认识“点云”，继地图和影像后的第三类空间数据
The following article is from 赛杰奥 Author 杨必胜，董震
点是人类感知和认知世界最为原始的概念，也是欧氏几何学中最简单的图形。在宁静的夜晚，当我们仰望星空时，能看到散布在宇宙中的无数星星点点；在超真实的艺术家手里，密集的点云下是栩栩如生的人物肖像、怒放的花朵。点的云集掀开了人类观测世界的新篇章，重构了我们的世界。
作为我国点云研究的一本开山之作，武汉大学杨必胜教授及其研究团队的《点云智能处理》出版恰逢其时，是第一部关于点云处理的系统性专著，反映了我国学者在点云融合、三维信息提取与表达方面的最新研究成果，也对当前的智慧城市建设、数字孪生、城市信息模型（CIM）等应用具有重大的指导意义。
中国科学院院士
准确、实时的地理信息，尤其是三维地理信息是地球系统科学研究不可或缺的重要支撑，也是地球科学大数据、数字地球、智慧城市等科学与工程的重要组成部分。以地图和影像为代表的二维空间数据表达已经走过了漫长的历史，但远远不能满足人们对现实三维空间认知和地学研究的需求。
以激光扫描、摄影测量等为代表的方法为现实世界的三维数字化提供了直接有效的手段，获取了具有三维空间位置和属性信息的稠密点云。
随着点云获取技术的快速发展，点云作为三维地理信息获取的重要数据源在科学研究与工程应用中发挥越来越重要的支撑，如：地球系统科学、基础测绘、智慧城市、文化遗产数字化保护、无人驾驶、基础设施安全监测、影视娱乐等领域。
▲ 原始点云
▲ 目标自动化提取
▲ 实景三维模型
▲ 数字孪生城市
点云的基本特点
点云（point cloud）已成为继地图和影像后的第三类空间数据，是现实世界三维数字化的一种表达方式，其不同于传统的二维栅格影像数据和结构化的矢量地图数据，具有如下特点。
三维表达、高密度、非结构化
点云是目标表面结构三维数字化表达，由一个个散乱的三维点组成，具有准确的三维位置信息，并具有高密度特性，如：每平方米点数可达几百个。但点与点之间没有显示的空间关系，导致海量点云的组织管理、浏览查询及空间关系计算困难。目前，通常采用索引构建的方式来解决，例如：四叉树、八叉树、Kd-Tree、不规则三角网（triangulated irregular network，TIN）等。
具有一定的属性信息
根据点云获取方式的不同，点云还具有一定的属性特性，如：激光扫描点云具有强度信息（intensity）、回波信息等。强度信息一定程度上反映了目标的表面后向散射能力，即目标的辐射能力，对地物目标表面材质分类方面具有一定作用；回波信息主要表征了激光的穿透能力，在植被或者建筑物边缘等区域可能有两个或者更多个回波，而在地面、建筑物屋顶等区域一般只有一个回波，而在点云分类时，激光束的回波次数可以很好地辅助建筑物和植被进行区分。影像点云则具有反映地物表面纹理的RGB颜色信息。点云属性信息对点云的处理具有一定的辅助作用。
存在数据“空洞”
传感器成像视觉不可避免地存在地物之间的相互遮挡，导致被遮挡目标表面存在数据缺失；一些区域（如：水体等）对近红外激光吸收和物体表面的特殊材质（如：光滑物体表面的镜面反射等）导致回波信息无法接收，造成的数据缺失。数据缺失导致目标表面存在数据“空洞”，影响目标提取的完整性。
非均匀空间分布
点云密度通常采用单位范围内点的数量来表达，亦可以采用点间距来描述点云分布的疏密。成像方式、与地物表面的距离等差异性导致点云在空间分布的严重不均性。例如：单条航带内，星下点区域点云密度比较大，而离飞行器星下点越远则点间距越大；相邻航带重叠区域，点云一般更密。点云密度分布的不均性对点云特征的刻画等带来了一定的困难。
点云处理的关键内容
如何将点云转化为具有结构和功能的三维地理信息是科学发展的必然，也是地学研究和工程应用的前沿。
点云质量自动改善
点云质量改善主要包括点云位置修正、点云反射强度校正和点云属性数据整合等方面。
点云模型构建
