武汉大学 杨必胜教授学术报告“点云三维信息提取与应用”心得体会与理解分析

杨必胜教授是武汉大学优秀的博士生导师，“万人计划”科技创新领军人才，长江学者特聘教授，湖北省杰出青年基金获得者，长期从事三维地理信息获取与分析方面的理论与方法研究，创新性提出“广义点云（Ubiquitous Point Cloud For Mobile Mapping）”科学概念，并且在全国新冠肺炎疫情环境下为我们提供了“点云三维信息提取与应用”的研究型报告进行线上指导，非常感谢杨教授的精彩报告，使我们对“点云三维”有了全新的认识，以及对其未来发展趋势有了一定的了解。
本次报告主要介绍了“点云三维信息提取与应用”的研究背景与现阶段我们对数据提取的需求，研究点云数据的难点、挑战与实质性的科研进展，对点云数据应用的效果分析，以及对未来的总结与展望。

1 背景与需求

从古至今，生态环境的变化，人们对智慧城市的建设与探索以及立体空间的开发与利用对点云三维信息数据的研究与处理提出了更加迫切的要求。城市化水平的提高使人们更加需要城市的精细化管理，因此，城市的点云三维信息提取与应用显得尤为重要。利用激光扫描与倾斜摄影测量三维点云数据能更全面，更精细，更实时，更真实地可视化与定量化城市三维模型。航空、航天及近地面三维成像技术的发展为智慧城市建设奠定了基础。而点云是数字化时代最具代表性的三维数据，是现实世界映射到数字世界的最精准的表现形式。

2 挑战与进展

但是，在科研探索过程中依然存在挑战和问题，数据量庞大且异构，传统人工交互式编辑无法适应未来多样的服务需求，自动化程度低，且劳动强度大是现今面临的重要问题。如果三维点云数据没有对象化、结构化、语义化，就不可能实现真正的信息化、数字化、智能化。三维信息如何应用，必须从人工智能到走向智能决策，模式识别与自动化配准模型可以广泛解决所面临的问题。

杨教授提出的广义点云（Ubiquitous Point Cloud）概念是指汇集摄影测量、激光扫描、众源采集等多平台空间数据，通过清洗、配准与集成，实现从多角度，视相关到全方位、视无关，建立以点云为基础，基准统一，且数据、结构、功能为一体的模型。从现实中通过各种方法获取数据，通过整合与增强，提取与分类，计算与表达等进行数据自动化处理，得到与实体一致的虚拟现实模型，进而再应用到现实中去。

在此基础上，需要进行多元点云数据的融合，以达到丰富信息的效果。但数据的不一致性对融合算法模型的建立是一个巨大瓶颈，数据源多样化，平台的不一致性，粒度的多样化以及各种数据的不同精度在进行数据融合时，没有一个系统性的标准，或者标准化程序系统进行合理配置，就会造成数据的高冗余，匹配不准确或者数据的缺失等问题。

利用二进制形状上下文特征描述算子（BSC）提高局部特征描述算子的鲁棒性（稳定性、健壮性）和描述性。同时保持较高的计算和内存效率。形状上下文描述子：形状上下文是一种基于轮廓的形状描述子，由Belongie等2002年提出，是为轮廓上的像素点提供上下文信息的描述子。形状上下文描述子的基本思想：对于给定的一个形状，通过边缘检测子获取轮廓边缘，对轮廓边缘均匀采样得到一组离散的点集P= {pi | i = 1,2,…,n}，依次选取每个采样点作为参考点。以其中任意一参考点p为例，以p为中心建立极坐标系，在以p为圆心R为半径的区域内，按距离和角度划分区域，形成靶状。按照距离和角度统计落入每个区域的点的个数，形成点的分布直方图hp称为点p的形状上文。形状上下文描述子是对轮廓特征点的进一步提取，提高了特征表示的准确性和有效性。若一幅图中有n个点，某点P，与其余n-1个点均存在关系，即产生n-1个向量。如图所示。这n-1个向量描述了丰富信息，决定目标形状特征。

BSC算子描述

杨教授在报告中分别描述了二进制形状上下文特征描述算子（BSC）对噪声、遮挡以及点密度变化的鲁棒性（稳健性）分析，噪声越大，点密度变化越大，其稳健性会越差，而过度遮挡则会增加其稳健性。这可能是因为遮挡物挡住了大部分信号导致信息量骤减所造成的点密度减小所引起的异常变化。

对噪声的鲁棒性分析

对遮挡的鲁棒性分析

对于其他算法也进行了效率对比，BSC算法明显存在空间和时间上的优势。可应用于地下空间无靶标自动融合，实现了部分自动化数据处理。

点云数据的质量有待提升，数据段偏差大于0.1米，最大偏差为2.7米。为数据处理算法造成困扰。

目标的自动识别包含了区域显著性计算，相邻区域合并，基于语义规则的目标识别，类别指导下相邻区域再合并等过程。杨教授介绍了利用SkyP2M影像点云智能分析处理软件进行地物目标的自动识别，利用深度学习进行建筑物结构化模型重建，是从粗略地可视化到定量地可计算、可分析的过渡。

在点云数据处理也得到了实质性的进展，杨教授团队开发出了点云智能处理软件Point2Model，其中含有的功能模块有：TB级点云和影像数据高效索引和快速可视化，多点云数据空间基准一致性整合，多类型要素高精度提取及矢量化，高精度图自动化生产等。

3 应用与效果

上海市是我国较为发达的城市之一，以其实景三维做智慧城市示范较为合理。对其建筑进行三维建模，分层分户结构化模型重建，地上地下一体化模型构建以及城市部件结构化模型重建具有典型意义。

在智能交通方面，广元-平武新建高速路，久治-马尔康新建高速路，成都-乐山高速路改扩建，成都-绵阳高速路改扩建以及成都-南充高速路已经具有智能交通的元素。以及电力巡检的精准性等例子。都是基于三维点云信息，进行精准定位与信息可视化查询，通过计算机视觉，使人们更能精准地感知世界，虚拟现实。

4总结与展望

如今，随着信息量不断扩大，人们的生活节奏不断加快，就要求信息具有动态性、同步化，必须加快数据采集，信息提取和建立模型的速度，要逐步减少或去除人工干预，达到自动化，智能化管理模式。如地下，水下以及室内空间这些较为隐蔽的地方，需要我们探索与关注。以达到建立全空间，无死角的巨大信息储存库，才能实时有效地应急突发情况，以满足人类的需求。

点云三维信息提取与应用对未来的空间管理与规划具有重大意义，因此它不仅仅是一门学科技术，也是通往智慧未来的一座桥梁。

简书分享

此时的你，

无与伦比！

最后

以上就是个性橘子为你收集整理的武汉大学 杨必胜教授学术报告“点云三维信息提取与应用”心得体会与理解分析的全部内容，希望文章能够帮你解决武汉大学 杨必胜教授学术报告“点云三维信息提取与应用”心得体会与理解分析所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。