做地形图修补测那阵客户扔给我一版机载LiDAR点云要求把测区范围内的高程点全部提出来用于后续编绘。我第一反应是ArcGIS结果数据一加载就卡到怀疑人生点云密集区转个视角都要等半天。后来换了GlobalMapper从拉框选中到提取导出整个过程顺畅得让我有点后悔没早点用它。这篇就把我在GlobalMapper里从点云提取高程点的完整思路写出来包括工具选型、数据预处理、拉框操作、两条主流的提取路径、参数怎么定以及只有TIFF没有点云时的补充做法。适合测绘内业、无人机数据处理、地形图修测还有手里攒了一堆点云不知道怎么转成成果的人。1. 为什么选GlobalMapper干这活拉框提点这件事它做得最顺手先聊选型。从点云里提取高程点市面上能用的工具不少但真到了从一坨点云里拎出地形特征点这个环节GM的交互效率是最高的。CloudCompare强在点云算法处理但它的定位是点云处理软件不是制图输出工具你要把提取出来的点导出成地形图能用的格式还得再绕一圈。ArcGIS不是不能做但它的点云操作交互偏重大数据量下性能也是个问题。GM解决的是提取高程点这个具体生产动作。它有几个点是我实测下来最受用的大文件性能好。64位架构对LAS/LAZ这类点云格式支持很到位。我手里那种几个GB的点云文件打开、缩放、拉框选中都不卡这在ArcGIS里是不敢想的体验。提取交互一气呵成。从拉框选中、过滤分类、生成点、导出成果全部在一个窗口内完成。不需要像ArcGIS那样加载点云、建LAS数据集、转栅格、再转点一层一层套模型。导出格式覆盖测绘圈。DXF、CSV、Shapefile、KML全都支持不管是给CAD编图还是入GIS库都能直接对接。坐标系处理顺手。GM对投影和高程基准的设定很直接选错坐标系改起来也方便。工具选型这东西因人而异如果只做算法研究CloudCompare确实更合适但如果你要的是生产成果GM就是最省事的选择。特别是对我这种需要快速交付的人效率就是生命。对比项GlobalMapperArcGISCloudCompare大点云加载性能流畅较大数据易卡流畅提取操作交互拉框即所得流程较繁无直接提点功能导出制图格式丰富DXF/CSV/Shapefile依赖模块有限学习成本较低较高中等2. 提取前先把点云捋顺格式、坐标系、分类与去噪很多人在点云里提取高程点失败问题不在提取步骤而在数据准备没做好。这部分我走了不少弯路现在整理成四个必须检查的环节。2.1 格式与导入LAS/LAZ直接拖进去就好GlobalMapper直接支持LAS和LAZ格式不需要先解压LAZ直接在软件里读就行。这个看似不起眼但用ArcGIS处理LAZ时你得先转换一来一回时间就上去了。如果手头是CSV或XYZ格式的散点导入时要注意指定XYZ对应的列。GM会弹文本导入向导让你选分隔符、指定经纬度还是投影坐标、确定列顺序。这一步最容易出问题的是列顺序搞反把Y当X传了导致后面所有的点位置偏到天南海北。2.2 坐标系检查这是所有操作的地基坐标系是提取高程点这件事里最容易被忽略却最重要的一环。打开点云后第一件事看GM状态栏或图层属性里的坐标系信息。如果不是国内常用的坐标系GM会显示Unknown或者识别成WGS84经纬度但实际的投影信息已经在LAS文件头里写好了。我遇到过的情况是客户给的LAS文件头文件里投影信息缺失GM默认按经纬度打开结果整个点云在高斯投影区域里被拉成一团。处理方法是右键图层Set Projection手动指定正确的坐标系比如CGCS2000 / 3度带高斯投影。这一步不做后面导出的高程点位置完全没法用。高程基准同样要确认。同一个测区有的数据是1985国家高程基准有的是地方假定高程两者之间往往存在固定差值。提取出来的高程点如果混用了基准后续编图会出现系统性偏差。