点云模型是点云处理的核心部分之一，也是点云表达与处理的关键。点云模型包括点云数据模型、处理模型与表达模型三大部分。点云数据模型负责点云的存储、管理、查询与索引等基本操作，包括数据模型和逻辑模型的设计等。点云处理模型负责点云的预处理（如：去噪、点云位置校正等）、点云特征提取、点云分类等。点云表达模型负责点云处理结果的应用分析，是架设点云与应用分析的桥梁。三者的有机统一构成了点云模型，也是点云处理的理论基础。
点云特征精准描述
点云特征描述是刻画点云形态结构的关键，也是多平台点云配准、语义信息提取、结构化模型重建等应用的基础和前提。当前，点云特征描述子构建主要通过人工设计的特征和深度网络学习两种方法。
点云语义信息提取
语义信息提取是从杂乱无序的点云中识别与提取地物要素的过程，为场景高层次理解提供底层对象和分析依据。在语义信息提取方面主要有基于特征描述子的逐点分类方法和基于深度学习的语义信息提取方法。
点云目标结构化重建与场景理解
为刻画点云场景中目标的功能与结构及多目标间的位置关系，需要将点云场景中的地物目标进行结构化表达，从而支撑复杂的计算分析。由于人工地物的复杂性，对于大规模的城市场景复杂建筑模型的三维重建，仍然需要大量的人工编辑。因此，追求三维模型的自动生成或尽可能少的人工编辑操作是建筑物三维重建研究不断努力的方向。
杨必胜教授及其团队多年以来从事点云处理方面的研究，得到了国家重点研发计划项目、国家973 项目、国家自然科学基金杰出青年科学基金/重点/面上等多个项目的支持，在多源点云融合处理、三维信息提取、多细节层次表达等核心难题方面做出了创新性研究成果，系统地构建了“广义点云”理论方法，显著提升了点云处理与应用的智能化水平，被国内外同行广泛认可。《点云智能处理》系统地阐述了该团队在点云处理方面的最新研究成果。该书的出版恰当其时，是第一部关于点云处理方面的系统性专著，具有重要的意义和价值。
该书系统地阐述了点云处理方面涉及的关键难点与创新研究成果，具有明显的先进性、创新性和实用性。先进性在于该书撰写的内容是点云智能处理的核心技术与前沿问题，为点云智能处理奠定了理论基础；创新性在于该书源于研究团队十多年来的潜心研究之所得，提出的“广义点云”理论方法，解决了多源点云自动融合、精准提取、按需表达等核心问题，对同行研究具有重要的借鉴价值；实用性则体现在该书结合科研团队承担的系列工程项目，如：电力走廊风险诊断、高速公路改扩建、智慧城市建设等方面的典型应用，对点云工程应用具有重要的指导作用。
我相信该书的出版将会在点云处理研究中发挥重要的引领和推动作用，吸引更多的人参与该方面的研究，进一步提升点云处理与应用的智能化水平。
中国科学院院士
中国工程院院士
本文摘编自《点云智能处理》（杨必胜，董震著.北京：科学出版社，2020.6）一书“第1章 绪论”“序一”“序二”，有删减，标题为编者所加。
ISBN 978-7-03-064941-6
责任编辑：杨光华
随着对地观测技术的发展，以点云为代表性的新型数据源不断涌现，其具有数据海量、高冗余、高密度、不规则分布等特性。从点云中获取准确、可靠的三维信息既是科学研究的前沿也是各类应用提出的迫切需求，急需解决地物目标认知与提取自动化程度低和知识化服务能力弱的严重缺陷、建立点云智能处理的系统性理论方法、架设点云与应用的桥梁。本书是作者在点云智能处理领域内多年的研究积累，重点围绕点云智能处理方面的核心理论方法：获取与质量改善、模型与特征描述、配准与融合、分割与分类、三维提取与建模等方面进行系统性阐述，并结合实例介绍工程问题的解决方案，为点云的智能处理与工程化应用提供系统性理论方法指导和科学工具支撑，是国内第一部点云智能处理方面的系统性专著。
本书可作为测绘遥感、地理信息、计算机视觉等领域研究生教材和研究机构、高科技企业科技人员及业余爱好者的参考用书。
（本文编辑：刘四旦）
更多精彩内容请关注公众号，其他事宜请文后留言
传播科学，欢迎分享“在看”▼