激光雷达技术是3D点云的代名词，为了充分利用3D点云数据，我们有必要考虑Lidar技术的最新趋势以及如何使数据让用户受益。本文探讨了最新的发展。

在空间工业中，有四个流行的lidar平台可用于生成点云：

1）机载激光雷达，它使用有人飞机和无人机（UAV或“无人机”）从空中采集数据；

2）移动激光雷达，安装在包括公路、铁路和陆运的移动车辆、船只；

3）通常使用三脚架从静态平台上捕获的地面激光雷达；

4）使用SLAM技术的手持式短程激光雷达。

每个平台在生成激光雷达采集的点云中都发挥着重要作用，并且每个平台都提供了独特视角。

机载激光雷达

近期，机载激光雷达的最大作用是在3D点云的处理和成果交付中。无人机的轻量级传感器以及无人机的自主性也得到了发展。在基于云的处理和存储自动化方面也取得了较大进展，从而大大缩短了成果交付时间。

整个市场上，lidar设备的最大点频已稳定下来，随着客户对lidar相关知识的提高，人们正在考虑获取尽可能多的数据细节，以求更有价值的服务。

发展趋势一：基于云的数据处理

设备趋同的时候，机载激光雷达的最大变化是数据处理方面。现在，使用完全基于云的体系结构，还包括在云中的手动编辑和进行质量保证（QA），可以实现更高的自动化和更高的效率。这种基于云的方法大大缩短了周转时间，并提高了作业现场和办公室之间的通用性。飞机降落在停机坪上后，可以立即上传项目数据，甚至后处理的数据也可以在云中交付。与所有基于云的解决方案一样，大多数项目当前面临的挑战是带宽，因为需要足够的网络速度来实现。

机载激光雷达是支持创建高质量数字高程模型（DEM）的基础，用以支持数字孪生并导出高质量的、最新的建筑模型。

发展趋势二：数字孪生

专注于城市地区和数字孪生，这意味着对全波形激光雷达的需求减少。大量的数据以及不断发展的数据管理需求加速了向基于云的存储和流传输以及日益高效的数据压缩格式的过渡。在云中处理和存储大量数据的成本可能会加起来，并且在仅获取所需内容方面变得越来越智能。

近年来，客户与供应商之间的通信有了更强的推动力。客户要求提供有关数据处理方案的更多信息，包括其质量保证和编辑方法。

移动激光雷达

在过去的几年中，Mobile Lidar取得了长足的进步。移动激光雷达捕获不再需要专家精心组装的大量电缆和配件。现在，所有测绘级传感器（例如Velodyne和Ouster的传感器以及RIEGL、Trimble和Leica的测量级平台）都更容易携带，即插即用。从宽的垂直视场或更长的测量范围到多脉冲或更高的精度，每种传感器都有其自身的优势。

在移动激光雷达中，点密度有所增加，尤其是在使用双扫描头单次获取数据时。RIEGL VMX-2HA，Trimble MX9，Teledyne HS600和Leica Pegasus Two：Ultimate等系统都能够每秒测量200万个点。

在双头系统中同时使用两个扫描仪的好处是，可以从较少的道路通行或铁路走廊内捕获更多细节。这也意味着减少了数据遮挡，并且由于获取了多个角度的扫描数据而提高了地物清晰度。

发展趋势一：挑战点密度

移动激光雷达产生的点密度一直在挑战IT基础架构。例如，即使应用点云和图像压缩，一个小时的数据捕获也可以生成大约200GB的原始数据。一个典型的项目可以由8个12MP摄像机在一小时内产生100GB的空间，这些摄像机以3m的间隔记录图像，两个Lidar传感器以每秒一百万个点的速度同时运行。生成的庞大数据成为传输速度和GPU之间的阻碍。

移动激光雷达的最新进展之一是将精确校准的高分辨率图像集成到点云。最新的系统具有一系列摄像机，这些摄像机结合了球形摄像机和定向摄像机。这种高度详细且校准的图像可实现高质量的RGB彩色点云，从而改善了可视化和分析能力。

