什么是点云？ 点云是目标表面特性的海量点的集合，点云越密集，越能反映图像的详细信息。
用三维激光扫描仪扫描某个建筑物的表面，可以得到很多密集的点，这些点有三维坐标( XYZ )、激光的反射强度、颜色信息( RGB )等信息，它们共同形成可识别的三维结构。
创建和利用点云是一种从另一个角度认识数据世界的方法。 要利用点云实现目标，需要知道如何获得点云数据并从中获得最大价值。 本节介绍如何获取和处理以下点云：
如何创建点云？ 目前，点云的获取方式一般为三维激光扫描仪，三维激光扫描仪通过扫描选定的目标物体和环境，可以大面积、高分辨率快速获取被测表面的三维坐标数据。
以Trimble维激光扫描仪为例，看看点云数据的具体制作过程。
Trimble三维激光扫描仪的主要扫描流程和技术流程如下。
Trimble三维激光扫描仪最终采集的数据以点云和图像的形式存储在扫描仪设备中，利用Trimble RealWorks进行一定处理后，获取建筑物的相对位置信息、尺寸、纹理和形状，建立实际的物体数据模型
在点云数据预处理三维激光扫描过程中，点云数据的获取往往受到物体遮挡、光照不均等因素的影响，容易造成形状复杂物体区域扫描的盲点，形成孔洞。 另外，由于扫描测量范围有限，对于大规模物体和大范围场景，不能一次进行完整的测量，必须进行多次扫描测量，因此扫描结果往往是具有不同坐标系、存在噪声的点云数据， 由于不能完全满足人们对数字化模型真实感和实时性的要求，需要对三维点云数据进行去噪、简化、配准、打孔等预处理。
通过数据预处理，可以有效去除点云中的噪声和外点，在保持几何特征的前提下实现点云数据的简化，将不同角度扫描的点云统一在同一坐标系中，为后续曲面构建和三维实体模型生成提供坚实的数据基础。
1 .数据对齐
点云数据的对准也可以进行点云数据的拼接和坐标修正。 点云拼接
是点云数据处理时最主要的数据处理之一，由于目标物的复杂性，通常需要从不同方位扫描多个台站，每个台站的扫描数据都有自己的坐标系，三维模型的重建不同
点云的连接方式分为以下几类。
1 )靶拼接。 靶标拼接是点云拼接最常用的方法，首先将三个或三个以上的靶标放在扫描两个台站的公共区域，依次扫描各台站的数据和靶标，最后将不同台站的同一靶标数据每个目标都对应一个ID号，同一目标在不同工作站上的ID号必须匹配才能完成缝合。
2 )点云拼接。 基于点云的拼接方式在扫描目标时需要一定的区域重叠度，且目标的特征点不明显才能完成数据拼接。 由于该方法需要寻找重叠区域的同名点进行拼接，重叠区域特征点的确定直接关系到配准结果的好坏。
3 )控制接合点。 (为了实现提高拼接精度，三维激光扫描系统可与全站仪或GPS技术配合使用。 通过全站仪或GPS确定公共控制点的大地坐标，用三维激光扫描仪准确扫描所有公共控制点。 将控制点作为基站扫描的多工位点云数据直接拼接，可以将所有扫描的点云数据转化为工程实际所需的坐标系。
2 .数据去噪
用三维激光扫描仪扫描目标时，受扫描设备、周围环境、人为干扰、目标特性等的影响，点云数据中存在不可避免的噪声，无法正确表达目标的空间位置。
噪声点主要分为三类。
1 )根据物体表面的材质和照明环境，反射信号较弱等情况下产生的噪声；
2 )在扫描过程中，人、车辆或者其他物体经过扫描仪器和物体之间产生的噪声；
3 )扫描仪精度、摄像机分辨率等测量装置自身原因引起的系统误差和随机误差。
数据去噪方法根据情况可以分为不同的处理方法：
1 )一种基于有序点云数据用平滑滤波去噪的方法，目前的数据平滑滤波主要采用高斯滤波、均值滤波及中值滤波。
高斯滤波器是一种线性平滑滤波器，优点是对指定区域内的数据进行加权平均可以去除高频信息，在保证去噪质量的前提下可以保留点云数据的特征信息。
均值滤波，又称均值滤波，是一种典型的线性滤波，其原理是选取一定范围内的点，取其平均值代替原始数据点，优点是算法简单，缺点是去噪效果平均
中值滤波是一种非线性平滑滤波，其原理是对某点数据相邻三个以上的数据求中值，并将求出的结果替换为原始值，具有去除毛刺噪声的效果，并能很好地保护数据边缘特征信息的优点。
2 )基于散乱点云数据去噪的常用方法有拉普拉斯去噪、平均曲率流法、双边滤波法。
拉普拉斯算法很好地保证了模型的细节特征，但会留下噪声点。
双边滤波方法可以很好地去除噪声点，但不能很好地保留模型的细节特征。
平均曲率是依赖于曲率的估计，对于模型简单、噪声点少的数据去噪效果较好，而对于复杂、噪声点多的数据计算速度慢、去噪效果差。
3 .简化数据
数据简化是指在精度允许的情况下减少点云数据的数据表达，提取有效信息。 一般分为去除冗余和简化淡化两种。
冗馀数据是指数据对齐后其重叠区域的数据，这部分数据的数据量大，多为无用数据，严重影响建模的速度和质量，必须去除这部分数据。
