度、視角等各有不同，其普適性和穩(wěn)健性還存在問題，還需要突破以下瓶頸：魯棒、區(qū)分性強(qiáng)的同名特征提取，全局優(yōu)化配準(zhǔn)模型的建立及抗差求解。

2.4 三維點云的精細(xì)分類與目標(biāo)提取

三維點云的精細(xì)分類是從雜亂無序的點云中識別與提取人工與自然地物要素的過程[4,23-26]，是數(shù)字地面模型生成、復(fù)雜場景三維重建等后續(xù)應(yīng)用的基礎(chǔ)。然而，不同平臺激光點云分類關(guān)注的主題有所不同。機(jī)載激光點云分類主要關(guān)注大范圍地面、建筑物頂面、植被、道路等目標(biāo)[3-4,23,27-29]，車載激光點云分類關(guān)注道路及兩側(cè)道路設(shè)施、植被、建筑物立面等目標(biāo)[25,30-32]，而地面站激光點云分類則側(cè)重特定目標(biāo)區(qū)域的精細(xì)化解譯[33]。其中，點云場景存在目標(biāo)多樣、形態(tài)結(jié)構(gòu)復(fù)雜、目標(biāo)遮擋和重疊以及空間密度差別迥異等現(xiàn)象，是三維點云自動精細(xì)分類的共同難題。據(jù)此，國內(nèi)外許多學(xué)者進(jìn)行了深入研究并取得了一定的進(jìn)展，在特征計算基礎(chǔ)上，利用逐點分類方法[34-35]或分割聚類分類方法[25,30-31]對點云標(biāo)識，并對目標(biāo)進(jìn)行提取。但是由于特征描述能力不足，分類和目標(biāo)提取質(zhì)量無法滿足應(yīng)用需求，極大地限制了三維點云的使用價值。目前，模擬人腦的深度學(xué)習(xí)方法突破了傳統(tǒng)分類方法中過度依賴人工定義特征的困難，已在二維場景分類解譯方面表現(xiàn)出極大潛力[36]，但是在三維點云場景的精細(xì)分類方面，還面臨許多難題：海量三維數(shù)據(jù)集樣本庫的建立，適用于三維結(jié)構(gòu)特征學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建及其在大場景三維數(shù)據(jù)解譯中的應(yīng)用。綜上，顧及目標(biāo)及其結(jié)構(gòu)的語義理解，三維目標(biāo)多尺度全局與局部特征的學(xué)習(xí)，先驗知識或第三方輔助數(shù)據(jù)引導(dǎo)下的多目標(biāo)分類與提取方法，是未來的重要研究方向。

2.5 三維場景的按需多層次表達(dá)

在大范圍點云場景分類和目標(biāo)提取后，目標(biāo)點云依然離散無序且高度冗余，不能顯式地表達(dá)目標(biāo)結(jié)構(gòu)以及結(jié)構(gòu)之間的空間拓?fù)潢P(guān)系，難以有效滿足三維場景的應(yīng)用需求。因此，需要通過場景三維表達(dá)，將離散無序的點云轉(zhuǎn)換成具有拓?fù)潢P(guān)系的幾何基元組合模型，常用的有數(shù)據(jù)驅(qū)動和模型驅(qū)動兩類方法[5-6]，其中存在的主要問題和挑戰(zhàn)包括：三維模型的自動修復(fù)，以克服局部數(shù)據(jù)缺失對模型不完整的影響[37]；形狀、結(jié)構(gòu)復(fù)雜地物目標(biāo)的自動化穩(wěn)健重構(gòu)；從可視化為主的三維重建發(fā)展到可計算分析為核心的三維重建，以提高結(jié)果的可用性和好用性。此外，不同的應(yīng)用主題對場景內(nèi)不同類型目標(biāo)的細(xì)節(jié)層次要求不同[38]，場景三維表達(dá)需要加強(qiáng)各類三維目標(biāo)自適應(yīng)的多尺度三維重建方法[23,39-40]，建立語義與結(jié)構(gòu)正確映射的場景—目標(biāo)—要素多級表達(dá)模型。

2.6 典型行業(yè)和重大工程應(yīng)用

三維激光掃描已在許多重大工程和典型領(lǐng)域里得到了廣泛的應(yīng)用。從深空到地球表面，從全球范圍制圖到小區(qū)域監(jiān)測，從基礎(chǔ)科學(xué)研究到大眾服務(wù)，三維激光掃描都展現(xiàn)出了與眾不同的優(yōu)勢。

