在测绘行业规范中规定，只有达到了相应点云密度才能生产对应比例尺的产品，很多 LiDAR 数据处理算法也对点云密度有要求。可见点云密度涉及了 Li DAR技术的硬件制造、数据采集和数据处理及应用的整个链条，是 Li DAR 技术的关键指标。

什么是点云密度？

点云密度是机载激光雷达点云数据的重要属性，反映了激光脚点空间分布的特点及密集程度，而激光脚点的空间分布直接反映了地物的空间分布状态和特点。一般认为，点云密度的作用类似遥感影像的分辨率，点云密度越大，则能探测更微小目标。

随着波形数据采集仪、多波束（MPIA）技术、多频率技术、多激光扫描头等软硬件技术的出现，以及激光发射频率的快速提高，Li DAR 点云密集程度一直在提高，不断推动 Li DAR 技术的应用。

点云密度与数据质量的关系

众多学者通过研究发现点云密度从不同程序会对产品质量影响：

通过点云密度对林分高度反演的影响，发现不同密度点云数据反演的结果差异不大，高密度的点云可以进行更小尺度的林分平均高的估计和单木树高的估计。

点云密度对利用模型辅助方法评估森林调查变量的影响，指出不同点云密度对模型精度的影响差异不大。

密度不同的点云数据对地表曲率、坡向、地表糙度３种直观指标的不同影响，结论是使用不同密度点云对地表起伏较大的地形曲率影响更为明显，对于起伏较小的地形则影响不明显；对坡向变化影响不明显；对地表糙度的影响比较复杂。

在不同点云密度作业模式下电力巡线的差异，指出点云密度在一定范围时，不仅能提取电力巡线及电力线和杆塔信息，还能有效提高数据采集效率，降低数据处理及存储成本。

使用密度特征去除噪声

三维激光扫描仪数据采集的过程中，会出现由环境等因素产生的噪声数据。由于噪声出现的概率较小，则假定其所在区域是点云密度较低的区域，可以找出低密度区域，将其作为噪声去除。

点云密度特征在 LiDAR 数据分类中的应用

通过密度特征辅助进行 LiDAR 数据的分类，提供专题信息。Sithole 等简单探讨了点云密度对滤波会产生影响，但是没有深入研究。Balsa-Barreiro 等指出不同地类覆盖点云密度的不同，这是使用密度特征进行目标分割的基础。Chu 及 Liu 等利用点云密度指数及其他特征成功检测并提取了滑坡。Worstell 等使用点云密度信息进行了识别水体的研究。Shi 等使用密度信息对车载点云数据进行了目标分割。李乐林等通过建筑物和树木区域多次回波点云在区域密度上的巨大差异来识别建筑物点云和树木点云。王果等提出了考虑局部点云密度的自适应建筑立面分割方法，将局部点云密度作为点云分割的一个因素。这些方法都是将点云密度特征作为目标识别的判断依据，通过对密度的分割完成了点云的分割。

综上所述，点云密度特征能够准确反映目标空间分布的状态，可以广泛应用于 LiDAR 数据处理与应用中，但是现有研究及应用大多基于平面密度进行分析，不能充分反映三维点云的真实密度特征。

目前的实践研究还没有建立三维空间描述的点云密度特征与地物空间分布特征之间的对应规律，应用实践中对密度特征的理解和使用比较简单。

版权声明：文章来源于网络，登载此文出于传递更多信息之目的，版权归原作者及刊载媒体所有，如本文中图片或文字侵犯您的权益，请联系我们。