點云已經成為無人機攝影測量和遙感、計算機視覺、機器學習等多個領域常見數據源之一，且其類型多樣。
機載LiDAR測量技術的出現和發(fā)展，為地理空間三維信息獲取提供了全新的技術手段，它被譽為是繼全球定位系統(tǒng)以來在測繪遙感領域的又一場技術革命。其創(chuàng)新性、開拓性，既表現在新穎的數據獲取方式、組織方式，又表現在數據處理和信息提取需要新理論、新方法。這種新穎的數據被稱為機載LiDAR點云，它具有海量(數據量大)、高冗余、局部數據缺失、點密度不均一、非結構化的特點。同時，機載LiDAR點云類型也正在日益多樣化。例如，將LiDAR點云賦予與之相匹配影像的色彩信息，可以產生影像點云；同時，隨著目前多光譜/高光譜激光雷達測量技術的發(fā)展，也可以直接獲取帶有多光譜/高光譜特征的LiDAR點云。
目前，點云已經廣泛地應用于高精度大比例尺數字高程模型(DEM)制作、電力巡線、建筑物三維建模、地表覆蓋分類、變化檢測、森林資源調查、生物量估算、基礎設施制圖、海岸帶測量、礦山測量、災害評估、濕地測圖、城市規(guī)劃等領域。盡管目前點云處理和應用的領域十分廣泛，但是學術界和工業(yè)界也認識到：點云信息提取(本文點云信息提取只涉及濾波、分類)是點云應用的必經步驟和基礎性工作。然而，盡管已有大量點云信息提取方法，且部分方法已經工程化應用，但是點云信息提取研究仍然處于發(fā)展階段，還有許多問題沒有得到解決，尤其是目前主流的基于點的信息提取方法并未充分挖掘點云數據本身的自動化潛力，迫切需要新的點云信息提取理論與方法。
1、基于多基元的點云信息提取
在點云信息提取領域，濾波通常指區(qū)分點云中的地面點和地物點(非地面點)的過程。另外，點云分類有狹義與廣義之分。狹義的點云分類，是將地物點進一步區(qū)分為植被點、建筑物點、水體點等更精細類別點的過程；廣義的點云分類同時包含了濾波和狹義點云分類的全部內容。點云信息提取中使用的基本處理單元，稱為“基元”。按照基元類型，可以將已有的方法劃分為基于點、剖面、體素、對象、多基元融合(如圖 1所示)等4類點云信息提取方式。
2、基于點基元的信息提取
點云本質上是點的集合，點是點云信息提取中最原始的基元。濾波方面，有代表性的基于點的濾波方法包括漸進加密不規(guī)則三角網、分層穩(wěn)健線性內插、坡度、漸進窗口形態(tài)學、Top-Hat形態(tài)學變換、布料擬合濾波等。
分類方面，提出了大量的基于點的點云分類方法。例如，以點為基元計算特征，進行電力線路走廊機載LiDAR點云分類。以點為基元提取了20余種特征、并顧及空間上下文關系進行機載LiDAR點云分類。
在分類過程中，基于點基元的分類方法通常使用了3種近鄰鄰域關系確定任意一點的特征，這3種鄰近包括：球半徑鄰近、圓柱體鄰近、K最鄰近；且這3種鄰近關系的查詢均可以借助kd-tree實現。另外，最優(yōu)鄰域的選擇也是基于點基元的分類方法關注焦點之一；但是，最優(yōu)鄰域選擇過程一般計算復雜度高、特別耗時。
3、基于體素基元的信息提取
體素將原始激光點云數據劃分到具有一定體積大小的長方體中，每個長方體內的點集稱為一個體素。濾波方面，有文獻提出了一種基于體素的濾波方法。該方法將點云數據劃分為不同分辨率等級的體素，以體素為單位通過與鄰域體素的高程加權均值比較剔除植被點、保留地面點，從而獲取森林地區(qū)的DEM。有文獻介紹了機載LiDAR點云的體素剖分過程及其濾波應用。
分類方面，鮮見體素在機載LiDAR和攝影測量點云分類中的應用。但體素在車載LiDAR點云信息提取中有應用。有文獻使用體素組織點云數據來提取點云中的樹木。有文獻使用體素基元來提取點云中的建筑物。鑒于體素能夠很好地判別局部點云的共線、共面或球狀分布的狀態(tài)，有文獻用體素基元來識別點云中的電力線點云。
目前，體素對機載LiDAR和攝影測量點云信息提取的適用性有限，它比較適合作為車載LiDAR點云信息提取的基元。
