實景三維中國建設的開展，對各類實體數據的采集、處理、管理、應用及動態化更新等提出了更高要求，以滿足地形級、城市級、部件級等多層級實景三維建設任務需要。

作為擁有地面、車載和機載多種形式的數據采集技術之一，激光雷達技術可以通過多源融合的方式做到室內、室外一體化的采集，再加上擁有高靈敏度、高分辨率和全天候觀測等優勢，已經成為數據獲取的推薦路徑，以及未來數字經濟中的“技術驅動”。

然而，高溫酷暑，加班無阻。通過激光雷達技術采集的點云數據，具有數據量龐大、空間密度高、語義信息豐富等特點，普通基礎平臺對其處理能力不足，需要適配的軟件平臺作為信息處理和提取的支撐。基于長期的激光點云數據采集和處理等項目實踐，國地科技結合自身的技術優勢，開發出了實景三維的一系列工具，GD-LAS點云數據處理平臺便是其中之一。平臺集成多種點云算法，形成一套實用的點云數據處理工具，為激光點云數據的高效處理、智能提取、多領域應用提供了技術支持。即使是烈日炎炎，也能全力向前。

點云“神器”GD-LAS

GD-LAS平臺在便捷使用方面具有顯著特點。一是高性能和可擴展性，該平臺支持多線程的數據加載和處理，相比于普通加載手段，其處理速度提高了30%以上，大大縮短了數據處理所需時間，同時預留擴展接口，方便定制開發。

二是用戶友好，GD-LAS提供了一套直觀、簡潔的用戶操作界面，集成和封裝中間處理過程，支持一鍵提取等便捷式操作，降低了點云數據處理的操作門檻。

?

圖1?數據加載及渲染

GD-LAS在多源格式加載、速度優化提升和效果優化等方面技術優勢明顯。

一是多源數據加載方面。GD-LAS平臺支持包括LAS、PLY、XYZ等多種點云格式的數據加載，集多源數據融合，可實現點云、矢量、柵格和模型數據的疊加顯示與分析。

二是數據加載性能優化方面。開發了數據預處理模塊，集成了自動分塊、抽稀分層等算法，對輸入的點云數據進行優化，實現分層快速加載。經過系統測試，在GD-LAS平臺上20GB的數據能夠實現秒級加載，優于行業主流水平，對于數量級達到6億點的點云數據，平臺也能夠保證流暢的渲染展示，確保交互操作過程不卡頓。

三是多樣數據渲染方面。平臺提供了多種賦色方案，以更直觀的方式展示點云效果，支持按照高程賦色、強度賦色、RGB賦色以及類別賦色等多種方式，賦色方案支持用戶根據需求和場景進行自定義，極大提升了數據渲染效果和對數據的直觀理解。

此外，平臺集成了相關通用算法，并開發了多個點云處理工具。使用這些工具，可以對點云數據進行裁剪、去噪、濾波、重采樣、配準和對齊等操作。

l裁剪功能允許用戶指定裁剪區域，從而截取感興趣的點云數據部分。

l去噪操作能夠有效消除由傳感器噪聲或掃描誤差引起的噪點，提高數據質量。

l通過濾波功能，可以平滑數據、去除離群點或保留感興趣的結構信息。本平臺在常用的濾波算法基礎上，進行改進，研發出基于點的多尺度形態學濾波方法，其精度至少提升12%。

l重采樣操作能夠調整點云數據的采樣密度，以滿足特定的分析需求，提升處理速度。

l配準操作能夠使得多個部分重疊的點云數據集能夠拼接起來，消除分層問題并且使點云厚度變得更薄。

l對齊操作能夠調整不同數據集之間的位置關系，方便進行誤差分析。

這些操作的集成提高了數據處理的效率和質量，使得用戶能夠更好地處理和分析點云數據，并支持將處理后的數據導出為標準格式。

圖2?去噪前（點數量2509427）

圖3?去噪后（點數量2199984）

應用場景一：單木提取

為實現森林資源的可持續開發、利用和保護，準確了解森林資源的現狀及變化情況，GD-LAS針對不同樹種特征，實現了不同樹種的單木提取。對針葉林等典型樹種的提取算法進行了底層優化，可從表面數據提取86%的樹木數量，且提取的樹木94%均為完整，整體精度達到90%以上，通過標準數據測試，該方法相對于其他點云數據處理軟件，其召回率和完整度都有較大提升，優勢明顯；同時，相較于其他平臺，本平臺能以較快的速度和多種格式支持單木點云數據的導出，而其他平臺大多僅支持表格與種子點圖數據導出功能。

通過單木提取，可準確獲取單棵樹木的位置、樹高、冠幅直徑等信息，為樹木砍伐統計、林業資源調查以及森林蓄積量和生物量等生態參數的反演提供支撐?？蓱玫搅謽I碳匯計算等項目和工作中，為碳匯的量化計算提供技術手段。

?

圖4?原始點云數據

圖5?某平臺單木提取結果

圖 6?GD-LAS平臺單木提取結果

（圖5平臺僅支持表格形式的導出，圖6GD-LAS平臺能夠支持單木提取導出為點云數據）

應用場景二：基礎測繪生產

《實景三維中國建設技術大綱》鼓勵使用點云數據來構建地理場景和生成地理實體。GD-LAS通過點云去噪，獲得數字表面模型（DSM）數據，并經過濾波處理等技術手段可進一步得到數字高程模型（DEM）數據。這一處理過程具有高度自動化的特點，能夠在短時間內迅速完成。其中，針對點云濾波中復雜地面點和地物點難以分割的問題，本平臺采用基于點的多形態學重建濾波方法，分割結果的平均誤差僅3.24%，相比常用的濾波方法精度提供了12%。

圖7?DEM生成結果

圖8?DSM生成結果

圖9?CHM生成結果

此外，GD-LAS還可以通過點云分割技術快速提取建筑物的頂部特征和輪廓線，并生成簡易模型。在建筑點聚類過程中加入顏色信息，綜合考慮平面指數和法向量，大大增強了提取結果的精確性，從而生成更為精細的地理實體模型，實現對地理場景的精確建模。

圖10?建筑提取結果圖

應用場景三：電力線危險點檢測

通過高壓輸電線進行電力傳輸，在地理環境復雜的區域，需要定期開展巡檢，以確保安全。傳統的人工巡檢方法費時費力，很難滿足安全、快速的巡檢需求，GD-LAS通過點云分割技術可快速提取電力線路及其他地物，同時通過計算點云數據之間的凈空距離、垂直距離和水平距離，結合設定的危險預警閾值，能夠識別出潛在的隱患點，并支持導出危險點檢測的分析報告，為電力行業的安全運行提供基礎保障。

圖11?危險點檢測分析

?

圖12?危險點檢測結果表

圖13?危險點檢測結果圖

圍繞“易用、好用、管用”，GD-LAS點云處理平臺在數據加載和處理工具方面開展了深化研究和產品打磨等工作，并支持了林業、電力和測繪等領域的應用，未來將繼續在平臺性能優化和應用融合創新等方面進行提升。

技術創新方面，平臺將結合深度學習算法和語義理解技術，提高數據提取的精度和速度；效率提升方面，采用分布式、集群和高性能數據處理引擎等技術，更好地對數據進行組織并提升處理速度；應用支撐方面，將進一步深化應用場景，推進技術與應用的融合，并延伸不同行業的應用場景，深化與數字孿生城市、智慧農業等方面的交叉融合，為推進應用創新提供更多支持。