到本次采集范围内的有效数据；最后将上述数据进行滤波去噪处理，得到精准的点云数据并存储。
[0064]最后将固定式地面激光扫描设备采集到的原始数据进行匹配优化处理；使多个连续测站采集的点云数据匹配满足要求，最后将匹配后的数据进行滤波去噪处理，得到精准的点云数据并存储。
[0065]具体实施例中:对获取的原始数据进行数据平差处理。
[0066]具体实施例中:对获取的原始数据进行数据接边处理优化。
[0067]具体实施例中:对获取的原始数据进行数据匹配处理。
[0068]具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
[0069]具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
[0070]按照规划路线，将500平方公里范围内的数据进行区域划分，数据采集设备以车辆为载体采集的数据沿行进路线按150米*150米格网进行分幅管理，数据采集设备以飞行器为载体采集的数据按I公里*1公里格网进行分幅管理，固定式地面激光扫描设备采集的数据以点间距3毫米采样的基础上按3米*3米格网进行分幅管理，然后进行数据纠正，纠正后按500米*500米格网进行管理。具体实施例中:首先，按照划分的区域，将该区域内的数据根据轨迹线的解算精度或控制点判定通过飞行器、车辆和固定式地面激光扫描设备获取的三组点云数据的精度，并以精度较高的点云数据作为参考，对另外两组数据精度较低的点云数据进行纠正分析，提取纠正点，并根据纠正点生成纠正模型；然后，根据纠正模型对另外两组点云数据中精度较差的数据进行纠正分析；最后，通过构建数字表面模型检查数据融合精度。
[0071]当出现就该500平方公里范围内通过车辆或飞行器在不同时期进行数据采集的情况时。首先，根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后，提取变化区域内的现势性高的点云数据，并利用其对同区域原有数据进行替换，最后通过构建数字表面模型检查数据融合精度，得到测区范围内最具现势性的数据。
[0072]通过以上方法可以在不影响交通流的情况下高效获取路面及路面两侧的房屋建筑、树木高度、道路沿线的公共设施结构精确的二维和三维信息，为今后道路及其周边设施勘测和城市基础设施建设提供更精准的信息。
[0073]实施例2:
图2为本实施例提供的基于点云的道路信息自动提取方法的流程示意图，如图所示，该方法如下步骤:
工程化组织管理:将采集得到的点云数据进行工程化组织管理；
数据预处理:对点云数据进行预处理，得到精准的点云数据；
滤波分类:按照不同类别的地物特征进行地物点云数据进行滤波分类；
关键点提取:对滤波分类后的地物点=信息进彳丁关键点提取；
格式转换:将提取后的关键点数据进行格式转换，形成与建模软件相兼容的数据。
[0074]具体实施例中所述工程化组织管理具体步骤为:将不同采集方式采集到不同精度的点云数据分别进行区域划分并进行工程化组织管理。
[0075]如图4所示的一种基于点云的地物关键点提取方法，所述数据预处理具体步骤为:
I)对工程化管理后的点云数据进行精度优化，具体为利用精度较高的点云数据对精度较低的点云数据进行精度优化；
2 )将优化后的点云数据进行滤波，去除冗余和无效的点云信息。
[0076]如图5所示的一种基于点云的地物关键点提取方法，所述滤波分类具体步骤为:
1)对去噪优化后的点云数据中进行地面点分类，得到精准的地面点云集数据；
2)在地面点信息的基础上对地物点进行分类，得到不同地物点云集数据；其中地物点类别基于实际需求确定，根据地物空间分布特征采用自适应聚类分析方法进行分类；
3)将得到的不同地物点云集数据分类存储。
[0077]如图6所示的一种基于点云的地物关键点提取方法，所述关键点提取具体步骤为:
