隨著我國激光雷達技術的不斷進步，越來越多的用戶開始采用無人機搭載激光雷達進行地形測繪作業。激光雷達技術具有穿透性，能夠輕松獲取林下地面信息，在保證測繪精度的同時，也減少了人工測點的工作量。相較于傳統需要三天完成的外業采集工作，如今采用激光雷達技術僅需半天即可高效完成。

　　如今，華測CoProcess三維數據成果智能生產軟件——點云自動提取建筑物功能的發布，將為激光雷達提取建筑物帶來怎樣的高效方案？本篇推文將為您詳細解答。

　　問題1：激光雷達已經這么精細了，可以直接用它畫房子提高效率嗎？

　　相較于傳統的影像模型，在數據獲取的準確度與精細度上，激光點云更有優勢。尤其在樹木與建筑物墻體相鄰較緊的情況下，激光點云相較影像可以更為完整的表現出建筑立面的輪廓，而這種場景在實際生產作業中是相當常見的。

　　左圖是用傳統影像進行的建模，可以看出由于樹木影響，模型墻體發生畸變，而右圖采用激光點云進行建模，激光的穿透性讓墻體整體更加平整。因此相較影像，用激光點云數據進行房屋輪廓的提取理論上是更好的。

　　問題2：和影像比起來，激光點云畫房子不方便在哪？

　　無論是激光點云還是影像畫房子，費時主要是在兩個環節：

　　1.確定房子結構2.按照結構畫線

　　在這兩個環節中，傳統影像由于其清晰度高、還原性強的優勢，降低了作業人員的工作難度，因此得到了廣泛長期的使用。而激光點云盡管在準確度和精細度上更有優勢，但由于其離散型的組成，增加了作業人員提前學習以及適應的時間成本。尤其在植被和房子相鄰較近的情況，用人工分辨更加不明顯。

　　除此之外，在繪制過程中，激光點云和影像都需要人工操作，1人1天仍然只能完成80-100棟的建筑物提取，工作效率其實沒有得到真正提升。學習周期長，工作效率低，這就是大部分作業人員仍然堅持傳統影像作業方式的主要原因。

　　問題3：點云自動提取建筑物功能的發布，能否實質上提升工作效率呢？

　　1.引入AI算法，減少人工識別工作

　　我們在地面點濾波的分類算法中加入建筑物和植被的算法，在獲取地面點的同時，獲取建筑物和植被點。建筑物和植被通常挨得較近，傳統的深度學習算法容易造成錯分，所以我們引入了人工智能算法，提升了建筑物和植被分類的正確率，大大減少了人工識別建筑物的工作。

　　左圖是傳統的深度學習算法的分類結果，右圖是加入人工學習之后的分類結果，可以看到在藍色框內，原有算法的錯分得到了明顯糾正，植被和建筑區分的效果更好。

　　2.自動繪制和容錯機制，減少人工繪制工作

　　在得到較好的建筑物點云后，就可以通過用戶選定的范圍的輔助，通過算法自動識別立面、頂面并擬合出建筑外輪廓線，并在算法中加入了容錯機制，在一定程度上減少錯分點帶來的影響。這樣大大節省了用戶在畫房子的過程反復調整視角的工作。

　　在繪圖過程中，為了實時觀測繪圖的效果和準確性，支持同時可以加載激光點云和點云影像融合建模的Mesh模型或者TDOM。一旦出現錯誤，就可以及時同步修改。

　　3.成果符合通用要求

　　在完成的建筑物輪廓線提取后，可以導出成dxf，支持導入CASS軟件做最后的圖幅整飾。

　　該客戶反饋，采用新的建筑物提取方案后，1人1天可輕松提取300棟建筑物，作業效率直翻三倍！相較于傳統用影像和激光雷達1人1天80-100棟的低效作業，華測點云自動提取建筑物功能不僅降低了作業人員的工作量和額外學習時間，AI算法的引入使得精確率再次提升，解決了建筑物提取效率低的根本問題。