1實習目的 1
2實習內容 1
3實習具體過程 1
3.1 LAS格式點雲數據介紹 1
3.2點雲數據處理 2
3.1.1 點雲數據讀取 2
3.1.2 點雲數據內容寫入TEXT文件 3
3.3機載LiDAR點雲數據道路特徵 3
3.4基於高程屬性的道路點雲信息提取 4
4結果分析 5
5課程體會 6
參考文獻 7
1實習目的
通過本次實習瞭解車載激光移動系統獲取點雲數據的特點、點雲數據的存儲格式、點雲數據不同目標特徵以及點雲數據目標分割的方法。利用Matlab，VC++等軟件實現點雲數據的數據處理，包括讀取，分割，存儲等等。實習想要達到的目標：
(1) 對點雲數據有大概的瞭解，包括點雲數據可以用來分析什麼，從點雲數據中能獲取什麼對我們有用的信息。
(2) 瞭解點雲數據讀取，處理方法及存儲方式。
(3) 掌握matlab和VC++平臺的混合編程，主要掌握通過編程提取各種目標點雲數據。
(4) 熟悉Quick Terrain Reader軟件用於顯示點雲數據，並瞭解.las數據格式
2實習內容
首先是掌握點雲數據一些特徵，獲取等。然後熟悉並掌握Quick Terrain Reader、RealWorks和matlab的基本命令。熟悉點雲常用存儲格式.xyz, .ply和.las，重點是.las 格式。）讀取數據ARRA-CA_SanFranCoast_2010_10SEG5082.las中的點的信息，將點雲數據以X、Y、Z、I 4個字段的內容寫入文本文件（.txt）。利用Matlab編寫一些小代碼，實現對點雲數據的提取，數據處理。利用Quick Terrain Reader軟件來顯示點雲數據，其中包括使用不同的分割法來顯示點雲、查看點雲數據模型的不同統計量等。選取自己感興趣的目標進行點雲提取，對提取結果分析。我選取道路作爲提取目標，根據道路特徵提取道路的主要信息，並對其進行分析。
3實習具體過程
3.1 LAS格式點雲數據介紹
LAS文件格式由ASPRS制定。ASPRS[1]制定LAS文件格式的目的是爲LIDAR數據的提供者和不同的應用開發者提供一套標準的數據交換格式，解決不同廠商及應用者之間的數據兼容問題，從而推動機載激光雷達測量技術的發展。LAS格式最早的版本是2003年5月的Version1.0，其後，ASPRS於2005年3月推出Version1.1，2008年推出Version1.2，2010年推出Version1.3，2013年7月推出Version1.4-R13。LAS[2]文件是一個二進制文件，版本1.0-1.2由3部分組成：公共頭域、變長記錄域和點數據域。在LAS 1.3中，增加了波形數據包記錄域（Waveform Data Packet Record），該記錄域可以緊跟點雲數據域後面，稱爲“擴展變長記錄域（Extended Variable Length Record）”，也可以單獨位於一個輔助文件內。在LAS 1.4中，進一步擴充了擴展變長記錄域的功能。
3.2點雲數據處理
3.1.1 點雲數據讀取
點雲數據讀取通過Matlab實現，在讀取結果中過去相應的數據。實現的部分代碼如圖1，讀取結果如圖2。從結果中可以看出：版本號爲：1.2000，點的數量爲：195658，點數據記錄長度爲28，公共頭文件長度爲227。
圖1讀取的代碼
圖2讀取結果
3.1.2 點雲數據內容寫入TEXT文件
LAS格式點雲數據在利用Matlab進行讀取的時候，我已將結果輸出爲text文件格式，實現的代碼如下圖3，只截取了部分代碼，輸出結果如圖4。從text文件中可以看出點雲數據的四個參數的值。
圖3點雲數據存儲代碼
圖4 text點的各信息
3.3機載LiDAR點雲數據道路特徵
在車載激光點雲數據中，城區道路點雲數據具有其特定的特徵[3]：
（1）道路點雲的高程與地面接近，但是低於周圍地物，如房屋、樹木等；
（2）道路的材質一般爲混凝土或者瀝青，其在點雲數據中強度特徵明顯區別於建築物、植被等；
（3）道路在幾何形狀上，其點雲基本呈條帶狀分佈。
3.4基於高程屬性的道路點雲信息提取
（1）數據來源以及數據結果存儲路徑如圖5。
圖5數據來源及存儲路徑
（2）基於高程屬性的道路點雲信息提取在Matlab中實現的代碼如圖6，代碼運行結果如圖7所示。
圖6信息提取代碼
圖7運行結果
4結果分析
聚類[4]是將數據分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。它將個體（樣品）或者對象（變量）按相似程度（距離遠近）劃分類別，使得同一類中的元素之間的相似性比其他類的元素的相似性更強。目的在於使類間元素的同質性最大化和類與類間元素的異質性最大化。其主要依據是聚到同一個數據集中的樣本應該彼此相似，而屬於不同組的樣本應該足夠不相似。通過聚類的方法將圖片上一些類別區分出來。聚類後的結果：從圖8中課題看出與未處理的圖相比，處理後的結果紋理比較清楚，圖上大多細小的點被除去，道路特徵表現的更加明顯。
圖8聚類後結果
5課程體會
通過這次實習，對激光雷達獲取的點雲數據有了更近一步理解。點雲數據包含的數據量非常大，有時候我們處理時要對其進行分割。本次實習學會了利用點雲數據對道路的提取。結果雖然不是很理想，但總體還是把道路提取出來了，通過調色讓道路特徵變得比較明顯。同時也讓我補了一下編程的知識，我編程能力不強，好多代碼都看不懂，然而在經過多次實踐和認真的學習下，我還是掌握了一些基本的知識，這不管對我今後學習，還是工作都提供很大幫助。最後非常感謝老師，讓我們對激光雷達不在陌生，讓我們比較深刻理解了點雲數據一些簡單的處理和信息的獲取。
參考文獻
[1] 熊愛武. 基於車載激光點雲數據的道路模型重建[J]. 地理信息世界, 2013(6):86-88.
[2] 徐景中, 萬幼川, 賴祖龍.機載激光雷達數據中道路中線的多尺度提取方法[J]. 紅外與激光工程, 2009, 38(6):1099-1103.
[3] 李婷, 詹慶明, 喻亮. 基於地物特徵提取的車載激光點雲數據分類方法[J]. 國土資源遙感, 2012(1):17-21.
[5]李武奇, 袁磊. 基於機載LiDAR點雲的道路點濾波提取方法研究[J]. 計算機與數字工程, 2016, 44(4):671-674.
[6]陳飛. 基於機載LiDAR點雲的道路提取方法研究[D]. 西南交通大學, 2013.