37、3D 机载 LiDAR 点云压缩与软件生产力指标研究

3D 机载 LiDAR 点云压缩与软件生产力指标研究

1. 3D 机载 LiDAR 点云压缩分析

在图像对比方面，有两组点云图像数据。第一组中，(a)和(c)分别是华盛顿广场（B）和拉脱维亚里加附近矿山（L）点云图像的目标空间和颜色信息；(b)和(d)是所提出的 DDLC 模型针对华盛顿广场（B）和拉脱维亚里加附近矿山（L）点云图像相应空间和颜色信息的实际输出。第二组中，(e)和(g)是 Weglowka_v1（B）和 Skelling（L）点云图像的目标空间和颜色信息；(f)和(h)是 DDLC 模型针对 Weglowka_v1（B）和 Skelling（L）点云图像相应空间和颜色信息的实际输出。从这两组图像可以看出，两个数据集的目标图像和输出图像之间没有明显的主观失真，这表明所提出的模型训练效果良好，在这两个数据集上表现出色。

性能分析主要从主观和客观两方面进行：
- 主观分析
- 函数对比 ：在 DDLCPCD 模型中，MiST 函数作为归一化函数，表现优于现有的 norm 函数。通过 3D 散点图对比 MiST 和 norm 函数对空间和颜色信息的转换效果发现，MiST 函数在转换信息数据时不会影响 PCD 图像的结构，而 norm 函数会改变数据和图像结构，所以 MiST 函数更优。
- 模型设计分析 ：将所提出模型使用建议的损失和优化函数的性能，与使用不同损失和优化函数组合设计的 DDLC 模型进行对比。不同的损失和优化函数包括 MSE 对数（MSEL）损失函数、平均绝对误差（MAE）损失函数和均方根属性优化（RMS PROP）函数。通过观察不同