关于 LiDAR 点云数据处理的一些思考

最新推荐文章于 2024-06-20 12:01:14 发布
最新推荐文章于 2024-06-20 12:01:14 发布
阅读量1.5w 收藏 256
点赞数 37
分类专栏： 点云处理 - PCL 开发工具 - VS / Qt / Sublimetext 编程语言 - C++ 文章标签： LiDAR数据处理 点云去噪 点云滤波
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34719188/article/details/89299316
版权

文章目录

更新：2019年8月

为了促进同行业人员（特指 LiDAR 点云处理人员或相近行业）的技术交流，解决平时开发过程中遇到的技术性问题，博主建立一个QQ群，欢迎大家积极加入，共同引领点云行业的快速发展 ~

群名：LiDAR点云部落
群号：190162198

在这里插入图片描述

前言

  • 在学习生涯将要结束之际，博主计划将自己三年所学到的东西进行一个总结与归纳，一是对所学知识的一个回顾，二是整理成一个完整的资料，以防不时之需，三是供后来者少走弯路，继续前行

  • 本博客内容主要为博客资源，相关论文暂不涉及，以后有时间补充

一、LiDAR 基础与入门

1. 激光雷达定义
  • Light Deteation and Ranging
2. 优缺点

  • 优点

    • 具有极高的分辨率
    • 抗干扰能力强
    • 获取的信息量丰富
    • 可全天时工作

  • 缺点

    • 容易受到大气条件以及工作环境的烟尘的影响
3. 分类

  • 按原理分类

    • 三角测距激光雷达
    • ToF 激光雷达

  • 按功能分类

    • 激光测距雷达
    • 激光测速雷达
    • 激光成像雷达
    • 大气探测激光雷达
    • 跟踪雷达

  • 按工作介质分类

    • 固体激光雷达
    • 气体激光雷达
    • 半导体激光雷达

  • 按线数分类

    • 单线激光雷达.
    • 多线激光雷达

  • 按扫描方式分类

    • MEMS型激光雷达
    • Flash型激光雷达
    • 相控阵激光雷达
    • 机械旋转式激光雷达

  • 按探测方式分类

    • 直接探测激光雷达
    • 干探测激光雷

  • 按激光发射波形分类

    • 连续型激光雷达
    • 脉冲型激光雷达

  • 按挂载平台分类

    • 机载激光雷达
    • 车载激光雷达
    • 地基激光雷达
    • 星载激光雷达
    • 背包式
    • 手持式
    • SLAM

  • 按应用

    • 激光测距仪
    • 激光三维成像雷达
    • 激光测速雷达
    • 激光大气探测雷达
    • 激光测风雷达
4. 国内外知名激光雷达公司盘点
  • 国外
    • Velodvne
    • Sick
    • Ibeo
    • Quanergy
    • Hokuyo
    • Trimble
    • Innoviz
    • LeddarTech
    • Leica
    • Rieql
    • Other…
  • 国内
    • 数字绿土
    • 北科天绘
    • 武汉珞珈新空
    • 四维图新
    • 北京蒙特卡洛
    • 其它…
5. 相关应用
  • 城市规划
  • 数字城市建模
  • 高精度DEM的制作与生成
  • 基础设施制图
  • 地表变化监测
  • 地表覆盖分类
  • 森林资源调查
  • 矿山测量
  • 电力线巡检
  • 其它
6. 小结

LIDAR
激光雷达的7大分类讲解
激光雷达的分类
激光雷达类型分类，知名激光雷达公司介绍，三角测距激光雷达与TOF激光雷达原理
激光点云生成
掌握LiDAR数据的14种方法
比较全面的介绍lidar数据处理库、软件等：http://www.opentopography.org/
机载LIDAR技术及其应用
这个博主写的很切实际：关于机载LiDAR数据处理的几点心得体会

LiDAR 点云数据的定向，要通过多个坐标系间的几何关系来确定，包括激光扫描仪的参考坐标系、瞬时激光束坐标系、空中平台坐标系、目标所在水平参考坐标系与垂直坐标系和惯性导航仪的参考坐标系与WGS-84坐标系

