机载LiDAR原始点云数据具有数据量大、信息丰富、分架次呈条带状组织等特点。原始激光数据在获取并解算为通用点云格式(一般为LAS格式)后，需第一时间对点云数据进行质量检验确认。如果发现异常，则需进行补飞或重新解算。《机载激光雷达数据获取技术规范(CHT 8024-2011)》对于点云的质量要求主要分为点云覆盖、点云重叠度、点云密度、点云噪声、点云接边精度、点云高程精度等方面。本文结合实际LiDAR项目原始激光点云质量检验经验，对激光点云质量进行了比较全面的探讨，并研究总结出了实用的质量检验方法，可为行业从业人员提供参考。

1 质量检验方法 1.1 覆盖完整性

规范中对于激光数据的覆盖要求为：航向起始和结束应超出半幅图范围，旁向应超出半幅图范围，超出部分不小于500 m，且不大于2 000 m^[1]。可逐条带对激光点云数据进行抽稀读取展示，结合测区范围线进行分析判断。对于大片无点云区域，可参考粗拼正射影像来分析判断是否为正常吸收情况，如水域或沥青路面等。

1.2 旁向重叠度

规范中对于激光数据的旁向重叠度要求为应达到20%，最少为13%。丘陵山地地区应适当加大旁向重叠，这样可保证无数据漏洞，同时点云密度也能得到更好的保证。结合Terrascan软件对点云的支持，笔者基于Microstation VBA进行了LiDAR点云重叠度计算工具的编写实现，可较快速全面有效地对LiDAR条带重叠度进行统计计算、分析评估。基于航线边沿旗标信息，可将抽稀条带激光两侧边沿点云分别提取出来^[2]。通过计算其中一侧两两相邻结点的方位角并取平均值可确定航线走向。通过合并航带两侧边界点，可得到该条航带覆盖范围多边形结点。通过读取LiDAR点云条带覆盖范围多边形结点和航线走向数据，采用一定的采样间距，可对相邻激光条带的旁向重叠度进行统计并输出报告。这样可快速检查出重叠度不满足规范要求的地方，以及有数据覆盖漏洞的地方(图 1，其中绿色表示重叠度达到了20%以上，黄色表示重叠度在13%~20%之间，红色表示重叠度在13%以下)，可为航线设计与激光漏洞补飞提供有力参考。

1.3 点云噪声

点云噪声通常指点云中由于系统原因，或者云雾等产生的明显高于或低于地表，或者偏离测区的点，这些数据对于地形测绘意义不大，且会对点云密度、点云覆盖及测区地形分析造成影响，故应对其分布、数量等进行评估，分析信噪比^[3]及其产生原因。

通常，由系统原因产生的噪声，分布比较均匀且分散，水域部分通常也会产生高于或低于水面的一定数量的噪声，这类噪声一般占比较少，去除后对于点云密度、地形表达的影响可以忽略；而由于云雾遮挡等非系统原因产生的噪声通常呈现出集中、密集的特点，去除后对地表点云密度、地形表达会有较大影响，乃至产生数据漏洞，就需根据漏洞大小进行补飞或采取其他补测措施了。

1.4 点云密度

规范中对于不同比例尺点云密度有明确的要求，但并未就点云密度的定义进行细化。笔者认为，点云密度应根据激光传感器扫描方式进行进一步的细分，比如点云航向间距、点云旁向间距；应根据回波信息分为首次回波密度、全部回波密度^[4]；应该根据分析目的分为单条带点云密度、整测区点云航带重叠去除后点云密度。

点云密度的统计与分析，可视电脑配置情况抽稀读取激光点云或对点云数据进行工程分块，然后以一定的格网大小输出点云密度专题图(如果需要分析首次回波点云密度，则需要先对点云进行首次回波的单独分类)，并在ArcGIS中进行密度分级显示，统计整体密度最大值、最小值和平均值，确定密度小于规范要求的区域，结合粗拼正射影像或粗拼DSM(digital surface model, 数字表面模型)分析其合理性，如果为水域或其他可强烈吸收激光的地物覆盖，点云密度较小属于正常，否则应视情况进行补飞等处理。

1.5 点云厚度

点云厚度即点云在水平的平坦地表表现出的平整度，是衡量点云精度、条带内部点云可重复性质量及激光传感器系统差的一项重要指标。通过对航带内激光点对同一平面反射值差异的检查，判断激光雷达对地表回波的稳定性和可重复性^[5]。

