激光雷达考试基础知识
一、技术介绍
1.激光雷达
- 概念：激光探测与测量，Light Detection And Ranging，英文缩写为LiDAR，LiDAR的光源一般采用激光，原理与雷达原理相同，故都将LiDAR翻译为激光雷达，也可称为激光扫描仪。
- 工作原理：脉冲式和相位式，它有激光发射器、接收器、时间计数器、微电脑构成，成像为点云，并以数据为基础重建目标三维模型。
（相位式问题：相位测量仅能测出不足一周的相位差，相位差的分辨率限制测距的精度，为了保证精度而又兼顾测程，采用几个调制光波长配合测距。） - 激光扫面技术分类：1D激光测距、2D激光测距、3D激光测距、多传感器的集成
- 激光雷达和普通雷达的区别：
普通雷达：射频电磁波被送到大气中，大气中的目标散射发射电磁波的一部分到普通雷达的接收器中。
激光雷达也发射和接收电磁波，但其频率相对较高，激光雷达工作在紫外光、可见光、近外红三个光谱波段 - 激光雷达存在的问题
两点同步难匹配、数据处理自动化程度低
测量复杂度高、仪器昂贵、操作人员需要较高技巧、生产成本高、费时
对天气、可见度等自然条件要求高
很难获取较全面的信息
2.三维激光扫描技术 - 概念：三维激光扫描系统：由三维激光扫描仪、计算机、电源供应系统、支架以及系统配套软件构成、而三维激光扫描仪又由激光发射器、接收器、时间计数器、马达控制可旋转的滤光镜、控制电路板、微电脑、CCD相机以及软件组成。
三维激光扫描技术是一种先进的全自动高精度立体扫描技术，用三维激光扫描仪获取目标物表面各点的空间坐标，然后由获得的测量数据构造出目标物的三维模型的一种全自动测量技术。是继GPS后的又一项测绘新技术，已成为空间数据获取的重要技术手段。 - 原理：三维激光扫描仪发射器发出一个激光脉冲信号，经物体表面漫反射后沿几乎相同的路径反向传回到接收器，可以计算目标点P与扫描仪距离S。激光测距技术是三维激光扫描仪的主要技术之一，激光测距的原理主要有基于脉冲测距法、干涉测距法、激光三角法三种类型。
- 特点：快速性；采样率高；实时性、动态性、主动性、；.非接触性；全数字特征，自动化；外置或内置数码相机；集成了GPS接收机等高精度定位装置；直接生成三维空间结果；全景化的扫描；激光的穿透性
- 三维激光扫描点云数据的特点：立体化，数据量大、密度高，带有目标物光学特征信息。
- 应用：测绘工程领域，结构测量领域，建筑古迹测量方面，紧急服务业，娱乐业
- 分类：从运行平台划分： 机载型激光扫描系统，（机载LiDAR系统）
地面激光扫描测量系统，分两类：第一类是移动式扫描系统（车载激光扫描系统），第二类是固定式扫描系统（地面三维激光扫描系统）
手持型激光扫描系统
星载激光扫描仪
依据扫描距离划分：短距离激光扫描仪（最长扫描距离不超过3m，适用于小型道具的测量，不仅扫描速度快且精度较高）
中距离激光扫描仪（最长扫描距离小于30m，多用于大型模具或室内空间的测量）
长距离激光扫描仪（扫描距离大于30m，主要应用于建筑物、矿山、大坝、大型土木工程等的测量）
机载或星载激光扫描系统（扫描距离大于1km，并且需要配备精确的导航系统，可用于大范围地形的扫描测量）
依据扫描仪成像方式划分：全景扫描式
相机扫描式
混合型扫描式
依据扫描仪测距原理划分：脉冲式、相应式、激光三角式、脉冲相位式
（脉冲式：类似于全站仪----射程远、精度低、最大激光反射频率低、扫描速度低、太阳光与室外光对扫描点质量影响小----------------适用于飞机航空
相位式：发射与接收信号之间的角度差--------刚好相反） - 地面激光扫描仪（TLS）特点：
a) 小型化且方便快捷。其大小与全站仪接近，作业时只要有架设扫描仪的空间，即可完成点云数据采集工作
b) 数据采集速度快。常规地面扫描仪的扫描点采集速度可达每秒数千万点以上，某些型号的扫描仪的采集速度更可高达每秒数几十万点
c) 扫描精度高，可达毫米级
d) 主动式、无需可见光照明。 TLS依靠主动发射激光束的方法进行点云数据测量，可以实现全天候作业
