目前，點雲已經廣泛地應用(yòng)于高精(jīng)度大比例尺數字高程模型(DEM)制作(zuò)、電(diàn)力巡線(xiàn)、建築物(wù)三維建模、地表覆蓋分(fēn)類、變化檢測、森林資源調查、生物(wù)量估算、基礎設施制圖、海岸帶測量、礦山(shān)測量、災害評估、濕地測圖、城市規劃等領域。
盡管目前點雲處理(lǐ)和應用(yòng)的領域十分(fēn)廣泛，但是學(xué)術界和工(gōng)業界也認識到：點雲信息提取是點雲應用(yòng)的必經步驟和基礎性工(gōng)作(zuò)。然而，盡管已有(yǒu)大量點雲信息提取方法，且部分(fēn)方法已經工(gōng)程化應用(yòng)，但是點雲信息提取研究仍然處于發展階段，還有(yǒu)許多(duō)問題沒有(yǒu)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(fēn)挖掘點雲數據本身的自動化潛力，迫切需要新(xīn)的點雲信息提取理(lǐ)論與方法。
過去的20年中(zhōng)，點雲信息提取已經取得了顯著的進展。下面我們按照點雲信息提取過程中(zhōng)涉及的基本處理(lǐ)單元(基元)類型、提取的特征、特征選擇與分(fēn)類方法等3個視角分(fēn)别對相關研究現狀進行綜述。
1、基本處理(lǐ)單元（基元）類型
1.1基于多(duō)基元的點雲信息提取
在點雲信息提取領域，濾波通常指區(qū)分(fēn)點雲中(zhōng)的地面點和地物(wù)點(非地面點)的過程。另外，點雲分(fēn)類有(yǒu)狹義與廣義之分(fēn)。狹義的點雲分(fēn)類，是将地物(wù)點進一步區(qū)分(fēn)為(wèi)植被點、建築物(wù)點、水體(tǐ)點等更精(jīng)細類别點的過程；廣義的點雲分(fēn)類同時包含了濾波和狹義點雲分(fēn)類的全部内容。點雲信息提取中(zhōng)使用(yòng)的基本處理(lǐ)單元，稱為(wèi)“基元”。按照基元類型，可(kě)以将已有(yǒu)的方法劃分(fēn)為(wèi)基于點、剖面、體(tǐ)素、對象、多(duō)基元融合(如下圖所示)等4類點雲信息提取方式。
盡管目前點雲處理(lǐ)和應用(yòng)的領域十分(fēn)廣泛，但是學(xué)術界和工(gōng)業界也認識到：點雲信息提取是點雲應用(yòng)的必經步驟和基礎性工(gōng)作(zuò)。然而，盡管已有(yǒu)大量點雲信息提取方法，且部分(fēn)方法已經工(gōng)程化應用(yòng)，但是點雲信息提取研究仍然處于發展階段，還有(yǒu)許多(duō)問題沒有(yǒu)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(fēn)挖掘點雲數據本身的自動化潛力，迫切需要新(xīn)的點雲信息提取理(lǐ)論與方法。
過去的20年中(zhōng)，點雲信息提取已經取得了顯著的進展。下面我們按照點雲信息提取過程中(zhōng)涉及的基本處理(lǐ)單元(基元)類型、提取的特征、特征選擇與分(fēn)類方法等3個視角分(fēn)别對相關研究現狀進行綜述。
1、基本處理(lǐ)單元（基元）類型
1.1基于多(duō)基元的點雲信息提取
在點雲信息提取領域，濾波通常指區(qū)分(fēn)點雲中(zhōng)的地面點和地物(wù)點(非地面點)的過程。另外，點雲分(fēn)類有(yǒu)狹義與廣義之分(fēn)。狹義的點雲分(fēn)類，是将地物(wù)點進一步區(qū)分(fēn)為(wèi)植被點、建築物(wù)點、水體(tǐ)點等更精(jīng)細類别點的過程；廣義的點雲分(fēn)類同時包含了濾波和狹義點雲分(fēn)類的全部内容。點雲信息提取中(zhōng)使用(yòng)的基本處理(lǐ)單元，稱為(wèi)“基元”。按照基元類型，可(kě)以将已有(yǒu)的方法劃分(fēn)為(wèi)基于點、剖面、體(tǐ)素、對象、多(duō)基元融合(如下圖所示)等4類點雲信息提取方式。
1.2基于體(tǐ)素基元的信息提取
