随着 Global Mapper Pro 的发布，Blue Marble Geographics 继续在软件中的增加点云分析工具。Global Mapper 点云处理工具的最新功能之一是 Segmentation by Spectral Graph Partitioning 工具，用于根据用户输入参数对点云进行分割。此新功能归属于自动分类功能组，可用于半自动分类，但不是直接将分类属性应用于分析的点云，而是将分段识别值（ segment identification value）应用于每个已识别的点云聚类。

什么是点云分割？

Global Mapper Pro 中的分割工具使用点对点相似性度量来识别和标记独特的点云簇。分析中使用的每个点的特征取决于可用的点属性以及用户输入参数。根据点之间的相似性，此工具会将点分解为离散段（点组）。

属性评估

作为分割分析的第一步，是进行属性评估以确定点对点的相似性。要自定义分析的部分，用户可以选择将在分析过程中考虑的属性值，并定义权重。

位置 — 在此分析中始终考虑点的坐标位置。考虑位置确保识别的点段将是连续的，代表单个特征或聚集在一起的特征。在不考虑位置的情况下，散布在整个点云中的相似点都可以放置在同一分段中，从而无法提供有意义的特征识别。

法线—点的法线是垂直于该点所代表的表面的方向。为了形象化这个概念，考虑一组邻域点和它们代表的表面，然后，在一个点的位置，把点法线想象成一条从创建的表面突出的垂直线。在相似性分析中考虑点法线值有助于识别点云中的平面。如果您要识别道路平面或地面，在属性评估中更多地使用点法线值可能会产生更好的结果。

点云创建的表面和点法线的表示（屋顶的横截面视图）。

强度—强度是在收集lidar数据时返回传感器的激光脉冲强度。返回的强度受反射激光脉冲的表面的影响。点云的强度值可以在 Global Mapper Pro 中使用 Color Lidar by Intensity 绘制（着色）模式进行可视化。在分割分析中考虑强度有助于创建更可能由相同或相似材料构成的点集群。

回波次数—当激光脉冲被发送并返回到激光雷达传感器时，脉冲可以多次分裂和反弹，从而产生多次回波。此信息作为点云的属性一起采集。地面或建筑物等固体表面更有可能由单回波组成，而树木的结构允许脉冲从树枝和树叶上反弹，从而产生多次回波。与强度一样，回波编号可以在 Global Mapper Pro 中使用激光雷达绘图模式选项进行可视化。

曲率—曲率是指由点的局部邻域创建的曲线，类似于点法线值如何考虑由点创建的形状。在属性评估中包括曲率考虑了形状的一致性。

虽然并非所有这些属性都适用于所有点云，例如像片衍生的点云通常没有回波次数或强度信息，但分割分析设置允许用户选择和加权应该考虑的特征。

分割

在分析点相似性后，Global Mapper Pro 根据确定的相似性和用户输入的分区值将点云分成簇或段。一些分割参数是无单位的，比 Global Mapper 用户可能熟悉的更抽象的值。

连接阈值（Connectivity Threshold）—具有广泛的值范围（0.0001 到 100），连通性值是代数连通性的阈值，用于测量点之间的连接并将数据切割成段。总的来说，较大的值将使用较小的相似性变化来拆分数据，结果会产生更多的点云分段数，而较小的值将导致更少的分段数。

分段中的最小点数—最小点数值设置允许的最小段的大小（以点数为单位）。设置此参数时，请考虑点云的密度和您要识别的特征，以估计代表给定特征的点数。

最大标准偏差数 –标准差是统计分析中的一种常用度量，用于度量值与平均值的分布。设置分割的最大标准偏差数会缩小要考虑的点关联范围。较大数量的标准差会创建包含更多弱连接点的点云分段，而较小数量的标准差会创建包含更紧密连接点的分段。

最大曲率 - 最大曲率设置单个点云段内允许的曲率量。如果超过此值，该段将被拆分为多个段。如下图所示：

代表汽车的点被分成两部分，它们之间的中断发生在曲率变化最大的地方。更高的曲率阈值可能会有所帮助

如何使用分割分析？

Global Mapper 中的点云分割分析是一个用途非常广的工具。由于执行此工具后不会对点应用分类，因此它允许您识别没有明确类别的特征和/或在通过分割识别特征后对特征进行分类。

识别地面

由于可以考虑更多属性，因此使用分割来识别地面点可以超越自动分类工具。为了识别点云中的地面点，使用分割工具，并考虑位置、强度和曲率值。运行 分割（Segmentation） 工具后，对话框将保持打开状态，LiDAR绘制模式将自动更改为通过 Segment ID 绘制LiDAR。此过程将通过新创建的分段 ID 值显示点云。

通过多种应用特性，分割可用于识别点云中的大小特征。

上述样例使用考虑几个点属性的设置并创建许多点的分段（150 或更多），它们高度连接，低连接阈值，识别出地面和大型平屋顶的分段。

要将识别出的点段分类为地面，可以使用Select Lidar Segments工具选择这些点。通过单击段内的任意点选择第一个地面段，然后按住 Control 键以选择第二个段及更多的分段。选择了代表地面的点云分段后，可以手动将它们分类为地面。

在继续进行较小的特征识别之前，先实现对地面的清晰分类。

识别汽车

每次执行点云分割后，对话框不会自动关闭，我们可以继续进行分割工作。现在大部分点已被识别并归类为地面，可以过滤这些点，并将重点放在数据集中的较小特征上。在这个特定的点云中，有一个停车场，可以使用 Global Mapper 中的 Segmentation 工具来识别汽车特征。

在执行分割过程以识别汽车之前，地面分类点将被过滤，因此在分析中不会考虑它们。

在分割对话框中使用过滤Lidar 数据（或过滤点）工具意味着在分割分析中将只考虑未分类的点。考虑点的位置和曲率，收紧（提高）连接阈值，并改变其他参数会产生代表该点云中汽车的识别段。如下图所示：

在 Path Profile（剖面） 和 3D视图 中，可以清楚地看到识别的汽车分段。

识别出代表汽车的点后，可以使用 Select Segment 工具选择它们进行分类或删除。

Global Mapper 中的点云分割工具提供了自定义特征识别的机会，以便在处理点云时对它们进行分类或删除。结合Select Segment工具，segmentation大大扩展了程序的分类能力和人工分类的效率。

如果您想在 Global Mapper Pro 中尝试新的点云分割，欢迎下载试用，如果您有任何疑问，请随时联系我们。

原文作者：Mackenzie Mills（原文链接）

翻译整理：北京易凯图科技有限公司