实景三维中国建设的开展，对各类实体数据的采集、处理、管理、应用及动态化更新等提出了更高要求，以满足地形级、城市级、部件级等多层级实景三维建设任务需要。

作为拥有地面、车载和机载多种形式的数据采集技术之一，激光雷达技术可以通过多源融合的方式做到室内、室外一体化的采集，再加上拥有高灵敏度、高分辨率和全天候观测等优势，已经成为数据获取的推荐路径，以及未来数字经济中的“技术驱动”。

然而，高温酷暑，加班无阻。通过激光雷达技术采集的点云数据，具有数据量庞大、空间密度高、语义信息丰富等特点，普通基础平台对其处理能力不足，需要适配的软件平台作为信息处理和提取的支撑。基于长期的激光点云数据采集和处理等项目实践，国地科技结合自身的技术优势，开发出了实景三维的一系列工具，GD-LAS点云数据处理平台便是其中之一。平台集成多种点云算法，形成一套实用的点云数据处理工具，为激光点云数据的高效处理、智能提取、多领域应用提供了技术支持。即使是烈日炎炎，也能全力向前。

点云“神器”GD-LAS

GD-LAS平台在便捷使用方面具有显著特点。一是高性能和可扩展性，该平台支持多线程的数据加载和处理，相比于普通加载手段，其处理速度提高了30%以上，大大缩短了数据处理所需时间，同时预留扩展接口，方便定制开发。

二是用户友好，GD-LAS提供了一套直观、简洁的用户操作界面，集成和封装中间处理过程，支持一键提取等便捷式操作，降低了点云数据处理的操作门槛。

图1 数据加载及渲染

GD-LAS在多源格式加载、速度优化提升和效果优化等方面技术优势明显。

一是多源数据加载方面。GD-LAS平台支持包括LAS、PLY、XYZ等多种点云格式的数据加载，集多源数据融合，可实现点云、矢量、栅格和模型数据的叠加显示与分析。

二是数据加载性能优化方面。开发了数据预处理模块，集成了自动分块、抽稀分层等算法，对输入的点云数据进行优化，实现分层快速加载。经过系统测试，在GD-LAS平台上20GB的数据能够实现秒级加载，优于行业主流水平，对于数量级达到6亿点的点云数据，平台也能够保证流畅的渲染展示，确保交互操作过程不卡顿。

三是多样数据渲染方面。平台提供了多种赋色方案，以更直观的方式展示点云效果，支持按照高程赋色、强度赋色、RGB赋色以及类别赋色等多种方式，赋色方案支持用户根据需求和场景进行自定义，极大提升了数据渲染效果和对数据的直观理解。

此外，平台集成了相关通用算法，并开发了多个点云处理工具。使用这些工具，可以对点云数据进行裁剪、去噪、滤波、重采样、配准和对齐等操作。

l裁剪功能允许用户指定裁剪区域，从而截取感兴趣的点云数据部分。

l去噪操作能够有效消除由传感器噪声或扫描误差引起的噪点，提高数据质量。

l通过滤波功能，可以平滑数据、去除离群点或保留感兴趣的结构信息。本平台在常用的滤波算法基础上，进行改进，研发出基于点的多尺度形态学滤波方法，其精度至少提升12%。

l重采样操作能够调整点云数据的采样密度，以满足特定的分析需求，提升处理速度。

l配准操作能够使得多个部分重叠的点云数据集能够拼接起来，消除分层问题并且使点云厚度变得更薄。

l对齐操作能够调整不同数据集之间的位置关系，方便进行误差分析。

这些操作的集成提高了数据处理的效率和质量，使得用户能够更好地处理和分析点云数据，并支持将处理后的数据导出为标准格式。

图2 去噪前（点数量2509427）

图3 去噪后（点数量2199984）

应用场景一：单木提取

为实现森林资源的可持续开发、利用和保护，准确了解森林资源的现状及变化情况，GD-LAS针对不同树种特征，实现了不同树种的单木提取。对针叶林等典型树种的提取算法进行了底层优化，可从表面数据提取86%的树木数量，且提取的树木94%均为完整，整体精度达到90%以上，通过标准数据测试，该方法相对于其他点云数据处理软件，其召回率和完整度都有较大提升，优势明显；同时，相较于其他平台，本平台能以较快的速度和多种格式支持单木点云数据的导出，而其他平台大多仅支持表格与种子点图数据导出功能。

通过单木提取，可准确获取单棵树木的位置、树高、冠幅直径等信息，为树木砍伐统计、林业资源调查以及森林蓄积量和生物量等生态参数的反演提供支撑。可应用到林业碳汇计算等项目和工作中，为碳汇的量化计算提供技术手段。

图4 原始点云数据

图5 某平台单木提取结果

图 6 GD-LAS平台单木提取结果

（图5平台仅支持表格形式的导出，图6GD-LAS平台能够支持单木提取导出为点云数据）

应用场景二：基础测绘生产

《实景三维中国建设技术大纲》鼓励使用点云数据来构建地理场景和生成地理实体。GD-LAS通过点云去噪，获得数字表面模型（DSM）数据，并经过滤波处理等技术手段可进一步得到数字高程模型（DEM）数据。这一处理过程具有高度自动化的特点，能够在短时间内迅速完成。其中，针对点云滤波中复杂地面点和地物点难以分割的问题，本平台采用基于点的多形态学重建滤波方法，分割结果的平均误差仅3.24%，相比常用的滤波方法精度提供了12%。

图7 DEM生成结果

图8 DSM生成结果

图9 CHM生成结果

此外，GD-LAS还可以通过点云分割技术快速提取建筑物的顶部特征和轮廓线，并生成简易模型。在建筑点聚类过程中加入颜色信息，综合考虑平面指数和法向量，大大增强了提取结果的精确性，从而生成更为精细的地理实体模型，实现对地理场景的精确建模。

图10 建筑提取结果图

应用场景三：电力线危险点检测

通过高压输电线进行电力传输，在地理环境复杂的区域，需要定期开展巡检，以确保安全。传统的人工巡检方法费时费力，很难满足安全、快速的巡检需求，GD-LAS通过点云分割技术可快速提取电力线路及其他地物，同时通过计算点云数据之间的净空距离、垂直距离和水平距离，结合设定的危险预警阈值，能够识别出潜在的隐患点，并支持导出危险点检测的分析报告，为电力行业的安全运行提供基础保障。

图11 危险点检测分析

图12 危险点检测结果表

图13 危险点检测结果图

围绕“易用、好用、管用”，GD-LAS点云处理平台在数据加载和处理工具方面开展了深化研究和产品打磨等工作，并支持了林业、电力和测绘等领域的应用，未来将继续在平台性能优化和应用融合创新等方面进行提升。

技术创新方面，平台将结合深度学习算法和语义理解技术，提高数据提取的精度和速度；效率提升方面，采用分布式、集群和高性能数据处理引擎等技术，更好地对数据进行组织并提升处理速度；应用支撑方面，将进一步深化应用场景，推进技术与应用的融合，并延伸不同行业的应用场景，深化与数字孪生城市、智慧农业等方面的交叉融合，为推进应用创新提供更多支持。