随着我国激光雷达技术的不断进步，越来越多的用户开始采用无人机搭载激光雷达进行地形测绘作业。激光雷达技术具有穿透性，能够轻松获取林下地面信息，在保证测绘精度的同时，也减少了人工测点的工作量。相较于传统需要三天完成的外业采集工作，如今采用激光雷达技术仅需半天即可高效完成。

　　如今，华测CoProcess三维数据成果智能生产软件——点云自动提取建筑物功能的发布，将为激光雷达提取建筑物带来怎样的高效方案？本篇推文将为您详细解答。

　　问题1：激光雷达已经这么精细了，可以直接用它画房子提高效率吗？

　　相较于传统的影像模型，在数据获取的准确度与精细度上，激光点云更有优势。尤其在树木与建筑物墙体相邻较紧的情况下，激光点云相较影像可以更为完整的表现出建筑立面的轮廓，而这种场景在实际生产作业中是相当常见的。

　　左图是用传统影像进行的建模，可以看出由于树木影响，模型墙体发生畸变，而右图采用激光点云进行建模，激光的穿透性让墙体整体更加平整。因此相较影像，用激光点云数据进行房屋轮廓的提取理论上是更好的。

　　问题2：和影像比起来，激光点云画房子不方便在哪？

　　无论是激光点云还是影像画房子，费时主要是在两个环节：

　　1.确定房子结构2.按照结构画线

　　在这两个环节中，传统影像由于其清晰度高、还原性强的优势，降低了作业人员的工作难度，因此得到了广泛长期的使用。而激光点云尽管在准确度和精细度上更有优势，但由于其离散型的组成，增加了作业人员提前学习以及适应的时间成本。尤其在植被和房子相邻较近的情况，用人工分辨更加不明显。

　　除此之外，在绘制过程中，激光点云和影像都需要人工操作，1人1天仍然只能完成80-100栋的建筑物提取，工作效率其实没有得到真正提升。学习周期长，工作效率低，这就是大部分作业人员仍然坚持传统影像作业方式的主要原因。

　　问题3：点云自动提取建筑物功能的发布，能否实质上提升工作效率呢？

　　1.引入AI算法，减少人工识别工作

　　我们在地面点滤波的分类算法中加入建筑物和植被的算法，在获取地面点的同时，获取建筑物和植被点。建筑物和植被通常挨得较近，传统的深度学习算法容易造成错分，所以我们引入了人工智能算法，提升了建筑物和植被分类的正确率，大大减少了人工识别建筑物的工作。

　　左图是传统的深度学习算法的分类结果，右图是加入人工学习之后的分类结果，可以看到在蓝色框内，原有算法的错分得到了明显纠正，植被和建筑区分的效果更好。

　　2.自动绘制和容错机制，减少人工绘制工作

　　在得到较好的建筑物点云后，就可以通过用户选定的范围的辅助，通过算法自动识别立面、顶面并拟合出建筑外轮廓线，并在算法中加入了容错机制，在一定程度上减少错分点带来的影响。这样大大节省了用户在画房子的过程反复调整视角的工作。

　　在绘图过程中，为了实时观测绘图的效果和准确性，支持同时可以加载激光点云和点云影像融合建模的Mesh模型或者TDOM。一旦出现错误，就可以及时同步修改。

　　3.成果符合通用要求

　　在完成的建筑物轮廓线提取后，可以导出成dxf，支持导入CASS软件做最后的图幅整饰。

　　该客户反馈，采用新的建筑物提取方案后，1人1天可轻松提取300栋建筑物，作业效率直翻三倍！相较于传统用影像和激光雷达1人1天80-100栋的低效作业，华测点云自动提取建筑物功能不仅降低了作业人员的工作量和额外学习时间，AI算法的引入使得精确率再次提升，解决了建筑物提取效率低的根本问题。