随着激光雷达成本的逐年下降,将在高速公路路网监测、车路协同等各个领域得到广泛应用。
说到激光雷达,就不得不提点云,因为点云这个词已经是高频词不断出现。
那么什么是点云?
点云定义
点云(Point Cloud)是激光雷达通过发射激光束并接收反射信号后生成的三维空间离散点集合。
每个点包含以下核心信息:
- 三维坐标:X、Y、Z轴位置信息,精确到毫米级;
- 附加属性:反射强度(与目标材质相关)、回波次数(多回波区分不同反射面)、时间戳(用于动态场景分析)、颜色(RGB-D相机融合数据)等。
从词语定义来说:
- "点":是指每个三维空间坐标的离散单元;
- "云":因海量点(每秒数十万至数百万点)在三维空间中呈现密集且无序的分布状态,类似云雾形态。
例如,机载激光雷达单次飞行可生成数亿至数百亿点的数据。
点云数据格式
- .las、.laz:激光雷达工业标准,含地理坐标和分类信息,是一种二进制文件格式。
- .pcd:PCL库官方指定格式,专为PCL库设计,支持二进制高效存储。
- .obj:由Alias|Wavefront Techonologies公司从几何学上定义的3D模型文件格式,是一种文本文件。
- .pcap:现在流行的Velodyne公司出品的激光雷达默认采集数据的二进制文件格式。
- .ply:一种由斯坦福大学设计开发的多边形文件格式,支持颜色和法向量,适合三维重建。
- .pts:被称之为最简便的点云格式,属于文本格式,只包含点坐标信息,按X Y Z顺序存储。
- .xyz、.txt:一种文本格式。
点云数据如何实现三维建模
主要通过采集与预处理、数据分类与分割、三维表面重建、模型优化、结果输出几个步骤。
采集与预处理
采用滤波进行去噪,采用算法将多站数据对齐至统一坐标系进行配准操作,对地面点和非地面点进行分散处理。
数据分类与分割
采用机器学习和深度学习方法进行数据分类(植被、道路等),采用聚类、实例等方法进行目标分割。
三维表面重建
采用三角剖分、泊松重建、体素化重建等技术进行网格化重建。其中自动驾驶状态采用3DGS(3D高斯抛雪球)来进行三维建模。
模型优化
采用插值或几何对称性进行区域补充,将高分辨率航拍影像与点云坐标进行融合映射。
结果输出
- 通用格式:导出为LAS(点云)、OBJ(网格)或FBX(含动画)。
- 行业专用:BIM领域转换为IFC格式,GIS领域生成DEM/DSM地形模型。
例如边坡监测用数字高程模型(DEM)。
结语
一般开发人员需要了解设备特性(如扫描频率影响点密度)对数据质量的影响,聚焦于点云数据的应用接口、业务逻辑适配和工具链整合。
通过调用成熟库(如Open3D/PCL)和可视化工具(如CloudCompare),可高效实现从数据预处理到业务逻辑的全流程开发。