e) 高密度采集，浓密格网、点云特征，特别适合于对复杂对象进行细节测量 - 地面三维激光扫描技术与摄影测量的区别
a) 获取的数据格式不同。三维激光是点云集合可进行空间量测，摄影测量是影像照片不能空间量测。
b) 拼接各测站间数据的方式不同。三维激光是坐标匹配方式，摄影测量是相对和绝对定标。
c) 测量精度不同。三维激光精度高于摄影测量，精度分布均匀。
d) 对外环境要求不同。
e) 表面模型建立方式不同。
f) 对实体文理信息的获取方式不同。 - 地面三维激光扫描仪误差主要来源
误差来源分为三类：地面三维激光扫描仪器本身的误差（仪器误差）、大气环境引起的误差（环境误差）和由反射目标引起的误差（反射面误差）
（一）仪器误差：
测距误差：加常数、乘常数、幅相误差
测角误差：垂直度盘指标差、视准轴误差、偏心差
对中及目标偏心误差：
（二）外界环境引起的误差：温度、气压、湿度等
气象条件的影响：
（三）反射面引起的误差：
激光入射角度的影响：激光束与被测物体不垂直时激光光斑变为椭圆形，会对测距结果产生影响。
反射目标的颜色和扫描距离对扫描结果的影响：随着扫描距离的增加，深色目标比浅色目标先出现无数据返回现象，在一定扫描距离范围之内，反射目标的颜色和扫描目标与扫描仪之间的扫描距离对点云数据影响较小，但超过一定距离后，开始得到不完整的目标点云数据，出现点云数据“空洞”。
反射面边缘效应的影响：当地面三维激光扫描仪发射的扫描光束投射到被测目标的边缘时，于激光光斑有一定的大小，此激光束中的一部分经物体反射回去被扫描仪接收，一部分激光束则损失掉或被后面的物体反射回去
7) （车载激光扫描系统）移动激光测量
系统构成及原理：由多源传感器集成，一般包括：CCD CAMERA、DGPS（全球定位系统）、INS/IMU/POS)(定位定姿传感器系统)、Laser Scanner（激光扫描仪）
车载激光扫描系统：扫描获取数据：
坐标转换：扫描系统坐标-》平台坐标-》物方空间坐标的转换
扫描仪相对平台的姿态用室内标定、DGPS定位、多源传感器集成（CCD照相机、DGPS、INS/IMU/pos）、laser scanner
问题与挑战 ：全景图像与激光点云数据
高精度道路数据
建筑物立面提取
交通标志、标线、信号等交通数据分类困难
点云数据的特征感知与重建
车载激光三维点云数据处理：
- 所面临问题：存在大面积的阴影遮挡，同时受成像条件、图像质量影响
- 车载激光点云中道路提取
（1）基于离散点云：（平滑因子、高层、激光强度信息）
层次分类法：（地面和非地面）
不规则三角网TIN：（曲率和高度差）
面向对象策略提取道路
（2）离散点云问题：点云目标不精细（精确道路边界信息）、强度存在大量噪声
（3）融合机载激光点云和辅助信息
（4）匹配问题：机载激光点云与遥感影像的配准，不同数据源在空间分辨率、质量精度上的匹配问题
（5）基于点云特征图像、基于扫描线信息、基于聚类分析法、基于高程阈值方法在地面起伏较大区域、主成分分析法 - 现有方法存在的问题：高程信息的缺乏
没有充分利用点密度、强度信息，机载点云数据的利用，多源数据的融合问题
现有方法主要集中小范围 - 现实问题：海量数据，复杂，目标多样性
数据不完整
点密度空间分布不均匀（由扫描仪与地物之间的距离决定）
强度不一致
道路形状不规则
- 机载激光雷达是近年来新发展的一种集激光扫描仪、GPS以及惯性导航系统（INS）于一体的新型主动式遥感系统，通过对扫描激光测距（SLR）技术，结合GPS和INS测得的传感器位置和姿态信息来获取地面目标的三维坐标，在高精度DEM中获取，道路、电力线测绘，森林参数测量，城市建模等领域有着广泛的应用。（详细内容见另外一份资料）
