激光雷达实习报告

激光雷达实习报告机载激光雷达实习报告
姓名：
学号：
班级：
指导⽼师：
成绩：
年1⽉2⽇
评语
⽬录
Las⽂件处理程序设计 (1)
⼀、数据读取 (1)
1.1 LAS⽂件格式 (1)
1.2数据读取及存储 (2)
⼆、建⽴⽹格 (3)
三、建⽴索引 (4)
四、点云显⽰ (4)
TerraSolid软件实习 (5)
⼀、TerraSolid软件认识 (5)
1.⽬的及内容 (5)
2.实习过程 (5)
3.各模块主要功能 (6)
4.基本操作 (7)
⼆、滤波分类 (8)
1.⽬的及意义 (8)
2.实习过程 (8)
三、建⽴DEM (12)
1.⽬的及意义 (12)
2.实习过程 (12)
四、实习体会 (13)
Las⽂件处理程序设计
⼀、数据读取
机载激光雷达测量（简称LIDAR ）是⼀种新兴的遥感⼿段。

它由激光测距系统，卫星导航、惯性导航（ DGPS / IMU ）组合系统组成，能够直接、快速、⾼效地测量地形表⾯三维坐标，可以便捷地由激光点云数据⽣成数字表⾯模型（DSM ）。

⽬前投⼊商业运⾏的机载激光雷达系统主要有：TopScan 、Optech 、TopSys ，以及Leica 公司的Leica ALS50 等。

典型LIDAR 处理软件有： TerraScan 、 LID-MAS 、LIDAR-analyst 等。

各硬 ( 软 ) 件商也分别提供了⾃⼰的 LIDAR 数据格式，常见的有： Leica 采⽤ ASCII形式的 Pts ， Ptx 格式及 TerraScan 采⽤⼆进制的 Bin 、Ts 格式等。

采⽤ ASCII 形式的 LIDAR 数据读取⽅便，但是数据没有压缩，占⽤内存较⼤。

所以在进⾏ASCII 形式的不同 LIDAR ⽂件格式转换时会带来三个问题：第⼀，由海量数据所导致的格式转换速度过慢；第⼆，转换后数据细节信息容易丢失；第三，数据长度不固定难以建⽴索引。

鉴于上述问题，美国摄影测量与遥感 (ASPRS) 协会下的 LIDAR 委员会于 2003 年发布了 LIDAR 数据的标准格式 LAS1.0 版。

此后，经过不断改进，⼜陆续发布了 1.1 版、 2.0 版（暂定）、 1.2 版和 1.3 版。

其中， 2.0 版（暂定）在1.3 版发布后开始重新修订。

1.1 LAS⽂件格式
⼀个符合 LAS1.0 标准的LIDAR ⽂件由三个部分组成：公⽤⽂件头区、变长纪录区和点数据纪录区。

其中，公⽤⽂件头区纪录的是⼯程 ID 、采集⽇期、⽣成⽅式、点个数、使⽤坐标系、⽐例尺因⼦和坐标偏移量、最值等基本信息。

变长纪录区的长度是灵活可变的，⽤来纪录数据的投影信息、元数据和⽤户⾃定义信息等。

点数据纪录区包含了数据点的三维坐标，点分类及回波强度信息等。

LAS1.3中增加了扩展变长纪录区（或称为波形数据区），⽤于说明激光回波波形信息，在原有的变长纪录区中添加波形描述符。

为了⽅便后期的识别与处理，扩充了点分类的类型…。

2.0 版（暂定）结构灵活、可扩展的特性使机载、地⾯激光扫描仪甚⾄任何三维点云共⽤相同的⽂件存储格式成为可能。

为了区分不同类型的点数据，LAS2.0 版（暂定）中新增元数据区，⽤户可以根据⾃⾝需要在元数据区定义新的字段名和数据类型。

LAS1.0格式结构图：
1.2数据读取及存储数据读取及存储部分代码：
读取结果：
⼆、建⽴⽹格
激光雷达的数据量⼗分庞⼤，因⽽在编写处理点云数据的程序时提⾼运⾏效率是最基本的任务。

为了避免重复读取全部点云数据，可以在第⼀次从las⽂件读取时建⽴起⽹格，根据点位坐标把不同的点存储在不同的⽹格中。

⽹格的分割可以根据点云的数据量以及点云的坐标范围来确定。

⽹格索引的建⽴⽅法⽐较简单，但是其缺陷也很显⽽易见。

⽐如在点位分布不均匀的时候，有些⽹格内部存储的点云数量可能很⼩，⽽有些⽹格的数据量可能很⼤，这也会影响到程序的读写速度。

解决思路是可以在当前⽹格索引的基础上建⽴⼆级甚⾄三级索引，即如果⼀个⽹格的数据量过⼤，可以把该⽹格继续划分为更⼩的⽹格，直⾄分配合理。

三、建⽴索引
有了完成的⽹格就很好在此基础上建⽴起索引。

当搜索某⼀矩形区域的点位数据时，先进⾏判断检索区域在那⼏个⽹格中，然后根据点位坐标检索那⼏个⽹格中的点，找出符合要求点位坐标。

索引部分代码：
四、点云显⽰
显⽰部分⽤的是OSG。

OpenSceneGraph（简称OSG）使⽤OpenGL技术开发，是⼀套基于C++平台的应⽤程序接⼝（API），它让程序员能够更加快速、便捷地创建⾼性能、跨平台的交互式图形程序。