二、LiDAR 点云去噪

1. 噪音来源

  • 数据采集平台

    • 无人机
    • 背包（针对背包式的扫描设备）3
    • 车载平台
    • 手持激光扫描
    • 固定模型误差
    • 其它

  • 采集设备

    • LiDAR 采集头
    • 与采集平台的相对稳定性
    • 其它

  • 被测物体表面

    • 水域等无法探测
    • 其它

  • 其它

    • …
2. 常用去噪方法

  • 基于密度的去噪

    • 判断当前点的邻域点数，过小则将其视为噪音点

  • 基于统计学去噪

    • 先求取全局点云距离分布，然后依次判断每个采样点与其邻域的距离是否满足阈值

  • 直通滤波去噪

    • 在 X、Y、Z 方向设置阈值对点云进行截取（快速去除离群点用）

  • 手动去燥

    • 人机交互框选不感兴趣点云并删除

  • 基于假设检验的粗差剔除

    • 假设点云数据仅在一个维度上存在误差，则对每一点利用其邻域点的属性值对其进行拟合，并求取拟合后的值与原始属性的差值。根据偶然误差服从正态分布的特性，通过设定一个置信区间，将误差值较大的点视为噪音点或失真点进行剔除

  • 基于横切分层剔除噪音

    • 这里通过对点云的高程 进行横切分层，然后，统计每个分割区域内的点云数量， 将分割区内小于一定阈值的点作为粗差予以清除

  • 基于点到平面距离去噪

    • 通过判断邻近点云数据的拟合平面，将离拟合平面距离值为负的点云看作噪声点云数据

  • 移动平滑法

    • 通过移动平滑法与二次多项式拟合曲面的方法去除噪声

  • 中值滤波去噪

    • 详见中值滤波

  • 其它

    • …
3. 小结

三、LiDAR 点云滤波

1. 点云滤波概念

将点云分为地面点和地物点的过程

  • 区别于数字信号学

    • 前者对信号进行高通/低筒滤波，去除高频/低频信号

  • 区别于图像处理

    • 前者主要是过滤图像噪音
2. 滤波算法

  • 坡度滤波

    • 基于间隔一定距离两点间形成的坡度来判断

  • 形态学滤波

  • 渐进三角网滤波

    • 选取初始种子点，利用三角网构建初始地表模型，判断剩余点并对三角网进行加密

  • 移动曲面滤波

    • 利用多元多项式对地面进行表达

  • 布料滤波

    • 利用布料模拟算法进行滤波

  • 基于点云频率的滤波

  • 其它

    • …
3. 小结

基于改进形态学滤波器的点云分类算法

四、LiDAR 点云配准

1. 配准目的
  • 对点云进行校正
2. 配准分类
  • LiDAR点云和LiDAR点云配准
  • LiDAR点云和密集匹配点云配准
  • LiDAR点云和二维影像配准
  • LiDAR点云和三维街景匹配
  • 其它
3. 配准方法

  • 粗配准方案

    • LORAX
    • 4点法（4-Points Congruent Sets，4PCS）
    • Super 4PCS(Super 4-Points Congruent Sets)
    • SK-4PCS（Semantic Keypoint 4-Points Congruent Sets）
    • G-4PCS（Generalized 4-points congruent sets）

  • 精配准方案

    • DO（Discriminative Optimization）
    • 结合法
    • ICP（Iterative Closest Point）
      • Standard ICP
      • KD-tree Approximation
      • Soft Outlier Rejection
      • Generalized-icp（GICP）
      • Normal ICP（NICP）
      • Go-ICP
      • …
    • 模型对应法
    • NDT
4. 小结