机载激光雷达系统应用：Pos系统（GPS和惯性测量单元IMU）、激光器、激光信号接收处理装置、计算机、航空平台 - 星载激光雷达系统：与机载激光雷达相比，星载激光雷达系统具有许多不可替代的优势。星载LIDAR采用卫星平台，运行轨道高，观测视野广，可以接触及世界的每一个角落，为境外地区三维控制点和数字地面模型的获取提供了新的途径，无论对于国防或是科学研究都具有十分重大的意义。星载LIDAR还具有观测整个天体的能力，美国进行的月球和火星等探测计划在都包含了星载LIDAR传感器，所提供的诗句资料可以用于制作天体的综合三维地形图。
二、点云数据基本处理
- 点云数据质量评定指标：噪声级别：点云与建模后目标对象之间的差距
密度：半径为p的球体内至少包含1个扫描点
完整度：用于衡量点云数据的完整性
精度：用于衡量单个扫描点的采样精度
对于地面扫描仪而言，扫描点误差主要来源于测距误差、测角误差以及目标对象对激光束的影响（比如边缘效应）等几个方面
激光扫描的误差来源与精度分析：以DTM生产为例，其精度主要取决于三个主要因素：
a) 测距（The distance—measurement）
b) 惯性导航系统（The dynamic orientation(INS)）
c) 差分全球定位系统（The dynamic position of the sensor (dGPS)）
原始激光数据的滤波质量也对激光DTM的质量有很大的影响，可以使用不同的数学模型和算法 - 点云处理流程：
a) 数据预处理基本过程：根据数学模型综合多种原始数据（定位、定姿、标定、扫描数据）进行坐标计算，生成点云，或称距离影像
坐标结算——》空间配准——》时间整合（不同时间分辨率的数据）——》姿态改正——》基于目标特征的约束纠正和滤波（同一断面与同一水平面）
b) 点云配准及拼接算法：ICP(迭代最近点法)算法可用于解决点集、线段集合、隐式曲线（曲面）、参数曲线（曲面）三角形面片集合等相互之间的配准问题。Besl将待配准的两目标对象分别称为数据体和模型体。其中，数据体必须以离散点集的形式存在。如果目标对象不满足要求，则需要首先通过拟合以及提取顶点等方法得到可以表示其形体特征的离散点集。算法对模型体的存在形式没有要求，计算过程中模型体保持稳定。通过旋转和平移数据体的方式调整两者之间的相对位置，最终实现两个三维形体之间的配准。
应用：配准、建模
ICP算法原理：以点集对点集（PSTPS）配准方法为基础，阐述了一种曲面拟合算法，该算法是基于四元数的点集配准方法。从测量点集中确定其对应的最近点点集后，运用Faugera和Hebert方法迭代计算，直到残差平凡和所构成的目标函数值不变，结束迭代过程。ICP 算法最初由Besl和Mckey提出，是一种基于轮廓特征的点配准方法。基准点在CT图像坐标系及世界坐标系下的坐标点集P = {Pi, i = 0,1, 2,…,k}及U = {Ui,i=0,1,2,…,n}。其中，U与P元素间不必存在一一对应关系，元素数目亦不必相同，设k ≥ n。配准过程就是求取 2 个坐标系间的旋转和平移变换矩阵，使得来自U与P的同源点间距离最小。其过程如下：
(1)计算最近点，即对于集合U中的每一个点，在集合P中都找出距该点最近的对应点，设集合P中由这些对应点组成的新点集为Q = {qi,i = 0,1,2,…,n}。
(2)采用最小均方根法，计算点集 U 与 Q 之间的配准，使得到配准变换矩阵 R，T，其中R是 3×3 的旋转矩阵，T 是 3×1 的平移矩阵。
(3)计算坐标变换，即对于集合U，用配准变换矩阵R，T进行坐标变换，得到新的点集U1，即U1 = RU + T
(4)计算U1与Q之间的均方根误差，如小于预设的极限值ε，则结束，否则，以点集U1替换U，重复上述步骤。
c) 多站数据的自动拼接
多站数据的拼接主要发生在地面激光测量系统多测站数据间及车载激光测量系统和地面激光测量系统中
需要拼接的原因是由于单个视角不能获取被测物体的全貌或者是对一个物体的多次测量
多站数据的拼接主要是基于点云拼接的(ICP)算法
d) 图像拼接：在多幅图像合成时，事先会在待合成的图片中提取一些关键的特征点。计算机视觉的研究表明，不同视角下物体往往可以通过一个透视矩阵的变换而得到。RANSAC被用于拟合这模型的参数（矩阵各行列的值），由此便可识别出不同照片中的同一物体
