一、技術介紹
1.激光雷達
- 概念：激光探測與測量，Light Detection And Ranging，英文縮寫爲LiDAR，LiDAR的光源一般採用激光，原理與雷達原理相同，故都將LiDAR翻譯爲激光雷達，也可稱爲激光掃描儀。
- 工作原理：脈衝式和相位式，它有激光發射器、接收器、時間計數器、微電腦構成，成像爲點雲，並以數據爲基礎重建目標三維模型。
（相位式問題：相位測量僅能測出不足一週的相位差，相位差的分辨率限制測距的精度，爲了保證精度而又兼顧測程，採用幾個調製光波長配合測距。） - 激光掃面技術分類：1D激光測距、2D激光測距、3D激光測距、多傳感器的集成
- 激光雷達和普通雷達的區別：
普通雷達：射頻電磁波被送到大氣中，大氣中的目標散射發射電磁波的一部分到普通雷達的接收器中。
激光雷達也發射和接收電磁波，但其頻率相對較高，激光雷達工作在紫外光、可見光、近外紅三個光譜波段 - 激光雷達存在的問題
兩點同步難匹配、數據處理自動化程度低
測量複雜度高、儀器昂貴、操作人員需要較高技巧、生產成本高、費時
對天氣、可見度等自然條件要求高
很難獲取較全面的信息
2.三維激光掃描技術 - 概念：三維激光掃描系統：由三維激光掃描儀、計算機、電源供應系統、支架以及系統配套軟件構成、而三維激光掃描儀又由激光發射器、接收器、時間計數器、馬達控制可旋轉的濾光鏡、控制電路板、微電腦、CCD相機以及軟件組成。
三維激光掃描技術是一種先進的全自動高精度立體掃描技術，用三維激光掃描儀獲取目標物表面各點的空間座標，然後由獲得的測量數據構造出目標物的三維模型的一種全自動測量技術。是繼GPS後的又一項測繪新技術，已成爲空間數據獲取的重要技術手段。 - 原理：三維激光掃描儀發射器發出一個激光脈衝信號，經物體表面漫反射後沿幾乎相同的路徑反向傳回到接收器，可以計算目標點P與掃描儀距離S。激光測距技術是三維激光掃描儀的主要技術之一，激光測距的原理主要有基於脈衝測距法、干涉測距法、激光三角法三種類型。
- 特點：快速性；採樣率高；實時性、動態性、主動性、；.非接觸性；全數字特徵，自動化；外置或內置數碼相機；集成了GPS接收機等高精度定位裝置；直接生成三維空間結果；全景化的掃描；激光的穿透性
- 三維激光掃描點雲數據的特點：立體化，數據量大、密度高，帶有目標物光學特徵信息。
- 應用：測繪工程領域，結構測量領域，建築古蹟測量方面，緊急服務業，娛樂業
- 分類：從運行平臺劃分： 機載型激光掃描系統，（機載LiDAR系統）
地面激光掃描測量系統，分兩類：第一類是移動式掃描系統（車載激光掃描系統），第二類是固定式掃描系統（地面三維激光掃描系統）
手持型激光掃描系統
星載激光掃描儀
依據掃描距離劃分：短距離激光掃描儀（最長掃描距離不超過3m，適用於小型道具的測量，不僅掃描速度快且精度較高）
中距離激光掃描儀（最長掃描距離小於30m，多用於大型模具或室內空間的測量）
長距離激光掃描儀（掃描距離大於30m，主要應用於建築物、礦山、大壩、大型土木工程等的測量）
機載或星載激光掃描系統（掃描距離大於1km，並且需要配備精確的導航系統，可用於大範圍地形的掃描測量）
依據掃描儀成像方式劃分：全景掃描式
相機掃描式
混合型掃描式
依據掃描儀測距原理劃分：脈衝式、相應式、激光三角式、脈衝相位式
（脈衝式：類似於全站儀----射程遠、精度低、最大激光反射頻率低、掃描速度低、太陽光與室外光對掃描點質量影響小----------------適用於飛機航空
