密集LiDAR点云三维密度特征的表征及应用研究

Point density is an important attribute of LiDAR point cloud data, which can reflect density level and characteristics of the spatial distribution of laser footprints. And the spatial distribution of the laser footprints reflects the status and characteristics of the spatial distribution of objects directly. So, understanding and utilizing point density information adequately are of great significance to improve both the processing algorithm of the point cloud and the processing capacity of high dense LiDAR point cloud. However, LiDAR point cloud density used to be defined in two-dimensional space, which cannot reflect the essential characteristics of 3D point cloud density accurately and integrally. And it can neither describe the density characteristics of a single footprint, nor reflect the density distribution of the laser footprints in neighborhoods. All these lead to the inability to express the spatial distribution characteristics of objects accurately, and also affecting the use of density characteristics of point cloud seriously. Based on the previous studies, this project analyzes the point data of different topography and different levels of density obtained by LiDAR scanners with different scanning types. In this way, we improve the definitions of the point cloud density based on two-dimensional projection, and propose the method of describing and expressing the point cloud density in the three-dimensional space. Moreover, within the scope of the new definition, we study the corresponding law of density characteristics of 3D point data as well as spatial distribution of projects. Besides, we explore the application method of the density characteristic of three-dimensional point cloud, and provide reliable technical support and technology reserves for expanding and promoting the applications of density characteristics of density point clouds data.

密度是LiDAR点云数据的重要属性，反映了激光脚点数据空间分布的密集程度及特点，进而反映了地物空间分布状态和特点。充分理解和使用密度信息，对于深入理解LiDAR点云特性，提高密集点云数据处理能力具有重要意义。通常使用的LiDAR点云密度定义在二维空间中，不能完整准确地反映三维点云密度的本质特征，既不能表征单个脚点的密度特征，也不能反映其邻域密度分布状态，从而无法准确反映地物空间分布特征，影响了点云密度特征的使用。本项目针对以上问题，总结和分析前人的研究成果，通过分析研究不同扫描类型LiDAR设备获取的不同地形地貌、不同密集程度的点云数据，对基于二维投影平面的点云密度定义进行改进，提出其在三维空间中的描述和表达理论；在新理论下研究三维点云数据密度特征与地物空间分布特征的对应规律；根据具体应用探讨三维点云密度特征的应用方法，为拓展和加深密集点云数据的密度特征应用提供可靠的技术支撑与科技储备。

摘 要.随着LiDAR技术的发展，LiDAR点云密集程度一直在提高，不断推动着LiDAR技术应用的发展。很多以前在稀疏数据中无法体现的特征和规律，在当前点云密集分布的状态下，已经被清晰展现出来。本项目旨在对三维点云的密度特征从基础理论到应用方法进行深入研究，弥补传统方法中对LiDAR点云密度信息理解和使用的不足，提高密集点云数据中密度特征的使用水平，为密集点云数据处理提供必要的技术支撑和知识储备实现LiDAR点云密度特征的理解和应用上的突破。.本项目的研究内容主要包括：密集点云数据三维空间密度特征的描述和表达理论；点云密度特征与地物空间分布特征的对应规律；三维点云密度特征的应用方法以及验证上述理论和方法的正确性。.经过四年深入研究，项目圆满完成，达到预期目标。主要成果有：.（1）研究了常用的二、三维点云密度指标的定义、针对DEM产品研究了常用的基于平面计算的点云密度指标与点间距指标的换算关系，设计并实现了地面点云密度与DEM产品质量之间关系的方法。发表相关科技论文2篇，培养本科生2名，研究生1名。.（2）研究了点云密度的特点，并用于提升LiDAR数据处理质量，提出了顾及地形特征的机载LiDAR地面点云抽稀算法、基于泊松碟采样测地空间的自适应抽稀算法、基于移动最小二乘原理的点云数据加密算法。发表相关科技论文2篇，培养本科生1名，研究生1名，申请专利1项，获批软著1项。.（3）研究了密度特征与其它特征融合的LiDAR数据分类方法、LiDAR建筑物点云提取方法和机载LiDAR点云电力线提取方法以及融合LiDAR点云数据和航空影像的建筑物变化检测方法。发表相关科技论文2篇，培养本科生5名，博士研究生1名，申请专利2项。.（4）积极推广项目成果转化，部分研究成果已经用于行业生产应用，得到广泛认可。获得中国测绘学会颁发的2020年度测绘科技进步奖二等奖（排名第一），获得武汉东湖高新区第十二批“3551光谷人才计划”，获得2020年度湖北省自然资源厅科技项目支持一项，“基于LiDAR点云的省级DEM更新关键技术研究”。