RANSAC算法介绍：Random Sample Consensus（随机抽样一致性算法）先利用尽可能少的观测值来建立目标模型，然后逐步吸纳那些与此模型相符的观测值。如果最终被吸纳的观测值超过预定的比例，则认为这些观测值为有效观测值，并根据这些观测值采用最小二乘等数据处理理论求最终的模型参数。（它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。）
RANSAC的基本假设是：
（1）数据由“局内点”组成，例如：数据的分布可以用一些模型参数来解释；
（2）“局外点”是不能适应该模型的数据；
（3）除此之外的数据属于噪声。
局外点产生的原因有：噪声的极值；错误的测量方法；对数据的错误假设。
RANSAC也做了以下假设：给定一组（通常很小的）局内点，存在一个可以估计模型参数的过程；而该模型能够解释或者适用于局内点。
e) 点云数据滤波（以车载激光扫描系统为例）
要滤波的数据主要分为三类：滤波无效数据，主要是超出射程及异常的数据
去除粗大误差数据
去除一些ghost数据，主要是移动目标（行人、车辆、飞鸟等）形成的数据，这些数据的配准由相当大影响。
滤波定义：地面点与非地面点云的分离
已有大量的文献提出了各种滤波算法从点云中提取DTM/DEM，但这些方法只能处理某种特点的数据，不能适用于综合的地理环境，没有通用性在进行LIDAR数据处理时，一个必要的前提就是给定一个规则来区分地面点和非地面点，这就是滤波算法的假设条件，不同的算法假设条件不同
为了提高提取精度，除了LIDAR的强度信息外，有些算法还使用了其他供辅助信息，如光谱图像和GIS、地图等信息
f) 点云数据分类及特征提取—DOPP算法：
根据像点空间特征的分析，在此提出投影密度的概念：将3维坐标点直接垂直投影到水平面上或者将z值取任意常数，统计和计算水平面上任意位置处所含投影点的个数，记为DOPP（Density of Projected Points）。
在理想状态下（目标表面平滑、无遮挡，所有采样点均为有效点），DOPP值与目标高度H、扫描仪中心到目标的垂直距离D、扫描仪的空间分辨率α相关。
为了简化计算，可以将测量区域划分成规则的格网，将格网统一编号，统计每个格网单元上的投影点数，并以此数值作为该格网单元的DOPP值，这样就可将DOPP离散化表示。
DOPP值具有以下特点：
1.地面上的DOPP值比较均匀且整体上比较小
2.在建筑物边界，DOPP值远大于其他区域，并形成可连续的带
3.在建筑物内部，如果去除噪声影响，DOPP值为0
4.独立点状地物，如灯柱DOPP值局部比较大，周围比较小
5.块状地物，如树，汽车等，DOPP值局部比较大且占有一定面积，当格网面积增加到一定值时，块状地物与独立点状地物具有相同的特征。
利用以上特征，选取合理的阈值T1,T2就可以根据公式（3）对距离图像进行平面分割
建筑物：同一立面的点在同一垂直面上排列，z值均匀分布；在建筑物轮廓水平投影带上采样频率大；在同一扫描断面上，相邻像点在平面上聚集，斜率近90度。
地面点：Z值小且变化不大；在水平面上呈不规则网状分布；距扫描仪越远，采样点间隔越大
独立地物：高于地面点面低于自建筑物顶部的点。树具有一定高度和范围，水平像点将呈现局部分散特征，比周边地形点高，在水平面上局部单位面积采样频率大；杆，数据点在小范围内呈现数据点垂直排列且Z值均匀分布的状态；电缆，数据点的z值集中分布在某一高度值。
阈值T1,T2根据实际情况和数据处理目的，分别由公式（2）确定。分割后可获得个专题的距离图像；对专题图像的数据处理、特征提取与建模、可视化表达将比原始距离图像容易的多。特别是对建筑物进行平面分割后，还可以在分割图的基础上（图5中的灰色带）直接进行建筑物平面轮廓的特征提取，进一步结合Z值就能重建建筑物的立面特征。
g) 点云数据特征提取
微分逼近法：