相位式：發射與接收信號之間的角度差--------剛好相反） - 地面激光掃描儀（TLS）特點：
a) 小型化且方便快捷。其大小與全站儀接近，作業時只要有架設掃描儀的空間，即可完成點雲數據採集工作
b) 數據採集速度快。常規地面掃描儀的掃描點採集速度可達每秒數千萬點以上，某些型號的掃描儀的採集速度更可高達每秒數幾十萬點
c) 掃描精度高，可達毫米級
d) 主動式、無需可見光照明。 TLS依靠主動發射激光束的方法進行點雲數據測量，可以實現全天候作業
e) 高密度採集，濃密格網、點雲特徵，特別適合於對複雜對象進行細節測量 - 地面三維激光掃描技術與攝影測量的區別
a) 獲取的數據格式不同。三維激光是點雲集合可進行空間量測，攝影測量是影像照片不能空間量測。
b) 拼接各測站間數據的方式不同。三維激光是座標匹配方式，攝影測量是相對和絕對定標。
c) 測量精度不同。三維激光精度高於攝影測量，精度分佈均勻。
d) 對外環境要求不同。
e) 表面模型建立方式不同。
f) 對實體文理信息的獲取方式不同。 - 地面三維激光掃描儀誤差主要來源
誤差來源分爲三類：地面三維激光掃描儀器本身的誤差（儀器誤差）、大氣環境引起的誤差（環境誤差）和由反射目標引起的誤差（反射面誤差）
（一）儀器誤差：
測距誤差：加常數、乘常數、幅相誤差
測角誤差：垂直度盤指標差、視準軸誤差、偏心差
對中及目標偏心誤差：
（二）外界環境引起的誤差：溫度、氣壓、溼度等
氣象條件的影響：
（三）反射面引起的誤差：
激光入射角度的影響：激光束與被測物體不垂直時激光光斑變爲橢圓形，會對測距結果產生影響。
反射目標的顏色和掃描距離對掃描結果的影響：隨着掃描距離的增加，深色目標比淺色目標先出現無數據返回現象，在一定掃描距離範圍之內，反射目標的顏色和掃描目標與掃描儀之間的掃描距離對點雲數據影響較小，但超過一定距離後，開始得到不完整的目標點雲數據，出現點雲數據“空洞”。
反射面邊緣效應的影響：當地面三維激光掃描儀發射的掃描光束投射到被測目標的邊緣時，於激光光斑有一定的大小，此激光束中的一部分經物體反射回去被掃描儀接收，一部分激光束則損失掉或被後面的物體反射回去
7) （車載激光掃描系統）移動激光測量
系統構成及原理：由多源傳感器集成，一般包括：CCD CAMERA、DGPS（全球定位系統）、INS/IMU/POS)(定位定姿傳感器系統)、Laser Scanner（激光掃描儀）
車載激光掃描系統：掃描獲取數據：
座標轉換：掃描系統座標-》平臺座標-》物方空間座標的轉換
掃描儀相對平臺的姿態用室內標定、DGPS定位、多源傳感器集成（CCD照相機、DGPS、INS/IMU/pos）、laser scanner
問題與挑戰 ：全景圖像與激光點雲數據
高精度道路數據
建築物立面提取
交通標誌、標線、信號等交通數據分類困難
點雲數據的特徵感知與重建
車載激光三維點雲數據處理：
- 所面臨問題：存在大面積的陰影遮擋，同時受成像條件、圖像質量影響
- 車載激光點雲中道路提取
（1）基於離散點雲：（平滑因子、高層、激光強度信息）
層次分類法：（地面和非地面）
不規則三角網TIN：（曲率和高度差）
面向對象策略提取道路
（2）離散點雲問題：點雲目標不精細（精確道路邊界信息）、強度存在大量噪聲
（3）融合機載激光點雲和輔助信息
（4）匹配問題：機載激光點雲與遙感影像的配準，不同數據源在空間分辨率、質量精度上的匹配問題
（5）基於點雲特徵圖像、基於掃描線信息、基於聚類分析法、基於高程閾值方法在地面起伏較大區域、主成分分析法 - 現有方法存在的問題：高程信息的缺乏
