新工科是基于国家战略发展新需求、国际竞争新形势、立德树人新要求而提出的中国工程教育改革方向，其内涵在于以立德树人为引领，以应对变化、塑造未来为建设理念，以继承与创新、交叉与融合、协调与共享为主要途径，培养未来多元化、创新型卓越工程人才^[1]。测绘高等教育作为支撑国家信息化建设与发展的关键支撑点，应当抓住新一轮科技革命和产业变革的战略机遇，创新测绘工程教育体系，培养面向智慧化测绘的工程科技人才^[2]。

2015年6月，国务院批复同意《全国基础测绘中长期规划纲要(2015—2030)年》，明确提出了“加快发展基础测绘，形成新型基础测绘体系”的要求。2016年8月，国家发展改革委、原国家测绘地理信息局联合印发《测绘地理信息事业“十三五”规划》，将推进新型基础测绘体系建设作为“十三五”期间国家测绘地理信息事业发展的五大重点任务之一。在目前现有的新型基础测绘体系构建中，针对城市的全方位、精细化的空间信息获取是核心的关注点，武汉市和上海市作为试点城市，进行了成功的技术探索与应用^{[3, 4]}。

在现有测绘体系中，激光雷达(light detection and ranging, LiDAR)作为一种核心的关键技术，尤其是移动LiDAR，以高机动性、高质量、高动态的数据成为关键信息支撑，成为新型基础测绘体系的关键环节。武汉大学率先在国内开设了机载LiDAR和LiDAR测量等课程，目的是培养面向LiDAR工程与应用相关的高级专门人才。本文从新工科背景下的测绘专业培养需求出发，结合激光技术与应用特点，思考并探讨了LiDAR测量课程建设的发展方向。

随着传感器技术、计算机技术、网络技术、光电芯片技术等信息技术的快速发展，测绘类专业的核心也从传统的测量制图发展到融合地学、空间科学、信息科学的空间信息科学与技术。面向国家信息化发展战略需求以及地理信息产业发展需求，测绘科技人才的素质和能力培养目的也从传统的测量制图发展到面向定位、导航、监测与空间信息工程的综合素质人才培养。尤其是随着人工智能、大数据技术的发展以及地理空间信息的多行业、多领域的深入应用拓展，测绘类专业应该紧密围绕智能化测绘技术体系建设需求，利用智能化科技创新和赋能卫星导航定位、遥感、地理信息工程、三维扫描感知“4S”理论和技术体系，在新工科建设与发展背景下，培养具有创新意识、创意思维、创业能力的智能时代下的多元化、交叉性工程科技人才。

针对新工科背景下的测绘类专业人才素质培养需求，为了培养学生的创新精神和解决实际问题的能力，有学者引入科学、技术、工程、数学(science technology engineering and mathematics, STEM)教育理念来创新测绘类专业核心课程体系及其模式的新工科建设路线^[2]。STEM核心理念是将科学、技术、工程学、数学的内容进行跨学科的有机整合，其强调以科技和工程学科为主线，通过采用基于设计、基于问题的发现学习和探索性教学方式，从而更好地培养学生的跨学科知识、创新精神和实践能力。本文在STEM课程建设思路的指导下，对国内测绘类专业的LiDAR测量课程教学思路进行了思考和探索。

从定义而言，LiDAR测量技术是基于地基固定或移动平台，主要利用激光测距传感器，或辅以相机、惯导等传感器进行目标三维空间信息快速获取的技术。从发展历程而言，该技术经历了从星载激光测量、航空机载激光测量、地面静态激光测量、车载移动激光测量以及无人机低空移动激光测量几个典型阶段。尤其是近五年，随着无人机载荷与续航能力的不断提升，轻小型LiDAR、惯性测量单元(inertial measurement unit, IMU)等多传感器的出现与快速迭代，无人机载LiDAR测量成为在测绘及相关领域快速发展，并迅速普及应用的一类新型移动测量技术。