2.6.1 深空探測

深空探測的目的是促進(jìn)人類對月球以及更遠(yuǎn)天體的科學(xué)認(rèn)識，而距離測量是其中的關(guān)鍵技術(shù)，許多國家采用激光測高儀進(jìn)行星體地形表面的測量，如1971年美國阿波羅-15首次進(jìn)行的月球形狀測量等[41]。

2.6.2 地球科學(xué)應(yīng)用研究

數(shù)字地面模型是各種地學(xué)過程研究的基礎(chǔ)，利用三維激光掃描系統(tǒng)觀測地表形態(tài)及其變化，已被廣泛用于各類地學(xué)應(yīng)用，例如：全球冰川物質(zhì)平衡[42-43]，地質(zhì)災(zāi)害區(qū)域時空變化監(jiān)測[44-45]，海岸線提取和海岸侵蝕監(jiān)測[46-47]，海底測繪及水下目標(biāo)探測[48]等。

2.6.3 森林資源調(diào)查

及時準(zhǔn)確了解林區(qū)的植被動態(tài)變化是林業(yè)科學(xué)研究的基礎(chǔ)。相比光學(xué)遙感，激光雷達(dá)能夠獲取植被冠層的三維結(jié)構(gòu)：地面激光雷達(dá)用于精細(xì)地獲取單株樹木的垂直結(jié)構(gòu)[7]，機(jī)載激光雷達(dá)用于大范圍森林的蓄積量和生物量等生態(tài)參數(shù)的反演[49-51]，星載激光雷達(dá)還可以進(jìn)行全球植被覆蓋及其生態(tài)參數(shù)制圖[52-53]。

2.6.4 城市形態(tài)分析

城市形態(tài)分析對城市規(guī)劃設(shè)計與管理具有重要意義，傳統(tǒng)手段難以監(jiān)測城市形態(tài)的垂直結(jié)構(gòu)及其演化，激光雷達(dá)可以快速獲取城市三維形態(tài)，為更精細(xì)的城市形態(tài)分析提供基礎(chǔ)，滿足基于城市形態(tài)的各種應(yīng)用需求，如基礎(chǔ)設(shè)施管理、太陽能潛力估計等[54-55]。

2.6.5 無人駕駛高精度地圖

高精度地圖是實現(xiàn)自動化駕駛的關(guān)鍵因素[25]，車載三維激光掃描系統(tǒng)可以高效、快速的獲得道路以及周邊高精度、高密度的三維幾何信息和紋理信息，為高精度地圖的自動化生產(chǎn)提供高質(zhì)量的數(shù)據(jù)支撐[56]。

2.6.6 電力走廊安全巡檢

我國電力資源分布和經(jīng)濟(jì)建設(shè)中心不一致，高壓輸電線路區(qū)域地理環(huán)境復(fù)雜，傳統(tǒng)的人工巡檢手段難以適應(yīng)。機(jī)載三維激光掃描可以直接獲取電力線及其附屬設(shè)備的幾何形態(tài)參數(shù)[57]，為電力巡檢提供了新的手段[58]。

2.6.7 海島礁測繪

精確的海島礁基礎(chǔ)地理空間信息是海洋管理、經(jīng)濟(jì)開發(fā)、海防安全的重要依據(jù)，傳統(tǒng)測繪手段作業(yè)周期長、成本高，三維激光掃描可以直接觀測目標(biāo)的三維空間信息，直接生產(chǎn)數(shù)字測繪產(chǎn)品，是島礁高精度測圖的重要手段。

2.6.8 文化遺產(chǎn)數(shù)字化保護(hù)

文化遺產(chǎn)數(shù)字化保護(hù)是人類共同的歷史責(zé)任。三維激光掃描可以快速繪制物質(zhì)文化遺產(chǎn)的結(jié)構(gòu)圖和精細(xì)的三維模型，大幅提高文化遺產(chǎn)保護(hù)的工作效率，并豐富文化遺產(chǎn)成果表現(xiàn)形式[59-60]。

3 點云處理面臨的挑戰(zhàn)