沒有充分利用點密度、強度信息，機載點雲數據的利用，多源數據的融合問題
現有方法主要集中小範圍 - 現實問題：海量數據，複雜，目標多樣性
數據不完整
點密度空間分佈不均勻（由掃描儀與地物之間的距離決定）
強度不一致
道路形狀不規則
- 機載激光雷達是近年來新發展的一種集激光掃描儀、GPS以及慣性導航系統（INS）於一體的新型主動式遙感系統，通過對掃描激光測距（SLR）技術，結合GPS和INS測得的傳感器位置和姿態信息來獲取地面目標的三維座標，在高精度DEM中獲取，道路、電力線測繪，森林參數測量，城市建模等領域有着廣泛的應用。（詳細內容見另外一份資料）
機載激光雷達系統應用：Pos系統（GPS和慣性測量單元IMU）、激光器、激光信號接收處理裝置、計算機、航空平臺 - 星載激光雷達系統：與機載激光雷達相比，星載激光雷達系統具有許多不可替代的優勢。星載LIDAR採用衛星平臺，運行軌道高，觀測視野廣，可以接觸及世界的每一個角落，爲境外地區三維控制點和數字地面模型的獲取提供了新的途徑，無論對於國防或是科學研究都具有十分重大的意義。星載LIDAR還具有觀測整個天體的能力，美國進行的月球和火星等探測計劃在都包含了星載LIDAR傳感器，所提供的詩句資料可以用於製作天體的綜合三維地形圖。
二、點雲數據基本處理
- 點雲數據質量評定指標：噪聲級別：點雲與建模後目標對象之間的差距
密度：半徑爲p的球體內至少包含1個掃描點
完整度：用於衡量點雲數據的完整性
精度：用於衡量單個掃描點的採樣精度
對於地面掃描儀而言，掃描點誤差主要來源於測距誤差、測角誤差以及目標對象對激光束的影響（比如邊緣效應）等幾個方面
激光掃描的誤差來源與精度分析：以DTM生產爲例，其精度主要取決於三個主要因素：
a) 測距（The distance—measurement）
b) 慣性導航系統（The dynamic orientation(INS)）
c) 差分全球定位系統（The dynamic position of the sensor (dGPS)）
原始激光數據的濾波質量也對激光DTM的質量有很大的影響，可以使用不同的數學模型和算法 - 點雲處理流程：
![在這裏插入圖片描述]()
a) 數據預處理基本過程：根據數學模型綜合多種原始數據（定位、定姿、標定、掃描數據）進行座標計算，生成點雲，或稱距離影像
座標結算——》空間配準——》時間整合（不同時間分辨率的數據）——》姿態改正——》基於目標特徵的約束糾正和濾波（同一斷面與同一水平面）
b) 點雲配準及拼接算法：ICP(迭代最近點法)算法可用於解決點集、線段集合、隱式曲線（曲面）、參數曲線（曲面）三角形面片集合等相互之間的配準問題。Besl將待配準的兩目標對象分別稱爲數據體和模型體。其中，數據體必須以離散點集的形式存在。如果目標對象不滿足要求，則需要首先通過擬合以及提取頂點等方法得到可以表示其形體特徵的離散點集。算法對模型體的存在形式沒有要求，計算過程中模型體保持穩定。通過旋轉和平移數據體的方式調整兩者之間的相對位置，最終實現兩個三維形體之間的配準。
應用：配準、建模
ICP算法原理：以點集對點集（PSTPS）配準方法爲基礎，闡述了一種曲面擬合算法，該算法是基於四元數的點集配準方法。從測量點集中確定其對應的最近點點集後，運用Faugera和Hebert方法迭代計算，直到殘差平凡和所構成的目標函數值不變，結束迭代過程。ICP 算法最初由Besl和Mckey提出，是一種基於輪廓特徵的點配準方法。基準點在CT圖像座標系及世界座標系下的座標點集P = {Pi, i = 0,1, 2,…,k}及U = {Ui,i=0,1,2,…,n}。其中，U與P元素間不必存在一一對應關係，元素數目亦不必相同，設k ≥ n。配準過程就是求取 2 個座標系間的旋轉和平移變換矩陣，使得來自U與P的同源點間距離最小。其過程如下：
