《无人机测绘技术》项目三任务4无人机激光点云数据处理_全屏16：9.pptxVIP

无人机激光点云数据处理是一项复杂的工作，需要综合运用地理信息系统、遥感技术、计算机视觉等多个领域的知识和技术，以获取高质量的点云数据，并进行后续的处理和分析。本任务我们将学习点云数据处理流程的理论知识，并采用大疆智图处理点云数据的具体操作流程。任务引入

正确认识自身岗位，热爱本职工作，时刻保持恭敬心与敬畏心；坚持与时俱进，善于思考，勇于创新，提高工作效率；养成定期反思与总结的习惯，改进不足，精益求精。思政要点03能够基于大疆智图进行激光雷达点云处理。技能要点02了解无人机激光点云数据处理的相关技术流程。知识要点01学习目标

无人机激光点云数据处理的相关技术流程；基于大疆智图进行激光雷达点云处理。基于大疆智图进行激光雷达点云处理。重点难点学习重点和难点

03激光雷达点云处理02点云数据分类01点云数据预处理目录CONTENTS

2无人机测绘基础知识Part1点云数据预处理

激光点云数据处理技术流程激光点云数据处理技术流程

点云数据预处理激光雷达获取的是一系列空间分布不规则且具有三维坐标值的离散点，无法直接进行DEM生产，因此，点云数据首先要进行预处理。点云数据预处理涉及点云去噪声、点云简化、点云配准以及点云补洞等内容。通过数据预处理，可以有效剔除点云中的噪声和外点，在保持几何特征的基础上实现点云数据简化，并将不同角度扫描的点云统一到同一坐标系下，为后续的曲面构建及三维实体模型生成提供稳健的数据基础。

点云去噪客观噪声是由物理测量产生的误差引起的，客观噪声的消除通常采用去噪算法实现。客观噪声主观噪声则是由扫描现场无关物干扰引起的，通常表现为大片的点云，可借助三维模型处理软件对其进行手动消除。主观噪声

点云简化点云数据模型的数据量都很大，对其存储、传输和计算均不利。因此有必要对其进行简化，并在精简数据的同时有效保持点云的尖锐特征。根据点云简化密度和曲面变分进行简化1采用聚类算法完成点云数据简化4根据点云中点的数目和点云表面变化系数对点云进行分块简化2根据点云中点的曲率值大小进行简化3点云简化方法

点云配准采用三维激光扫描设备获取被测物的点云数据模型，通常一次扫描很难获取整个物体的完整点云数据信息，因此需要对同一物体在不同坐标系下进行不同角度下的多次扫描，并对多次扫描的结果进行配准，从而获得整个物体的完整点云数据模型。点云配准就是将同一物体在不同方位下测得的点云数据模型统一到同一坐标系。根据配准规模，点云配准分为两片点云配准和多片点云配准两大类，而多片点云配准可以通过两片点云的多次配准实现。

点云补洞点云补洞采用三维扫描仪对被测物体进行扫描时，由于被测物体存在表面凹凸不平、不够规则、存在空腔，可能会导致物体表面区域存在未被扫描到的现象形成扫描盲区，产生许多形状各异、大小不一的孔洞。这就需要对模型外表面进行拟合，然后裁剪拟合曲面并与孔洞缝合，从而实现点云孔洞修补。

2无人机测绘基础知识Part2点云数据分类

点云数据粗分类经过预处理的数据就可以按照图幅分发给作业员进行编辑，作业员先进行粗分类，包含分离点和去噪两方面的内容。分离点指的是将点云中的地面点和非地面点分离，这种分离自动化程度较高，通过软件即可实现。需要注意的是分离地面点时，冗余点一般不参与，只有在点云密度较低的区域，才引入冗余点层，便于提取地面点。

点云数据精确分类完成粗分类后，要进一步按照分离正常低点，分离空中点，分离地面点的顺序将表达不同类地物的点云进行自动分类。01原理是依据不同地物的反射强度、形状特征、回波次数等算法进行分类。02裸露地表处必有一次回波，对应的反射点即为地面点。植被覆盖区域可能对应多次回波，最后一次回波对应反射点为地面点。03从较低的激光点中提取初始地表面，设置地面坡度阈值，反复进行迭代运算直至找到合理地面点。04

2无人机测绘基础知识Part3激光雷达点云处理

数据成果核验我们以大疆智图为例，对大疆无人机挂载禅思L1数据进行处理，将L1的激光雷达原始文件处理生成las格式三维点云。图为取出SD卡后的成果文件，包括后缀名为CLC、CLI、CMI、IMU、LDR、RTB、RTK、RTL和RTS的文件。CLC雷达－相机标定数据CLI雷达-IMU标定数据CMI视觉标定数据IMUIMU惯导数据LDR激光点云原始数据MNF视觉数据RTBRTK基站数据RTKRTK天线数据-主天线RTL杆臂数据RTSRTK天线数据-副天线JPG照片数据

大疆智图新建工程启动DJITerra软件并登录后，点击左下角新建任务，选择【激光雷达点云】任务类型。

点击，选择对应的数据采集成果文件夹以添加激光雷达点云数据导入。可将多组激光雷达任务放置在一个大的文件夹中，添加数据时导入这个大文件夹即可。大疆智图导入L1设备成果

配置相关参数激光雷达点云处理参数设置主要包含点云密