近年來，星、空、地掃描以及便攜式泛在傳感器(如：RGB-D深度相機(jī))廣泛運用，不但提高了點云獲取的時效性、顆粒度和覆蓋面，而且?guī)砹它c云的多時相、流形(streaming)和多樣屬性的新特性，從而產(chǎn)生了多維點云數(shù)據(jù)。多維點云本質(zhì)上是對物理世界中地理對象/現(xiàn)象的三維幾何、物理乃至生化特性的多維密集采樣，其不但記錄了地物的三維空間結(jié)構(gòu)特征，同時也記錄了地物目標(biāo)的物理特性(如波形、反射強(qiáng)度等)。深入挖掘多維點云的內(nèi)在特征對提升多維點云處理的智能化程度，揭示復(fù)雜動態(tài)三維場景的變化規(guī)律至關(guān)重要。盡管點云處理方面已經(jīng)取得了較好的研究成果，但是多維點云的智能化處理方面仍然面臨如下的巨大挑戰(zhàn)：

3.1 多維點云幾何與屬性協(xié)同的尺度轉(zhuǎn)換

探索不同平臺獲取點云的誤差分布規(guī)律，建立比例尺依賴的特征點質(zhì)量評估模型；研究融合點云物理特性的特征點簇聚合與分層方法；建立基于特征分層的多維點云多尺度整合方法，實現(xiàn)多維點云的時空基準(zhǔn)自動統(tǒng)一。

3.2 多維點云變化發(fā)現(xiàn)與分類

建立統(tǒng)一時空參考框架下多維點云的變化發(fā)現(xiàn)與提取方法，研究基于時間窗口的多維點云與地物三維模型的關(guān)聯(lián)方法，提取地物空間要素的幾何和屬性變化，研究面向地物空間結(jié)構(gòu)變化的可視化分析方法，為揭示空間要素的變化規(guī)律提供科學(xué)工具。

3.3 復(fù)雜三維動態(tài)場景的精準(zhǔn)理解

基于機(jī)器學(xué)習(xí)、人工智能等先進(jìn)理論方法探索多維點云結(jié)構(gòu)化建模與分析的理論與方法，研究建立復(fù)雜三維動態(tài)場景中多態(tài)目標(biāo)的準(zhǔn)確定位、分類以及語義化模型的建立，建立面向多維點云的三維動態(tài)場景中各類要素的特征描述、分類與建模方法，架設(shè)多維點云與地理計算模型的橋梁。

上述關(guān)鍵挑戰(zhàn)問題的突破將形成完備的廣義點云全三維(覆蓋全、要素全、關(guān)系全)建模的理論與方法體系，從而實現(xiàn)點云處理由“靜態(tài)、可視、量算”到“動態(tài)、模擬、分析”的跨越。

4 三維激光掃描與點云處理發(fā)展趨勢與展望

近年來，傳感器、通信和定位定姿技術(shù)的發(fā)展，人工智能、深度學(xué)習(xí)、虛擬/增強(qiáng)現(xiàn)實等領(lǐng)域先進(jìn)技術(shù)的重要進(jìn)展有力推動了數(shù)字現(xiàn)實(digital reality)時代的來臨。激光掃描與點云智能化處理將順應(yīng)數(shù)字現(xiàn)實時代的需求朝以下幾個方面發(fā)展。

(1) 三維激光掃描裝備將由現(xiàn)在的單波形、多波形走向單光子乃至量子雷達(dá)，在數(shù)據(jù)的采集方面由現(xiàn)在已幾何數(shù)據(jù)為主走向幾何、物理，乃至生化特性的集成化采集。

(2) 三維激光掃描的搭載平臺也將以單一平臺為主轉(zhuǎn)變?yōu)橐远嘣椿?、眾包式為主的空地柔性平臺，從而對目標(biāo)進(jìn)行全方位數(shù)據(jù)獲取，當(dāng)前國家重點研發(fā)計劃重點專項項目：國產(chǎn)空地全息三維遙感系統(tǒng)及產(chǎn)業(yè)化(編號：2016YFF0103500)已支持相關(guān)研究。

(3) 點云的特征描述、語義理解、關(guān)系表達(dá)、目標(biāo)語義模型、多維可視化等關(guān)鍵問題將在人工智能、深度學(xué)習(xí)等先進(jìn)技術(shù)的驅(qū)動下朝著自動化、智能化的方向快速發(fā)展，點云將成為測繪地理信息中繼傳統(tǒng)矢量模型、柵格模型之后的一類新型模型，將有力提升地物目標(biāo)認(rèn)知與提取自動化程度和知識化服務(wù)的能力。

(4) 虛擬/增強(qiáng)現(xiàn)實、互/物聯(lián)網(wǎng)+的發(fā)展將促使三維激光掃描產(chǎn)品由專業(yè)化應(yīng)用擴(kuò)展到大眾化、消費級應(yīng)用，滿足網(wǎng)絡(luò)化多維動態(tài)地理信息服務(wù)的需求。

[1] 隋立春, 張寶印. Lidar遙感基本原理及其發(fā)展[J]. 測繪科學(xué)技術(shù)學(xué)報, 2006, 23(2): 127-129.

