大數據時代高校空間信息類專業(yè)中的點云智能處理教育與探索

郭獻濤 苗立志 楊柳 楊立君

摘要：目的：當前，隨著大數據、云計算、物聯(lián)網與人工智能等新技術的迅速發(fā)展以及在各學科的滲透，以海量激光點云為數據基礎的數字現實時代已經來臨，要求點云數據處理課程面向大數據智能化推進理論和實踐教學改革。方法：文章以南京郵電大學物聯(lián)網學院的本科課程——點云智能處理與應用為例，闡述該課程的教學體系及課程教學內容、實踐教學內容的設計，并結合當前新型激光傳感器與車載、機載等移動平臺以及人工智能數據處理算法發(fā)展成果，將相關大數據智能化領域的新技術、新理論以及新案例融入傳統(tǒng)課程教學中，摒棄以往僵化的教學模式，采用整體性思維重新組織與設計教學內容，完善學生的知識體系；強化實踐教學設計與提高科研競賽參與度，在實踐與科研競賽活動中實現與理論知識的融會貫通；綜合應用問題驅動法與案例教學法等多種教學方法，增強學生的學習積極性，實現此課程的初步改革設計。結果：實踐表明，通過以上教學與實踐改革，學生的課程參與度明顯提高，學生的獨立思考能力得到鍛煉，實踐操作水平進一步提高。結論：文章的研究為大數據智能化時代空間信息類專業(yè)相關課程改革與實踐以及培養(yǎng)具有人工智能背景的專業(yè)人才提供了參考，具有一定的借鑒價值。

關鍵詞：大數據；空間信息；智能處理；教學改革；點云數據

中圖分類號：P23；G642 文獻標識碼：A 文章編號：1004-9436（2024）09-00-03

0 引言

我國空間信息數據采集與處理經歷了從模擬化到數字化再到信息化的變革，隨著5G、物聯(lián)網、大數據、云計算和人工智能等技術的快速發(fā)展，空間信息類專業(yè)面臨著智能化轉型的機遇與挑戰(zhàn)。智能化數據采集與處理是人工智能與空間信息深度融合的結果，建立以數據為基礎、知識為引導、算法為核心、應用為驅動的智能化數據流新范式，已成為專業(yè)領域的共識［1］。

多平臺激光雷達遙感系統(tǒng)可以高速度、高密度、全天候地獲取對象三維點云與圖像紋理信息，為面向智能化的空間三維數據提取提供了全新技術手段［2］5。近

年來，激光雷達（Light Detection and Ranging，LiDAR）技術逐漸得到廣泛應用，其獲取的點云是智慧城市、無人駕駛、VR/AR、新零售等未來新興熱點行業(yè)實現的數據基礎［3］，目前海量點云數據處理課程在我國高等院校測繪與遙感等空間信息類專業(yè)中開設并逐漸普及。隨著無人機、新型激光雷達傳感器與計算機視覺的融合等新內容呈現爆發(fā)式增長，人工智能數據處理與解譯技術廣泛應用，點云數據處理方式與處理能力都實現了重大突破［4-5］。

智能化空間信息技術必將推動數據采集技術的升級，以及空間信息類專業(yè)教學改革［2］6。目前，點云智能處理與應用課程講授內容已逐漸滯后于技術的進步與進展，存在教學方法單一、課程體系不完善、實驗實踐環(huán)節(jié)薄弱等不足。本研究緊跟技術發(fā)展前沿，結合當前信息智能化時代新型激光雷達傳感器及平臺發(fā)展成果，將與激光遙感測量和數據處理相關的新技術、新理論以及新案例引入教學體系，完善教學體系設計，加強教學實驗設計，豐富教學方法，針對課程改革進行一些嘗試性設計與探索。

1 課程教學體系探討

本課程采用系統(tǒng)化的觀點組織課程內容，完善教學體系設計。比如在講解激光雷達測距、測角及掃描原理等內容時，比較和分析衛(wèi)星激光測高、機載激光掃描、車載激光掃描以及計算機視覺SFM等新舊技術的相似內容，得出不同傳感器掃描測量的差異和共性，讓學生更好地了解與認識技術的理論基礎與其改進過程，助力學生形成系統(tǒng)的知識結構。