在测区内按一定的间距随机选取道路、房顶等平整表面，拾取2~3个宽度稍大于平整表面、方向互相垂直的剖面，量测点云“厚度”，判断点云回波高程差异是否在误差允许范围之内。

1.6 点云穿透性

点云穿透性对于机载LiDAR测绘至关重要，也是其最重要的特点及优势之一。一般在参数设计阶段会根据测区情况设计激光能量、激光发射频率、飞行高度等参数，以保证激光点云的穿透性。

根据测区植被覆盖情况，结合激光数据粗拼DEM(digital elevation model, 数字高程模型)、DSM、DOM(digital orthophoto map, 数字正射影像图)数据，对植被覆盖最茂密区域随机抽取对应分块激光数据，通过剖面图进行穿透性检查，如发现有大片植被未穿透，影响植被下方地表地形表达，则需要进行采取补飞补测等补救措施。

1.7 属性正确完整

点云的属性信息除了坐标高程以外，原始解算得到的信息还包括反射强度、回波、GPS时间、扫描角度等^[6]。激光反射强度检查可以通过逐条带输出强度栅格图，目视检查分析是否有强度异常现象。

随机检查回波信息是否正常，比如平地等无其他植被或地物覆盖处，回波类型应为唯一回波，房屋边沿及植被处应有首次回波、中间回波、末次回波；检查条带GPS时间信息，每个点云是否均有GPS时间信息，且时间系统是否统一，如均为星历时或标准时，并随着航迹前进方向时间逐步累加；随机检查激光点云的扫描角度是否正常，逻辑是否合理，扫描方向是否矛盾(以航迹为中心，向两侧应分别呈正负分布，角度逐步增大)，在航线边沿旗标属性是否正确。如果发现有点云信息丢失或者错误的问题，需追溯点云解算步骤，分析原因，重新解算。

1.8 点云相对精度

1) 平面相对精度。激光点云条带间的平面相对精度，通常根据条带重叠区同名特征地形地物的平面吻合程度来判定^[7]，如不同走向(垂直)的尖顶房屋，建议中误差不应大于对应比例尺DOM成果平面精度的1/2。因为POS系统解算航迹文件步骤产生的误差对于点云的精度影响最大^[8]，所以当点云的相对精度尤其是平面相对精度严重超限时，需采用更优方式重新解算航迹文件，提高其质量，并重新解算生成点云。如果平面相对误差较小，且以整条带、整架次、整测区系统性呈现，则可以尝试将其误差归算至激光传感器与IMU(interial meosurement unit, 惯性测量单元)设备间的偏心误差，通过微调该偏心角，从而纠正平面相对误差^[9]。

2) 高程相对精度。高程相对精度即相邻条带间高程相对误差，可对相邻条带激光点云粗分类后输出DEM，做栅格差值运算，重点检查规则平整地面和地物，分析局部及整体精度超限的地方，必要时结合原始点云判断是否有因不同架次获取地形发生变化的情况。若无合理解释，则需要分析误差原因，重新解算点云或对点云数据进行必要的高程纠正。

1.9 点云绝对精度

1) 平面绝对精度。首先在测区内均匀测取平面精度验证点，且应重点顾及距离地面基站、检校场较远、精度相对较弱且外业控制实施容易的区域。验证点一般选取地形、地物特征变化规则且明显处，比如道路交叉口、水泥坎角、桥头、水泥墩角、低矮房屋角等；如果点云密度比较高，比如1: 500大比例尺项目要求达到16点/m²以上，此时可以选取地表紧邻的对激光反射有明显差异的地物点，如道路斑马线角、球场标示线角等。如果误差超限，则应分析原因，采取必要的纠正措施。

2) 高程绝对精度。过程同平面绝对精度检测类似，不同的是点位的选取，高程精度验证点宜选在平坦硬化的路面或水泥地面上^[10]。利用Tscan软件读取激光点云后结合精度验证点输出测区内高程精度报告，检查分析超限及误差偏大点位，判断整体高程精度是否合格，如有必要需对激光点云做高程纠正。

2 结束语

本文结合机载LiDAR生产作业实践经验，分别总结了原始点云覆盖、重叠度、噪声、密度、厚度、穿透性、属性信息及点云精度的质量检验方法。该方法较全面地涵盖了原始激光数据的质量检验方法、质量评定标准及对应问题的解决方案，填补了无现成软件及方法完成该项工作的空白。