点云智能研究进展与趋-时空数据智能获取技术与应用教育部工程中心

点云智能研究进展与趋

石莹 2021-08-08 浏览

摘要

随着以激光扫描、倾斜摄影为主的各种现实采集（Reality Capture）装备的快速发展，点云已成为继矢量地图和影像数据之后的第三类重要的时空数据源，并在地球科学、空间认知、智慧城市等科学研究和工程建设中发挥越来越重要的作用。如何从点云大数据中快速、准确获取精准有效的三维地理信息成为测绘地理信息领域的科学前沿和地学应用研究的迫切需求，也是三维地理信息获取与建模面临的重大难题。点云智能应运而生，并成为突破上述难题的科学途径。本文围绕点云大数据采集装备、点云场景智能化理解、点云智能服务科学研究与工程应用等三个重要方向展开，并对点云智能的重要发展方向趋势予以展望，希望为点云研究相关人员提供科学参考。

1.点云大数据采集装备：从专业级单一化到消费级集成化

以激光扫描为代表的主动采集装备和以倾斜摄影为代表的被动采集装备发展迅猛，在装备的搭载平台方面目前已形成从星载、有人/无人机载、车载、地面、便携式等空、天、地多平台并存。随着人们对地理空间信息粒度和内涵要求的不断提高，点云获取在内容上从原来几何为主走向几何与光谱/纹理的同步获取，如：多光谱激光扫描系统；在方式上从扫描式三维成像到面阵单光子/量子三维成像转变，面阵单光子LiDAR在遥感领域具有广泛应用前景，已成为未来主动式对地观测激光的发展趋势；在平台方面从单一的专业化装备走向多元化的消费级智能装备。随着传感器的尺寸、重量和价格进一步微型化、轻量化和廉价化，消费级、便携式集成化智能扫描装备蓬勃发展。美国国防部高级研究计划局（DAPRPA）研发了地面机器人与空中机器人自主协同扫描系统，在同时定位与制图技术（SLAM）和机器人控制规划支持下对未知环境进行扫描，大大减少人力成本，并解决危险、特殊环境下人工无法作业的问题。

2.点云场景认知：从可视化量测到智能化理解

点云大数据描述的场景具有数据量大、真三维、高冗余、非结构化、质量差异大、采样粒度分布严重不均和不完整等典型特点。点云场景智能理解是点云智能的核心之一，如图1所示。点云智能必须在点云大数据的数据模型、处理模型与服务模型方面取得突破，从而解决面向点云场景特征多层次准确刻画，三维信息的抽取与融合以及场景的按需结构化表达等核心难题，进而为科学研究和工程应用提供关键支撑。

图1 点云智能的框架与核心组成模块

3.点云智能服务科学研究与工程应用

点云智能在三维信息提取与建模方面取得了较好的成果，已在地球空间信息学研究、地下空间开发利用、智慧城市、新型基础测绘、基础设施健康监测等科学研究与工程中广泛应用。

FE01

图2 点云智能服务于科学研究与工程应用

4.点云智能发展展望

传感器、芯片、物联网、运载平台等方面的高速发展，将不断提高点云大数据获取的效率与质量，同时降低数据采集的成本，从而更加高效地对物理世界进行三维精细数字化。因此，数据容量方面将以指数级增加，点云大数据的存储管理、计算分析等将面临更大的挑战。同时边缘计算、深度学习、人工智能等将为点云智能提供更多的支撑和机会。大规模城市点云场景乃至全球精细尺度的点云场景时代即将来临，点云智能作为点云大数据这一继矢量地图和影像之后的第三类重要基础数据的智能处理与分析的科学支撑，将在以下几个方向继续深入：（1）发展点云大数据的储存与更新机制，为点云的高效、深度利用提供基础支撑；（2）建立面向新型基础测绘的点云三维信息提取与建模的行业和国家标准，服务实景三维中国建设和自然资源监测；（3）创建面向对象的点云大数据对象化深度学习网络，依托人工智能将点云处理从当前逐点分类为主转变到对象分类与边界提取一体化，服务三维场景精准理解；（4）研制采集、处理与服务一体化的智能装备，服务重大基础设施（如：电网、高铁、交通等）健康管理。相信在可预见的未来，在人工智能、深度学习的支撑下，点云智能不但可以精细重构三维现实世界，通过与物联网数据的实时融合，而且能够预测未来，从而为地球科学应用研究、智慧城市等提供更加科学的决策支撑。

Abstract

With the rapid development of the reality capture, such as laser scanning and oblique photogrammetry, point cloud has become the third important data source following vector maps and imagery, and also plays an increasingly important role in scientific research and engineering in the fields of earth science, spatial cognition, and smart city, and so on. However, how to acquire valid and accurate three-dimensional geospatial information from point clouds has become the scientific frontier and the urgent demand in the field of surveying and mapping as well as the geoscience applications. To address the challenges mentioned above, point cloud intelligence came into being. This paper summarizes the state-of-the art of point cloud intelligence in acquisition equipment, the intelligent processing, scientific research and the major engineering applications, focusing on its three important areas: the theoretical methods, the key techniques of intelligent processing and the major engineering applications. Finally, the promising development tendency of the point cloud intelligence is summarized.

点云智能研究进展与趋

石莹 2021-08-08 _showDynClicks("wbnews", 1448217335, 1982)浏览

石莹 2021-08-08 浏览