完善教學體系設計首先應編制一本內容比較基礎、結構相對全面的教材。盡量涵蓋激光遙感測量技術大部分章節(jié)知識，能夠重點介紹不同平臺下激光雷達掃描測量原理、數據采集技術設計、點云的表達與數據結構、點云數據處理流程及常用算法，還有點云三維建模與相關領域應用等知識內容，使學生建立激光雷達掃描測量的基本知識結構。還應結合國內外多種教材和本學科主流的中英文期刊等資料，將最近幾年出現或發(fā)展的新理論、新方法、新技術和新成果等內容及時融入教學中，不斷充實和更新教學內容。同時，綜合應用多種教學方法，提升學生的課堂參與度。

教學體系設計還應重視實踐應用，通過實踐應用將理論知識融會貫通。本課程將激光掃描在文物保護、工程測量、數字工場、地形測量、變形監(jiān)測、工業(yè)制造等領域的應用融入教學過程中，實現對理論知識的應用與掌握，并進一步設計及引導學生參與相關競賽與科研項目，引導學生的知識與興趣向縱向發(fā)展。

2 課程教學內容設計

結合中外教材進行點云智能處理與應用的授課，中文教材選擇同濟大學出版社出版的《海量點云數據處理理論與技術》與武漢大學出版社出版的《點云智能處理》作為主講教材；外文教材選擇沃塞爾曼等人主編的《空中-陸地激光掃描》作為參考教材，該教材集合了近年全球發(fā)表的最新科研成果，也是國際攝影測量協(xié)會推薦的學習教材［6］。點云智能處理技術理論教學設計主要包括以下六個專題。

第一專題為激光雷達掃描測量技術。主要包括地面與機載激光雷達系統(tǒng)結構、掃描機制、GPS/IMU整合、全波形數字化，以及與同類技術的比較。重點是各遙感平臺下激光雷達原理與點云智能處理技術的特點、數據產品以及應用領域。

第二專題為激光雷達掃描設備與儀器檢校。主要講解主流商業(yè)激光雷達設備與性能指標，并對設備研究現狀進行分析。闡述掃描儀水平角、測距與平面點位精度檢測，討論儀器設備誤差源，儀器系統(tǒng)誤差與系統(tǒng)誤差的檢校模型與檢校方法。

第三專題為激光雷達點云數據采集與數據組織。主要包括地面LiDAR野外掃描方案設計，機載LiDAR數據獲取的計劃準備、航飛實施與數據整理三個階段共八個方面的內容，重點講解航線設計、檢校場布設測量以及LiDAR點云解算；并進行點云誤差源與精度影響分析。此外，講解點云的數據基礎，包括點云的定義與表達、點云的信息特征與存儲格式，重點分析點云的ASCII文本格式（txt、asc、pts等）、自定義點云格式（imp、rwp、rsp等）、主流跨平臺交互格式（obj、ply、stl、iges、las等），并對Cyclone、Real Works Survey、POSProc、Terrasolid等主流商業(yè)軟件功能進行介紹。

第四專題為激光雷達點云數據預處理。激光雷達外業(yè)采集的一般是多視、嘈雜、無序的高密度點云數據，需要經過配準、去噪、壓縮、空洞插值等數據預處理流程才能實現后繼點云重建與應用。本專題主要包括基于特征的點云配準算法和無特征的點云配準算法；點云的去噪算法和交互式去噪方法；基于海量點云數據的壓縮算法和基于三角網格的壓縮算法；基于點云模型和基于網格模型的空洞插值方法。

第五專題為激光雷達點云重建。點云智能處理技術最終目的是利用處理后的點云數據實現對掃描實體的三維重建，并基于模型進行應用。本專題首先介紹點云重建研究現狀，指出現有表面重建算法的局限性，接著講解微切平面法、三維Delaunay剖分、移動最小二乘法以及區(qū)域生長法等重建算法，分析基于三角網格與基于散亂點云的特征提取方法，講解基于特征的點云重建與基于切片技術的點云重建；闡述基于Cyclone、Geomagic軟件建模的主要過程；最后分析從機載激光點云數據中探測與重建建筑物與DEM生成方法，對點云的濾波、分割、分類等算法進行詳細介紹。

