前言

在學習生涯將要結束之際，博主將自己三年所學到的東西進行一個總結與歸納，一是對所學知識的一個回顧，二是整理成一個完整的資料，以防不時之需，三是供后來者少走彎路，繼續前行！

一、LiDAR 基礎與入門

1. 激光雷達定義

Light Deteation and Ranging激光探測及測距系統的簡稱，用激光器作為發射光源，采用光電探測技術手段的主動遙感設備。

2. 優缺點

優點

具有極高的分辨率

抗干擾能力強

獲取的信息量豐富

可全天時工作

缺點

容易受到大氣條件以及工作環境的煙塵的影響

3. 分類

按原理分類

三角測距激光雷達

ToF 激光雷達

按功能分類

激光測距雷達

激光測速雷達

激光成像雷達

大氣探測激光雷達

跟蹤雷達

按工作介質分類

固體激光雷達

氣體激光雷達

半導體激光雷達

按線數分類

單線激光雷達。

多線激光雷達

按掃描方式分類

MEMS型激光雷達

Flash型激光雷達

相控陣激光雷達

機械旋轉式激光雷達

按探測方式分類

直接探測激光雷達

干探測激光雷

按激光發射波形分類

連續型激光雷達

脈沖型激光雷達

按掛載平臺分類

機載激光雷達

車載激光雷達

地基激光雷達

星載激光雷達

背包式

手持式

SLAM

按應用

激光測距儀

激光三維成像雷達

激光測速雷達

激光大氣探測雷達

激光測風雷達

4. 國內外知名激光雷達公司盤點

國外

Velodvne

Sick

Ibeo

Quanergy

Hokuyo

Trimble

Innoviz

LeddarTech

Leica

Rieql

Other…

國內

數字綠土

北科天繪

武漢珞珈新空

四維圖新

北京蒙特卡洛

其它…

5. 相關應用

城市規劃

數字城市建模

高精度DEM的制作與生成

基礎設施制圖

地表變化監測

地表覆蓋分類

森林資源調查

礦山測量

電力線巡檢

其它

二、LiDAR 點云去噪

1. 噪音來源

數據采集平臺

無人機

背包（針對背包式的掃描設備）3

車載平臺

手持激光掃描

固定模型誤差

其它

采集設備

LiDAR 采集頭

與采集平臺的相對穩定性

其它

被測物體表面

水域等無法探測

其它

其它

…

2. 常用去噪方法

基于密度的去噪

判斷當前點的鄰域點數，過小則將其視為噪音點

基于統計學去噪

先求取全局點云距離分布，然后依次判斷每個采樣點與其鄰域的距離是否滿足閾值

直通濾波去噪

在 X、Y、Z 方向設置閾值對點云進行截取（快速去除離群點用）

手動去燥

人機交互框選不感興趣點云并刪除

基于假設檢驗的粗差剔除

假設點云數據僅在一個維度上存在誤差，則對每一點利用其鄰域點的屬性值對其進行擬合，并求取擬合后的值與原始屬性的差值。根據偶然誤差服從正態分布的特性，通過設定一個置信區間，將誤差值較大的點視為噪音點或失真點進行剔除