相较于传统测绘技术，LiDAR测量尤其是移动LiDAR测量技术，其最大优势是能充分发挥激光测量高精度、高频率的优势，能快速获取目标高密度、高质量的离散采样点三维空间信息。通过集成全球导航卫星系统(global navigation satellite system, GNSS)、IMU等多传感器，利用车辆或无人机搭载平台的高机动性、低成本等优势，能够高效、高自动化地获取大范围的cm级甚至mm级的精细地理三维空间信息，如图 1所示。在满足城市精细测绘发展下高质量地理空间信息采集需求的同时，为智能化测绘的进一步发展注入了新活力。从其应用领域来看，随着处理理论和方法的快速发展，该技术也逐步在中国测绘相关领域开展了应用，包括传统城市测绘、自然资源调查、交通勘察等多个领域，如图 2所示^[5-8]。该技术在新型基础测绘体系与新时代地理信息产业中扮演了重要的关键技术角色。

图 1(Fig.1)

图 1 不同平台搭载的LiDAR测量系统 Fig.1 LiDAR Measurement System Mounted on Different Platforms

图 2(Fig.2)

图 2 LiDAR测量技术应用于多个领域 Fig.2 Multiple Application Fields of LiDAR Technology

从应用领域和技术特点而言，LiDAR测量技术主要包括以下特点：

1)数据处理理论前沿性高。LiDAR扫描点云数据是一种新型的三维数据类型，包含了丰富的目标纹理、几何、拓扑信息，现有的图像处理技术并不能直接应用于点云数据处理，其数据管理、可视化渲染、目标识别与提取、拓扑重建等仍然是目前相关领域的研究热点。相关处理方法涉及到三维计算机视觉、大数据与高性能计算、人工智能与深度学习等领域的前沿理论与方法。

2)工程应用领域广泛。LiDAR测量技术广泛服务于测绘、基础建设、国土规划、农林业、交通应急、资源监测等多个领域，同时也在智慧城市、智能驾驶等领域逐步成为不可或缺的支撑技术，呈现一种“泛在”的发展态势。

3)学科交叉综合性强。LiDAR测量技术尤其是移动LiDAR测量技术是集激光测量技术、空间技术、计算机技术、传感器技术、自动控制技术等多种技术于一体的综合性技术，在硬件集成、数据采集、数据处理与工程应用等阶段的相关理论与方法表现出明显的多学科交叉特性。

目前，国内LiDAR测量课程主要包括理论教学与实践教学两种类型，理论教学主要强调从激光测量原理、误差分析以及数据处理理论方法的角度来进行LiDAR测量方法的教学，该类教学方式缺乏实践，学生无法将理论知识应用于解决实际工程问题，而实践教学主要强调从工程领域的应用角度(如LiDAR硬件和数据处理软件等)来开展教学，该类方式导致学生在面临新领域或新出现的工程应用问题时无法开发新的解决方案。因此，从LiDAR的特点、应用领域和人才需求3个角度出发，以STEM教育思想为指导，本文提出了以应用为驱动、理论与实践相结合，以跨学科交叉为引导、面向工程应用创新的LiDAR测量课程教学思路。主要包括以下几个方面：

1)以传统测绘应用案例为牵引，通过对比分析形成知识推理链条。在课程开始阶段，建议首先通过学生熟悉的传统测绘应用案例来引入LiDAR测量技术。以学生熟知的数字高程模型(digital eleva-tion model, DEM)生产为例，可以首先分析全站仪测量、摄影测量以及GNSS测量技术的传统DEM生产流程，通过引导分析上述流程中存在的问题，比如植被茂密覆盖区域的全站仪测量劳动强度大、GNSS信号弱、摄影测量无法穿透等问题，激发学生思考与学习的兴趣。以问题为驱动，通过点云数据的三维可视化展示及其与传统测绘数据的特性对比分析，来建立学生对LiDAR技术的直观认知。以数据展示与对比分析为基础，结合DEM生产案例，对应分析LiDAR测量数据如何能够解决传统生产流程中存在的问题，进而引入LiDAR技术测量原理、工作方式的相关学习介绍。通过具体案例和对比分析来建立与学生前期知识的关联，形成知识推理链条，提升学生对新技术知识学习的接受度以及理解能力。

进一步，通过不同类型点云的直观对比分析，引入LiDAR在测量过程中距离分辨率、角度分辨率、测程、激光光斑、多次回波等多种指标的分析，通过对不同指标对点云数据影响的直观展示与原理分析，加深学生对LiDAR测量基本原理的认知。