(1)計算最近點，即對於集合U中的每一個點，在集合P中都找出距該點最近的對應點，設集合P中由這些對應點組成的新點集爲Q = {qi,i = 0,1,2,…,n}。
(2)採用最小均方根法，計算點集 U 與 Q 之間的配準，使得到配準變換矩陣 R，T，其中R是 3×3 的旋轉矩陣，T 是 3×1 的平移矩陣。
(3)計算座標變換，即對於集合U，用配準變換矩陣R，T進行座標變換，得到新的點集U1，即U1 = RU + T
(4)計算U1與Q之間的均方根誤差，如小於預設的極限值ε，則結束，否則，以點集U1替換U，重複上述步驟。
c) 多站數據的自動拼接
多站數據的拼接主要發生在地面激光測量系統多測站數據間及車載激光測量系統和地面激光測量系統中
需要拼接的原因是由於單個視角不能獲取被測物體的全貌或者是對一個物體的多次測量
多站數據的拼接主要是基於點雲拼接的(ICP)算法
d) 圖像拼接：在多幅圖像合成時，事先會在待合成的圖片中提取一些關鍵的特徵點。計算機視覺的研究表明，不同視角下物體往往可以通過一個透視矩陣的變換而得到。RANSAC被用於擬合這模型的參數（矩陣各行列的值），由此便可識別出不同照片中的同一物體
RANSAC算法介紹：Random Sample Consensus（隨機抽樣一致性算法）先利用儘可能少的觀測值來建立目標模型，然後逐步吸納那些與此模型相符的觀測值。如果最終被吸納的觀測值超過預定的比例，則認爲這些觀測值爲有效觀測值，並根據這些觀測值採用最小二乘等數據處理理論求最終的模型參數。（它可以從一組包含“局外點”的觀測數據集中，通過迭代方式估計數學模型的參數。它是一種不確定的算法——它有一定的概率得出一個合理的結果；爲了提高概率必須提高迭代次數。）
RANSAC的基本假設是：
（1）數據由“局內點”組成，例如：數據的分佈可以用一些模型參數來解釋；
（2）“局外點”是不能適應該模型的數據；
（3）除此之外的數據屬於噪聲。
局外點產生的原因有：噪聲的極值；錯誤的測量方法；對數據的錯誤假設。
RANSAC也做了以下假設：給定一組（通常很小的）局內點，存在一個可以估計模型參數的過程；而該模型能夠解釋或者適用於局內點。
e) 點雲數據濾波（以車載激光掃描系統爲例）
要濾波的數據主要分爲三類：濾波無效數據，主要是超出射程及異常的數據
去除粗大誤差數據
去除一些ghost數據，主要是移動目標（行人、車輛、飛鳥等）形成的數據，這些數據的配準由相當大影響。
濾波定義：地面點與非地面點雲的分離
已有大量的文獻提出了各種濾波算法從點雲中提取DTM/DEM，但這些方法只能處理某種特點的數據，不能適用於綜合的地理環境，沒有通用性在進行LIDAR數據處理時，一個必要的前提就是給定一個規則來區分地面點和非地面點，這就是濾波算法的假設條件，不同的算法假設條件不同
爲了提高提取精度，除了LIDAR的強度信息外，有些算法還使用了其他供輔助信息，如光譜圖像和GIS、地圖等信息
f) 點雲數據分類及特徵提取—DOPP算法：
![在這裏插入圖片描述]()
根據像點空間特徵的分析，在此提出投影密度的概念：將3維座標點直接垂直投影到水平面上或者將z值取任意常數，統計和計算水平面上任意位置處所含投影點的個數，記爲DOPP（Density of Projected Points）。