平面相交法：在线段的两侧选择合适的点；
对点进行面的拟合；
对面的交线进行拟合
三、地物信息提取
- DEM提取：各种滤波算法从点云中获取
方法：形态学、线性预测、三角网、其他 - 建筑物提取
建筑物提取分为两步：建筑物检测、建筑物重构（参数建筑物模型和棱镜建筑物模型）
建筑物提取MDL原则：该原则为在普通框架中选择和评价所选模型的参数提供方法，使我们能够通过整合数据和模型信息来重构建筑物形状。MDL的核心思想是对象和模型间在信息描述上的权衡取舍
MDL=模型描述长度+误差描述长度
其物理意义是对象描述所必须的信息量于所选择模型所具有的信息量之间的匹配程度。如果获得最小MDL，就以为着对象描述所需的编码长度与所构造编码程序的编码能力相吻合，既具有代价最小的优点。
A. 建筑物提取—建筑物发现：
建筑物发现的主要思想：在DSN中隔离建筑物信息，分割数据（用建筑物的相关阈值如一层楼的高度来二元化数据）
步骤：1.计算地形表面的近似值。用给定阈值二元化生成第一次分割
缺陷：由于规则化和全局的阈值，建筑物边缘有舍入
第一次分割可能包括一些比周围地形高但不是建筑物的片段，如树
解决：仅选择那些面积比预测的建筑物最小面积大的片断。 - 改进分割：采用基于每个所选片断界线框内的高度信息的局部阈值
改进分割后的片断—二维信息
分析片断和相关的界线框内的高度信息—高度信息
注：用几何准则来区分建筑物和其他高于地形表面的目标不足 是一直有效的。因此还使用采用其他信息的其它标准，如纹理信息或源于航空影像的边缘信息
B. 建筑物提取–建筑物重构
a) 参数建筑物模型：用于能用少数几个参数描述的简单的独立建筑物，如带有对称斜屋顶的建筑物
b) 棱镜建筑物模型：包含规律性的生成知识，如正交性、平行性、共线性，用于复杂的建筑物或建筑街区
注：模型的选择应基于MDL。模型的选择并不与描述长度直接相关，而与描述长度相比不使用模型时的增加相关
c) 多面体模型（与上面两个模型结合使用）
i. 屋顶平面发现：主要是发现建筑物片断和使用不同几何属性来探测深度和法线 不连续性。导出的不连续性地图与建筑物片断结合。此结合产生了原始的屋顶片段。几何规则，如点数和坡度用来选择有效的屋顶片断用于重构。
ii. 屋顶平面重构：重构的第一步是每个平面的参数估计。基于这些参数，自动发现了关于规律性的假设，这些规律给予应用有约束条件的全局估计的进一步的重构以约束条件。 - 植被提取
植被对激光脉冲有很好的反射率
一些脉冲点可能会穿过树叶落在了地面上，形成了二次回波 - 道路提取
- 直接生成正射影像
- 自动获取信息处理
- 其他应用
体积测量、室内结构重建、古物重建、逆向工程、小物体重建
四、激光扫描数据的三维可视化
A. 基于三角网的可视化：是构成面状模型的可视化（包括体状目标），包括建筑物模型、地面模型等，得到具有一定纹理、光照或者运动效果的场景
B. 基于点云的可视化：是单纯地点云数据的可视化，包括点云高程着色、分类着色、强度显示等。
其常用的技术有以下四种：
Progressive渲染技术：是大数据处理中使用的一种渐进式渲染的技术
Out-of-core技术：将计算的结果存储在外存上，进行三维渲染和处理时，将数据由外存调入内存进行渲染处理
快速数据裁切技术：数据裁切是大数据可视化中能够减少GPU绘制数据量的一个重要方法
四叉树：是在D维空间中，在每一个维分成两份，从而形成每一个父节点拥有2d个子节点的树结构
五、激光扫描数据与影像数据的集成处理：
A. 直接生成正射影像：主要是通过激光扫描传感器和CCD camera之间的几何约束关系来实现，主要由激光系统和固定成像测量系统组成，有些系统可以直接提供对应激光测量点的灰度信息
B. 信息自动集成处理：主要是移动测量平台，激光扫描传感器和和CCD camera之间没有几何约束关系。或者约束关系误差比较大，需要通过一些特征点进行自动集成。
利用线性相机图像对几何模型的映射和重采样：
a) 对每一个多边形产生一个纹理图片
