【Global Mapper Pro】如何提供Lidar数据的精度和质量

与任何商品或原材料一样，点云数据（如Lidar数据）的质量直接影响其衍生产品的质量。位置精度低于要求标准的点云将产生不准确的数字地形模块 (DTM)；错误分类的点云也将导致矢量提取的错误；高于或低于预期高程范围的噪声点可能会破坏任何后续分析或数据处理工作流程。

Global Mapper Pro 提供了大量工具，用于点云编辑、滤波，从而总体上提高点云数据的质量。更新后的点云随后可用于 Pro 的各种分析工具，或者可以导出以创建改进版本的Lidar数据作为最终交付成果。

导入过滤操作

将点云数据导入 Global Mapper 时，导入对话框将出现一些选项，用于指定要导入哪些点。

Lidar导入对话框提供了多种选项，用于在打开显示数据之前对其进行筛选。

查看元数据

通常，评估数据集的第一步就是直接浏览数据本身。点云是否完全覆盖了您感兴趣的区域，还是存在空白区域？在 3D 查看器中查看时，是否有任何明显的高值或低值？

除了目视检查之外，更严谨的质量控制步骤是从图层的元数据开始的，可以通过在控制中心右键单击图层来访问元数据（或双击图层显示）。在这里，Global Mapper 展示了点云关键参数，包括高程范围、平均点密度和间距、采集日期以及现有的点云分类。

有了这些背景信息，就可以采取有针对性的改进措施来填充空白、完善分类并增强点云的整体可靠性。

提高激光雷达精度和质量的过程大致可分为两大类：编辑和过滤（筛选）。编辑通常涉及更新点的特征，而筛选则意味着删除不需要的或被认为是错误的点。通常情况下，这两种程序会同时进行。

编辑点云

处理点云数据时最常见的步骤之一是分配或更新分类值，以表示正确的地表特征类型。常见的类别包括地面、建筑物和植被等等。在某些数据集（特别是通过摄影测量生成的点云）中，所有点最初都是未分类的，因此必须先做好点云分类才能进行进一步结构化分析。

人工分类

在 Global Mapper Pro 中，可以通过选择要修改的点云并使用工具栏中（预先配置的）手工分类按钮应用所需的类别来手动更新分类。虽然这种方法对于大规模重新分类效率不高，但它非常适合对小组点进行修改或快速编辑，尤其是在路径剖面（横截面）视图中工作时。

自动分类

更高效的工作流程是充分利用自动分类工具，这些工具通过算法分析激光雷达数据，分类代表地面、高大植被或树木、建筑物、地上公用设施电缆和电线杆的点云。其他物体可以使用分割工具进行手动分类。这些重新分类的点云随后可用于创建数字地形模型 (DTM) 或提取特征。点云分类完成后，可以轻松运行进一步的分析，例如创建高程栅格或提取树木作为矢量特征。

自动分类工具通过分析点云，识别地面、植被、建筑物、地上公用设施线路和电线杆等特征。其他的地物特征可以使用分割工具对点云分割后继续进行人工审核。重新分类后，这些点云可用于构建表面模型或提取树木等资源作为特征图层等后续点云工作流。

自定义分类

除了内置模型外，“自定义点云分类”工具还允许用户定义自己的类别，并训练 Global Mapper Pro 来识别这些类别。用户提供待识别特征的样本点后，软件会分析这些点的属性和几何形状，生成分类特征。该特征将成为用户自定义训练模型的基础。

编辑 X、Y 和 Z 值

Lidar数据质量的另一个可改进方面是位置精度。当数据集与参考图层（如控制点）或其他参考点云不完全对齐时，Global Mapper Pro 提供了多种工具来校正其 3D 位置：

手动偏移：沿 X、Y 和 Z 轴移动整个图层。
Lidar QC工具：将点云与控制点图层进行比较，生成偏移报告，并在需要时执行位置调整。
Fit Lidar工具：重新定位点云，使其与另一个参考点云对齐，并可视化它们之间的高程差异。
图像校正工具：使用校正工作流程将点云与已知的 3D 地面控制图层重新对齐。

这些方法都会更新点的坐标或高程，以反映所应用的修正。

过滤点云数据

几乎所有情况下，在开始任何分析、表面模型生成或特征提取工作流程之前，都需要对点云进行滤波。滤波过程可以基于数据的地理范围，但更常见的是基于其固有的属性或特征。

激光雷达显示工具

在 v26.2 版本中全新改进的Lidar/地形显示控件中，新增了点云过滤器界面，使用户能够快速便捷地查看符合特定条件的点云数据，无论点云数据是激光雷达数据还是摄影测量数据。过滤属性会根据点云元数据自动填充和计算，突破了高程、强度或 RGB 值等内置属性的限制。用户可以使用直方图滑块实时快速调整可见点，从而精确控制数据集。过滤后的点云数据会被隐藏，但不会被删除，并且可以随时恢复。

地理过滤

与任何矢量数据一样，点云可以裁剪到所选多边形的范围，从而为后续处理提供一种去除冗余的简便方法。这个操作可以在导入时进行，但也可以在数据加载后进行。

点云邻近性也可作为过滤的依据。Global Mapper Pro 的抽稀工具可根据设定的密度或间距要求移除点云，仅保留邻域内高程最高、最低或平均值。这在处理高密度摄影测量生成的点云时尤为有用。

类似地，“模型关键点”工具也会对点云进行稀疏化，它的作用是将点云减少到表示数据中特征所需的最少点数。

去噪

噪声点是指超出指定局部区域正常海拔范围的点。噪声点的出现可能是由于数据采集过程中的问题、目标区域的物理异常（例如飞机下方飞过的鸟类）或其他多种原因造成的。Global Mapper Pro 的噪声识别工具可以根据预设的参数和海拔阈值，对噪声点进行重新分类，或者直接移除或删除它们。

按分类过滤

将点云转换为栅格数字地形模型 (DTM) 的第一步，是剔除未被分类为地面的点。保留非地面或未分类的点会生成包含地上特征的表面，而无法反映目标区域的裸地形态。此处的过滤是一个简单的类别选择过程，既可以应用于屏幕显示的点云，也可以应用于栅格化或表面创建过程中。无论哪种情况，最终栅格图层中像素的高程都将由选定的点云子集计算得出。