所以我的习惯是打开点云后先查坐标系再查高程基准两个都确认无误才继续。2.3 分类过滤提取前先把地面点挑出来点云里不是所有点都适合当高程点。LAS格式有标准的分类码地面点是2低点是7噪声是18植被从3到5建筑物是6。如果你不分类把植被和房顶的点也提出来当成高程点那地形图就废了。在GM里右键点云图层进入图层属性找到Classification相关选项可以看到每个分类点数的统计。操作上我会先把分类码不是2的点临时隐藏或排除只保留地面点做后续提取。具体做法是选中点云图层在右键菜单或Filter选项里设置按分类码过滤。提示如果原始点云没有做分类或者分类质量很差那么先别急着提取高程点。先做一遍去噪和地面点分离否则提出来的高程点混入植被和建筑物点后期返工成本更高。2.4 去噪孤立点和高程异常点要先处理机载LiDAR数据里经常有一些孤立低点或高点比如飞鸟、多路径反射产生的噪声。这些点数量不多但一旦被当成高程点就会在成果里形成离谱的坑或尖峰。对未分类的点云用统计滤波的思路想如果一个点到周围N个点的平均距离明显偏大它就是孤立点。GM里有针对点云的处理工具不同版本菜单位置略有差异通常在图层右键或工具栏里能找到可以设置搜索半径和点数阈值来剔除这类点。实操中如果点云密度是100点/平方米我会设置搜索半径0.5米、最少点数5个这样的参数效果比较稳。3. 拉框选中目标点云从随手动一圈到精确边界控制拉框是GM里提取高程点的核心交互动作。这个操作看着简单但有几个细节没搞清楚会卡你半天。3.1 拉框工具的选法决定成败在GM里如果用普通浏览工具去拖拽你拖动的是视图不是选区。必须先切换到数字化工具Digitizer Tool也就是工具栏上那个带十字箭头的图标。切换之后鼠标在点云上拖拽才会产生一个真正的选择框。我见过不少新手在这步卡住明明拉了个框点云没任何反应其实就是工具没切换对。按空格键可以在浏览和数字化之间快速切换但具体行为受版本影响建议看看界面上点亮的工具图标确认当前状态。3.2 矩形框选和多边形框选按测区形状选场景很简单测区是规则矩形或者你只需要分幅范围内的一小块直接用矩形拖拽。按住鼠标左键从一角拖到另一角松开就完成选中。测区边界不规则比如沿道路、沿河流用矩形框选会把周边无关区域也包含进来。这时候用多边形框选在点云上单击加点沿着边界走一圈最后双击闭合。GM会生成一个多边形选区只选中落在里面的点。3.3 精确拉框不靠手抖的按坐标框选拉框拉歪了或者需要严格对齐某个范围线这时候靠鼠标手抖不现实。我的做法是在数字化工具状态下右键打开输入坐标的对话框直接输入矩形左下角和右上角的X、Y坐标值。这样框选的边界就是严格的分幅线或范围线不多选也不少选。如果你的范围来自已有的Shapefile或者KML边界更省事的方式是直接加载边界图层然后用图层的边界作为选区让软件按这个边界选中范围内的点云。这在GM里做复杂边界选区时特别好用不需要手动描线。3.4 框选完成后要检查选中数量拉完框先在界面信息栏看看选中点的数量。如果显示为0说明你的拉框没有真正生效基本就是工具没切换对或者图层没有响应选择。如果能显示合理的点数比如几万到几十万说明选中成功可以继续后续提取操作。这一条检查习惯省了我很多返工时间。4. 从选中点云到高程点生成两条主流路径选中点云之后提取高程点有两条完全不同的技术路径。熟悉这两条路径的区别是理解GM提取逻辑的关键。4.1 路径A原始点抽稀直提适合保留真实测量点第一种做法是把选中的点云直接当成高程点来用。因为机载LiDAR点云密度通常过高直接全部导出没有实际意义地形图上不可能铺几万上百万个点所以要抽稀。操作逻辑选中点云后先过滤只保留地面点再通过抽稀参数控制产出密度。GM在处理点云时可以按最小点间距过滤比如设置最小间距5米那么过滤后任意两个点之间的距离都不会小于5米。这正是我们想要的高程点分布效果。