杨必胜教授 | 一点万物：挖掘点云的更多可能性

对于实景三维中国和新型基础设施建设，武汉大学测绘遥感信息工程国家重点实验室副主任、博士生导师杨必胜教授已经有了相当丰富的实践经验。这两年来，杨必胜及其团队依托过去对轻小型、低成本全无人化三维信息智能获取平台、多平台数据智能集成方法、点云大数据智能处理与分析以及空间安全分析与应用等领域的研究，围绕城市级/部件级实景三维建设，已经和各地方试点进行了合作。

武汉大学测绘遥感信息工程国家重点实验室副主任、博士生导师杨必胜教授

那么，点云作为一种时空数据，为什么越发炙手可热？我们又应该如何利用好点云？本文中，就让杨必胜为读者解答。

当你点开可视化点云，映入眼帘的图像便能直观地让人感受到其名字的内涵——大量的“点”描绘了实体对象，展示了世界的基础属性。简单来说，点云就是，是某一空间参考下点的数据集。放眼望去，仿佛天空中的万点繁星，每一个点相当于一颗星星，每一颗“星星”都包含了丰富的信息，比如几何坐标、强度、属性、分类等，而这些点聚集在一起，就形成点云。点云可以更真实地还原目标物体的三维结构，并进行可视化展示。

“用我们的话来说就是‘人机可读’。”在杨必胜看来，点云是现实世界映射到数字世界不可或缺的重要数据资源。如今的测绘遥感工作者都在探究如何把现实世界变成一个数字世界，也就是数字化。在连接物理世界和数字世界的过程中，点云是数字化的最直接呈现。“每一个点在出现时，都带有其基本属性。这些基本属性或信息便于机器理解。又因为点云立体的呈现效果，符合人的视觉认知。这是点云最直接的特点。”

与此同时，点云是由最小的数学单元点组成的，“从抽象的角度来看，我认为世界万物都是由点组成的，我们描述一个对象的最小单元是点，测量上最基本的单元也是点。线、面、体都是由点构成。”正如周成虎院士在杨必胜著的《点云智能处理》序言中所说的：“点是人类感知和认知世界最为原始的概念。”

“首先，点云的呈现形式是多维的，加上时间，至少达到了五维的特性。其次，点云既是一种数据，也是一种产品，正如刚刚所提到的，它提供了一种立体、可计算分析的最小单元，也就是点。而高度密集的点能够呈现现实世界的复杂结构，且符合人的视觉认知。”杨必胜表示，点云的特性使其相较于其他数据类型更能满足最终要呈现的实景三维或数字孪生需要。

“过去的4D产品更多是为了‘量测’，而实景三维中国的落脚点是在‘好用’。”杨必胜和记者解释道，“这可以总结为从可视化的几何量测到可计算的语义分析转变。这也是我们为什么要挖掘点云更多可能性的原因。过去的4D产品服务于测绘行业的‘量测’可能已经足够，但对于数字孪生、自动驾驶等还远远不够，实景三维中国正是为了将时空数据应用或服务于更多的行业。”

点云作为一种越来越普遍的数据资源，也存在着处理和应用的难点和挑战。杨必胜认为，点云的特性既是优势也是难点，“从呈现角度上来说，点云可以被认为是现实世界三维数字化的直接表现，而从数据采集到最终满足各行业用户需求的过程中仍需要经过大量处理高程。应用难点的第一个方面就是来自用户需求的多样性或个性化。第二个方面，便是行业内尚未形成统一的、大家所共识的标准处理流程。第三个方面，由于点云是高度密集的呈现，因此在表现形式上存在一定冗余性，需要先进的处理手段去挖掘其蕴涵的信息。”杨必胜补充道。

杨必胜告诉记者，他们现在在做的便是挖掘点云内部所蕴含的主要核心内容，包括数据的提取和分类、计算和表达。“即刚刚提到的从可视化的几何量测到可计算的语义分析。我认为这是空间信息最重要的一点。”杨必胜说。

