基于子空间分析的LiDAR数据处理及表面重建关键技术研究

Light Detection And Ranging (LiDAR) has a variety of applications in quality inspection of large equipment, 3D digital city reconstruction, heritage preservation, resource exploration and so forth. Due to real-scanning conditions, LiDAR point cloud data always incur imperfection: the data are inevitably contaminated with severe outliers and noise, and large regions are often missing, which consequently remain obstacles to many downstream applications of LiDAR scanning technology. Therefore, this project aims to study the dimension reduction and subspace modeling techniques for LiDAR data by analyzing the underlying substructures of LiDAR data, based on which a series of efficient, feature-sensitive LiDAR data processing methods are proposed to address those inherent issues of LiDAR data and hence yield high-quality 3D point data. In addition, this project will focus on creating a subspace modeling framework and thereby developing a feature-preserving surface reconstruction algorithm for LiDAR data so as to generate 3D high-quality surface models of LiDAR scanning scenes. As a consequence, the outcome of this project will extend and enlarge the development and applications of LiDAR scanning technology in a number of fields.

激光雷达测量技术（Light Detection And Ranging, LiDAR）在大型装备质量检测、数字城市建设、文化遗产保护、资源勘探等领域有着广泛的应用。受测量环境、条件等因素的影响，LiDAR扫描点云数据不可避免地存在以下问题：1）包含异常数据；2）存在噪声数据；3）数据不完整。这些问题严重影响甚至阻碍了其后续的诸多应用。为此，本项目拟针对LiDAR点云数据模型，深入分析点云模型子空间结构，研究数据降维及子空间分类、提取技术，设计特征敏感、高效稳健的数据处理方法，解决异常数据、噪声数据有效剔除以及缺失数据自动修复的难题，得到高质量的三维点云数据；并构建LiDAR数据子空间聚类框架，提出保持原始特征的扫描场景表面重建技术，实现LiDAR扫描场景的高质量重建。本项目的实施将会进一步拓展和扩大LiDAR技术在各个领域的应用和发展，具有重要的研究和社会价值。

激光雷达测量技术（Light Detection And Ranging, LiDAR）在大型装备质量检测、数字城市建设、文化遗产保护、资源勘探等领域有着广泛的应用。受测量环境、条件等因素的影响，LiDAR扫描点云数据不可避免地存在以下问题：1）包含异常数据；2）存在噪声数据；3）数据不完整。这些问题严重影响甚至阻碍了其后续的诸多应用。为此，本项目拟针对LiDAR点云数据模型，深入分析点云模型子空间结构，研究数据降维及子空间分类、提取技术，设计特征敏感、高效稳健的数据处理方法，解决异常数据、噪声数据有效剔除以及缺失数据自动修复的难题，得到高质量的三维点云数据；并构建LiDAR数据子空间聚类框架，提出保持原始特征的扫描场景表面重建技术，实现LiDAR扫描场景的高质量重建。本项目的实施将会进一步拓展和扩大LiDAR技术在各个领域的应用和发展，具有重要的研究和社会价值。