高精度、高密度的点云成果在航测应用和监测研究中发挥重要作用。在采用无人机激光雷达采集数据和建模的工作实践中，点云数据本身通常具有大量不规则性，具体表现在局部点密度的巨大差异、数据重叠或缺失、点云噪声等。而在对比无人机数据和检核点（GCP）时，有时发现精度报告里的指标不尽人意，由此可能导致测绘结果和实际位置差异颇大。用户经常会问：怎样改善点云数据集的质量，从而增加其可用性？

 

 

近期，来自德国的 Microdrones（中文名：镁科众思）飞行测试和地信团队整理和深入分析了四个本地案例，通过实测数据来探讨以下这些问题：

案例一：分别采用三款市场上不同配置的无人机激光雷达系统测量同一个项目后，采用Global Mapper软件与检核点做高程的差值分析，生成评估报告。在差值差异不大的情况下，是否意味着三套点云数据集后期成图的质量也一样？回答是否定的，只要点云密度足够大，检核点旁边有足够多的点，精度都不会很差。然而，点云厚度和点云是否分层在上述对比过程中并没有体现，却影响成图质量和准确性。

进一步分析：经过排除干扰点和进行点云切片分析，对比几个方案的数据集能否准确反映测量对象的形状、结构和特征，从而更深入理解点云噪声和点云厚度。此外，对比检核点和DEM模型的高程偏差，分析这几个模型是否反映了测量对象真实的地理信息？

 

案例二：如果说精度报告只反映点云数据与检核点的匹配度，那么相比还有更加严谨的对比方式吗？在一个铁路无砟轨道的测量案例中，测试团队使用徕卡LS15配合原装铟钢尺做了一小段闭合水准路线测量，采集了21个检核点的高程数据，对机载点云和电子水准仪数据进行高程精度对比。

 

案例三：评估其它精度影响因素，例如：在较为恶劣的飞行条件下收集的点云数据集精度有保证吗？使用不同的程序分析精度，成果会有多大的差异？以上分析过程将会通过一个矿区测量案例来验证和说明。

 

案例四：在数据后处理过程中，点云增强是一个重要功能。基于彩色点云生成线画图和地表模型是最基础的应用。我们把使用原始点云和经过精度增强后的点云生成的高程模型进行对比，查看程序进行增强时是否会产生精度误差，并分析其背后的原理。