高精度、高密度的點云成果在航測應用和監測研究中發揮重要作用。在采用無人機激光雷達采集數據和建模的工作實踐中，點云數據本身通常具有大量不規則性，具體表現在局部點密度的巨大差異、數據重疊或缺失、點云噪聲等。而在對比無人機數據和檢核點（GCP）時，有時發現精度報告里的指標不盡人意，由此可能導致測繪結果和實際位置差異頗大。用戶經常會問：怎樣改善點云數據集的質量，從而增加其可用性？

 

 

近期，來自德國的 Microdrones（中文名：鎂科眾思）飛行測試和地信團隊整理和深入分析了四個本地案例，通過實測數據來探討以下這些問題：

案例一：分別采用三款市場上不同配置的無人機激光雷達系統測量同一個項目后，采用Global Mapper軟件與檢核點做高程的差值分析，生成評估報告。在差值差異不大的情況下，是否意味著三套點云數據集后期成圖的質量也一樣？回答是否定的，只要點云密度足夠大，檢核點旁邊有足夠多的點，精度都不會很差。然而，點云厚度和點云是否分層在上述對比過程中并沒有體現，卻影響成圖質量和準確性。

進一步分析：經過排除干擾點和進行點云切片分析，對比幾個方案的數據集能否準確反映測量對象的形狀、結構和特征，從而更深入理解點云噪聲和點云厚度。此外，對比檢核點和DEM模型的高程偏差，分析這幾個模型是否反映了測量對象真實的地理信息？

 

案例二：如果說精度報告只反映點云數據與檢核點的匹配度，那么相比還有更加嚴謹的對比方式嗎？在一個鐵路無砟軌道的測量案例中，測試團隊使用徠卡LS15配合原裝銦鋼尺做了一小段閉合水準路線測量，采集了21個檢核點的高程數據，對機載點云和電子水準儀數據進行高程精度對比。

 

案例三：評估其它精度影響因素，例如：在較為惡劣的飛行條件下收集的點云數據集精度有保證嗎？使用不同的程序分析精度，成果會有多大的差異？以上分析過程將會通過一個礦區測量案例來驗證和說明。

 

案例四：在數據后處理過程中，點云增強是一個重要功能?；诓噬c云生成線畫圖和地表模型是最基礎的應用。我們把使用原始點云和經過精度增強后的點云生成的高程模型進行對比，查看程序進行增強時是否會產生精度誤差，并分析其背后的原理。