点云数据获取及预处理的研究

刘 煜 焦明连

（江苏海洋大学，江苏 连云港 222000）

0 引言

三维激光扫描技术的研究始于20 世纪80 年代，国内在20 世纪90 年代也开始了对此项技术的研究。我国在863计划当中重点支持三维激光扫描技术的研究，至此掀起了三维激光研究的热潮，研究成果丰硕，极大地推动了国内各领域的蓬勃发展。

地面三维激光扫描技术以激光测距原理为基础，将发射的激光光束投射到待测目标物体表面，再根据激光反射到机器站点的时间，就可以快捷、精确地获取测站与物体表面之间的距离。该种方法获取的数据以海量点云数据的形式保留，测距范围在1 000 m 以内，采样精度可达毫米级，可以满足绝大部分的变形监测、断面与体积获取、地形图绘制、古建筑与文物保护、各类工民建工程的精度需要。这种测量技术有着传统接触式测量无可比拟的优势，尤其是体现在古建筑和古文物的保护上，不仅有效地减少了工作人员对待测物体的接触和非人为的破坏，还可以通过三维建模的方式，将待测物体表面的外部轮廓的重要信息以点云数据的形式永久保存，便于后期查阅科研的需要。

1 点云数据

采集到的点云数据大致有以下4 个特点。1）数据的庞杂性。这是由三维激光扫描的技术特点决定的，它可以以每秒百万个数据点的速度获取物体表面的轮廓信息，为后续工作提供数据基础。2）数据的衍生性。点云数据不仅包含了距离信息，同时也记录了对象表面的三维坐标信息，对象的反射率、反射强度、点到扫描仪中心的距离、水平角、垂直角以及偏差值等信息，这些信息被称为地面激光点云的衍生信息，在点云数据处理过程中常常被忽略。3）数据的噪声性。点云数据同传统的水准测量、全站仪测量一样，都是具有误差的，这主要取决于仪器、环境、人等多方面因素，噪声的多少对内业数据处理工作都有着基础性作用。4）数据的一次性。点云数据的获取基本单位都是由测站点的个数决定的，假如一个测站扫描出现偏差，那么就需要重新扫描，每一个独立的扫描点都是单一时刻的信息。

该文所要探讨的核心是如何提高点云数据的数据精度，并对其数据预处理进行介绍。

2 多站点云数据的获取

2.1 多站点云数据的采集流程

只有科学合理地安排点云数据的采集工作，才能高效地完成各项具体任务。点云数据的采集流程具体可分为8个步骤，流程图如图1 所示。

图1 点云数据采集流程

2.2 外业点云数据采集

在三维扫描仪的扫描过程中，影响点云数据精度的因素来自多个方面，主要有扫描距离、物体表面材质、控制网、标靶测量精度、光斑大小、扫描点间距、全反射物质、外界环境等。上述所有因素都对点云数据的精度产生巨大影响，因此，我们必须采取切实有效地措施来降低外界干扰。具体有以下5 个措施[4]。1）适当缩短扫描仪测站与低反射率的待测目标物体之间的距离。2）仪器站点面对物体时，尽量减小发射和接受光束的张角。3）合理安排外业工作时间，避开恶劣天气和高温/低温时段。4）选择2"或2"以上的全站仪进行控制网布设，标靶测量采用免棱镜方式测量。5）平面与高程控制网的平差优先选择整网平差的计算方法。

3 点云数据的预处理

点云数据的预处理是整个地面三维激光扫描技术是否可以将扫描得到的点云数据用于生产应用的关键，也是后期三维建模、三维可视化的重要工作。国内外多位学术专家学者在数据预处理方面投入了大量的时间、心血，可以说研究成果也是相当丰硕的。点云数据的预处理大致包含了数据初步规整、数据拼接、数据精简压缩和数据的光顺去噪等步骤。

3.1 数据初步规整

面对海量的点云数据，如果我们只去求得单个点的三维坐标的具体数值，几乎是没有意义的，因为它不能代表或不能体现出物体表面的任何信息。假如我们全部分析每个点，工作量非常大，并且必然存在大量的噪声，费时费力。所以在面对海量的点云数据时，我们更应该研究它的整体性，比如曲率、法线向量等信息，这样更有助于我们分析真实的物体信息。

一般来说，获取的点云数据所占的空间相当巨大。这对计算机的读取和存储的要求就很高。从读取的角度上看，目前较为常见的存储格式有ASCII 格式和二进制格式2 种。ASCII 格式的优点是通俗易懂，缺点是占用空间较大。二进制的优点是数据量小，保密性强，缺点是不易于数据传输以及与各平台之间进行数据交换。目前点云数据的结构形式划分较为固定，主要有均匀网格结构、k-d 树结构和八叉树结构等。均匀网格结构较为机械，脱离了数据的自身特点，且占用空间较大。k-d 树结构根据数据结构是的特点建立，但随着数据量的增加，其结构节点数也随之增加。八叉树结构结合了上述2 种方法的优势，并且可以自主添加和去除数据[5]。

