摘要
点云是目前摄影测量、遥感、计算机视觉等多个领域广泛应用的数据源之一，而信息提取是点云处理、分析和应用的必经环节。为此，学术界已经提出了大量点云信息提取方法。本文从基元类型、提取特征、特征选择与分类器等３个视角概括了点云信息提取的相关研究现状，总结出点云信息提取存在的５个
主要问题，点明了点云信息提取的６个主要发展趋势，并着重介绍了“融合多基元的点云信息提取范式”。
研究进展
1.1 基于多基元的点云信息提取
按照基元类型，可以将已有的方法划分为基于点、剖面、体 素、对 象、多 基元融合（如 图 １ 所 示）等４类点云信息提取方式。
1.1.1 基于点基元的信息提取
- 滤波
- 分类
- 问题：特征不足、特征计算耗时、难以确定最优邻域
1.1.2 基于剖面基元的信息提取
- 滤波
- 分类
- 问题：目前，使用剖面基元的点云信息提取方法较少，主要是由于剖面能顾及的邻域有限、可利用的上下文特征和知识不足。
1.1.3 基于体素基元的信息提取
- 滤波
- 分类
- 问题：目前，体 素对机载lidar和摄影测量点云信息 提 取的适用性有限，它比较适合作为车载lidar点云信息提取的基元。
1.1.4 基于对象基元的信息提取
- 以点云分割的对象为基元进行信息提取
- 问题：该类方法信息提取效果严重依赖于点云分割的质量，且十分耗时。
1.1.5 融合多基元的信息提取
- 原理：原理是在信息提取的不同阶段使用不同类型的基元，或者采用多种基元以实现更优的提取效果。
- 问题：目前，融合多基元的点云分析方法刚刚崭露头角。由于多尺度的多基元结构能够充分顾及不同尺度空间的特性，采用多基元结构有利于提高分类识别的效果。但是，该类方法缺乏相关理论框架的探讨，尤其是多数点云分割方法还无法实现点云的多尺度分割和多基元获取，这阻碍了融合多基元的点云信息提取的深入发展。
1.2 提取的点云特征
- 高程纹理特征
- 几何形态特征
- 回波相关的特征
- 反射强度和光谱特征
1.3 点云信息提取的特征选择和分类器
- 常见分类器
- 点云信息提取中还涉及分层分类策略。该方法首先区分地面点、非地面点；然后从地面点中分离出水体点；接着对非地面点进行分割获取平面对象进而识别建筑物屋顶、立面点，对剩余的点进行聚类识别植被点。
问题与挑战
2.1 方法研究的理论性有待进一步提高，配套商业软件的功能有待进一步增强
- 融合多基元的点云分析刚刚兴起，对点云数据的多种类型基元的描述表达、多尺度分割、同一尺度不同基元的三维空间拓扑关系建立和描述、不同尺度基元的上下文关系建立和描述、多尺度特征提取和选择等核心问题还缺乏深入的研究。
2.2 缺乏点云分析的不确定性研究
- 点云数据的精度、粗差、密度与地物类型、地物尺度、地物关联度等６个要素等对点云分析（尤其是多尺度点云分割和分类精度）具有很大的影响，但对相关不确定性分析缺乏定量的研究.
2.3 深度学习的进一步深入
2.4 缺乏高性能计算技术的应用
- 并行计算
发展趋势
3.1 融合光谱与三维几何特征的点云将成为信息提取的热点数据源之一
3.2 多尺度多层次点云分割
- 目前的点云分割普遍存在过分割、欠分割、效率低、分割尺度单一的问题。从分割方法的角度展望，多尺度多层次点云分割方法亟待研究。
3.3 深度学习方法
3.4 基于迁移学习的点云信息提取
- 寻找一种能在不同场景中可扩展的类别区分算法
3.5 并行计算
3.6 融合多基元的点云分析范式
- 融合多基元的点云分析范式”是对面向对象的影像分析范式在点云信息提取领域的延伸和拓展。它将充分利用点云数据的几何、光谱、形状、纹理、反射强度、回波等特征，主要围绕融合多基元的逐层分类框架设计、多尺度点云分割和多基元获取、融合多基元的特征提取和选择、融合多基元的模式分类，并行计算等关键方法开展系统的研究，并结合典型场景的点云分析开展信息提取的不确定性分析。