激光雷达数据处理的质量控制优化

地面和机载测绘平台上的激光雷达系统已被证明是生成高精度、高密度点云的有效工具，适用于各种应用。然而，满足这些应用程序的需求需要对点云进行严格的质量控制(QC)。到目前为止，大多数QC活动都集中在检查点云的位置质量(确保导出的点云的坐标没有系统误差)，这是合理的，因为相对于基于图像的映射，激光雷达相对成熟。然而，最终用户主要感兴趣的是从这些数据派生出来的产品(例如DTMs、分割的特征、分类的特征和识别的对象)。

目前，此类产品的标准化技术的发展很少被提及。因此，我们应该在考虑其实用性的同时，建立这些技术，并在激光雷达界推广使用。怎样才能使质量控制程序对所有利益相关者(即数据提供者、最终用户和监管机构)更具吸引力?传统上，QC活动被认为是一个基于一组规范的接受或拒绝的过程。为了加快QC活动的采用，这些工具应该产生更高的生产力和节省成本。为增加吸引力，应牢记以下几点:

1. QC应确定交付的产品是否符合规定的规格

2. 定量QC比定性QC更有吸引力

3. 如果交付的产品不符合规定的规格，需要采取以下措施:

   1. 找出偏差的来源

   2. 固定数据以满足设定的规格。

一种可能的方法是，根据手头的数据处理确定可能发生的不同问题场景，设计一个过程来检测此类问题的频率，并设计一个过程来修复数据产品。例如，如果考虑的数据处理是对平面特征的分割，可以发现以下问题可能会影响分割结果:

1. 错误的非分段点(即一些非分段点应该被纳入已确定的分段中)

2. 过度分割(即单个平面被分割成多个段)

3. 未分割(即多个平面被错误地分割为一个分段)

4. 入侵/被入侵的片段(即一些片段正在入侵或被其他片段入侵)。

除了量化数据处理活动的结果和交付更好的产品外，拟议的QC策略将使交付的产品质量对所使用的工具不那么敏感。换句话说，不管处理算法如何，结果都是一致的。总而言之，激光雷达行业应该意识到，有必要为激光雷达数据处理开发一套定量的QC程序，从实践和财务角度来看，该程序应该对数据提供者和最终用户都具有吸引力。