ICP算法理解(通俗易懂）
点云配准各种方法总结[不定时更新]
几种主要的点云配准算法和开源软件库

五、LiDAR 点云公开数据集

1. Paris-Lille-3D Dataset

http://caor-mines-paristech.fr/fr/paris-lille-3d-dataset/

2. PCL官方测试数据集

https://github.com/PointCloudLibrary/data

3. ISPRS

http://www2.isprs.org/

4. RGB-D Object Dataset

https://rgbd-dataset.cs.washington.edu/

5. The Stanford 3D Scanning Repository

http://graphics.stanford.edu/data/3Dscanrep/

6. 小结

全球六大激光雷达数据源，而且都是免费的

常见的三维点云数据下载链接，自己整理+网上收集

六、LiDAR 点云处理软件

1. 国外
  • CloudCompare（免费开源）

https://github.com/CloudCompare/CloudCompare

  • TerraSolid 的 TerraScan（专门针对点云） 芬兰

需要商业License（可以寻找破解版下载使用）

  • ENVI 的 LiDAR 模块

需要商业License，可以自动提取 DEM / DSM / 建筑物 / 植被 等的三维模型（可以寻找破解版下载使用）

  • Quick Terrain Moduler 的配套软件 Quick Terrain Reader

前者不免费，后者免费，可以自行上网搜索下载

  • LasTools

免费开源软件，但是是一款命令行软件，需要设置较多参数，实际生产中更多用于编程的第三方库

  • OPLAS

需要商业License（免费的只能加载100万点）

  • BCAL LiDAR tools

ENVI 插件

  • FugroViewer

免费的点云快速浏览软件

  • MCC LiDAR

开源滤波软件

  • ALDPAT

开源 LiDAR 处理软件

  • FUSION 美国

开源 LiDAR 处理软件

  • SHOALS 加拿大

未知

  • PIX4D

商用软件需要License，免费试用一个月，主要用与点云数据的分类

  • 其它

…

2. 国内
  • LiDAR 360

北京数字绿土公司商用软件，需要License，申请免费试用15天

  • CoProcess

上海华测导航公司商用软件，需要License

  • SouthLiDAR

广州南方测绘公司商用软件，需要License

  • 其它

…

3. 小结

常用的激光雷达数据处理软件有哪些？
这个写的很好：LiDAR点云处理软件

七、点云处理开源库

1. PCL官网

http://www.pointclouds.org/

2. VCG-Github仓库

https://github.com/cnr-isti-vclab/vcglib/

3. CGAL

https://www.cgal.org/

4. SFML

https://www.sfml-dev.org/

5. OpenGL

https://www.opengl.org/

6. OSG

http://www.openscenegraph.org/

7. MeshLab

http://www.meshlab.net/

8. g2o

https://openslam-org.github.io/g2o.html

结束语

  • 暂无

参考博客

道路标线提取方法论文总结
机器学习中分类与回归问题的区别与联系
三维重建10：点云配准和点云匹配
激光雷达点云数据处理相关算法库收集
这个重要：处理点云数据(二)：点云与生成前视图

