随着智慧城市与数字孪生技术的飞速发展，以点云为代表的三维空间数据逐渐成为物理世界数字化的核心载体，其具有数据海量、多源异构、非结构化及高密度等显著特性。从复杂的城市点云中高效提取准确的语义信息与生态参数，既是测绘遥感与计算机视觉领域的科学研究前沿，也是城市精细化治理与生态环境监测提出的迫切需求，急需突破传统几何处理的局限，解决复杂场景下语义理解自动化程度低和生态知识服务能力弱的瓶颈，建立从数据获取到生态应用的全链条智能处理理论方法。本书是作者及其团队在城市点云智能处理与生态应用领域多年研究工作的系统性总结，重点围绕“数据获取—智能处理—生态应用”这一主线进行阐述：涵盖多源点云获取与异构特性分析、数据预处理与质量改善、配准融合与缺失补全、基于深度学习的分割分类与目标识别、点云表面重建等核心理论方法，并深入探讨点云在城市生态定性评估与定量分析中的工程化应用解决方案。为便于读者深度实践，本书配套提供相关案例的完整程序源码与实验数据集的在线资源链接，旨在为城市点云的智能化处理与生态化应用提供系统性的理论指导和技术支撑。因此，本书是一部理论与实践紧密结合的系统性著作。
更多科学出版社服务，请扫码获取。
1.1998.9~2002.7：太原理工大学，工学学士，测绘工程专业。
2.2002.9~2005.4：北京交通大学，工学硕士，摄影测量与遥感专业。
3.2005.6~2008.8：中国科学院遥感应用研究所和中国科学院对地观测与数字地球科学中心联合培养博士，地图学与地理信息系统专业；
4.2013.7~2014.7：美国路易斯安娜州立大学计算与技术中心，访问学者。1.2008.11~2011.07：电子科技大学自动化学院，地表空间信息技术研究所，讲师；
2.2009.11~2015.11，电子科技大学自动化学院，在职博士后；
3.2011.08~2012.01，电子科技大学自动化学院，副教授；
4.2012.02~至今，电子科技大学资源与环境学院，副教授；
5.2015.01~2015.08，科技部国家遥感中心综合与战略规划处借调；
6.2019.05~2020.01，国家科学基金委员会地球科学部综合与战略规划处借调点云智能处理、高性能地学计算作为通讯作者发表论文24篇、第一作者发表论文26篇，SCI检索20篇、EI检索5篇，其他核心期刊检索7篇中国遥感应用协会定标专业委员会委员，中国遥感应用协会黄土高原遥感分会理事，Journal of Geoscience and Remote Sensing期刊副主编
目录
第1章 绪论 1
1.1 点云数据概述 1
1.2 点云数据类型 3
1.2.1 按获取方式与平台类型划分 3
1.2.2 按数据结构与组织方式划分 4
1.2.3 按时间属性与变化维度划分 5
1.2.4 按文件格式与存储标准划分 5
1.3 点云处理任务分类 5
1.3.1 点云基础处理任务 5
1.3.2 点云高级处理任务 7
1.4 点云应用领域及场景 9
1.4.1 城市空间建模与数字孪生 9
1.4.2 生态环境监测与自然资源管理 10
1.4.3 文化遗产保护与安全应急响应 10
1.4.4 智能感知与人机协作系统 11
1.5 本章小结 11
参考文献 12
第一篇 点云数据获取实践
第2章 点云数据获取方法 17
2.1 激光雷达基本原理与设备分类 17
2.1.1 激光雷达基本原理 17
2.1.2 激光雷达设备分类 20
2.2 基于光学相机的点云数据获取方法 27
2.2.1 基于光学相机获取点云的基本流程与原理 27
2.2.2 基于被动光学的点云数据获取方法 29
2.2.3 基于主动光学的点云数据获取方法 31
2.2.4 基于数据驱动的点云数据获取方法 33
2.2.5 不同点云获取方法的对比与适用场景 34
2.3 城市多源异构点云数据集构建 34
2.3.1 研究区域 35
2.3.2 车载激光雷达点云数据采集与处理 35
2.3.3 无人机倾斜摄影重建点云数据采集与处理 39
2.3.4 机载激光雷达点云数据采集与处理 41
2.3.5 其他补充数据 44
2.4 本章小结 49
本章习题 49
参考文献 50
第二篇 点云数据基础处理方法实践
第3章 点云预处理方法 53
3.1 点云预处理概述 53
3.1.1 点云预处理的定义与范畴 53
3.1.2 预处理任务分类与目标 54
3.1.3 预处理与后续任务的关系 54
3.2 常用的点云处理软件 55
3.2.1 开源软件工具 55
3.2.2 商业软件平台 58
3.2.3 云计算与在线处理平台 61
3.3 点云数据清洗与去噪方法 62
3.3.1 点云噪声类型识别与特征分析 62
3.3.2 统计滤波方法 63
3.3.3 半径滤波方法 65
3.3.4 RANSAC平面剔除方法 66
3.4 点云数据精简算法 68
3.4.1 数据精简的必要性与目标 68
3.4.2 体素网格下采样 69
3.4.3 曲率自适应下采样 71
3.4.4 基于重要性的选择性精简 73
3.4.5 精简质量评估与优化 74
3.5 点云地面滤波算法 75
3.5.1 概述 75
3.5.2 问题描述与数学建模 76
3.5.3 经典地面滤波算法 77
3.5.4 基于深度学习的地面滤波算法 79
3.6 本章小结 89
本章习题 89
参考文献 89
第4章 点云配准、融合与补全方法 91
4.1 点云配准、融合与补全任务概念 91
4.1.1 核心任务的科学目标定义 91
4.1.2 任务间的技术逻辑关系 92
4.2 传统点云配准算法 93
4.2.1 迭代最近点算法 93
4.2.2 广义迭代最近点算法 95
4.2.3 正态分布变换算法 96