显⽰结果：
TerraSolid软件实习
⼀、TerraSolid软件认识
1.⽬的及内容
安装MicroStation、TerraSolid软件，掌握软件各模块功能。

根据已有的MicroStation和TerraSolid安装包安装软件。

通过教学视频tscan_training进⾏学习，实习内容以该教学视频为主。

2.实习过程
安装MicroStation v8，使⽤试⽤版本。

安装完成运⾏MicroStation v8，新建，⽂件名为
“test2”，主界⾯如下：
图1-1 MicroStation v8主界⾯
安装TerraSolid，将安装包中的TerraScan、TerraModeler、TerraMatch、TerraPhoto、TerraSurvey⼏个模块分别安装。

安装成功后，在MicroStation v8中进⾏加载即可使⽤相应的模块功能，如加载TerraScan，通过Utilities-> MDL Aplication加载TSCAN，其他模块的加
载⽅法相同，成功后出现相应的模块，使⽤相应的功能即可：
图1-2 MDL窗⼝
3.各模块主要功能
TerraScan 模块是⽤来处理数以千万计的激光点数据，较⼤内存的计算机⼀次能处理超过1000万个点。

软件⾥提供的⼯具可以⼴泛应⽤于电⼒输送、洪⽔分析、⾼速公路设计、钻孔勘探、森林普查、数字城市建模等不同领域。

TerraModeler 是基于 MicroStation 之上的建⽴地表模型软件，可以通过本模块建⽴地表、⼟层或者设计⽂件的三⾓⾯模型，模型的产⽣可以是基于测量数据，图形元素或者是XYZ ⽂本⽂件的。

TerraModeler 可以在同⼀个设计⽂件中处理没有数量限制的不同表⾯，并且
可以交互编辑这些表⾯。

TerraPhoto 模块根据航空影像产⽣正射影像，是专门设计为处理执⾏扫描任务产⽣的影像⽂件，并且要应⽤到激光点⽣成的精确地表模型。

整个纠正过程可以在测区中没有任何控制点条件下执⾏。

TerraMatch⽤于解决IMU飞⾏姿态参数，确定飞⾏姿态，⽤于系统检校、航带平差。

4.基本操作
数据的读取与显⽰。

从TerraSolid菜单中选择File->Read Points，选择“lidar数据->建筑物⽂-
>/doc/fb6044b1760bf78a6529647d27284b73f24236df.html s”单击Add后单击Done，设置参数后确定，即可在窗⼝中显⽰出点云数据。

图1-3 las数据显⽰
数据的显⽰模式，可以对同⼀数据进⾏不同的显⽰。

通过“View->Display mode”对点云数据进⾏不同模式下的显⽰。

“Display mode”菜单命令控制激光点如何显⽰在视图窗⼝中。

可以控制哪些点可见，以及它们如何被着⾊。

通常情况，最常⽤的是根据点的类别显⽰激光点，另外还有根据航线显⽰激光点。

通常激光点以点类的颜⾊着⾊。

同时，也可以选择，以回波、⾼程、航线、强度、距离和点⾊来作为着⾊的依据。

图1-4 显⽰模式窗⼝
⼆、滤波分类
1.⽬的及意义
LiDAR 数据经过预处理之后得到了具有精确三维坐标的⼤量离散数据“点云”，这些数据点有的位于真实的地形表⾯（裸露的地⾯、道路等）上，有的位于地物（⼈⼯建筑、⾃然植被、车辆等）上。

为了从LiDAR 点云数据提取数字地⾯⾼程模型
（DTM/DEM），需要将其中的地物点（位于地物表⾯的数据点）去掉，这⼀过程与图像噪声滤除相近，通常称为“滤波”。

LiDAR 点云数据滤波主要是指基于相关信息建⽴若⼲判别规则（⼜称假设条件），然后依据这些判别规则从点云数据中剔除地物点，获取地⾯点的过程。

⽬前，绝⼤部分的滤波算法都是基于⾼程纹理信息进⾏的，并且通常有两个判别规则：⼀是在⼀
定范围内地物点均⾼于地⾯点；⼆是⾃然地形坡度的变化总在⼀定限度之内。

机载LiDAR 航飞获取的原始激光数据在经过数据预处理之后就是海量的激光点云数据，这些点云数据包括地⾯点、植被点、建筑物点、⽔域点、其他地物点以及噪声点，且都在同⼀个数据层。

激光点云数据分类就是要将这些点放在预先定义的数据层中，⽐如，地⾯点放在ground 层，植被点放在vegetation 层，建筑物点放在building 层等，其中重点是要分出地⾯点，从⽽⽣成DEM。