b) 通过插值的方法使基于TIN的模型表明每一个点对应一个颜色信息
c) 对三角网的颜色进行同步
六、激光雷达的应用
a) 森林信息测量（森林分布、结构、树冠、木材量等）
测量林区DEM,检测森林生长
森林参数测量
b) 海岸线的测量（机载）
c) 电力线的测量（机载、包括无人机）
d) 体积测量：如煤对测量
e) 古建筑重建，室内结构重建（地面和手持激光扫描）
f) 古文物重建（地面和手持激光扫描）
g) 逆向工程，零件模型重建（小型的手持式或者是固定的激光扫描）
h) 机器人中的视觉系统（区别于基于图像的视觉系统）
i) 路面检测
七、车载激光扫描系统
车载道路激光测量系统基本原理
几何纹理粘贴到几何模型的原理如下：投影中心O,点p1和点p2三点位于一条直线上，p2为直线与DEM的交点，求解交点坐标就可以计算每一像素点的几何坐标和四维信息，即三维坐标和纹理特征，一旦完成计算就能将几何纹理准确影射到几何模型上。
距离图像分割和特征提取：
首先将城市环境中各类常见的特征分为两类：人造的（如建筑物、道路、公用设施、人行道、围栏等）和自然的（如树、灌木丛等），给出了建筑物、道路、树、隧道、车辆提取的方法
- 路面提取算法：用柱状图分析一条扫描线一条扫描线地处理，对每一条扫描线计算距离数据的柱状图（频率），矩形框宽10cm
最高频率值的矩形框作为选择路面反射的距离点的阈值，提取所有等于或低于阈值的点，认为他们属于路面
路面重构：每线取五点：最大值、最小值、大多数高度值的平均值、起点和终点
缺点：这样不能生成非常平滑的路面，这是一个平滑性与数据量计算时间之间的交换
剩下的数据点，不属于路面的将用来分析提取建筑物的表面树、公用设施和道路附属物 - 分散点和不分散点提取
a) 建筑物提取前的预处理
b) 区分自然特征和人造特征：来自树的距离值分散
来自人造特征如建筑物、墙和道路的距离值相当平滑
识别反射自对传感器扫描平面来说或垂直成水平方向的平面的距离点：设置一个±10cm的阈值和每束至少10个距离点
问题和难点：
a) 建立的建筑物表面3维模型中有空的部分，可能是由于窗户或分散数据造成的无激光点数据
b) 决定平面的正确大小，以准确表示每个单独的建筑物表面，识别建筑物的准确高度不那么容易，激光点的最上排不一定代表建筑物的顶部
c) 识别两栋相似建筑物的边界，别的信息源辅助识别
d) 同一栋建筑物表面的平面间有缝隙，可能是由于缺少数据点或者分散的数据（玻璃窗） - 车辆的提取：
车辆的识别基于假设：车辆不管听或开都在路的界线范围内
车辆提取的基础信息：反射点集呈现出的几何结构取决于车辆到测量车的距离和测量高度
如果由车辆上表面（车顶）反射，反射点集可能水平的，说明被扫描车高度低于测量车且被扫描车距测辆车很近
如果被扫描车距测量车更远一点，反射点将是倒“L”型或简单的垂直排列的点
车辆的提取算法：
a) 距离数据用最小喝醉大高度阈值（1.3m和1.8m）进行第一次滤波
b) 选择在道路边界多边形内的点
c) 通过距离的第二次偏差分析把他，们分成不同的组
d) 检查每组中垂直或睡眠，或水平排列的点
e) 用直线去拟合每条扫描线上的点
f) 检查在至少两到三条相邻扫描线上是否有相似的直线
未来发展方向
a) 硬件方面：传感器的集成
体积小，测距远，精度高，价格低
数据处理方面：地空一体化数据的融合
b) 应用方面：与摄影测量等的结合、基础测绘领域、工业领域
测试结果
- 对于不同建筑物、不同距离的扫描，高度H的精度要低于平面X方向或Y方向的精度。这与GPS姿态的解算精度是相吻合的，在GPS解算的三个姿态中，其中航向角的解算精度影像系统的平面精度，横滚角的解算精度影响系统的高程精度，而横滚角的解算精度相比于航向角，其精度要低的多，一般来讲，横滚角的解算误差约为航向角的2~3倍，所以上面的精度表中出现了高程精度相比于平面精度要低很多的情况
- 在多组实验中，扫描距离都在100米以内，其平面精度都优于0.1米，满足本车载系统要求平面精度达到0.1米的要求；但高程精度较差，且值不稳定