稀疏简化是指扫描数据密度过大、数量过多，其中部分数据对后期建模用处不大，在满足一定精度、保持被测物体几何特征的前提下对数据进行简化。提高数据运算速度、建模效率及模型精度。
4 .数据分割
对于复杂的扫描对象，直接对点云数据建模会使建模过程非常困难，从而使三维模型的数学表示变得复杂。 因此，对于复杂的建模对象，一般进行点云数据的分割，分别建模并最后组合。
请遵循以下准则分割点云数据：
1 )块区域特征单一且同一区域内无法向量及曲率突变；
2 )分割的公共边尽量便于后续拼接
3 )尽量减少块的数量，可以减少后续拼接的复杂性；
4 )分割后的各块应便于重建几何模型。
点云数据分割的主要方法有三种：基于边缘的分割方法、基于面的分割方法和基于聚类的分割方法。
1 )基于边缘的分割方法需要首先寻找特征线。 特征线即连接特征点的线，目前常用的特征点提取方法是基于曲率和法线向量的提取方法，通常认为曲率或法线向量突变的点是特征点，例如拐点或角点。 提取特征线后，分割被特征线包围的区域。
2 )基于面的方法是找出具有相同曲面性质的点，将属于相同基本几何特征的点集划分为相同区域，确定这些点所属的曲面，最后通过相邻曲面确定曲面之间边界的迭代过程。
3 )基于聚类的方法是对相似几何特征参数的数据点进行分类，根据高斯曲率和平均曲率求出其几何特征进行聚类，最后按所属类别进行分割。
点云数据建模目前，业界使用较多的点云数据建模软件是上下文捕捉。
ContextCapture是从简单的照片和点云自动生成详细的3d真实模型的软件。 通过ContextCapture的高兼容性，可以准确、无缝地重建各种对象的各种数据源。 可以从厘米级到公里级、地面或空中拍摄。 只要输入照片的分辨率和精度足够，生成的三维模型就可以实现无限细致的细节。
上下文捕获具有以下功能：
1 .综合地理参考数据
ContextCapture在本地支持多种类型的定位数据，包括GPS标记和控制点。 也可以使用对齐/旋转导入或整块导入来导入其他对齐数据，以便精确测量坐标、距离、面积和体积。
2 .自动空中三角测量与三维重建
自动识别每张照片的相对位置和方向后，可以添加控制点，编辑连接点以微调空中三角测量结果，最大限度地提高几何和地理精度。 的三维重建算法，以无与伦比的精度生成精确的三维模型和每个网格面片的图像纹理。 “ContextCapture”允许每个3d网格模型的顶点位于最佳位置，从而以更少的瑕疵再现细节和锐边，并大幅提高几何精度，从010到31040。
3 .生成二维和三维GIS模型
使用ContextCapture可以生成各种GIS格式的精确地理参照三维模型，包括实际快照图像和新的Cesium 3D Tiles，并将平铺范围和天空三种交付项导出为KML和XML。 ContextCapture提供了一个坐标系数据库接口，用于确保与GIS解决方案的数据互操作性。 可以从000多个空间参考系统中选择，也可以添加用户定义的坐标系。 ContextCapture还会根据输入照片的分辨率和空间分布情况自动调整模型的分辨率和精度。
这意味着ContextCapture可以处理分辨率不均匀的场景，而不会牺牲整体效率以保留更高分辨率的场景区域。
4 .处理真人模型
ContextCapture可以快速轻松地处理任意比例的网格模型、横断面生成、地形和破断线提取、正交图像、3dpdf和iModel生成。 将网格模型与GIS和工程数据集成，可以在网格模型的视觉环境中实现信息的直观检索、导航、可视化和动画。
5 .处理点云
您可以扩展、分割和分类点云，并将其与工程模型合并。 然后，利用ContextCapture的高级三维建模、剖切、断裂和地形提取功能，快速高效地对竣工条件进行建模，以支持设计过程。 因此，ContextCapture可以更好地评估点云，生成更准确的工程模型，并为演示生成动画和渲染。
6 .生成和处理大规模可伸缩地形模型
通过上下文捕捉，可以从各种源(包括点云、特征线、光栅数字高程模型和现有三角形化不规则网络)生成非常巨大的可伸缩地形模型。 通过与原始数据源同步，可以将可伸缩地形模型实时更新为最新状态。 它具有所有数据的全局、最新和综合表示，值得用于使用各种显示模式执行分析和生成动画和视觉效果。
ContextCapture软件详情：实景建模比你想象的更强大！ 上下文捕获在整个生命周期中的应用
如果您对点云数据处理和建模感兴趣，有相关项目需求，或者想购买实景建模软件ContextCapture，请关注“艾三维技术”微信公众号进行咨询。
关注“艾三维技术”微信公众号，观看直播！ 免费试用BIM软件7天，免费获取12个BIM软件系列教程，精彩案例，BIM解决方案，并定期发送！
