点密度和处理多源激光雷达数据的挑战

在过去的几年中，LiDAR系统已成为快速收集高密度3D点云的领先技术。这些系统的出现降低了成本，并增加了针对各种应用程序的准确3D数据的可用性，例如地形映射，环境监测，运输计划，紧急响应，3D城市建模，遗产文档和森林映射。为了满足这些应用程序的需求，应处理收集的点云以提取有用的信息。点密度是相互间距的指示，是在各种处理活动中应考虑的关键数据特征之一（例如，邻域定义，分类，细分，特征提取和对象识别）。绝大多数现有数据处理技术都假定收集的点云具有均匀的点密度。但是，人们应该期望收集的数据可能由于采集系统轨迹的扰动，映射表面的反射特性的变化，重叠条的数量，重叠条的数量和/或掺入陆地激光扫描系统而导致的点密度有显着差异。因此，数据处理技术应考虑有关数据集中点密度的可能变化。此功能将确保开发的处理技术在处理由不同平台和/或来自不同来源捕获的数据集中的灵活性。然而，有效考虑点间距的变化取决于制定评估局部点密度的标准度量。

迄今为止，仅尝试了几次尝试评估激光扫描数据中的局部点密度。此外，当前点密度仅考虑点云的2D分布。因此，仅在处理空气载系统在平坦水平地形上获得的点云时，所得的措施才有效。此外，尚未研究考虑数据处理阶段中不同点密度的含义。在尝试使用来自多个来源的异质点云和/或由不同平台捕获的异质点云的国家覆盖范围时，建立评估本地点密度的标准的需求更为明显。因此，激光雷达社区需要访问定义局部点密度的标准化措施，同时考虑点云的3D分布以及封闭各个点的表面性质，以评估局部点密度。此类措施将对增加当前数据处理技术的灵活性在处理空气载和陆地扫描仪系统捕获的数据中的灵活性。此外，这些措施将充当质量控制标准，以确定是否已达到所需的点密度。