第六專題為點云智能處理技術應用。結合實例講解激光雷達技術在測繪、文物保護、地質研究、礦業(yè)、林業(yè)與海洋等領域的應用研究成果。其中，在測繪領域的應用主要包括地形圖測繪與地籍測繪、土方和體積測量、監(jiān)理測量、變形監(jiān)測以及其他工程測量。

3 實踐教學內容設計

在理論授課基礎上，通過實踐教學設計，加深學生對理論知識的理解與掌握，同時提升專業(yè)實踐素養(yǎng)［7］。點云智能處理與應用課程實踐教學設計內容主要包括點云數據采集與數據預處理、制作數字高程模型以及重建建筑物三維模型。

3.1 數據采集與預處理

首先，帶領學生參觀Faro focus 3D激光雷達設備，加深學生對激光雷達測量原理、工作方式的理解，熟悉儀器操作以及軟件功能。其次，基于標靶匹配實施數據采集，培養(yǎng)學生現場踏勘與掃描方案設計能力。最后，進行內業(yè)數據預處理，主要包括多站點云配準、去噪、補洞和壓縮，使學生直觀了解點云數據組織與預處理流程。

該實驗通過儀器配套軟件Faro Scene完成，可以自動對象識別及掃描配準和定位，輕松高效地處理和管理掃描數據；對象簡單的三維建模通過第三方軟件Geomagic Studio完成，該軟件擁有強大的點云數據處理與編輯功能，后期利用模型渲染V-Ray for 3DS Max 2012實施模型增強，借助軟件中插入相機進行點云漫游制作，并通過插件功能實施網絡發(fā)布共享。

3.2 數字高程模型制作

數字高程模型制作采用機載雷達數據，利用POSProc軟件提取與解算POS數據，實施航線重構與航帶拼接，聯(lián)合掃描數據增量計算LiDAR點云三維坐標。數字高程模型生成主要在Terra Solid 軟件中完成，涉及點云濾波、DEM內插與模型生成操作。

Terra Solid軟件由TerraScan、TerraModel、TerraPhoto模塊組成，具有分類、濾波、生成表面模型、影像處理能力，屬于半自動數據處理。需要學生根據測區(qū)情況反復試驗輸入參數進行調整，加深對理論方法的理解與積累數據處理的經驗。

3.3 建筑物三維重建

LiDAR點云濾波后，各種地物點云混雜在一起，需要實施點云分類并提取建筑物信息與實施建筑物重建，主要包括從LiDAR數據中檢測建筑物腳點，由建筑物腳點提取建筑物邊緣特征線，并重建三維模型與實施模型渲染。

以上實踐教學都是點云智能處理課程中的重要環(huán)節(jié)，通過實驗教學環(huán)節(jié)，使學生能將所學理論知識與實驗具體操作相聯(lián)系。

4 教學方法選擇與實施

傳統(tǒng)講授式教學方法容易出現滿堂灌情況，會打擊學生學習積極性［8］。為了使學生更好地掌握所學知識，本課程綜合利用多種教學方式，將講授法與演示法、討論法相結合，以學生為主體，系統(tǒng)運用問題驅動教學法與案例教學法授課。

4.1 問題驅動教學法

問題驅動教學法以課程中設計的問題為中心，以學生為主體，以生生互動以及師生互動為基礎，以學生自主學習和分組學習為主要學習形式［9］。

在理論教學過程中，本課程分別在六個專題學習中期布置問題，學生分組進行問題交流分析，查找資料與文獻并尋求解決方案，在此過程中教師主要負責小組分工與指導。在所有小組都找到問題解決方案之后，教師要組織各組學生進行課堂交流，并采用互評、自評及教師評價的方式對結果進行綜合評價。

4.2 案例教學法

點云智能處理課程設計的重點在于激發(fā)學生專業(yè)興趣，使學生掌握專業(yè)理論，啟發(fā)學生思考，以更深入地學習專業(yè)知識［10］。在每個專題學習后期，設置工程案例教學，以吸引學生的注意力，將課堂理論知識與工程實踐相聯(lián)系。案例實施過程中，其設計與選擇應能反映課程的內容重點，且有利于理論與實踐的結合。