4.2.4 快速点特征算法 97
4.2.5 基于FPFH和GICP的异源点云配准算法 100
4.3 基于深度学习的点云配准算法 107
4.3.1 从经典方法到学习范式 108
4.3.2 SR-Net模型：基于超点匹配的异源点云配准算法 108
4.3.3 POLAR模型：基于隐空间潜在表征的点云配准算法 123
4.3.4 学习式配准方法的优势分析 129
4.4 点云数据融合算法 130
4.4.1 点云融合的核心目标与关键融合策略 130
4.4.2 城市区域异源点云融合算法 131
4.4.3 异源点云融合算法原理 132
4.4.4 融合点云结果评价 138
4.5 点云补全算法 143
4.5.1 概述 143
4.5.2 TC-Net：一种面向单植被的自监督多尺度点云补全网络 144
4.5.3 MVPCC-Net：面向MLS数据的多视角协同点云补全网络 148
4.6 本章小结 152
本章习题 153
参考文献 153
第5章 点云分割、分类、目标识别与表面重建方法 156
5.1 点云分割传统方法与挑战 156
5.1.1 基于聚类的分割方法 156
5.1.2 基于区域生长的分割方法 161
5.2 点云深度学习架构 163
5.2.1 PointNet模型：基于对称函数的点云特征学习模型 163
5.2.2 PointNet++模型：基于分层邻域聚合的点云特征学习模型 166
5.3 基于深度学习的点云语义分割方法 171
5.3.1 HPCT模型：一种面向异源点云的统一植被语义分割模型 171
5.3.2 DA-Net模型：基于无监督领域适应的跨域点云语义分割方法 185
5.4 多模态点云语义分割方法 189
5.4.1 多模态融合的挑战与策略 190
5.4.2 MSeg3D模型：基于双阶段融合的多模态点云语义分割方法 191
5.5 基于深度学习的点云目标检测与识别方法 196
5.5.1 基于体素的方法—以PointPillars为例 197
5.5.2 基于点集的方法—以PointRCNN为例 203
5.6 点云实例分割方法 208
5.6.1 基于树木几何特征约束的点云单木分割方法 210
5.6.2 基于PDEC-Net的点云单木分割方法 215
5.7 基于深度学习的点云分类 218
5.7.1 深度学习在点云分类中的基本方法 220
5.7.2 DASA-Net：树种识别任务中的点云分类网络设计 220
5.7.3 样本数据与实验设计 221
5.7.4 模型性能与方法评估 224
5.8 面向城市生态应用的点云表面重建方法 226
5.8.1 点云表面重建的核心内涵与城市生态应用价值 227
5.8.2 适配城市植被特征的传统表面重建核心方法 228
5.8.3 深度学习驱动的表面重建技术 232
5.9 本章小结 236
本章习题 237
参考文献 237
第三篇 城市生态场景下的点云数据应用实践
第6章 点云在城市生态定性评估中的应用 243
6.1 城市生态定性评估的内涵与目标 245
6.2 城市绿化空间语义识别与可视化 246
6.2.1 绿色空间语义标签的提取路径 247
6.2.2 DA-Net性能与可视化 248
6.3 基于点云的绿视率评估与可视化表达 249
6.3.1 研究背景与问题定义 249
6.3.2 基于视线衰减模型的点云绿视率评估方法 250
6.3.3 基于点云进行绿视率评估的可视化展示 253
6.3.4 基于点云的街道/校园空间景观视觉质量综合评价 254
6.4 城市生态场景的三维构建与交互分析 257
6.4.1 平台设计概述 258
6.4.2 基于自由漫游模式的GVI体验功能展示 259
6.4.3 基于实时交互模式的GVI评估功能展示 260
6.4.4 面向平台场景表达增强的三维表面重建 263
6.5 本章小结 264
本章习题 265
参考文献 265
第7章 点云在城市生态定量分析中的应用 266
7.1 城市生态定量分析的内涵与目标 267
7.1.1 城市生态定量分析的内涵 267
7.1.2 城市生态定量分析的目标 269
7.2 基于点云的单木结构参数测算与资源清查 269
7.2.1 树高、胸径、冠径与冠下高的测算方法 270
7.2.2 三维绿量的测算方法 273
7.2.3 基于点云的森林树木清查 275
7.3 单木生物参数估测方法 277
7.3.1 基于异速生长模型的估测方法 278
7.3.2 基于改进随机森林算法的估测方法 278
7.4 基于点云数据的生态指标反演 281
7.4.1 点云数据获取与实地生物参数调查 281
7.4.2 基于点云的生物参数估测 283
7.4.3 生物参数估测的可视化表达 286
7.5 本章小结 290
本章习题 290
参考文献 291
第8章 点云研究挑战与未来展望 292
8.1 从点云获取到生态应用的技术脉络 292
8.2 面向城市生态应用的点云处理共性挑战 293
8.2.1 数据层面：多源异构与生态特征的表达局限 293
8.2.2 处理层面：语义分割与参数估测的泛化困境 294
8.2.3 应用层面：生态评估的可解释性与标准化不足 294
8.2.4 系统层面：从离线处理到在线服务的工程化差距 295
8.3 生态导向的点云技术新兴领域展望 295
8.3.1 面向生态参数量化的弱监督与自监督学习 296
8.3.2 多源遥感与点云融合的跨模态生态建模 297
8.3.3 可解释的点云生态评估模型 298
8.3.4 面向城市生态监测的轻量化与边缘部署 299
8.3.5 生成式点云模型与城市生态场景仿真 300
8.4 本章小结 301
参考文献 301
后记 303
新书资讯