在理想狀態下（目標表面平滑、無遮擋，所有采樣點均爲有效點），DOPP值與目標高度H、掃描儀中心到目標的垂直距離D、掃描儀的空間分辨率α相關。
爲了簡化計算，可以將測量區域劃分成規則的格網，將格網統一編號，統計每個格網單元上的投影點數，並以此數值作爲該格網單元的DOPP值，這樣就可將DOPP離散化表示。
DOPP值具有以下特點：
1.地面上的DOPP值比較均勻且整體上比較小
2.在建築物邊界，DOPP值遠大於其他區域，並形成可連續的帶
3.在建築物內部，如果去除噪聲影響，DOPP值爲0
4.獨立點狀地物，如燈柱DOPP值局部比較大，周圍比較小
5.塊狀地物，如樹，汽車等，DOPP值局部比較大且佔有一定面積，當格網面積增加到一定值時，塊狀地物與獨立點狀地物具有相同的特徵。
利用以上特徵，選取合理的閾值T1,T2就可以根據公式（3）對距離圖像進行平面分割
建築物：同一立面的點在同一垂直面上排列，z值均勻分佈；在建築物輪廓水平投影帶上採樣頻率大；在同一掃描斷面上，相鄰像點在平面上聚集，斜率近90度。
地面點：Z值小且變化不大；在水平面上呈不規則網狀分佈；距掃描儀越遠，採樣點間隔越大
獨立地物：高於地面點面低於自建築物頂部的點。樹具有一定高度和範圍，水平像點將呈現局部分散特徵，比周邊地形點高，在水平面上局部單位面積採樣頻率大；杆，數據點在小範圍內呈現數據點垂直排列且Z值均勻分佈的狀態；電纜，數據點的z值集中分佈在某一高度值。
閾值T1,T2根據實際情況和數據處理目的，分別由公式（2）確定。分割後可獲得個專題的距離圖像；對專題圖像的數據處理、特徵提取與建模、可視化表達將比原始距離圖像容易的多。特別是對建築物進行平面分割後，還可以在分割圖的基礎上（圖5中的灰色帶）直接進行建築物平面輪廓的特徵提取，進一步結合Z值就能重建建築物的立面特徵。
g) 點雲數據特徵提取
微分逼近法：
平面相交法：在線段的兩側選擇合適的點；
對點進行面的擬合；
對面的交線進行擬合
三、地物信息提取
- DEM提取：各種濾波算法從點雲中獲取
方法：形態學、線性預測、三角網、其他 - 建築物提取
建築物提取分爲兩步：建築物檢測、建築物重構（參數建築物模型和棱鏡建築物模型）
建築物提取MDL原則：該原則爲在普通框架中選擇和評價所選模型的參數提供方法，使我們能夠通過整合數據和模型信息來重構建築物形狀。MDL的核心思想是對象和模型間在信息描述上的權衡取捨
MDL=模型描述長度+誤差描述長度
其物理意義是對象描述所必須的信息量於所選擇模型所具有的信息量之間的匹配程度。如果獲得最小MDL，就以爲着對象描述所需的編碼長度與所構造編碼程序的編碼能力相吻合，既具有代價最小的優點。
A. 建築物提取—建築物發現：
建築物發現的主要思想：在DSN中隔離建築物信息，分割數據（用建築物的相關閾值如一層樓的高度來二元化數據）
步驟：1.計算地形表面的近似值。用給定閾值二元化生成第一次分割
缺陷：由於規則化和全局的閾值，建築物邊緣有舍入
第一次分割可能包括一些比周圍地形高但不是建築物的片段，如樹
解決：僅選擇那些面積比預測的建築物最小面積大的片斷。 - 改進分割：採用基於每個所選片斷界線框內的高度信息的局部閾值
改進分割後的片斷—二維信息
分析片斷和相關的界線框內的高度信息—高度信息
注：用幾何準則來區分建築物和其他高於地形表面的目標不足 是一直有效的。因此還使用採用其他信息的其它標準，如紋理信息或源於航空影像的邊緣信息