地面與機載激光雷達部分各安排三次教學案例，分別對應外業(yè)技術設計、內業(yè)點云數據處理及點云建模等重點理論知識。比如在數據獲取專題中，可選擇一個指定數據采集區(qū)域，讓學生分組根據采集區(qū)域和對象的特征，設計數據采集方案。學生要分組實地踏勘對象區(qū)域，根據所學理論知識與對象特點設計初始方案，然后合作查閱已有相關激光雷達數據采集資料與工程案例，分析討論、反復比對、試驗與修改，以進一步優(yōu)化數據采集方案。

4.3 參與科研和競賽

在課外，對于學有余力的學生，教師可鼓勵與引導他們加入自己的科研課題中，并依托課題成果積極參加學科競賽與大學生創(chuàng)新實踐等，充分調動與培養(yǎng)學生的探索力與創(chuàng)造力，提高學習的動力與專業(yè)思考的深度。

在實踐教學的每個專題后期組織專業(yè)技能比賽。學生在準備比賽的過程中，能將相關壓力轉化為動力，從而激發(fā)學習熱情與學習潛力，進而提高學習積極性。通過專業(yè)技能比賽達到掌握點云智能處理專業(yè)技能的目的。

5 結語

文章結合大數據空間信息智能化時代背景，從教學體系設計、理論教學設計、實踐教學設計以及教學方法選擇等方面，較為系統(tǒng)地研究與思考點云智能處理與應用課程教學中存在的問題，引入最新的技術成果，設計完善了理論教學與實踐內容，有助于學生更好地實現課程教學目標，對測繪與遙感等空間信息類專業(yè)的相關技術課程改革具有一定的參考價值。

參考文獻：

［1］ 陳軍，劉萬增，武昊，等.智能化測繪的基本問題與發(fā)展方向［J］.測繪學報，2021，50（8）：995-1005．

［2］ 李鵬程，劉志青，邢帥.“激光雷達測量原理與實踐”課程教學研究與思考［J］.測繪與空間地理信息，2020，43（10）：5-7.

［3］ 張靜，眭碧霞.人工智能帶來職業(yè)教育教學形態(tài)變革：影響、挑戰(zhàn)與趨向［J］.職業(yè)技術教育，2020，41（29）：42-46.

［4］ 陳一祥，秦昆，苗立志，等.面向智能化測繪的空間信息智能處理課程設計［J］.藝術科技，2022，35（17）：1-4.

［5］ 謝洪，閆利，陳長軍.測繪新工科建設下LiDAR測量教學思路探討［J］.測繪地理信息，2021，46（5）：179-182.

［6］ 喬治·沃塞爾曼，漢斯·格德·馬斯.空中-陸地激光掃描［M］.英國：威特爾斯出版公司，2010：1-206.

［7］ 臧玉府，祝善友，金雙根.面向智能測繪培養(yǎng)目標的課程改革與實踐：以南京信息工程大學數字攝影測量課程為例［J］.測繪通報，2021（1）：142-147.

［8］ 何雯君.問題驅動式教學對學生“四能”培養(yǎng)的研究［D］.漳州：閩南師范大學，2022：45-47.

［9］ 楊萍.測繪技能大賽對工程測量專業(yè)人才培養(yǎng)的影響研究［J］.建材與裝飾，2017（41）：230-231.

［10］ 秦昆.智能空間信息處理［M］.武漢：武漢大學出版社，2009：5-6.

基金項目：本論文為2021—2023年度教育部產學合作協(xié)同育人項目“航天宏圖——南郵聯(lián)合共建多源遙感數據綜合處理實驗室”研究成果，項目編號：20210224503；2020—2022年度南京郵電大學教學改革研究項目“雙一流建設與數字信息時代下激光雷達遙感原理課程教學模式改革”成果，項目編號：JG03220JX54

作者簡介：郭獻濤 （1984—），男，博士，講師，系本文通訊作者，研究方向：點云智能處理；苗立志 （1981—），男，博士，副教授，研究方向：時空信息智能處理；楊柳 （1996—），男，博士，講師，研究方向：GNSS水汽反演；楊立君 （1977—），男，博士，副教授，研究方向：海岸帶多源遙感技術。