2.实习过程
在处理前，由于点云数据的坐标系为WGS-84，在处理之前需要先将其转换到我们需要使⽤的坐标系下，此处做分类暂不考虑坐标系的问题，故先不转换坐标系。

1)设置分类层并将所有的点分类到default类。

根据数据后处理的需求设定不同的点层，并设置该层描述语、编号、颜⾊等显⽰信息。

图2-1 分类层窗⼝
2)分离低点。

分离低点规则是把较低的点从与其相邻的点中分离出来。

经常⽤于搜寻明显低于地⾯的点，⽽这些点可能是错误的。

这⼀算法的基本原理是：⽤⼀个点（中⼼点）的⾼程值与给定距离范围内每⼀个点的⾼程值⽐较，如果中⼼点明显低于其它点，这个点将被分离出来为⼀类。

有时会有错误点密度较⾼的情况，如果有⼏个错误点彼此离的很近，搜索单⼀点并不能发现它们。

所以，这⼀规则也可以把⼀组点从它们周围的点中分离出来。

选择“Classify->Routine->Low points”，分离低点窗⼝如下：
图2-2 分离低点窗⼝
分离低点时，需要重复分离⼏次，此处先将More than设置成1.00m，Within设置成15.00m，第⼆次重复次步骤，将More than 设置成0.50m，Within设置成10.00m，这样能
让低点分离的更准确⼀些。

在“Display mode”中只显⽰Low point可以在窗⼝中看到低点。

结果如下图，图中的点即为低点。

图2-3 低点显⽰窗⼝
3)分离地表点。

地表点分类算法是通过反复建⽴地表三⾓⽹模型的⽅式分离出地表上的点。

这⼀算法在开始时选择⼀些低点，认为它们是位于地表处。

通过“Max building size”
参数来控制初始点的选择。

如果建筑物的最⼤边长是60⽶，应⽤程序认为每隔60⽶⾄少
存在⼀个位于地表处的点，也就意味着该点就位于地表处。

这⼀算法应⽤选中的低点建⽴
初始模型，这⼀初始模型的三⾓形⼤多数低于地⾯，只有最⾼点接触到地表。

然后，算法
通过反复加⼊新的激光点开始向上扩建模型，每个加⼊的点使模型更加贴近地表。

图2-4 地表分类窗⼝
⾸先需要先找出最⼤建筑物的⼤⼩，在分类窗⼝中设置Max building size。

图2-5 地表点分类
4)分离低于地表点。

低于地表分类算法是把⼀些低于邻近点的点从源类中分离出来。

这⼀⽅法在地表分类之后运⾏，⽬的是确定哪些是低于真实地表⾯的点。

图2-6 低于地表分类窗⼝
设置Limit参数时，需要采⽤不同的值，观察在那种值下分类效果更好，采⽤较好的值会得到较好的分类效果，经反复测试，本处使⽤9.0。

将低于地表的点分离出来后，将其划分到Low point中。

在分类时，如果有多个块，使⽤上⾯的分类⽅法可能需要重复相同的步骤，有很多块时重复⼯作⼤，此时可以使⽤宏命令，即将之前⽤到的规则添加到宏命令中去，应⽤与相应的点云块即可按照相应的规则分类。

图2-7 录制宏命令
5)由于⾃动分类存在⼀定的误判，分类出来的不理想的地⽅需要⼈⼯进⾏调整，使⽤Model控件可以达到这⼀效果。

在分类结果上，不断的查看，如果有不协调的地⽅则采⽤Model的中的功能进⾏调整。

如果有数码影像，则可以将其与点云数据融合，更加有利于⼈⼯编辑。

a) Assign Point Class b) Classify Using Brush
c) Classify Fence d) Classify Below Line
图2-8 Model功能
三、建⽴DEM
1.⽬的及意义
主要掌握使⽤TerraModeler模块进⾏DEM的制作，LIDAR对天⽓和⽓候条件的依赖较少，不需要昂贵的测图设备，特别适合于森林、沙漠等⽆地⾯控制的困难地区等优势，已成为⼀种新的获取 DEM数据的⽅法，掌握DEM可以以后的学习、研究、⼯作打下基础。

2.实习过程
通过分类出来的地⾯点数据来⽣成DEM。

1)加载TerraModeler模块。

使⽤加载TerraScan模块相同的⽅法加载。

2)建⽴DEM。

使⽤“Display Surface”中“Display Shaded Surface”功能，在视图1中创建DEM。

图3-1 Display Shaded Surface
DEM建⽴结束后效果如下图：
图3-2 创建DEM
由于该地区为平坦地区，故⾼程变化较⼩。

DEM创建完成后，同样存在问题，需要查
看每个看上去奇怪的地⽅，那⾥可能就是由于数据有问题引起的，需要⼿⼯编辑进⾏修正。

四、实习体会
本次实习主要使⽤TerraSolid软件对点云数据进⾏了滤波分类，建⽴DEM。

由于LIDAR 相对传统的摄影测量和地⾯测量具有天然的优势，特别是在获取⾼程⽅⾯，所以我对这门
技术⽐较感兴趣，学习的时候也⽐较专注。

通过本次实习，我掌握了LIDAR数据处理的流
程，掌握了软件的⼀些基本功能，但仍有许多地⽅不了解，在今后要多加练习。