B. 建築物提取–建築物重構
a) 參數建築物模型：用於能用少數幾個參數描述的簡單的獨立建築物，如帶有對稱斜屋頂的建築物
b) 棱鏡建築物模型：包含規律性的生成知識，如正交性、平行性、共線性，用於複雜的建築物或建築街區
注：模型的選擇應基於MDL。模型的選擇並不與描述長度直接相關，而與描述長度相比不使用模型時的增加相關
c) 多面體模型（與上面兩個模型結合使用）
i. 屋頂平面發現：主要是發現建築物片斷和使用不同幾何屬性來探測深度和法線 不連續性。導出的不連續性地圖與建築物片斷結合。此結合產生了原始的屋頂片段。幾何規則，如點數和坡度用來選擇有效的屋頂片斷用於重構。
ii. 屋頂平面重構：重構的第一步是每個平面的參數估計。基於這些參數，自動發現了關於規律性的假設，這些規律給予應用有約束條件的全局估計的進一步的重構以約束條件。 - 植被提取
植被對激光脈衝有很好的反射率
一些脈衝點可能會穿過樹葉落在了地面上，形成了二次回波 - 道路提取
- 直接生成正射影像
- 自動獲取信息處理
- 其他應用
體積測量、室內結構重建、古物重建、逆向工程、小物體重建
四、激光掃描數據的三維可視化
A. 基於三角網的可視化：是構成面狀模型的可視化（包括體狀目標），包括建築物模型、地面模型等，得到具有一定紋理、光照或者運動效果的場景
B. 基於點雲的可視化：是單純地點雲數據的可視化，包括點雲高程着色、分類着色、強度顯示等。
其常用的技術有以下四種：
Progressive渲染技術：是大數據處理中使用的一種漸進式渲染的技術
Out-of-core技術：將計算的結果存儲在外存上，進行三維渲染和處理時，將數據由外存調入內存進行渲染處理
快速數據裁切技術：數據裁切是大數據可視化中能夠減少GPU繪製數據量的一個重要方法
四叉樹：是在D維空間中，在每一個維分成兩份，從而形成每一個父節點擁有2d個子節點的樹結構
五、激光掃描數據與影像數據的集成處理：
A. 直接生成正射影像：主要是通過激光掃描傳感器和CCD camera之間的幾何約束關係來實現，主要由激光系統和固定成像測量系統組成，有些系統可以直接提供對應激光測量點的灰度信息
B. 信息自動集成處理：主要是移動測量平臺，激光掃描傳感器和和CCD camera之間沒有幾何約束關係。或者約束關係誤差比較大，需要通過一些特徵點進行自動集成。
利用線性相機圖像對幾何模型的映射和重採樣：
a) 對每一個多邊形產生一個紋理圖片
b) 通過插值的方法使基於TIN的模型表明每一個點對應一個顏色信息
c) 對三角網的顏色進行同步
六、激光雷達的應用
a) 森林信息測量（森林分佈、結構、樹冠、木材量等）
測量林區DEM,檢測森林生長
森林參數測量
b) 海岸線的測量（機載）
c) 電力線的測量（機載、包括無人機）
d) 體積測量：如煤對測量
e) 古建築重建，室內結構重建（地面和手持激光掃描）
f) 古文物重建（地面和手持激光掃描）
g) 逆向工程，零件模型重建（小型的手持式或者是固定的激光掃描）
h) 機器人中的視覺系統（區別於基於圖像的視覺系統）
i) 路面檢測
七、車載激光掃描系統
車載道路激光測量系統基本原理
幾何紋理粘貼到幾何模型的原理如下：投影中心O,點p1和點p2三點位於一條直線上，p2爲直線與DEM的交點，求解交點座標就可以計算每一像素點的幾何座標和四維信息，即三維座標和紋理特徵，一旦完成計算就能將幾何紋理準確影射到幾何模型上。
距離圖像分割和特徵提取：
