激光雷達技術是3D點云的代名詞，為了充分利用3D點云數據，我們有必要考慮Lidar技術的最新趨勢以及如何使數據讓用戶受益。本文探討了最新的發展。

在空間工業中，有四個流行的lidar平臺可用于生成點云：

1）機載激光雷達，它使用有人飛機和無人機（UAV或“無人機”）從空中采集數據；

2）移動激光雷達，安裝在包括公路、鐵路和陸運的移動車輛、船只；

3）通常使用三腳架從靜態平臺上捕獲的地面激光雷達

4）使用SLAM技術的手持式短程激光雷達。

每個平臺在生成激光雷達采集的點云中都發揮著重要作用，并且每個平臺都提供了獨特視角。

NO.1 機載激光雷達

近期，機載激光雷達的最大作用是在3D點云的處理和成果交付中。無人機的輕量級傳感器以及無人機的自主性也得到了發展。在基于云的處理和存儲自動化方面也取得了較大進展，從而大大縮短了成果交付時間。

整個市場上，lidar設備的最大點頻已穩定下來，隨著客戶對lidar相關知識的提高，人們正在考慮獲取盡可能多的數據細節，以求更有價值的服務。

發展趨勢一：基于云的數據處理

設備趨同的時候，機載激光雷達的最大變化是數據處理方面。現在，使用完全基于云的體系結構，還包括在云中的手動編輯和進行質量保證（QA），可以實現更高的自動化和更高的效率。這種基于云的方法大大縮短了周轉時間，并提高了作業現場和辦公室之間的通用性。

飛機降落在停機坪上后，可以立即上傳項目數據，甚至后處理的數據也可以在云中交付。與所有基于云的解決方案一樣，大多數項目當前面臨的挑戰是帶寬，因為需要足夠的網絡速度來實現。

機載激光雷達是支持創建高質量數字高程模型（DEM）的基礎，用以支持數字孿生并導出高質量的、最新的建筑模型。

發展趨勢二：數字孿生

專注于城市地區和數字孿生，這意味著對全波形激光雷達的需求減少。大量的數據以及不斷發展的數據管理需求加速了向基于云的存儲和流傳輸以及日益高效的數據壓縮格式的過渡。在云中處理和存儲大量數據的成本可能會加起來，并且在僅獲取所需內容方面變得越來越智能。

近年來，客戶與供應商之間的通信有了更強的推動力。客戶要求提供有關數據處理方案的更多信息，包括其質量保證和編輯方法。

NO.2 移動激光雷達

在過去的幾年中，Mobile Lidar取得了長足的進步。移動激光雷達捕獲不再需要專家精心組裝的大量電纜和配件。現在，所有測繪級傳感器（例如Velodyne和Ouster的傳感器以及RIEGL、Trimble和Leica的測量級平臺）都更容易攜帶，即插即用。從寬的垂直視場或更長的測量范圍到多脈沖或更高的精度，每種傳感器都有其自身的優勢。

在移動激光雷達中，點密度有所增加，尤其是在使用雙掃描頭單次獲取數據時。RIEGL VMX-2HA，Trimble MX9，Teledyne HS600和Leica Pegasus Two：Ultimate等系統都能夠每秒測量200萬個點。

在雙頭系統中同時使用兩個掃描儀的好處是，可以從較少的道路通行或鐵路走廊內捕獲更多細節。這也意味著減少了數據遮擋，并且由于獲取了多個角度的掃描數據而提高了地物清晰度。

發展趨勢一：挑戰點密度

移動激光雷達產生的點密度一直在挑戰IT基礎架構。例如，即使應用點云和圖像壓縮，一個小時的數據捕獲也可以生成大約200GB的原始數據。一個典型的項目可以由8個12MP攝像機在一小時內產生100GB的空間，這些攝像機以3m的間隔記錄圖像，兩個Lidar傳感器以每秒一百萬個點的速度同時運行。生成的龐大數據成為傳輸速度和GPU之間的阻礙。

移動激光雷達的最新進展之一是將精確校準的高分辨率圖像集成到點云。最新的系統具有一系列攝像機，這些攝像機結合了球形攝像機和定向攝像機。這種高度詳細且校準的圖像可實現高質量的RGB彩色點云，從而改善了可視化和分析能力。

