认识“点云”

准确、实时的地理信息，尤其是三维地理信息是地球系统科学研究不可或缺的重要支撑，也是地球科学大数据、数字地球、智慧城市等科学与工程的重要组成部分。以地图和影像为代表的二维空间数据表达已经走过了漫长的历史，但远远不能满足人们对现实三维空间认知和地学研究的需求。以激光扫描、摄影测量等为代表的方法为现实世界的三维数字化提供了直接有效的手段，获取了具有三维空间位置和属性信息的稠密点云。

随着点云获取技术的快速发展，点云作为三维地理信息获取的重要数据源在科学研究与工程应用中发挥越来越重要的支撑，如：地球系统科学、基础测绘、智慧城市、文化遗产数字化保护、无人驾驶、基础设施安全监测、影视娱乐等领域。

▲ 原始点云

▲ 目标自动化提取

▲ 实景三维模型

点云的基本特点

点云（point cloud）已成为继地图和影像后的第三类空间数据，是现实世界三维数字化的一种表达方式，其不同于传统的二维栅格影像数据和结构化的矢量地图数据，具有如下特点。

1三维表达、高密度、非结构化

点云是目标表面结构三维数字化表达，由一个个散乱的三维点组成，具有准确的三维位置信息，并具有高密度特性，如：每平方米点数可达几百个。但点与点之间没有显示的空间关系，导致海量点云的组织管理、浏览查询及空间关系计算困难。目前，通常采用索引构建的方式来解决，例如：四叉树、八叉树、Kd-Tree、不规则三角网（triangulated irregular network，TIN）等。

2具有一定的属性信息

根据点云获取方式的不同，点云还具有一定的属性特性，如：激光扫描点云具有强度信息（intensity）、回波信息等。强度信息一定程度上反映了目标的表面后向散射能力，即目标的辐射能力，对地物目标表面材质分类方面具有一定作用；回波信息主要表征了激光的穿透能力，在植被或者建筑物边缘等区域可能有两个或者更多个回波，而在地面、建筑物屋顶等区域一般只有一个回波，而在点云分类时，激光束的回波次数可以很好地辅助建筑物和植被进行区分。影像点云则具有反映地物表面纹理的RGB颜色信息。点云属性信息对点云的处理具有一定的辅助作用。

3存在数据“空洞”

传感器成像视觉不可避免地存在地物之间的相互遮挡，导致被遮挡目标表面存在数据缺失；一些区域（如：水体等）对近红外激光吸收和物体表面的特殊材质（如：光滑物体表面的镜面反射等）导致回波信息无法接收，造成的数据缺失。数据缺失导致目标表面存在数据“空洞”，影响目标提取的完整性。

4非均匀空间分布

点云密度通常采用单位范围内点的数量来表达，亦可以采用点间距来描述点云分布的疏密。成像方式、与地物表面的距离等差异性导致点云在空间分布的严重不均性。例如：单条航带内，星下点区域点云密度比较大，而离飞行器星下点越远则点间距越大；相邻航带重叠区域，点云一般更密。点云密度分布的不均性对点云特征的刻画等带来了一定的困难。（文章来源：订阅号杨必胜）