SUI Lichun, ZHANG Baoyin. Principle and Trend of Airborne Laser Scanning Remote Sensing[J]. Journal of Zhengzhou Institute of Surveying and Mapping, 2006, 23(2): 127-129.

[2] VOSSELMAN G, MAAS H G. Airborne and Terrestrial Laser Scanning[M]. Boca Raton, FL: CRC Press, 2010.

[3] HU Han, DING Yulin, ZHU Qing, et al. An Adaptive Surface Filter for Airborne Laser Scanning Point Clouds by Means of Regularization and Bending Energy[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014(92): 98-111.

[4] YANG Bisheng, HUANG Ronggang, DONG Zhen, et al. Two-Step Adaptive Extraction Method for Ground Points and Breaklines from Lidar Point Clouds[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016(119): 373-389.

[5] PERERA G S N, MAAS H G. Cycle Graph Analysis for 3D Roof Structure Modelling: Concepts and Performance[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014(93): 213-226.

[6] XIONG B, JANCOSEK M, ELBERINK S O, et al. Flexible Building Primitives for 3D Building Modeling[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015(101): 275-290.

[7] YANG Bisheng, DAI Wenxia, DONG Zhen, et al. Automatic Forest Mapping at Individual Tree Levels from Terrestrial Laser Scanning Point Clouds with A Hierarchical Minimum Cut Method[J]. Remote Sensing, 2016, 8(5): 372.

[8] 李德仁, 王密, 沈欣, 等. 從對地觀測衛(wèi)星到對地觀測腦[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2017, 42(2): 143-149.

LI Deren, WANG Mi, SHEN Xin, et al. From Earth Observation Satellite to Earth Observation Brain[J]. Geomatics and Information Science of Wuhan University, 2017, 42(2): 143-149.

[9] 唐新明, 李國元, 高小明, 等. 衛(wèi)星激光測高嚴(yán)密幾何模型構(gòu)建及精度初步驗證[J]. 測繪學(xué)報, 2016, 45(10): 1182-1191. DOI: 10.11947/j.AGCS.2016.20150357.

TANG Xinming, LI Guoyuan, GAO Xiaoming, et al. The Rigorous Geometric Model of Satellite Laser Altimeter and Preliminarily Accuracy Validation[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(10): 1182-1191. DOI: 10.11947/j.AGCS.2016.20150357.

[10] YAN W Y, SHAKER A, EL-ASHMAWY N. Urban Land Cover Classification Using Airborne LiDAR Data: A Review[J]. Remote Sensing of Environment, 2015(158): 295-310.

[11] BALTSAVIAS E P. Airborne Laser Scanning: Basic Relations and Formulas[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 1999, 54(2-3): 199-214.

[12] CHAUVE A, VEGA C, DURRIEU S, et al. Advanced Full-Waveform Lidar Data Echo Detection: Assessing Quality of Derived Terrain and Tree Height Models in An Alpine Coniferous Forest[J]. International Journal of Remote Sensing, 2009, 30(19): 5211-5228.

[13] WANG Chisheng, LI Qingquan, LIU Yanxiong, et al. A Comparison of Waveform Processing Algorithms for Single-Wavelength LiDAR Bathymetry[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015(101): 22-35.

[14] YANG Bisheng, WANG Jinling. Mobile Mapping with Ubiquitous Point Clouds[J]. Geo-Spatial Information Science, 2016, 19(3): 169-170.

[15] 譚凱, 程效軍, 張吉星. TLS強(qiáng)度數(shù)據(jù)的入射角及距離效應(yīng)改正方法[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2017, 42(2): 223-228.

TAN Kai, CHENG Xiaojun, ZHANG Jixing. Correction for Incidence Angle and Distance Effects on TLS Intensity Data[J]. Geomatics and Information Science of Wuhan University, 2017, 42(2): 223-228.