在“便于利用”的需求下，杨必胜提出了“广义点云”的概念。广义点云是指汇集激光扫描、摄影测量、众源采集等多源多平台空间数据，通过清洗、配准与集成，实现从多角度、视相关到全方位、视无关，建立以点云为基础，基准统一，且数据、结构、功能为一体的复合模型。

要达到这样的效果，需要进行多源点云数据的融合，以达到丰富信息的效果。杨必胜指出，目前数据的不一致性对融合算法模型的建立是一个巨大瓶颈，多样化的数据源、平台、粒度及精度都会影响数据融合，如果没有一个系统性的标准或者标准化程序系统进行合理配置，就会造成数据的高冗余、匹配不准确或者数据的缺失等问题。

“这也是广义点云里面第一部分最重要的事情，通过整合与增强的方式对点云进行统一的空间参考描述，为不同来源、不同精度的数据建立统一的空间参考，而且统一以点作为最基础的描述单元。”杨必胜紧接着提出了第二个要解决的核心问题，便是在这个基础之上进行提取与分类，识别出场景、对象中的基本结构和单元。

而第三部分的计算和表达需要建立起逻辑关系，拓扑关系，构建知识图谱，从而能够重构我们的现实世界，以便支撑后续的应用，满足按需建模、按需组装，从而实现一测多用。

杨必胜教授（中）牵头组织申报国家重点研发计划“地球观测与导航”重点专项，并带领团队成功通过答辩

在城市的部件化管理中，杨必胜及其团队和上海市测绘院一同设定了团体标准，增加了城市许多内部细节信息，保证提取数据的有效性。全景影像与点云进行有效融合后，便可以对场景和地物有更加精准的理解。

杨必胜也将通过实践后优化的模块进行固化，集成到了三维测图生态中。“通过点云做要素的提取进行成图，极大提高了效率。该模块已经在上海、北京、广州、沈阳等地的测绘单位发挥了十分重要的作用。”杨必胜如是说。

在实践中，杨必胜也不断强调“好用比好看更重要”。“我们遇到的最大挑战就是将一个理论、方法真正转化成实际的工具，去匹配用户的使用习惯，达到一个良好的交互效果。”杨必胜详细地分析道。

总结来看，其核心问题便是提升处理的自动化程度和提取结果的可靠性，这是一个未来要突破的最大关卡。“用户认为提取的结果可信，可以用最小的交互、最短的时间提供他所需要的成果，这是我们的目标。”

作为点云的主力数据获取设备，激光雷达在国内正在往小型化、便捷化的方向发展。发展有两大方向，一大方向是来支撑专业测绘所要求的高精度、高可靠需求，满足传统测绘的需要；另一方向是自动驾驶行业的驱动，基本要求便是在车辆周边100米范围之内进行快速感知。杨必胜表示，虽然在具体参数要求上略有不同，但激光雷达的整体都在朝着小型化、便捷化的方向发展。

对于目前风头正盛的车载激光雷达，杨必胜也分享了自己的看法。激光雷达未来大量“上车”的趋势是不会变的，也不会止步于“上车”，甚至还会搭载在更多更日常的设备上。现在的苹果手机已经开始尝试搭载小型的激光雷达进行测距，谷歌也有类似的一些项目。依照未来激光雷达不断小型化、便捷化的趋势，功耗也会不断降低。从根本上讲，对环境进行感知和三维数字化将变得越发便捷。

当数据采集变得便捷，应用场景便会层出不穷。杨必胜指出，不光是元宇宙、军事应用、水下探测这些看似“高大上”的领域，激光雷达在人们的日常生活中，也会发挥极大的作用。“我们设想过利用激光雷达来为盲人进行导航，这是十分实际且贴近日常生活的需要。”

要做到这一步，第一件事便是要做到更加小型化。小型化的核心在于一些传感器的元器件需要突破，在做到小型化、低功耗之后才有可能降低成本。低成本则是普及的前提。

在杨必胜的设想里，智能化的激光雷达将和点云的智能处理同频共进，“还是一个‘好用’的问题，希望我们可以继续浓缩整个过程，得出我们所需要的。”