联系作者

邮箱：Neverland_LY@163.com

Neverland_LY
关注
  • 37
    点赞
  • 踩
  • 256
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
qt 雷达扫描障碍物_激光雷达Lidar与毫米波雷达Radar：自动驾驶的利弊
weixin_39961636的博客
12-11 310
激光雷达Lidar与毫米波雷达Radar：自动驾驶的利弊Lidar vs Radar: pros and cons for autonomous driving新型无人驾驶汽车的数量在缓慢增加，各种扫描设备使汽车生产商能够制造出更独立、更智能、更安全的自动驾驶汽车。在本文中，我们将定义激光雷达或雷达遥感是一个更好的设备。QUICK NAVIGATIONWhat is LIDAR?How does ...
LIDAR点云数据处理与应用.pdf
08-15
#资源达人分享计划#
Pointet的读后感(CVPR2016):2.点云输入的优劣
Felaim的博客
12-11 1231
写文章肯定要motivation,既然说体素化方法,多视角的方法都有缺点,那么作者算是第一个使用点云作为输入的(≧▽≦)/啦啦啦 那么问题来了,点云输入有什么好,又有什么不好(当然是使用其他方法的paper里说的) 优点 1.非常的简单,并且有非常统一的结构,避免组合的不规则性和复杂性.在通常情况下,作为点云的输入,是以(x, y, z)三个坐标作为输入,当然也有颜色信息和法线信息,现在就以最简单...
激光雷达lidar目前的技术难点在哪，关键技术都有哪些
最新发布
NEON7788的博客
06-20 796
评价一款激光雷达的优劣，除了基本性能指标（例如测距，角度分辨率，点云密度等）之外，++更重要的是点云的++++，即在不同使用环境下，点云性能的稳定性，以及点云的误报和漏报。++本文尝试总结一下激光雷达点云异常场景、原因和一般应对方案，期望能够对Lidar产品更好的开发和应用，提供一点帮助。
基于八叉树点云编码的优缺点
weixin_44730165的博客
09-18 2241
基于八叉树点云编码的优缺点 优点： 结构简单，初步满足点云压缩的需求。 缺点： 由于八叉树数据结构本身特性，使得无法使用一些现有工具对几何编码进行性能提升，如预测编码、变换编码等。预测编码的原理是用预测值与原数值做差，一般而言，得到的残差的数据量会远远小于原数值，再进行变换编码、熵编码即可大大减少数据量。但是八叉树编码的结果是一串二进制序列，即使进行了预测也无法通过编码残差而减少数据量，也无法进行变化。因此基于八叉树编码的点云压缩中，几何比特的减少方向集中于上下文建模，即寄希望于熵编码来减少统计冗余
盘点云数据中心的优势与挑战
a83475的专栏
03-27 454
如今，随着云时代的到来，云数据中心也变得炙手可热，相比之下，传统数据中心将面临被淘汰的形势，以承载云计算业务为主要目的云数据中心，在大规模采用计算及存储虚拟化技术后，网络依然停留在静态模式，难以按照业务动态按需分配资源，阻碍了IT资源全虚拟化的进程。同时云数据中心相比传统中心面临着几个更大的挑战。     云计算数据中心需要为用户提供虚拟私有云租用服务，租户可以配置自己的子网、虚拟机IP
自动驾驶领域LIDAR数据集
sparkapi的博客
07-13 4791
Although 2D camera data is used to teach autonomous vehicles to find their way from Point A to PointB, it comes with its own set of drawbacks. For eg: camera images are not very useful when it is dark...
【我的点云哪有这么可爱！】一、点云概述基础知识
jg10000119的博客
06-23 2544
【我的点云哪有这么可爱！】1、点云基础知识一、点云的数据获取1、通过激光雷达Lidar获取点云数据2、通过图片的方法创建点云3、点云数据的优势二、点云的应用三、点云算法基本介绍四、点云常用软件与开源库点云数据处理软件点云常用的开源库：常用公共数据集有： 开篇：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，也希望点云在我眼里能够变得可爱。 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
lidar点云数据处理实例
03-25
总的来说，"lidar点云数据处理实例"涵盖了数据预处理、特征提取、物体识别和可视化等多个核心环节，对于开发者来说，深入理解并实践这个实例将有助于提升在LIDAR点云处理方面的能力。通过不断学习和实践，可以掌握更...
LiDAR点云数据处理系统（教学版）
11-04
LiDAR点云数据处理系统（教学版） LiDAR点云数据处理系统是利用LiDAR（Light Detection and Ranging）技术获取的点云数据进行处理和分析的一种系统。在这个系统中，点云数据是指由LiDAR扫描仪获取的三维点云数据，...
机载激光点云数据预处理简述
qq_34315872的博客
09-29 513
机载激光点云数据的预处理主要包括点云分块、去噪、滤波、高程归一化、点云栅格化等，针对以上实验，进行相关内容整理。机载激光雷达在扫描过程中，不可避免会出现噪声点，高空中的噪声点对建立高精度的DEM影响较小，但是地面以下的噪声点，对建立高精度的DEM影响较大，所以必须尽可能地将其剔除，以减少其对DEM精度的影响。针对机载激光点云数据预处理进行了一些列实验，现将已有功能初步集成可执行程序，具备小体量点云处理能力，过程中主要理解点云预处理基本原理，有精力再去完善，集成能力如下图。海上月是天上月，眼前人是心上人！