體(tǐ)素将原始激光點雲數據劃分(fēn)到具(jù)有(yǒu)一定體(tǐ)積大小(xiǎo)的長(cháng)方體(tǐ)中(zhōng)，每個長(cháng)方體(tǐ)内的點集稱為(wèi)一個體(tǐ)素，如上圖(c)所示。該方法将點雲數據劃分(fēn)為(wèi)不同分(fēn)辨率等級的體(tǐ)素，以體(tǐ)素為(wèi)單位通過與鄰域體(tǐ)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。目前，體(tǐ)素對機載LiDAR和攝影測量點雲信息提取的适用(yòng)性有(yǒu)限，它比較适合作(zuò)為(wèi)車(chē)載LiDAR點雲信息提取的基元。
1.3基于對象基元的信息提取
鑒于點雲分(fēn)割獲取的對象可(kě)以增加信息提取精(jīng)度、降低信息提取不确定性的優勢，面向對象的點雲分(fēn)析方法以點雲分(fēn)割的對象(如上圖(d)所示)為(wèi)基元進行信息提取。另外，面向對象的點雲分(fēn)析、面向對象的影像分(fēn)析兩種理(lǐ)論的發展也促進了面向對象的多(duō)源數據融合的信息提取。目前，基于對象的點雲信息提取方法方興未艾。但該類方法信息提取效果嚴重依賴于點雲分(fēn)割的質(zhì)量，且十分(fēn)耗時。
1.4融合多(duō)基元的信息提取
融合多(duō)基元的點雲信息提取是一類嶄新(xīn)的方法，其原理(lǐ)是在信息提取的不同階段使用(yòng)不同類型的基元，或者采用(yòng)多(duō)種基元以實現更優的提取效果。目前，融合多(duō)基元的點雲分(fēn)析方法剛剛嶄露頭角。由于多(duō)尺度的多(duō)基元結構能(néng)夠充分(fēn)顧及不同尺度空間的特性，采用(yòng)多(duō)基元結構有(yǒu)利于提高分(fēn)類識别的效果。但是，該類方法缺乏相關理(lǐ)論框架的探讨，尤其是多(duō)數點雲分(fēn)割方法還無法實現點雲的多(duō)尺度分(fēn)割和多(duō)基元獲取，這阻礙了融合多(duō)基元的點雲信息提取的深入發展。
2、提取的點雲特征
點雲分(fēn)類精(jīng)度與特征有(yǒu)效性是密切相關的，高效構建有(yǒu)效的點雲特征是提高點雲分(fēn)類效果的重要方面。同時，特征與基元是密切關聯的。常用(yòng)的點基元特征包括：
2.1高程及高程紋理(lǐ)特征。包括：點與點間相對高差、歸一化數字表面模型高度、局部高程紋理(lǐ)特征、彎曲能(néng)量、數字表面模型的差分(fēn)形态學(xué)剖面特征。
2.2幾何形态特征。主要是基于局部鄰接點集的主成分(fēn)分(fēn)析特征，即線(xiàn)性、平面性、球面型、各向異性等特征。對于局部鄰接點集可(kě)以求取其水平和垂直投影特征。另外，點到面的距離、夾角、點與點間坡度也是常用(yòng)的特征。
2.3回波特征。涉及回波類型、首次尾次回波高差等特征、回波率。
2.4 反射強度和光譜特征。
3、點雲信息提取的問題與挑戰
目前，點雲信息提取研究已經取得了顯著的進展，但是也還存在諸多(duō)不足之處。主要的問題包括：
3.1方法研究的理(lǐ)論性有(yǒu)待進一步提高，配套商(shāng)業軟件的功能(néng)有(yǒu)待進一步增強。
3.2缺乏融合多(duō)基元的點雲分(fēn)析理(lǐ)論、方法研究。
3.3 缺乏點雲分(fēn)析的不确定性研究。
3.4新(xīn)機器學(xué)習方法的使用(yòng)有(yǒu)待進一步深入。
3.5缺乏高性能(néng)計算技(jì )術的應用(yòng)。
4、發展趨勢
今後點雲信息提取發展主要集中(zhōng)下述6個方面：
4.1融合光譜與三維幾何特征的點雲将成為(wèi)信息提取的熱點數據源之一
4.2多(duō)尺度多(duō)層次點雲分(fēn)割
4.3基于深度學(xué)習的點雲信息提取
4.4基于遷移學(xué)習的點雲信息提取
4.5海量點雲數據并行處理(lǐ)
4.6融合多(duō)基元的點雲分(fēn)析範式
點雲是目前攝影測量和遙感領域常見的數據源之一，信息提取是點雲應用(yòng)的必經步驟。經過20多(duō)年的發展，點雲信息提取研究已經取得了長(cháng)足的進展，提出了大量的濾波和分(fēn)類方法、且部分(fēn)方法已經被業界廣泛應用(yòng)。但是如何充分(fēn)挖掘點雲的潛力，并從點雲數據中(zhōng)快速、高精(jīng)度地提取更多(duō)的信息仍然亟待研究。
