实景三维之激光点云采集技术，机载激光雷达技术是激光测距技术、计算机技术、高精度动态载体姿态测量技术(INS)和高精度动态GPS差分定位技术迅速发展的集中体现。激光测距技术在传统的常规测量中就扮演着非常重要的角色,从最初的有反射棱镜的测距仪系统发展到如今无合作目标的激光测距系统;GPS定位技术的出现彻底解决了海陆空的定位问题:INS和GPS的集成为确定高动态载体的姿态成为可能。以上几种技术的成熟运用及相关技术的发展为整个系统的集成奠定了技术基础,机载激光雷达实际上已经代表了对地观测领域一个新的发展方向。整个系统比较复杂,就数据获取的方式来讲更像大地测量系统(通过测边、测角进行点的定位),就数据后处理的方式来讲却更像摄影测量系统,包括地物的提取,建筑物三维重建等。实景三维之激光点云采集技术现在有以下三种技术：机载激光点云采集技术，车载激光点云采集技术，基于 SLAM 的激光点云采集技术。

　　1. 机载激光点云采集技术

　　机载激光扫描系统由激光扫描仪、全球导航卫星系统 (global navigation satellite system，GNSS)、惯性测量装置 (inertial measurement unit，IMU) 以及高分辨率数码相机等部件组成。机载激光扫描系统以各类低、中、高空飞行器(如航空飞机、直升机、无人旋翼机、汽艇等)为平台获取观测区域的三维空间信息。按照搭载平台的不同，机载激光扫描系统又可以分为有人机载激光扫描系统和无人机载激光扫描系统。当前，有人机载激光扫描系统主要有:加拿大 Optech 公司的Eclipse、Galaxy，瑞士 Leica 公司的 ALS系列、SPL 系列，以及奥地利 Riegl 公司的LMS-Q系列:无人机载移动激光扫描系统具有机动灵活、可控性强、成本低、受外界环境影响小等传统测绘手段无可比拟的优势。目前主流的无人机载移动激光扫描系统主要包括: 武汉大学测绘遥感信息工程国家重点实验室研制的 Heli-mapper 低空 LiDAR 系统; Wallace 利用八旋翼无人机系统搭载轻小型激光扫描仪构建的 TerraLuma UAV-LiDAR 系统;Riegl公司推出的无人机搭载平台 VUX-SYS 和 minivUx;武汉大学研制的无人机激光扫系统麒麟云;东京大学在雅马哈 RPH2 无人机平台开发的模块化多传感器集成移动测量系统。

　　机载激光扫描系统通常需要在观测区域架设一定数量的全球定位系统(globalpositioningsystem，GPS)基准站与飞行器上 GPS 进行实时差分，来提高飞行器定位的精度。此外，为了获取观测目标更真实的纹理信息，弥补激光数据对目标物理特性表达的不足，在飞行器上可以搭载光学成像设备，如 CCD 相机等。当前，机载激光扫描仪设备主要有多回波 LiDAR 和全波形 LiDAR 两大类。多回波 LiDAR采用简单的回波探测方法，如恒比鉴相器实时检测回波，得到目标相对观测中心的距离。全波形LiDAR 在激光束发射后以很小时间间隔(如 1ns)不断记录后向射信号，通过各种波形分解方法，如高斯分解、去卷积方法等，可获取观测目标表面的几何信息和物理特性。

　　机载 LiDAR 系统观测目标三维坐标原理。其中，动态差分GPS测定GPS天线相位中心的坐标IMU确定飞行器的姿态(俯仰角、航偏角和侧滚角)，激光扫描仪测量激光扫描中心与观测点之间的距离并记录扫描镜的方位信息，以此计算观测点在WGS-84 坐标系下的三维坐标。由于各观测单元(GPS、IMU激光扫描仪)测量的数据均在各自独立的坐标系下，且参考中心和坐标轴方向都不同，需要严格的坐标系转换处理。在坐标系转换过程中涉及6 个坐标系之间的 5 步转换。6 个坐标系分别是瞬时激光束坐标系、激光扫描坐标系、惯性平台参考坐标系、当地水平参考坐标系、当地垂直参考坐标系以及WGS-84 坐标系。对于坐标系转换的平移和旋转参数，可以通过飞行作业前系统检校结果(如: 各参考中心平移参数、安置角误差等)、相关传感器相互关系测定数据等来确定。

　　2.车载激光点云采集技术

　　车载激光雷达优势在于突破了传统的单点测量法，具备穿透地表覆盖的森林植被的能力，更好地获取地形信息。将激光雷达搭载在机动车上，通过对道路及其两侧的扫描来记录目标的位置和反射强度等信息，可以快速、高密度、低成本、高精度、高自动化地完成道路及其沿线设施的三维信息采集，大大减少了外业采集的工作量，工作便捷,信息采集高效，精细化程度高。