地形图的识别
按照先图外后图内、先地物后地貌、先主要后次要、先注记后符号的基本顺序。
一、大比例尺地形图识读
- 图外注记识读
图名、图号、接合图表、比例尺、坐标系统、测图时间、图示版本 - 地物识读
根据地物符号和相关注记，了解地物的分布和地物的位置。 - 地貌识读
根据等高线判读出山头、洼地、山脊、山谷、山坡等基本地貌，并且根据特定的符号判读出雨裂、冲沟、峭壁、悬崖、崩塌、陡坎等特殊地貌。同时根据等高线的密集程度来分析地面坡度的变化情况。
二、中小比例尺地形图的识读 - 梯形分幅和编号
1:100万比例尺地形图，经度按6度划分，纬度按4度划分。 - 图廓注记
- 图外注记识读
- 地物识读
- 地貌识读
三、地形图的应用 - 确定点的平面坐标（与格网点地图量算法）
- 确定点的高程
不在等高线上根据相邻等高线间平距与高差成正比例，按照等高线勾绘的内插方法求得该点的高程。 - 确定两点间的水平距离
- 确定直线间的坐标方位角
- 四、确定两点间的坡度
四、面积量算 - 几何图形图解法
具有几何图形的面积可用图解几何图形发来测定。即将其划分成若干个简单的几何图形，从图上量取图形各几何要素，按照几何公式来计算各简单几何图形的人面积并求其和得到测定图形的面积。
常用的方法有：三角底高法、三角三边法、梯形底高法和梯形中线与高法。 - 坐标计算法
- 膜片法
- 求积仪法
五、工程建设中地形图的应用 - 按照指定方向绘制纵断面图
- 按照限制坡度选择最短路线
- 确定汇水面积
- 场地平整时的填挖编辑确定和土方量计算
六、建筑设计中地形图的应用
给水排水工程设计中的地形图应用
城市规划用地分析中的地形图的应用
七、地籍测量概述
地籍测量又称为徒弟的户籍测量，主要是测定和调查土地及其付着物的权属、位置、数量、质量和利用现状等基本情况的测绘工作。地籍测绘的成果包括地籍图和地籍簿册。
界址点的测量方法：解析法、部分解析法和图解法三种。
地籍图的图面包括：地籍要素、地物要素和数学要素。
八、1:1万地形图图廓在地形图应用中的作用
1:5000——1:10万（包括了1:1万）
从地图上可以直接量取各种精确的数据，并能在图上进行规划设计，可作为专业调查和填图的工作地图和编制专题地图的地图；
1:25万——1:50万
精度低于大比例尺地形图，一般作为总体规划用途，也可作为小比例尺专题地图的地图
小于1:100万
特点是综合程度大；概括的表示区域的地理特征称为“一览图”，作为国家、省总体规划和全国性的各种专题图的地图
1：1万地形图主要用于小范围内详细研究和评价地形，城市、乡镇、农村、矿山建设的规划、设计，林斑调查，地籍调查，大比例尺的地质测量和普查，水电等工程的勘察、规划、设计，科学研究，国防建设的特殊需要，以及可作为编制更小比例尺地形图或专题地图的基础资料。目前的大范围1：1万图主要是以航拍的方式完成,卫拍的也有.当然,也有局部区域的数据是在地面测量得到的（航拍技术出现之前,主要采用地面测量）.
1：1万图的精度及分辨率都不高,所以成图成本并不高,特别是对于大范围的测量,采用航测手段来完成是比较合算的
九、权属调查的核心和主要内容
要求对每宗土地的登记应反映登记对象质和量方面的要素，包括土地权利主体、土地权属性质和来源、土地权利客体及与这三方面直接相关的其他内容。
土地权属调查指通过对土地权属及其权利所及的界线的调查，在现场标定土地权属界址点、线，绘制宗地草图，调查用途，填写地籍调查表，为地籍测量提供工作草图和依据。土地权属调查的基本单元是宗地。
权属调查和地籍测量有着密切联系，但也存在着质的区别。权属调查主要是遵循规定的法律程序，根据有关政策，利用行政手段，调查核实土地权利状况，确定界址点和权属界线的行政性工作，权属调查工作主要是定性的；地籍测量则主要是测量、计算地籍要素的技术性工作，地籍测量工作主要是定量的。
权属调查是对建制镇内部每宗土地的位置、土地权属、界址和地类等的调查
核心野外标界址点，调查土地相关属性