发展趋势二：机器学习，减少人工干预

近年来，利用卡尔曼滤波和基于图像的云到云配准技术的改进，改进了轨迹处理，简化了移动激光雷达点云的处理。这意味着已经减少了许多手动点云对准和对地面控制的配准，从而加快了总体处理速度。数据处理方面的改进意味着客户能够更快地开始处理准确的数据。

机器学习特征提取在从机载和移动激光雷达数据中提取价值方面发挥着重要作用。在机器学习蓬勃发展的同时，仍然需要更多典型的训练数据集，以适合每种应用，机器和数据科学家可以使用这些训练数据集来优化算法。标识点云内对象的带标签的训练数据集变得越来越有价值。

地面激光雷达

大约15年前，在所有硬件和软件正常工作的情况下，使用Leica HDS3000可以实现每天三次扫描。扫描仪的重量为16公斤，电池的大小相当于公文包的大小，可以通过笔记本电脑进行控制。

在地面激光雷达中，硬件得到了突飞猛进的发展，最新一代的扫描仪每天可以完成200多次扫描。现在，测绘人面临的挑战已经变成如何更有效地处理所有数据。

现在的设备一天之内可以完成的扫描次数越来越多，虽然自动点云对齐算法在几年前就有解决方案。但是，运行该过程需要大量时间，并且需要严格的质量检查以确保原始数据正确无误。现实情况是在通过玻璃、漫长的无特征的走廊以及有大型移动物体的数据，都可能导致数据匹配失败。

发展趋势：即时数据处理

在“自动化”成为未来代名词的行业中，但令人惊讶的是，地面点云处理的最新发展尚未实现自动化。如果软件现在具有在采集数据时在野外对准处理点云的能力，就克服了手动配准处理的缺点，可以让操作员在结束之前目视检查对准。

尽管基于平板电脑的对齐方式会占用扫描采集时间，但点云和HDR成像时间的改进很容易抵消了这种延迟。

实时数据处理的其他好处包括：

1、操作员可以在平板设备上实时向客户显示对齐的数据，从而使他们更加欣赏和参与正在进行的工作。

2、虚拟平面图显示了现场的扫描位置和空隙，避免了潜在的返工。

3、该字段中的其他处理无需显示扫描位置的详细字段注释。

4、如果由于设置之间的重叠不足而导致应用程序无法对齐相邻扫描，用户会收到提示。

即时数据处理仍需要有强大的调查控制和严格的数据质量保证流程。数据完整性始终需要传统测绘技术的支持。

SLAM手持式短程激光雷达

激光雷达的第四个也是最后一个常用的商业平台是使用即时定位和地图绘制（SLAM）技术的手持式/背包式短距离激光雷达。SLAM使激光雷达系统能够将自身定位在其环境中-通常是无GNSS的空间。随着SLAM算法的改进，手持式激光雷达已成为一种常见的商业解决方案。

在商用手持设备之前，地面激光雷达是室内激光雷达的唯一通用解决方案。这些解决方案的优势在于它们的速度，多功能性和易用性。在应用程序可以容忍较低精度的地方，它们在数据采集、处理和交付时间的速度方面获得了明显的优势。

发展趋势：结合无人机自主性

将SLAM技术与自主性较强的无人机相结合，可为采矿和复杂的封闭场所提供强大的室内制图解决方案。使用无人机避障功能，使无人机能够超视距飞行，并且激光雷达数据会实时回传给操作员。

在未来几年中，预计将有更多基于SLAM的手持式激光雷达系统进入市场。

结论

近年来，行业一直非常关注如何提高向用户交付激光雷达数据的速度。还在考虑诸如从现场将数据上传到云，扫描数据自动对齐处理，产品自动化以及通过网络进行数据交付等方法，最终让用户可以更快地接收数据。

随着数字孪生技术的发展，现在人们对利用一系列集成的激光雷达技术完全覆盖建筑物和资产的兴趣日益浓厚。近期的发展也提高了Lidar在许多平台上的多功能性，让我们比以往任何时候都更容易提供基于Lidar的完整点云解决方案。