这种做法出来的高程点有一个显著优势每个点都是真实测量点。点位是实际激光打到地面上的位置高程值没有经过任何插值精度完全由原始点云精度决定。如果你需要的是地形特征点山脊线、坡脚、谷底可能恰好有真实的LiDAR点这条路是最合适的。但代价是点位分布不均匀。地形复杂区域自然点多平坦区域点少。如果客户要求均匀分布或者你的成果需要规则格网间距的高程点就要用路径B。注意路径A的关键是最小间距而不是等间隔。最小间距保证不会太密但不要求均匀分布等间隔可以用后期栅格采样实现。4.2 路径B点云转栅格再采样适合规则网格高程点第二条路是先把点云插值成DEM栅格再从栅格上规则采样高程点。具体流程选中目标区域的点云后在图层上创建高程网格不同版本GM里叫Create Elevation Grid或生成DEM菜单文字略有差异输出间距根据目标定通常1到5米。插值方法选择我一般用TIN线性插值。TIN不规则三角网直接把点云连成三角面在线性插值时对地形形态保持得最好计算也快。在生成的DEM栅格上按固定间距采样高程值生成点图层。检查采样点的高程值确认没有异常后导出。这条路径产出的高程点分布非常均匀间隔严格可控适合规则格网和高程模型要求的成果。缺点也明显点位不是真实测量点而是插值点精度受插值方法影响。在原始点云质量高、密度够的情况下这个精度损失通常可以忽略但如果点云本身稀疏或地形破碎插值后的点会偏离真实地形。4.3 两条路径怎么选直接看成果要求对比项路径A原始点抽稀直提路径B转栅格再采样点位真实性真实测量点精度直接插值点精度有损失点位分布不均匀特征区密、平坦区稀严格均匀间距可控噪声敏感度高未分类噪点会被提出低栅格化过程有平滑效果处理速度快中多一步插值适用场景地形特征点、地性线提点规则格网DEM、均匀分布要求我的习惯是混合使用先走路径A提取出真实地形特征点作为骨架再走路径B生成均匀分布的加密点两套点合并成最终成果。这个思路兼顾了真实性和均匀度。合并时注意重叠区域去重不然一个位置可能出现两个点。5. 参数怎么定间距、抽稀比例与插值方式的实战心得参数设置是提取高程点时最影响最终成果质量的部分外面教程很少把这里面门道讲透我这里把实际经验梳理一下。5.1 间距定多少先问成图比例尺成图比例尺决定高程点间距这是测绘的基本逻辑。我整理了一个经验速查表成图比例尺建议高程点间距说明1:50010-20米城市详测或重点区域可加密到5-10米1:100020-40米配合地形特征点加密1:200040-80米山区可放宽平坦区加密1:10000100-200米大面积区域格网为主这不是死规矩核心原则是满足地形表达和工程需求的前提下点越少越好。点太多图面混乱点太少内插误差大。5.2 抽稀比例的计算逻辑假设原始点云平均密度100点/平方米目标高程点间距10米那么每100平方米需要1个点抽稀比例大致是1比10000。这是个粗略估算实际GM操作往往不直接输比例而是用最小间距过滤这样更直观。设置最小间距10米时软件保证最终任意两点距离不小于10米。但这和每隔10米一个点不完全一样它只是下限控制实际点可能会比10米更稀疏。如果需要严格等间隔还是要走路径B的栅格采样。5.3 插值方法别乱选TIN是默认优选项生成DEM时GM提供多种插值方法。我的建议是优先用TIN线性插值。原因很简单TIN直接基于原始点云构建三角网在地性线、陡坎、断裂处表现最接近真实地形。IDW反距离权重容易产生牛眼效果平坦区域出很多同心圆状的伪地形克里金插值在平原区效果还行但计算极慢非科研用途不推荐。如果你只是要一个视觉平滑的区域模型那另说但提取高程点这种生产场景我坚持TIN。5.4 平坦区域和复杂地形的差异化处理平坦区域高差变化小规则间距采样会产生大量冗余点。城市道路、农田这类地形我会把间距调大两倍。