　　随着惯性测量器件 IMU 性能和 GPS 和INS 组合定位技术等不断提升，加之 CCD数字传感器、激光扫描仪等在测量精度、抗干扰、轻便、易操作等性能的提高，国内外的研究机构和公司相继研发了各种车载移动测量系统，其中有美国JECA 公司研制的主要用来测量道路的 TruckMap 系统、德国慕尼黑联邦大学的 KiSS 车载系统、日本东京大学空间信息科学研究中心研制的 VLSM 系统等。国内有 1999 年武汉大学研制的WUMMS 系统、武汉立得空间信息技术发展有限公司的 LD2000-RM 系统、山东科技大学和武汉大学联合研制的车载式近景目标三维数据采集系统ZOYON-RTM系统、南京师范大学与武汉大学研制的3DRMS 系统、华东师范大学研制的“GPS/北斗双星制导高维实景采集系统”(ECNC-VLS) 系统以及 2011 年由中国测绘科学研究院、首都师范大学等共同研制我国首台车载激光扫描系统 SSW-MMTS,该系统采用国产全方向激光扫描仪 RA-360娉泵磅啊磅把拔挨艾挨璇肠愁掺宝彬豹俺遍出拌蚌颁安

　　在外业数据采集前，进行实地踏勘，确认采集范围内的道路交通状况，并在地图上做好标记，以便在外业线路规划中可以进行合理安排。提前规划基站位置、行驶线路，尽量保证沿卫星信号良好的路段行驶。数据采集过程中，车速应尽量稳定，保证各个区域的点云密度大致相同。在路口地段，应该保证数据具有一定的重叠度，方便后续数据处理。

　　3.基于 SLAM 的激光点云采集技术

　　同步定位与建图 (simultaneous localization and mapping，SLAM)是指移动机器人利用自身搭载的传感器构建环境地图，同时利用环境信息进行自主定位。SLAM 技术因具有较好的自主性和精度而广泛应用于各类移动平台中。移动机器人在未知环境中运动时，可以通过 SLAM 系统构建环境地图，同时利用构建的地图进行自主定位，SLAM。

　　设 SLAM 问题中待估计的机器人运动参数为 Xoxk=x,,x3，其中，x表示k时刻载体的位姿参数;设 SLAM 构建的地图可表示为一组地标的集合 M=mi,m,··m}，其中，m,表示第n 个地标在地图中的位置。机器人在移动过程中可以通过传感器对地标进行观测，这些观测的集合表示为 Zox=zoz,.·,3;而驱使机器人从 x 到x转移的控制量为 ，在移动过程中所有控制量的集合表示为 U=uou,,u。SLAM 就是根据观测Z和控制输入 U，估计运动轨迹和地位置M的过程。在SLAM 算法框架中，对观测Z的提取部分通常被称为 SLAM 的前端front-end);而利用Zo和U对运动轨迹和地标位置进行估计的部分被称为SLAM的后端(back-end)前端算法一方面要从每一帧的传感器数据中提取出地标观测信息，另一方面利用数据关联方法判断新一帧数据中的观测地标是首次观测到的新地标还是某一已经被观测到的旧地标。在激光雷达 SLAM 中，通常直接采用三维点云描述环境。建立帧间观测的关联也是前端算法的重要组成部分，数据关联算法与地标描述方法紧密联系。

　　激光 SLAM 系统在搭载激光雷达的同时，还会搭载 IMU、相机等传感器，形成多传感器融合的数据采集处理框架。

　　基于 SLAM 的激光点云采集技术在数据采集的过程中，不断进行对点云坐标的优化，输出即成图，也体现了实时这个概念。若测区较大，要求后续的离线高精度建图,可以保存每一帧数据，采集完成后进行离线解算。

　　主流的商用背包式激光扫描系统主要有:瑞士 Leica 公司的 Pegasus，英国GeoSLAM 公司的ZEB Discovery，国内数字绿公司的 LiBackpack 系列，国内立得空间公司的背包侠，以及国内欧思徕公司的 3D SLAM 激光全景背负式机器人等。主流的商用手持式激光扫描系统有瑞士 Leica 公司的 BLK 系列，美国KAARTA 公司的STENCIL系列，英国GeoSLAM 公司的ZEB Horizon，ZEB REVO等。主流的商用背包式激光扫描系统，背包式激光扫描系统在不同场景下获取的点云数据。