用于特征提取的 LiDAR 数据

介绍

在我们的许多日常活动中，地图是必不可少的。它是许多使用 LBS（基于位置的服务）的应用程序的支柱，例如 Google 地图、Waze、Uber、Swiggy、Pokemon 等。其意图各不相同，从导航到准备好工程、规划、设计、获取天气预报的实时信息、国家安全、国防、城市规划、灾害管理甚至游戏。亮点是这些地图层中嵌入的信息、易用性和视觉吸引力，只需查看背景中带有地图的定制界面，而不是浏览任何其他形式的大量数据。您是否曾经想为城市等大面积区域的任何要素创建自定义地图？如果是这样，首要步骤应该是通过调查该区域来收集所需的信息。需要大量人力、数小时和数小时手动检查特定位置的预期特征的传统调查。进行这样的调查将是一项涉及巨额预算的艰巨任务。随着激光雷达技术在调查中的引入，情况就完全不同了。

激光雷达

LiDAR代表光检测和R _ _anging，俗称激光雷达或激光测高仪。类似于分别使用声波和无线电波的声纳和雷达，LiDAR 通过向任何物体发送激光脉冲并测量反射脉冲来使用电磁波谱的红外线部分来测量距离。记录发射和反射的精确时间，利用恒定的光速，可以将发射和反射之间的时间差换算成距离。利用 GPS 和 IMU 数据提供的非常准确的传感器位置和方向，可以计算出反射面的 XYZ 坐标。从传感器发出的激光脉冲用于生成点云数据作为输出，其中包含数百万个 AoI（感兴趣区域）的高程数据点，

图像：在 3D 查看应用程序中查看的点云数据

全球定位系统 (GPS)

移动和航空 LiDAR 调查

通过将 LiDAR 传感器和设备安装到 SUV 等任何移动平台上，可以通过以最佳速度驾驶车辆在相对较短的时间内生成目标区域的精确 3D 模型。我们也可以将它们安装在直升机或无人机上进行航测并获得景观的 3D 点云模型。根据需要决定是使用移动测量还是航空测量。移动调查主要用于收集路标、电线杆、路缘石、人行道等道路特征的详细信息，这些特征可从可行驶的道路进入，而航空调查的目的主要集中在景观建模、植被模式、洪水测绘等，其中地理特征通常无法通过公路到达。

这种尖端的遥感技术提供了一种替代传统调查方法的方法，这是一项涉及大量体力劳动和努力的艰巨任务。使用此类调查的主要好处是可以节省成本和时间，否则传统调查将花费在体力劳动上。此外，可以在任何时间点验证的最终产品的准确性是有利于 LiDAR 调查的另一个因素。在大多数行业中，传统测量正在被 LiDAR 测量所取代，并且它越来越受欢迎，因为这是捕获 3D 数据的快速有效的方法。喀拉拉邦铁路发展有限公司 (KRDCL) 使用航空 LiDAR 勘测来最终确定拟议的从 Kochuveli 到 Kasaragod 的 531.45 公里半高速铁路 (SHSR) 走廊的路线。通过激光雷达技术，

图片：移动激光雷达调查

图片：航空 LiDAR 勘测

点云数据

使用 LiDAR 技术生成的点云数据集是现实世界的典型代表，每个单独的点都有地理细节，如纬度、经度和海拔（分别为 x、y 和 z 坐标）。一旦采集平台（车辆）的俯仰、横滚和偏航引起的采集过程中可能在激光雷达数据中潜伏的3个方向的异常通过数据校准被去除，我们就可以在点云中定位和表示任何物体准确度高的数据。广泛用于特征提取目的的激光雷达数据的常见文件格式是 .LAS、.LAZ 和 .POD。由于点数和头文件中嵌入的信息，这些文件的文件大小很大。然后将收集的数据分割成更小的文件，以便于使用 Geo Queue、Terra Scan 或 TopoDoT 等应用程序加载和处理文件。然后将校准后的 LiDAR 数据加载到 NCloud 或 Bentley 的 Microstation 等任何应用程序中，并用作特征提取的背景/参考。到底什么是特征提取已经在下一节中详细介绍了。

图片：在 NCloud 中查看的点云数据的 2 个视图

参考点云数据的特征提取

GIS 中的特征提取是指使用点、线和多边形等基本几何图形在数字地图环境中表示现实世界的特征。例如，可以使用点要素表示学校，并且可以将小学、中学、公立、私立、地址等相关信息作为属性附加到点要素。它还将具有基本的位置详细信息，例如纬度和经度。对于二维数据捕获，ArcGIS 是 ESRI 的产品，是常用的应用程序，其中卫星图像和扫描地图用作数据捕获的参考。然而，对于 3D 数据捕获，使用 Bentley 的 Microstation 或 NCloud，因为它需要一个强大的空间引擎，可以在平移、旋转等操作期间有效地管理具有数百万个数据点的如此庞大数据的渲染。在应用程序中加载点云数据后，通过使用可用于创建几何的特定工具捕捉到点云数据，在预期位置捕获要素几何。与 LiDAR 系列一起收集的高分辨率照片被拼接成 360° 视图，类似于谷歌地图街景视图，可作为额外参考以做出更好的决定。

