【我的点云哪有这么可爱！】一、点云概述基础知识_如何获取激光雷达点云数据图

【我的点云哪有这么可爱！】系列目录
第零章 从学习思路开始
第一章 点云概述基础知识
第二章 PCL！yyds！

---

前言

第一章总算开始更新了，根据之前的点云自主学习思路，开始一步步的学习，希望这个慢慢学习系列能够迎来总章，不会腰斩和烂尾，也希望我的点云哪有这么可爱！

---

一、点云的数据获取

点云获取技术可分为接触式扫描仪、激光雷达、结构光、三角测距（Triangulation）、以及立体视觉等多种。
其中代表性的硬件厂商：Riegl、Leica、Optech、Velodyne、北科测绘、海达数云等。
目前手头我用的就是Velodyne的VLP-16。

1、通过激光雷达Lidar获取点云数据

激光雷达的优点：高分辨率、抗干扰能力强、信息量丰富、可全天时工作
激光雷达的原理：三角测距、TOF
激光雷达的分类：

2、通过图片的方法创建点云

单目、双目、多视角、RGB-D等方式进行点云数据的构建。

3、点云数据的优势

1、数据获取简单（LiDAR扫描直接就是点云、深度传感器获得的深度图可理解为局部点云）
2、表示形式简单
3、不是所有的3维图形都能用隐式表面表示出来，而且隐式表面比较复杂。
4、由于点云中的点是不规则、无序的，所以有些研究是将点云转化为体素结构的形式，从而变成规则的表达。但是，在这个转化的过程中会丢失很多精准度。
5、三角网格的精度较高，但是也比较难以获得，常用于3维建模。

---

二、点云的应用

目前点云的应用在许多重大工程和典型领域得到了广泛的应用。
1、深空探测。1971月球形状测量。
2、精确制导自动目标识别。军事领域。
3、地球科学应用研究。如：全球冰川物质平衡，地质灾害区域时空变化监测，海岸线提取，海底测绘及水下目标探测等
4、森林资源调查。三维冠层提取、精细获取单木垂直结构、机载雷达获取大范围森林蓄积量和生物量等生态参数反演、星载激光雷达获取全球植被覆盖及生态参数制图。
5、城市形态分析。得到城市垂直结构及演化，获取城市三维形态、满足城市规划设计与管理的需求。
6、灾难救援与应急响应。可以实现分类及应急响应，例如麻省理工学院利用ALIRT机载激光雷达成像研究试验平台对太子港进行了三维成像，获得30m分辨率的城市三维图像，用于评估道路和桥梁状况、分析水淹情况、选择直升机降落场以及规划难民安置等。
7、自动驾驶。车载激光雷达高效快速获取周围信息，为车辆生成周围环境三维地图，结合检测识别，完成态势感知。
8、文物三维数字化。对文物建立结构图和精细三维模型，为文化遗产保护工作提供助力。
9、电力走廊安全巡检。获取电力线及附属设备几何形态，为电力巡检提供便利。
10、岛礁测绘。
11、隧道断面和变形监测。
12、桥梁及矿山边坡变形监测。

---

三、点云算法基本介绍

点云数据的处理涉及的方面很多，其中主要包括了这些方面的点云算法，在后续章节会逐渐慢慢剖析，如果说的不足，还希望大家提供思路继续完善。

总体上有滤波算法、关键点检测算法、特征描述和提取算法、点云分割算法、点云配准算法、多帧配准算法、点云重建算法、点云分类算法等。

低层次的处理主要是滤波和关键点检测；
中层次是特征描述和分割、分类算法；
高层次是配准、SLAM图优化、三维重建等。

---

四、点云常用软件与开源库

点云数据处理软件

点云处理的软件目前已经非常丰富了，商用软件和开源的软件种类繁多。

商业化软件主要有：
TerraSolid、Realworks、Cyclone、Pointtools、Orbit Mobile Mapping、LiDAR Suite、LiDAR-DP、LiDAR360(数字绿土)等。
主要集中于点云数据管理、面向DEM生产的滤波器、三位建筑提取及重建、森林垂直结果参数提取。

开源软件主要有：
Lastools：知名度高，C++编写，分模块、部分开源、底层IO库、压缩库都开源。
OPALS：维也纳技术大学摄影测量研究组开发，学界最好的。同样是底层库+功能模块的结构，可支持几乎任何一种激光雷达数据，处理效率很高。支持C++/Python二次开发。
BCAL LiDAR tools：一个ENVI插件，支持LiDAR格式点云的可视化、处理，IDL编写。
CloudCompare：C ++开发，依赖于QT和OPENGL。支持基于插件的扩展机制。可拔插操作，可二次开发与源程序互不影响。富有活力，经常更新。
FUSION：开源软件，功能很多，在forestry和ecology学界比较有名，可以计算多种LiDAR metrics。

在点云获取硬件设备快速发展的今天，目前这些三运点云智能化处理还是有所欠缺，缺乏智能化水平高，界面友好，专业化应用集成方便的软件。

点云常用的开源库：

PCL（yyds！）：是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台，可在Windows、 Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的结晶，那么PCL就在3D信息获取与处理上具有同等地位，PCL是BSD授权方式，可以免费进行商业和学术应用。

Open3D：天下苦PCL久矣。Open3D 是一个可以支持 3D 数据处理软件快速开发的开源库。Open3D 前端公开了一组用 C++ 和 Python 写成的精心挑选的数据结构和算法，后端高度优化并设置为并行。Open3D 可以在不同的平台上设置，并以最少的工作量进行译。Open3D 的代码非常整洁，可以通过明确的代码审查机制来维护。

常用公共数据集有：

Ford Campus LiDAR dataset
KITTI (Karlsruhe Institute of Technology and Toyota Technological Institute)
Sydney Urban Objects
Stanford Track Collection
Oakland 3D Point Cloud Dataset

如有问题、有缺漏还请大家批评指正，提出后我会尽快修改完善！

参考文章：
https://blog.csdn.net/zihao_c/article/details/108808481
https://www.it610.com/article/1283195544709120000.htm
https://blog.csdn.net/qq_38350792/article/details/94544178
https://blog.csdn.net/QFJIZHI/article/details/103487492