體(tǐ)素将原始激光點雲數據劃分(fēn)到具(jù)有(yǒu)一定體(tǐ)積大小(xiǎo)的長(cháng)方體(tǐ)中(zhōng)，每個長(cháng)方體(tǐ)内的點集稱為(wèi)一個體(tǐ)素，如上圖(c)所示。該方法将點雲數據劃分(fēn)為(wèi)不同分(fēn)辨率等級的體(tǐ)素，以體(tǐ)素為(wèi)單位通過與鄰域體(tǐ)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。目前，體(tǐ)素對機載LiDAR和攝影測量點雲信息提取的适用(yòng)性有(yǒu)限，它比較适合作(zuò)為(wèi)車(chē)載LiDAR點雲信息提取的基元。
1.3基于對象基元的信息提取
鑒于點雲分(fēn)割獲取的對象可(kě)以增加信息提取精(jīng)度、降低信息提取不确定性的優勢，面向對象的點雲分(fēn)析方法以點雲分(fēn)割的對象(如上圖(d)所示)為(wèi)基元進行信息提取。另外，面向對象的點雲分(fēn)析、面向對象的影像分(fēn)析兩種理(lǐ)論的發展也促進了面向對象的多(duō)源數據融合的信息提取。目前，基于對象的點雲信息提取方法方興未艾。但該類方法信息提取效果嚴重依賴于點雲分(fēn)割的質(zhì)量，且十分(fēn)耗時。
1.4融合多(duō)基元的信息提取
融合多(duō)基元的點雲信息提取是一類嶄新(xīn)的方法，其原理(lǐ)是在信息提取的不同階段使用(yòng)不同類型的基元，或者采用(yòng)多(duō)種基元以實現更優的提取效果。目前，融合多(duō)基元的點雲分(fēn)析方法剛剛嶄露頭角。由于多(duō)尺度的多(duō)基元結構能(néng)夠充分(fēn)顧及不同尺度空間的特性，采用(yòng)多(duō)基元結構有(yǒu)利于提高分(fēn)類識别的效果。但是，該類方法缺乏相關理(lǐ)論框架的探讨，尤其是多(duō)數點雲分(fēn)割方法還無法實現點雲的多(duō)尺度分(fēn)割和多(duō)基元獲取，這阻礙了融合多(duō)基元的點雲信息提取的深入發展。
2、提取的點雲特征
點雲分(fēn)類精(jīng)度與特征有(yǒu)效性是密切相關的，高效構建有(yǒu)效的點雲特征是提高點雲分(fēn)類效果的重要方面。同時，特征與基元是密切關聯的。常用(yòng)的點基元特征包括：
2.1高程及高程紋理(lǐ)特征。包括：點與點間相對高差、歸一化數字表面模型高度、局部高程紋理(lǐ)特征、彎曲能(néng)量、數字表面模型的差分(fēn)形态學(xué)剖面特征。
2.2幾何形态特征。主要是基于局部鄰接點集的主成分(fēn)分(fēn)析特征，即線(xiàn)性、平面性、球面型、各向異性等特征。對于局部鄰接點集可(kě)以求取其水平和垂直投影特征。另外，點到面的距離、夾角、點與點間坡度也是常用(yòng)的特征。
2.3回波特征。涉及回波類型、首次尾次回波高差等特征、回波率。
2.4 反射強度和光譜特征。
3、點雲信息提取的問題與挑戰
目前，點雲信息提取研究已經取得了顯著的進展，但是也還存在諸多(duō)不足之處。主要的問題包括：
3.1方法研究的理(lǐ)論性有(yǒu)待進一步提高，配套商(shāng)業軟件的功能(néng)有(yǒu)待進一步增強。
3.2缺乏融合多(duō)基元的點雲分(fēn)析理(lǐ)論、方法研究。
3.3 缺乏點雲分(fēn)析的不确定性研究。
3.4新(xīn)機器學(xué)習方法的使用(yòng)有(yǒu)待進一步深入。
3.5缺乏高性能(néng)計算技(jì )術的應用(yòng)。
4、發展趨勢
今後點雲信息提取發展主要集中(zhōng)下述6個方面：
4.1融合光譜與三維幾何特征的點雲将成為(wèi)信息提取的熱點數據源之一
4.2多(duō)尺度多(duō)層次點雲分(fēn)割
4.3基于深度學(xué)習的點雲信息提取
4.4基于遷移學(xué)習的點雲信息提取
4.5海量點雲數據并行處理(lǐ)
4.6融合多(duō)基元的點雲分(fēn)析範式
點雲是目前攝影測量和遙感領域常見的數據源之一，信息提取是點雲應用(yòng)的必經步驟。經過20多(duō)年的發展，點雲信息提取研究已經取得了長(cháng)足的進展，提出了大量的濾波和分(fēn)類方法、且部分(fēn)方法已經被業界廣泛應用(yòng)。但是如何充分(fēn)挖掘點雲的潛力，并從點雲數據中(zhōng)快速、高精(jīng)度地提取更多(duō)的信息仍然亟待研究。