3.2 数据拼接

所谓数据拼接，其含义就是将不同视点和坐标系中的点云数据统一到固定的坐标系中的过程。数据要拼接的根本原因是由于被测物体不能由一个测站一次性全部扫描完成，要设立多个站点才能全方位的采集物体表面的全部信息。针对多站激光点云拼接技术的研究一直是地面三维激光扫描测量数据预处理的研究热点，其中高精度与自动化是研究的重点。

在实际的工程中，常用的坐标系统有扫描仪自身坐标系、相机坐标系、大地坐标系以及项目坐标系。常用的拼接方法可以简单地分为粗拼接和精拼接2 种，其精拼接过程是数据拼接的重点与难点所在。粗拼接过程所解决的问题是将点云数据所在的不同坐标系转化到统一的坐标系统中去，为精拼接提供一个良好的初始值[2]，赵夫群[3]提出的配准算法是先估算点云数据的曲面法矢，计算出各点的曲率，根据曲率匹配点对集合，采用几何哈希方法计算三维空间变换，实现粗配准。李鹏等人[6]提出了三维激光点云数据虚拟特征点拟合算法，根据实际特征点拟合生成虚拟特征点，此算法可以拟合出因设备及操作方法等原因而未采集到的角点数据，减少了处理数据量，可以获取更精确的初始配准变换参数。精拼接最经典也是最常用的方法就是ICP（迭代最近点）算法，该方法源于图像配准中，目前广泛应用于点云数据拼接中。刘舜等人[8]简化了ICP算法，将特征点集设定为3 个及以上的参考标志点，并匹配参考标志点，用最小二乘法求解。但ICP 算法也存在一些不足，首先，计算的同名点对邻域最小值必是全局最小值。其次，从计算代价方面来看耗时较多，因为ICP 算法不仅需要通过迭代运算求最小值，而且需用搜索算法找到一个点集里每个点在另一个点集里对应的点[9]。所以未来对于ICP 算法的改进还是研究的热点。值得一提的是在李建，王宗敏等人[1]在数据拼接方面提出了具有创新意义的基于强度信息的2D-3D 点云数据高精度全自动拼接方法。该方法基于点云数据信息的衍生信息这一概念，通过三次样条插值算法，先生成二维影像，采用基于GPU 的加速尺度不变特征变换（SIFT）算子匹配得到二维同名特征点，然后剔除粗差，反算得到特征点在三维点云中的坐标，最后通过三维空间法向量对三维同名特征点进行精炼[10]。

3.3 数据精简压缩

由于激光扫描仪器扫描频率高、时间间隔短、扫描范围大，导致其得到的点云数据量非常庞大，面对如此海量的数据，存储与读取都成为很难突破的技术难点。在此基础上，如果要对数据信息进行必要地分析与提取就更难了。因此，要想解决此类问题，就必须要保证物体几何特征和数据量。数据精简压缩的点云类型包括散乱的点云、扫描线式点云、网格化点云、多边形点云[7]。目前能够较好权衡矛盾双方的方法是曲率采样法。

曲率采样法适用于散乱的点云，其原则是小曲率区域保留少量的点，而大曲率区域则保留足够多的点，以此来精确完整地表示曲面特征。这是一种根据物体的几何特征对测量数据的点云进行精简的方法。此类方法能比较准确地保持曲面特征并有效减少数据点，提高数据处理效率。

3.4 数据光顺去噪

激光扫描设备采集数据时，不可避免地会存在遮挡、光线不充足，角度偏大或偏小，仪器误差的问题，进而导致误差点甚至是错误点的出现。这些误差点和错误点如果出现明显偏差，比如偏离物体表面轮廓，一般可以通过人工手动删减的方式轻松去除，但如果这些点随机出现在物体轮廓内部，处理起来就比较复杂了，必须通过特定算法去除。发生此类情况的原因主要与物体表面材质、光滑程度，激光光束入射角有关。如果机械地去除此类存在细小误差的点，很容易导致物体表面出现大面积空洞的情况。目前点云数据光顺去噪的方法一般都来自图像处理领域，根据算法应用的最初对象可以分为点云三角网化数据[5]和直接针对散乱点数据2 种类型。光顺去噪所起到的作用更多的是在同一层面上，但去噪后的点云数据量还是很大，还需要进行滤波运算。

4 结语

随着多站高精度点云数据的获取及其数据预处理研究的不断深入，地面三维激光扫描技术的应用领域越来越广泛。该文以较为完整地点云数据获取及预处理的相关流程为基线，论述了当前点云数据领域的发展现状，对各个关键流程中的技术要点与难点进行了阐述，希望通过点云数据领域众多专家学者的不断努力，可以取得更多的研究成果。

目前，研究的热点还是集中在如何能够高精度、自动化的拼接数据，但也存在需要解决的问题，主要包括以下4 点。1）对于ICP 算法的改进依旧是当前的主要任务。2） 是否能够将点云数据的衍生信息运用到数据拼接当中也是值得探讨研究的。3） 数据在精简压缩的过程中，需要更优良的精简算法。4）数据光顺去噪中至今还没有质量评价标准。