[16] YANG Bisheng, ZANG Yufu, DONG Zhen, et al. An Automated Method to Register Airborne and Terrestrial Laser Scanning Point Clouds[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015(109): 62-76.

[17] YANG Bisheng, DONG Zhen, DAI Wenxia, et al. Automatic Registration of Multi-View Terrestrial Laser Scanning Point Clouds in Complex Urban Environments[C]∥Proceedings of the 2nd IEEE International Conference on Spatial Data Mining and Geographical Knowledge Services. Fuzhou, China: IEEE, 2015: 141-146.

[18] 陳良良, 隋立春, 蔣濤, 等. 地面三維激光掃描數(shù)據(jù)配準(zhǔn)方法[J]. 測繪通報, 2014(5): 80-82. DOI: 10.13474/j.cnki.11-2246.2014.0163.

CHEN Liangliang, SUI Lichun, JIANG Tao, et al. The Methods of Data Registration in Terrestrial 3D Laser Scanning[J]. Bulletin of Surveying and Mapping, 2014(5): 80-82. DOI: 10.13474/j.cnki.11-2246.2014.0163.

[19] 陳馳, 楊必勝, 彭向陽. 低空UAV激光點云和序列影像的自動配準(zhǔn)方法[J]. 測繪學(xué)報, 2015, 44(5): 518-525. DOI: 10.11947/j.AGCS.2015.20130558.

CHEN Chi, YANG Bisheng, PENG Xiangyang. Automatic Registration of Low Altitude UAV Sequent Images and Laser Point Clouds[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(5): 518-525. DOI: 10.11947/j.AGCS.2015.20130558.

[20] 張良, 馬洪超, 高廣, 等. 點、線相似不變性的城區(qū)航空影像與機(jī)載激光雷達(dá)點云自動配準(zhǔn)[J]. 測繪學(xué)報, 2014, 43(4): 372-379. DOI: 10.13485/j.cnki.11-2089.2014.0056.

ZHANG Liang, MA Hongchao, GAO Guang, et al. Automatic Registration of Urban Aerial Images with Airborne LiDAR Points Based on Line-point Similarity Invariants[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(4): 372-379. DOI: 10.13485/j.cnki.11-2089.2014.0056.

[21] YANG Bisheng, DONG Zhen, LIANG Fuxun, et al. Automatic Registration of Large-scale Urban Scene Point Clouds Based on Semantic Feature Points[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016(113): 43-58.

[22] YANG Bisheng, ZANG Yufu. Automated Registration of Dense Terrestrial Laser-scanning Point Clouds Using Curves[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014(95): 109-121.

[23] YANG Bisheng, HUANG Ronggang, LI Jianping, et al. Automated Reconstruction of Building LoDs from Airborne LiDAR Point Clouds Using an Improved Morphological Scale Space[J]. Remote Sensing, 2017, 9(1): 14.

[24] FANG Lina, YANG Bisheng, CHEN Chongcheng, et al. Extraction 3D Road Boundaries from Mobile Laser Scanning Point Clouds[C]∥Proceedings of the 2nd IEEE International Conference on Spatial Data Mining and Geographical Knowledge Services. Fuzhou, China: IEEE, 2015: 162-165.

[25] YANG Bisheng, DONG Zhen, LIU Yuan, et al. Computing Multiple Aggregation Levels and Contextual Features for Road Facilities Recognition Using Mobile Laser Scanning Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2017(126): 180-194.

[26] YANG Bisheng, XU Wenxue, YAO Wei. Extracting Buildings from Airborne Laser Scanning Point Clouds Using A Marked Point Process[J]. GIScience & Remote Sensing, 2014, 51(5): 555-574.

[27] ZHANG Zhenxin, ZHANG Liqiang, TONG Xiaohua, et al. A Multilevel Point-cluster-based Discriminative Feature for ALS Point Cloud Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(6): 3309-3321.

[28] LIU Chun, SHI Beiqi, YANG Xuan, et al. Automatic Buildings Extraction From LiDAR Data in Urban Area by Neural Oscillator Network of Visual Cortex[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 6(4): 2008-2019.

[29] 隋立春, 張熠斌, 張碩, 等. 基于漸進(jìn)三角網(wǎng)的機(jī)載LiDAR點云數(shù)據(jù)濾波[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2011, 36(10): 1159-1163.

