35、基于二元深度学习的3D机载LiDAR点云几何与颜色属性编解码器

基于二元深度学习的3D机载LiDAR点云几何与颜色属性编解码器

1. 引言

随着3D技术的迅速发展，3D获取系统和3D模型处理的可用性不断提高。3D模型能让人们更好地理解和分析数据，仿佛置身于真实世界。如今，3D技术已广泛应用于医疗、航天系统、游戏、电影、打印等众多领域。3D模型的原始数据是点云数据（PCD），在3D扫描仪中，利用LiDAR技术以PCD形式捕获每个物体。

LiDAR是一种主动光学传感器技术，通过计算传感器到目标物体的垂直距离，以3D点云格式捕获地面物体图像。它向地面目标表面发射激光脉冲并计算返回传感器的时间，此时间即为到地面物体的距离，计算公式为 (d = (ft × pt) / 2) ，其中 (ft) 是脉冲飞行时间， (pt) 是脉冲到达传感器的时间。这种技术能产生不同距离地面物体的精确3D信息，政府和私人数据收集服务常使用直升机、飞机和无人机来捕获LiDAR数据。

LiDAR技术根据功能可分为机载LiDAR和地面LiDAR。机载LiDAR安装在航空飞行器上，用于收集所有遥感PCD数据；地面LiDAR则安装在地面移动车辆上，用于捕获建筑物内外、高速公路等表面物体的点云信息。3D机载LiDAR图像在3D遥感目标分析领域发挥着至关重要的作用，它能精确记录地球表面的数字高程，已取代了摄影测量技术，可用于设计森林、湖泊、河流、桥梁、城市等的3D数字高程模型（DEM），并应用于海洋学、空间研究、健康产业、医学、农业等领域。因此，为了降低内存空间成本、带宽大小和传输时间，提出了针对3D机载LiDAR数据集的压缩方法，并在两个3D机载LiDAR数据集和一个地面数据集上进行了实现和测试。

2. 点云图像

典型的LiDAR每秒可在12