發展趨勢二：機器學習，減少人工干預

近年來，利用卡爾曼濾波和基于圖像的云到云配準技術的改進，改進了軌跡處理，簡化了移動激光雷達點云的處理。這意味著已經減少了許多手動點云對準和對地面控制的配準，從而加快了總體處理速度。數據處理方面的改進意味著客戶能夠更快地開始處理準確的數據。

機器學習特征提取在從機載和移動激光雷達數據中提取價值方面發揮著重要作用。在機器學習蓬勃發展的同時，仍然需要更多典型的訓練數據集，以適合每種應用，機器和數據科學家可以使用這些訓練數據集來優化算法。標識點云內對象的帶標簽的訓練數據集變得越來越有價值。

NO.3 地面激光雷達

大約15年前，在所有硬件和軟件正常工作的情況下，使用Leica HDS3000可以實現每天三次掃描。掃描儀的重量為16公斤，電池的大小相當于公文包的大小，可以通過筆記本電腦進行控制。

在地面激光雷達中，硬件得到了突飛猛進的發展，最新一代的掃描儀每天可以完成200多次掃描。現在，測繪人面臨的挑戰已經變成如何更有效地處理所有數據。

現在的設備一天之內可以完成的掃描次數越來越多，雖然自動點云對齊算法在幾年前就有解決方案。但是，運行該過程需要大量時間，并且需要嚴格的質量檢查以確保原始數據正確無誤。現實情況是在通過玻璃、漫長的無特征的走廊以及有大型移動物體的數據，都可能導致數據匹配失敗。

發展趨勢：即時數據處理：

在“自動化”成為未來代名詞的行業中，但令人驚訝的是，地面點云處理的最新發展尚未實現自動化。如果軟件現在具有在采集數據時在野外對準處理點云的能力，就克服了手動配準處理的缺點，可以讓操作員在結束之前目視檢查對準。

盡管基于平板電腦的對齊方式會占用掃描采集時間，但點云和HDR成像時間的改進很容易抵消了這種延遲。

實時數據處理的其他好處包括：

操作員可以在平板設備上實時向客戶顯示對齊的數據，從而使他們更加欣賞和參與正在進行的工作。

虛擬平面圖顯示了現場的掃描位置和空隙，避免了潛在的返工。

該字段中的其他處理無需顯示掃描位置的詳細字段注釋。

如果由于設置之間的重疊不足而導致應用程序無法對齊相鄰掃描，用戶會收到提示。

即時數據處理仍需要有強大的調查控制和嚴格的數據質量保證流程。數據完整性始終需要傳統測繪技術的支持。

NO.4 SLAM手持式短程激光雷達

激光雷達的第四個也是最后一個常用的商業平臺是使用即時定位和地圖繪制（SLAM）技術的手持式/背包式短距離激光雷達。SLAM使激光雷達系統能夠將自身定位在其環境中-通常是無GNSS的空間。隨著SLAM算法的改進，手持式激光雷達已成為一種常見的商業解決方案。

在商用手持設備之前，地面激光雷達是室內激光雷達的唯一通用解決方案。這些解決方案的優勢在于它們的速度，多功能性和易用性。在應用程序可以容忍較低精度的地方，它們在數據采集、處理和交付時間的速度方面獲得了明顯的優勢。

發展趨勢：結合無人機自主性

將SLAM技術與自主性較強的無人機相結合，可為采礦和復雜的封閉場所提供強大的室內制圖解決方案。使用無人機避障功能，使無人機能夠超視距飛行，并且激光雷達數據會實時回傳給操作員。

在未來幾年中，預計將有更多基于SLAM的手持式激光雷達系統進入市場。

結論

近年來，行業一直非常關注如何提高向用戶交付激光雷達數據的速度。還在考慮諸如從現場將數據上傳到云，掃描數據自動對齊處理，產品自動化以及通過網絡進行數據交付等方法，最終讓用戶可以更快地接收數據。

隨著數字孿生技術的發展，現在人們對利用一系列集成的激光雷達技術完全覆蓋建筑物和資產的興趣日益濃厚。近期的發展也提高了Lidar在許多平臺上的多功能性，讓我們比以往任何時候都更容易提供基于Lidar的完整點云解決方案。編輯：jq