SUI Lichun, ZHANG Yibin, ZHANG Shuo, et al. Filtering of Airborne LiDAR Point Cloud Data Based on Progressive TIN[J]. Geomatics and Information Science of Wuhan University, 2011, 36(10): 1159-1163.

[30] YANG Bisheng, DONG Zhen, ZHAO Gang, et al. Hierarchical Extraction of Urban Objects from Mobile Laser Scanning Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015(99): 45-57.

[31] YANG Bisheng, DONG Zhen. A Shape-based Segmentation Method for Mobile Laser Scanning Point Clouds[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013(81): 19-30.

[32] YU Yongtao, LI J, GUAN Haiyan, et al. Automated Extraction of Urban Road Facilities Using Mobile Laser Scanning Data[J]. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(4): 2167-2181.

[33] LI Zhuqiang, ZHANG Liqiang, TONG Xiaohua, et al. A Three-Step Approach for TLS Point Cloud Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(9): 5412-5424.

[34] GU Yanfeng, WANG Qingwang, XIE Bingqian. Multiple Kernel Sparse Representation for Airborne LiDAR Data Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 52(2): 1085-1105.

[35] GUO Bo, HUANG Xianfeng, ZHANG Fan, et al. Classification of Airborne Laser Scanning Data Using Jointboost[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015(100): 71-83.

[36] LECUN Y, BENGIO Y, HINTON G. Deep Learning[J]. Nature, 2015, 521(7553): 436-444.

[37] ELBERINK S O, VOSSELMAN G. Building Reconstruction by Target Based Graph Matching on Incomplete Laser Data: Analysis and Limitations[J]. Sensors, 2009, 9(8): 6101-6118.

[38] BILJECKI F, LEDOUX H, STOTER J, et al. Formalisation of the Level of Detail in 3D City Modelling[J]. Computers, Environment and Urban Systems, 2014(48): 1-15.

[39] BILJECKI F, LEDOUX H, STOTER J. An Improved LOD Specification for 3D Building Models[J]. Computers, Environment and Urban Systems, 2016(59): 25-37.

[40] VERDIE Y, LAFARGE F, ALLIEZ P. LOD Generation for Urban Scenes[J]. ACM Transactions on Graphics, 2015, 34(3): 30.

[41] SJOGREN W L, WOLLENHAUPT W R. Lunar Shape Via the Apollo Laser Altimeter[J]. Science, 1973, 179(4070): 275-278.

[42] BOLCH T, SRENSEN L S, SIMONSEN S B, et al. Mass Loss of Greenland’s Glaciers and Ice Caps 2003—2008 Revealed from ICESat Laser Altimetry Data[J]. Geophysical Research Letters, 2013, 40(5): 875-881.

[44] JEBUR M N, PRADHAN B, TEHRANY M S. Optimization of Landslide Conditioning Factors Using Very High-Resolution Airborne Laser Scanning (LiDAR) Data at Catchment Scale[J]. Remote Sensing of Environment, 2014(152): 150-165.

[46] JOHNSTONE E, RAYMOND J, OLSEN M J, et al. Morphological Expressions of Coastal Cliff Erosion Processes in San Diego County[J]. Journal of Coastal Research, 2016(76): 174-184.

[47] PAINE J G, CAUDLE T L, ANDREWS J R. Shoreline and Sand Storage Dynamics from Annual Airborne LIDAR Surveys, Texas Gulf Coast[J]. Journal of Coastal Research, 2017, 33(3): 487-506.

[48] BROCK J C, PURKIS S J. The Emerging Role of Lidar Remote Sensing in Coastal Research and Resource Management[J]. Journal of Coastal Research, 2009(SI53): 1-5.

[49] FERRAZ A, BRETAR F, JACQUEMOUD S, et al. 3-D Mapping of a Multi-layered Mediterranean Forest Using ALS Data[J]. Remote Sensing of Environment, 2012(121): 210-223.

[50] FERRAZ A, MALLET C, CHEHATA N. Large-Scale Road Detection in Forested Mountainous Areas Using Airborne Topographic Lidar Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016(112): 23-36.

[51] NIE Sheng, WANG Cheng, DONG Pinliang, et al. Estimating Leaf Area Index of Maize Using Airborne Discrete-return LiDAR Data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(7): 3259-3266.

[52] TANG Hao, DUBAYAH R, BROLLY M, et al. Large-scale Retrieval of Leaf Area Index and Vertical Foliage Profile from the Spaceborne Waveform Lidar (GLAS/ICESat)[J]. Remote Sensing of Environment, 2014(154): 8-18.