复杂山区坡度变化大间距要适当加密特别是鞍部、山脊、沟谷这些地性变换处GM的等高线工具在这里有奇效先生成等高线再把等高线的折点提取为高程点。这种方法能自动在坡度变化处加密点位比无脑均匀采样合理得多。6. 只有TIFF没有点云栅格采样同样能提高程点实际项目里经常遇到这种情况手头没有原始点云只有一版DEM或等高线的TIFF栅格。这时候一样能提取高程点。6.1 TIFF区域拉框与栅格采样打开TIFF后用同样的数字化工具拉框选中你要提取高程点的区域。然后在栅格图层上操作核心思路和路径B一致按固定间距在栅格上采样高程值。GM可以在栅格图层上按网格中心生成点也可以先生成等高线再从等高线转点两种方式对应不同的成果需求。网格中心生成的点分布均匀适合规则格网等高线转点点位会落在等高线拐角处适合地形特征表达。实际项目里如果客户要的是区域内均匀分布的高程点用第一种如果要的是地形变化处的特征高程点用第二种。6.2 点云和TIFF混合数据的融合思路有的项目测区一部分有点云一部分只有TIFF。这种情况下我先把点云区域的成果用第4章的路径A提取出来再把TIFF区域的成果用栅格采样生成然后两套点合并输出。关键在于两点第一重叠区域只保留一套点避免同一个位置出现两个高程值第二TIFF的插值精度通常低于原始点云如果重叠区有偏差以点云提取的成果为准。提示合并点集前先叠加到同一个坐标系下。这一步不确定的话后面所有融合都白做。7. 提取完先别急着交付验证、导出与配准场景的延伸7.1 质量检查三步走导出之前花几分钟做个检查能避免交付后被退回的尴尬。我的检查流程第一叠加检查。把提取的高程点和原始点云叠加显示目视扫一遍。高程点应该大致贴合地面点分布如果某个点明显悬空或埋在地下基本就是噪声点漏网了。第二高程极值检查。GM里可以对点图层按高程值做颜色渐变渲染快速看出有没有离谱的高程点。比如整个区域高程在50到80米之间突然冒出一个350米的点那肯定是噪点直接删掉。第三随机抽检。随机选几个点和原始点云对应位置的Z值对比误差应该在厘米级。如果对比下来系统偏差明显回头查坐标系和高程基准的设定。7.2 导出的细节决定交付是否顺利导出格式根据下游软件选给CASS编地形图用DXF入GIS库用Shapefile做数据交换和表格汇总用CSV。这里有个特别容易踩的坑GM导出CSV时默认可能输出经纬度和高度而不是你要的X、Y、Z。客户要的是项目坐标系的X、Y和海拔结果你给了一堆经纬度这活儿就得返工。导出前务必在导出设置里确认坐标格式、字段顺序和高程值的单位。另外导出DXF时检查一下点位是用点实体还是块CASS读块可能有问题改导点实体更稳。7.3 延伸拉框提取这套打法在配准和多源融合中的应用这套过滤地面点拉框提取规则化的打法不只用于提取高程点。做点云配准前先用同样的流程把地面点提取出来再做配准ICP的收敛速度和稳定性都会显著提升——因为减少了植被、建筑物这些非刚性目标的干扰。特别是机器人和测绘场景下拿到的消费级深度相机数据比如RGBD相机生成的稠密点云直接配准很容易飘先提取、抽稀再配准效果完全不同。图像引导点云和结构光点云融合进工程坐标系时提取地面点同样是第一步。之前接过一个项目客户拿结构光扫描仪扫了一段车间要融合到厂房模型里。我没直接拿原始点云去叠而是先提取地面和墙面特征点缩小数据量后配准几分钟就收敛了直接配原始点云半小时都在抖。拉框选中这个交互本质上是把工作范围缩小到有效区域的思维。用这个思维去处理三维标注、点云裁剪、噪声剔除的场景你会发现GM这套交互逻辑通用性很强。7.4 一点体会把这些流程走下来我最深的感受是GS工具大多不复杂复杂的是你在动手前有没有把数据梳理清楚。坐标系、分类、密度、间距这四个问题想明白了提取高程点就是拉框、过滤、导出三个动作。想不明白就得反复在返工里还债。希望这篇能帮你少走我走过的那些弯路。