2)在不同环节积极引导学生主动思考，培养关键问题分析与解决能力。LiDAR数据处理流程可以分为海量数据管理与索引、配准、滤波与去噪、压缩、识别分类、三维重建等几个大的环节。在不同环节学习阶段，应该以学生的现有知识储备为基础，通过各种不同的方式来引导学生进行主动思考。以激光点云数据的配准方法讲解为例，可以先引入某一建筑目标的数据采集需求，引导学生主动思考如何在激光扫描设备视场角、测程等限制因素条件下获取建筑目标完整点云数据。进而可以通过对比学生掌握的大地测量学的七参数转换以及多站激光扫描数据的坐标转换的关系，让学生能够自然理解激光点云配准模型与七参数转换的区别与联系。针对进一步自动点云配准关键算法的学习，可以不同扫描站的同名点的自动查找为切入点，以摄影测量中立体图像同名点自动匹配的知识为基础，指引学生分析当待配准的数据类型从二维图像拓展为三维点云时需要解决的关键问题，激发学生主动思考如何在三维点云中的同名特征点中提取并构建合理的数学描述模型。通过进一步自动配准算法中相关数学模型推理与知识点的讲解与学习，逐点印证并解决学生在思考问题过程中的疑惑，避免常规教学中学生对数学过程的理解不透彻的问题，提升教学效果。

3)理论与实践相结合，算法开发与软件实践并重，提升工程应用能力。作为一门理论与实践并重的学科，还需要通过实践教学来复习和进一步巩固先前的理论教学内容。实践教学过程应划分为数据采集以及数据处理实践两个阶段。在数据采集实践教学过程中，安排学生在回顾课程测量原理的基础上，通过实际动手操作激光测量硬件来完成实际场景中的数据采集问题。该环节需要注重锻炼学生的采集方案设计能力、仪器操作能力以及野外实际作业能力。在数据处理阶段，则需要从两个方面来开展实践教学：(1)利用国内外商业软件来进行教学，如Leica公司的Cyclone、Faro公司的Faro Scene、Geomagic Studio等以及国内华测导航、中海达以及数字绿土等公司推出的后处理软件。通过软件教学来锻炼学生数据处理能力的同时，进一步巩固学生在理论教学阶段学习到的知识点。(2)培养学生的实际算法开发能力，可以将现有的点云库(point cloud library, PCL)处理算法^[9]、MeshLab、CloudCompare、CGAL (Computational Geometry Algorithms Library)^[10]等开源软件作为教学平台，这些软件提供了较为完善的点云数据结构以及可视化组件，使得学生的精力能够集中在算法数学过程的实现中。算法实践教学内容包括简单点云压缩、索引查询、配准以及复杂的点云分割分类、点云模型拟合等部分，简单的教学可以在实践课堂中通过现场指导来实现，复杂的算法则建议学生自主收集资料，在课后完成。

4)以跨学科应用为引导，锻炼学生新领域工程应用问题解决能力。在理论与实践教学的基础上，为了进一步锻炼学生对LiDAR测量技术的工程应用能力，建议在课程后期合理设置跨学科或者是跨领域的案例应用分析环节。例如，以电力领域的快速巡检应用需求为例，引导学生查询传统电力巡检相关的需求、流程步骤、成果要求等，然后结合Li-DAR的相关特性以及数据处理方法，设计包括激光点云采集、滤波与分类、目标识别与监测分析等流程在内的巡检解决方案。同时，还可以结合课堂分组讨论的方式，让学生自主分析现有设计方案可能存在的问题及进一步的优化方案，让学生能够掌握LiDAR测量技术应用于不同领域的方法与思考逻辑，以培养具有交叉创新思维的工程科技人才。

LiDAR测量技术作为中国新型基础测绘体系中的关键支撑环节，是未来智慧化测绘的重要组成部分。针对LiDAR工程与应用相关的专业创新性人才需求，以新工科建设的背景和要求为出发点，在STEM教育思想指导下，本文提出了以应用为驱动、理论与实践相结合，以跨学科交叉为引导，面向工程应用创新的LiDAR测量课程教学总体思路，以提升学生的创新实践能力，为相关领域培养面向Li-DAR工程与应用的高素质专业人才。