[53] WANG Yuanyuan, LI Guicai, DING Jianhua, et al. A Combined GLAS and MODIS Estimation of the Global Distribution of Mean Forest Canopy Height[J]. Remote Sensing of Environment, 2016, 174: 24-43.

[54] BILJECKI F, STOTER J, LEDOUX H, et al. Applications of 3D City Models: State of the Art Review[J]. ISPRS International Journal of Geo-Information, 2015, 4(4): 2842-2889.

[55] YU Bailang, LIU Hongxing, WU Jianping, et al. Automated Derivation of Urban Building Density Information Using Airborne LiDAR Data and Object-Based Method[J]. Landscape and Urban Planning, 2010, 98(3-4): 210-219.

[56] YANG Bisheng, LIU Yuan, LIANG Fuxun, et al. Using Mobile Laser Scanning Data for Features Extraction of High Accuracy Driving Maps[C]∥The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Prague, Czech Republic: ISPRS, 2016: 433-439.

[57] MATIKAINEN L, LEHTOMKI M, AHOKAS E, et al. Remote Sensing Methods for Power Line Corridor Surveys[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016(119): 10-31.

[58] 陳馳, 麥曉明, 宋爽, 等. 機(jī)載激光點云數(shù)據(jù)中電力線自動提取方法[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2015, 40(12): 1600-1605.

CHEN Chi, MAI Xiaoming, SONG Shuang, et al. Automatic Power Lines Extraction Method from Airborne LiDAR Point Cloud[J]. Geomatics and Information Science of Wuhan University, 2015, 40(12): 1600-1605.

[60] CHENG Liang, WANG Yajun, CHEN Yanming, et al. Using LiDAR for Digital Documentation of Ancient City Walls[J]. Journal of Cultural Heritage, 2016(17): 188-193.

(責(zé)任編輯：宋啟凡)

Progress, Challenges and Perspectives of 3D LiDAR Point Cloud Processing

YANG Bisheng，LIANG Fuxun，HUANG Ronggang

State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China

3D LiDAR can perform an intensive sampling of the earth surface in a direct way, and yield the 3D point cloud that contains numerous and scattered points with the coordinates (X,Y,Z) and attributes (e.g., intensity). As the vital 3D geospatial data for description of the world in the digital era, 3D point cloud plays an important role not only in earth science researches but also in national requirements (e.g., global change analysis, global mapping, and smart city). Inspired by sensor technologies and national requirements, 3D LiDAR has got great progresses in hardware, data processing and applications, and is facing new challenges. Following the history of 3D LiDAR, this paper first reviews the status of 3D LiDAR system, and introduces the development of key technologies in data processing. Then the typical applications of 3D LiDAR in surveying and other related fields are listed, and current challenges in point cloud processing are concluded. Finally, some future perspectives are presented.

3D LiDAR; point cloud; point cloud fusion; object extraction; 3D representation; ubiquitous point cloud

The Key Program of The National Natural Science Foundation of China(Nos. 41531177; 41371431); The National Natural Science Foundation of China(No. 41371431); The National Science and Technology Support Program (No. 2014BAL05B07); The National Key Research and Development Program of China (No. 2016YFF0103501)

YANG Bisheng(1974—), male, professor, PhD supervisor, majors in acquisition and analysis of 3D geospatial information.

楊必勝，梁福遜，黃榮剛.三維激光掃描點云數(shù)據(jù)處理研究進(jìn)展、挑戰(zhàn)與趨勢[J].測繪學(xué)報，2017,46(10)：1509-1516.

10.11947/j.AGCS.2017.20170351.

YANG Bisheng,LIANG Fuxun,HUANG Ronggang.Progress, Challenges and Perspectives of 3D LiDAR Point Cloud Processing[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1509-1516. DOI:10.11947/j.AGCS.2017.20170351.

P237

A

1001-1595(2017)10-1509-08

國家自然科學(xué)基金重點/面上項目(41531177；41371431)；國家科技支撐項目(2014BAL05B07)；國家重點研發(fā)計劃(2016YFF0103501)

2017-06-26

修回日期： 2017-09-01

楊必勝(1974—)，男，教授，博士生導(dǎo)師，研究方向為三維地理信息獲取與分析。

E-mail： bshyang@whu.edu.cn