特征几何形状或要嵌入到这些特征的信息方面的提取程度显然取决于最终客户的要求。它可以是用于工程设计/施工的现有资产清单或一些其他详细分析，如电线杆的负载分析。无论如何，都需要人工干预/特征提取来使点云数据更有用。最终结果是一个自定义数字地图，其中包含可以转换为不同数据格式的所需信息。用于最终交付物的通用格式是 .GDB 和 .DWG，它们分别适用于 ArcGIS 和 AutoCAD 等应用程序。

图片：地理数据库，实用程序提取项目的最终交付成果

NCloud：3D特征提取平台

NCloud是NeST Digital为使用点云数据进行3D特征提取而定制的独特解决方案。它基于开源平台 CloudCompare 构建，该平台主要使用 C++ 开发，用于查看 LiDAR 数据。GIS应用团队通过在C#.Net中开发大量用于特征提取的自定义工具，并在后端使用SQL/PostgreSQL数据库存储捕获的几何图形的空间数据和相应的属性，内置了一个完美的解决方案用于 3D 提取。结合一段时间以来开发的众多质量检查工具，NCloud 提供了一个在大规模生产环境中进行 3D 提取的可靠平台。它作为 Bentley 的 Microstation 等专有软件的替代解决方案，

下面列出了一些内置的主要功能，专门用于电线杆提取模块。

· 树形结构层次结构将维护父子关系，将电线杆作为父特征，将其所有附件（如横臂、路灯、绝缘体等）作为子特征，将 pole_id 指定为主键。

· 根据几何体捕捉到点云的准确位置捕获所有特征几何体的 HoA（附着高度）。

· 符合复杂数据模型要求的数据采集工作流、单一环境中的数据验证和转换。

· 支持具有无缝多用户编辑功能的集中式数据库。

· 更快地渲染和显示大型彩色点云文件，即。LAS、压缩的 LAZ 和其他行业标准格式。

· 实施用于配置文件管理、拆分、工作分配和状态跟踪的管理和工作管理器工具。

·点云数据编辑工具即。沿 AoI 裁剪、更改显示设置、更改视图透视图等。

· 由工程师/QA 分析师/交付团队进行多用户编辑。

· 基于每个项目特定模式的特征提取、编辑和属性更新的定制工具。

· 自动提取和更新 3D 特征坐标，计算特征尺寸即。长度、高度、角度和方位以及所有相关测量值。

· QA 验证检查以标记有关特征几何、关系、属性和相对偏移的问题。

· 数据导出工具到地理数据库/JSON 或任何其他客户端特定格式。

· 为自动提取特征、形状和其他测量值的锥度和倾斜度而开发的 RANSAC 算法。

· 自动更新和验证杆类、材料类型和其他特性的 ANSI 规范。

· 可扩展的架构以适应一家公司对另一家公司不同的数据收集要求

图片：带有电线杆功能的 NCloud 界面

案例分析

早在 2016 年，一家大型电信公司和一家 ISP 巨头就计划在国内主要城市推出 1 GBPS 高速光纤网络。该项目的范围涉及从高精度数字 LiDAR 数据开发电线杆网络的无缝 3D GIS 数据库，它可以支持 FTTH（光纤到户）许可要求的极负载和间隙分析。电线杆的负载和间隙分析需要对每个电线杆进行数百次以上的测量和属性，包括位置详细信息以及电线杆及其附件的其他定量和定性信息。传统的现场级调查或数字摄影测量工作流程方法无法在有时限的项目中提供可行的解决方案。

这些项目包括多管齐下的操作，包括通过移动激光雷达系统收集遥感数据、从点云中捕获杆和附件详细信息（跨度、横担、绝缘子、电力设备、路灯、拉杆/锚、中跨/服务下降等）的数据、自动更新不同的间隙参数、杆负载分析和 MR 设计以及最终提交审批。

NeST 开发的解决方案涉及根据每个客户的特定要求为每个客户设计和开发自定义数据模型、用于工作流管理和从激光雷达点云捕获数据的应用程序开发、用于自动更新和验证定量参数的工具、用于杆的工具基于电力传输标准、QA/QC 工具和最终数据库迁移到客户端存储库中的 GIS/Oracle/SQL Server 数据库的框架。多层 QC 机制借助在每个生产阶段采用的验证工具来满足极间隙和负载标准所需的严格精度规范。最终输出以光纤小屋为基础（光纤小屋是为提供 FTTH 服务而确定的独特地理区域）为每个城市/地区提供。

图片：使用 NCloud 提取的电线杆特征