基于橫切分層剔除噪音

這里通過對點云的高程 進行橫切分層，然后，統計每個分割區域內的點云數量， 將分割區內小于一定閾值的點作為粗差予以清除

基于點到平面距離去噪

通過判斷鄰近點云數據的擬合平面，將離擬合平面距離值為負的點云看作噪聲點云數據

移動平滑法

通過移動平滑法與二次多項式擬合曲面的方法去除噪聲

中值濾波去噪

詳見中值濾波

其它

…

三、LiDAR 點云濾波

1. 點云濾波概念

將點云分為地面點和地物點的過程

區別于數字信號學

前者對信號進行高通/低筒濾波，去除高頻/低頻信號

區別于圖像處理

前者主要是過濾圖像噪音

2. 濾波算法

坡度濾波

基于間隔一定距離兩點間形成的坡度來判斷

形態學濾波

將點云格網化，選取格網種子點，按行或者列進行類似于數學形態學的濾波

漸進三角網濾波

選取初始種子點，利用三角網構建初始地表模型，判斷剩余點并對三角網進行加密

移動曲面濾波

利用多元多項式對地面進行表達

布料濾波

利用布料模擬算法進行濾波

基于點云頻率的濾波

PCL—低層次視覺—點云濾波（基于點云頻率）

其它

…

四、LiDAR 點云配準

1. 配準目的

對點云進行校正

2. 配準分類

LiDAR點云和LiDAR點云配準

LiDAR點云和密集匹配點云配準

LiDAR點云和二維影像配準

LiDAR點云和三維街景匹配

其它

3. 配準方法

粗配準方案

LORAX

4點法（4-Points Congruent Sets，4PCS）

Super 4PCS（Super 4-Points Congruent Sets）

SK-4PCS（Semantic Keypoint 4-Points Congruent Sets）

G-4PCS（Generalized 4-points congruent sets）

精配準方案

DO（Discriminative Optimization）

結合法

ICP（Iterative Closest Point）

Standard ICP

KD-tree Approximation

Soft Outlier Rejection

Generalized-icp（GICP）

Normal ICP（NICP）

Go-ICP

…

模型對應法

NDT

五、LiDAR 點云公開數據集

1. Paris-Lille-3D Dataset

http://caor-mines-paristech.fr/fr/paris-lille-3d-dataset/

2. PCL官方測試數據集

https://github.com/PointCloudLibrary/data

3. ISPRS

http://www2.isprs.org/

4. RGB-D Object Dataset

https://rgbd-dataset.cs.washington.edu/

5. The Stanford 3D Scanning Repository

http://graphics.stanford.edu/data/3Dscanrep/

全球六大激光雷達數據源

而且都是免費的

1、Open Topography

網址：http://www.opentopography.org

2、USGS Earth Explorer

網址：http://earthexplorer.usgs.gov

3、United States Interagency Elevation Inventory + Wikipedia LiDAR

網址：https://en.wikipedia.org/wiki/National_Lidar_Dataset_（United_States）

4、NOAA Digital Coast

網址：https://coast.noaa.gov/digitalcoast/tools/

5、LIDAR Online

網址：https://www.lidar-online.com/

6、National Ecological Observatory Network

網址：http://www.neonscience.org/data-resources

六、LiDAR 點云處理軟件

1. 國外

CloudCompare（免費開源）

https://github.com/CloudCompare/CloudCompare

TerraSolid 的 TerraScan（專門針對點云） 芬蘭

需要商業License（可以尋找**版下載使用）

ENVI 的 LiDAR 模塊

需要商業License，可以自動提取 DEM / DSM / 建筑物 / 植被 等的三維模型（可以尋找破解版下載使用）

Quick Terrain Moduler 的配套軟件 Quick Terrain Reader

前者不免費，后者免費，可以自行上網搜索下載

LasTools

免費開源軟件，但是是一款命令行軟件，需要設置較多參數，實際生產中更多用于編程的第三方庫

OPLAS

需要商業License（免費的只能加載100萬點）

BCAL LiDAR tools

ENVI 插件

FugroViewer

免費的點云快速瀏覽軟件

MCC LiDAR

開源濾波軟件

ALDPAT

開源 LiDAR 處理軟件

FUSION 美國

開源 LiDAR 處理軟件

SHOALS 加拿大

未知

PIX4D

商用軟件需要License，免費試用一個月，主要用與點云數據的分類

其它

…

2. 國內

LiDAR 360

北京數字綠土公司商用軟件，需要License，申請免費試用15天

CoProcess

上海華測導航公司商用軟件，需要License

SouthLiDAR

廣州南方測繪公司商用軟件，需要License

其它

…

3.小結

技術講解 |CC（Smart3D）中三維建模LiDAR和照片的結合「可下載學習」TerraSolid處理LiDAR點云工程創建基礎教學視頻Erdas中處理點云（Lidar）數據干貨教程ArcGIS-LiDAR LAS數據處理教學視頻基于“傾斜+LiDAR+車載”的實景三維建模實現

七、點云處理開源庫

1. PCL官網

http://www.pointclouds.org/

2. VCG-Github倉庫

https://github.com/cnr-isti-vclab/vcglib/

3. CGAL

https://www.cgal.org/

4. SFML

https://www.sfml-dev.org/

5. OpenGL

https://www.opengl.org/

6. OSG

http://www.openscenegraph.org/

7. MeshLab

http://www.meshlab.net/

8. g2o

https://openslam-org.github.io/g2o.html

編輯：jq