首先將城市環境中各類常見的特徵分爲兩類：人造的（如建築物、道路、公用設施、人行道、圍欄等）和自然的（如樹、灌木叢等），給出了建築物、道路、樹、隧道、車輛提取的方法
- 路面提取算法：用柱狀圖分析一條掃描線一條掃描線地處理，對每一條掃描線計算距離數據的柱狀圖（頻率），矩形框寬10cm
最高頻率值的矩形框作爲選擇路面反射的距離點的閾值，提取所有等於或低於閾值的點，認爲他們屬於路面
路面重構：每線取五點：最大值、最小值、大多數高度值的平均值、起點和終點
缺點：這樣不能生成非常平滑的路面，這是一個平滑性與數據量計算時間之間的交換
剩下的數據點，不屬於路面的將用來分析提取建築物的表面樹、公用設施和道路附屬物 - 分散點和不分散點提取
a) 建築物提取前的預處理
b) 區分自然特徵和人造特徵：來自樹的距離值分散
來自人造特徵如建築物、牆和道路的距離值相當平滑
識別反射自對傳感器掃描平面來說或垂直成水平方向的平面的距離點：設置一個±10cm的閾值和每束至少10個距離點
問題和難點：
a) 建立的建築物表面3維模型中有空的部分，可能是由於窗戶或分散數據造成的無激光點數據
b) 決定平面的正確大小，以準確表示每個單獨的建築物表面，識別建築物的準確高度不那麼容易，激光點的最上排不一定代表建築物的頂部
c) 識別兩棟相似建築物的邊界，別的信息源輔助識別
d) 同一棟建築物表面的平面間有縫隙，可能是由於缺少數據點或者分散的數據（玻璃窗） - 車輛的提取：
車輛的識別基於假設：車輛不管聽或開都在路的界線範圍內
車輛提取的基礎信息：反射點集呈現出的幾何結構取決於車輛到測量車的距離和測量高度
如果由車輛上表面（車頂）反射，反射點集可能水平的，說明被掃描車高度低於測量車且被掃描車距測輛車很近
如果被掃描車距測量車更遠一點，反射點將是倒“L”型或簡單的垂直排列的點
車輛的提取算法：
a) 距離數據用最小喝醉大高度閾值（1.3m和1.8m）進行第一次濾波
b) 選擇在道路邊界多邊形內的點
c) 通過距離的第二次偏差分析把他，們分成不同的組
d) 檢查每組中垂直或睡眠，或水平排列的點
e) 用直線去擬合每條掃描線上的點
f) 檢查在至少兩到三條相鄰掃描線上是否有相似的直線
未來發展方向
a) 硬件方面：傳感器的集成
體積小，測距遠，精度高，價格低
數據處理方面：地空一體化數據的融合
b) 應用方面：與攝影測量等的結合、基礎測繪領域、工業領域
![在這裏插入圖片描述]()
![在這裏插入圖片描述]()
測試結果
- 對於不同建築物、不同距離的掃描，高度H的精度要低於平面X方向或Y方向的精度。這與GPS姿態的解算精度是相吻合的，在GPS解算的三個姿態中，其中航向角的解算精度影像系統的平面精度，橫滾角的解算精度影響系統的高程精度，而橫滾角的解算精度相比於航向角，其精度要低的多，一般來講，橫滾角的解算誤差約爲航向角的2~3倍，所以上面的精度表中出現了高程精度相比於平面精度要低很多的情況
- 在多組實驗中，掃描距離都在100米以內，其平面精度都優於0.1米，滿足本車載系統要求平面精度達到0.1米的要求；但高程精度較差，且值不穩定
地形圖的識別
按照先圖外後圖內、先地物後地貌、先主要後次要、先註記後符號的基本順序。
一、大比例尺地形圖識讀
- 圖外註記識讀
圖名、圖號、接合圖表、比例尺、座標系統、測圖時間、圖示版本 - 地物識讀
根據地物符號和相關注記，瞭解地物的分佈和地物的位置。 - 地貌識讀
根據等高線判讀出山頭、窪地、山脊、山谷、山坡等基本地貌，並且根據特定的符號判讀出雨裂、沖溝、峭壁、懸崖、崩塌、陡坎等特殊地貌。同時根據等高線的密集程度來分析地面坡度的變化情況。