Lidar_QT_Viz：点云libray qt激光雷达
02-22
Lidar_QT_Viz 项目扩展了 。 在QT Gui的帮助下演示PCL库的可能性。 解决的问题： vtk的错误构建-找不到qt库-未针对qt编译。 使用ccmake 共享库目录应包括在内 共享库的缓存实用程序应运行 pcl并非针对vtk-9进行编译，而是针对默认vtk（在安装过程中获得）进行编译-运行时错误 pcl可视化工具不应使用默认的“渲染器窗口”初始化，而应使用vtkGeneriaOpenGLRenserWindow（另一个构造函数）初始化
ENVI软件中LiDAR插件
02-15
ENVI软件中LiDAR插件的说明文档，LiDAR插件具有读写 LAS文件能力，点云数据分类能力
Qt思岚激光雷达
cqltbe131421的博客
09-03 1261
Qt关于思岚激光雷达研究示例，本示例采用qt界面开发，可以串口也可以tcp进行设备连接。接收数据进行相关的数据进行绘图， 这种雷达可以用于大屏触摸场景，会场互动触摸场景开发。 #ifndef MAINWIDGET_H #define MAINWIDGET_H #include <QTimer> #include <QWidget> #include "lidarmgr.h" namespace Ui { class MainWidget; } class MainWidget.
掌握LiDAR数据的14种方法
fmechina的博客
06-28 1万+
原文发布时间：2013-10-24翻译文章链接：http://blog.safe.com/2013/10/14-ways-to-take-charge-of-lidar-data/翻译整理：毛毛虫LiDAR技术给空间数据世界带来了一些我们所见过的最大的数据量。我曾在FME中做过的有数千兆字节大小的点云数据。如果十年前，我想没有超过5千兆字节的存储空间……这是一个令人印象相当深刻的统计数据。大小在继...
PCL+Qt+VS可视化点云
热门推荐
wokaowokaowokao12345的专栏
04-06 2万+
前言Point Cloud Library （PCL）是一个功能强大的开源C++库，如果能够使用好PCL将会对我们在LiDAR数据处理领域的研究产生巨大帮助。LiDAR技术经过几十年的发展，目前国内外关于LiDAR点云数据处理的文献已很丰富，但是依然存在硬件上的发展速度大于软件的发展速度。PCL中的算法基于众多的科研人员和程序爱好者的无私贡献才有今天强大的PCL。博文中，我将针对如何结合PCL和Qt
qt 雷达扫描障碍物_无人驾驶小知识系列(激光雷达篇)
weixin_39626211的博客
12-20 432
无人驾驶小知识系列主要的目的是把一些很小而有深度的知识做一个总结，相对没那么系统，胜在日积月累。视场角我们都知道激光雷达视场角分为水平视场角和垂直视场角，激光雷达的水平视场角为360°，垂直视场角一般为40°。水平视场角激光雷达的水平视场角很好理解，激光雷达在水平旋转，旋转一周就是360°。2. 垂直视场角激光雷达的垂直视场角是40°，这里要注意2点，一是视场角的偏置，二是激光雷达光束的分布。视场...
自动驾驶系统入门（五） - 激光雷达
LU1196700392的专栏
10-27 4613
1、激光雷达基础解析 1.1 基本概念 1）激光雷达是一种向被测目标发射探测信号（激光束），然后测量反射或散射信号的到达时间、强弱程度等参数，以确定目标的距离、方位、 运动状态及表面光学特性的雷达系统。 2）激光雷达因为激光波长短，准直性高，使得激光雷达性能优异：角分辨率和距离分辨率高、抗干扰能力强、能获得目标多种图像信息(深度、反射率等)、体积小、质量轻。 1.2 基本组件构成 激光雷达一般有发射模块、接收模块、扫描模块和控制模块四大部分购成； 1）发射模块：激光器、发射光学系统 2）接收模
基于QT的点云数据的可视化
qq_41345281的博客
11-03 1万+
一、点云及点云存储文件 1. 什么是点云 点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，物体表面设置多个采样点获取这些点的信息，这些点包含了丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等，而大量这种点组成的点集合就称之为点云（Point Cloud）。 2. 点云存储文件 点云文件可看作是一张三维图，将通过设备读取到的点云数据以某种特定格式存储于文件中，目...
lidar360教程pdf
09-06
Lidar360教程PDF是一份介绍如何使用Lidar360软件的教学材料，其目的是帮助用户在处理和分析激光雷达数据时能够充分利用该软件的功能和特性。 这份教程PDF提供了详细的步骤和说明，以帮助用户了解Lidar360的安装方法和基本操作。用户可以通过教程逐步学习如何加载激光雷达数据，处理点云、生成点云质量报告和创建数字地面模型等任务。教程中还包含了丰富的示例和实例数据，供用户进行实际操作和练习。 Lidar360教程PDF还介绍了软件中的其他高级功能，例如点云分类、点云过滤和点云配准等。这些功能能够帮助用户更好地分析和处理激光雷达数据，从而得到更精确和可靠的结果。 总之，Lidar360教程PDF是一份有助于用户学习和掌握Lidar360软件的教学材料。通过教程的学习，用户可以更好地了解软件的功能和特性，并且能够应用于实际的激光雷达数据分析工作中。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值