二、中小比例尺地形圖的識讀 - 梯形分幅和編號
1:100萬比例尺地形圖，經度按6度劃分，緯度按4度劃分。 - 圖廓註記
- 圖外註記識讀
- 地物識讀
- 地貌識讀
三、地形圖的應用 - 確定點的平面座標（與格網點地圖量算法）
- 確定點的高程
不在等高線上根據相鄰等高線間平距與高差成正比例，按照等高線勾繪的內插方法求得該點的高程。 - 確定兩點間的水平距離
- 確定直線間的座標方位角
- 四、確定兩點間的坡度
四、面積量算 - 幾何圖形圖解法
具有幾何圖形的面積可用圖解幾何圖形發來測定。即將其劃分成若干個簡單的幾何圖形，從圖上量取圖形各幾何要素，按照幾何公式來計算各簡單幾何圖形的人面積並求其和得到測定圖形的面積。
常用的方法有：三角底高法、三角三邊法、梯形底高法和梯形中線與高法。 - 座標計算法
- 膜片法
- 求積儀法
五、工程建設中地形圖的應用 - 按照指定方向繪製縱斷面圖
- 按照限制坡度選擇最短路線
- 確定匯水面積
- 場地平整時的填挖編輯確定和土方量計算
六、建築設計中地形圖的應用
給水排水工程設計中的地形圖應用
城市規劃用地分析中的地形圖的應用
七、地籍測量概述
地籍測量又稱爲徒弟的戶籍測量，主要是測定和調查土地及其付着物的權屬、位置、數量、質量和利用現狀等基本情況的測繪工作。地籍測繪的成果包括地籍圖和地籍簿冊。
界址點的測量方法：解析法、部分解析法和圖解法三種。
地籍圖的圖面包括：地籍要素、地物要素和數學要素。
八、1:1萬地形圖圖廓在地形圖應用中的作用
1:5000——1:10萬（包括了1:1萬）
從地圖上可以直接量取各種精確的數據，並能在圖上進行規劃設計，可作爲專業調查和填圖的工作地圖和編制專題地圖的地圖；
1:25萬——1:50萬
精度低於大比例尺地形圖，一般作爲總體規劃用途，也可作爲小比例尺專題地圖的地圖
小於1:100萬
特點是綜合程度大；概括的表示區域的地理特徵稱爲“一覽圖”，作爲國家、省總體規劃和全國性的各種專題圖的地圖
1：1萬地形圖主要用於小範圍內詳細研究和評價地形，城市、鄉鎮、農村、礦山建設的規劃、設計，林斑調查，地籍調查，大比例尺的地質測量和普查，水電等工程的勘察、規劃、設計，科學研究，國防建設的特殊需要，以及可作爲編制更小比例尺地形圖或專題地圖的基礎資料。目前的大範圍1：1萬圖主要是以航拍的方式完成,衛拍的也有.當然,也有局部區域的數據是在地面測量得到的（航拍技術出現之前,主要採用地面測量）.
1：1萬圖的精度及分辨率都不高,所以成圖成本並不高,特別是對於大範圍的測量,採用航測手段來完成是比較合算的
九、權屬調查的核心和主要內容
要求對每宗土地的登記應反映登記對象質和量方面的要素，包括土地權利主體、土地權屬性質和來源、土地權利客體及與這三方面直接相關的其他內容。
土地權屬調查指通過對土地權屬及其權利所及的界線的調查，在現場標定土地權屬界址點、線，繪製宗地草圖，調查用途，填寫地籍調查表，爲地籍測量提供工作草圖和依據。土地權屬調查的基本單元是宗地。
權屬調查和地籍測量有着密切聯繫，但也存在着質的區別。權屬調查主要是遵循規定的法律程序，根據有關政策，利用行政手段，調查覈實土地權利狀況，確定界址點和權屬界線的行政性工作，權屬調查工作主要是定性的；地籍測量則主要是測量、計算地籍要素的技術性工作，地籍測量工作主要是定量的。
權屬調查是對建制鎮內部每宗土地的位置、土地權屬、界址和地類等的調查
核心野外標界址點，調查土地相關屬性