1)对分类后的地物信息逐一进行关键点提取，其中关键点提取主要基于各类地物形态学特征进行；首先基于平立面一致性策略将同一地物点云集数据划分为不同区域，然后通过区域增长策略检测三维空间内的几何突变，完成地物边界点提取，最后将提取到的边界点分别投影至不同平面进行对比分析，根据几何形态基于拓扑形态学分析方法提取能反映地物边界特征的点云集作为地物关键点集；
2)采用人工干预方式对提取后关键点的有效性进行验证； 3)输出(保存)验证后的地物关键点为特征点云数据集。
[0078]如图7所示的一种基于点云的地物关键点提取方法，所述将不同采集方式采集到不同精度的点云数据分别进行区域划分并按照划分的区域进行工程化组织管理的具体步骤为:
1)通过架设在不同平台上的数据采集设备获取目标区域内地物点云数据，得到不同精度、不同密度、不同方位的原始数据；
2)以精度较高的点云数据为参考，从中提取纠正点，根据纠正点建立纠正模型；
3)将多幅纠正模型中的共同纠正点进行拼接，获取整体纠正模型。
[0079]具体实施例中所述点云数据是通过移动平台、固定式和卫星系统进行采集获得，所述移动平台可为:车辆、船舶、机车、移动式扫描仪和火车。
[0080]具体实施例中所述地物信息包括:交通设施、房屋建筑、桥梁、道路及其附属设施与沿线公共设施。
[0081]在具体实施例中，工程关于格式转换为:将提取得到的地物关键点以ASCII文本存储，使之可以输入至3D max、CAD、Polyworks、Cyclone、Rhino等常规三维建模软件中，为其直接快速应用。
[0082]通过以上方法可以高效获取地上空间中的建构筑物等公共设施结构精确的二维和三维信息，为今后地下空间的数据获取、城市规划、管理和构建智慧城市提供更精准的信息和数据依据。
[0083]实施例3:
图3为本实施例提供的基于点云的道路信息自动提取方法的流程示意图，如图所示，该方法如下步骤:
工程化组织管理:将采集得到的点云数据进行工程化组织管理；
数据预处理:对点云数据进行预处理，得到精准的点云数据；
滤波分类:按照不同类别的地物特征进行点云数据滤波分类；
关键点提取:对滤波分类后的地物点z?Ih息进彳丁关键点提取。
[0084]格式转换:将提取后的关键点数据进行格式转换，形成与建模软件相兼容的数据。
[0085]自动化建模:利用提取的关键点数据进行模型构建。
[0086]具体实施例中所述工程化组织管理具体步骤为:将不同采集方式采集到不同精度的点云数据分别进行区域划分并进行工程化组织管理。
[0087]如图4所示的一种基于点云的地物关键点提取方法，所述数据预处理具体步骤为:
I)对工程化管理后的点云数据进行精度优化，具体为利用精度较高的点云数据对精度较低的点云数据进行精度优化；
2 )将优化后的点云数据进行滤波，去除冗余和无效的点云信息。
[0088]如图5所示的一种基于点云的地物关键点提取方法，所述滤波分类具体步骤为:
1)对去噪优化后的点云数据中进行地面点分类，得到精准的地面点云集数据；
2)在地面点信息的基础上对地物点进行分类，得到不同地物点云集数据；其中地物点类别基于实际需求确定，根据地物空间分布特征采用自适应聚类分析方法进行分类；
3)将得到的不同地物点云集数据分类存储。
[0089]如图6所示的一种基于点云的地物关键点提取方法，所述关键点提取具体步骤为:
1)对分类后的地物信息逐一进行关键点提取，其中关键点提取主要基于各类地物形态学特征进行；首先基于平立面一致性策略将同一地物点云集数据划分为不同区域，然后通过区域增长策略检测三维空间内的几何突变，完成地物边界点提取，最后将提取到的边界点分别投影至不同平面进行对比分析，根据几何形态基于拓扑形态学分析方法提取能反映地物边界特征的点云集作为地物关键点集；
2)采用人工干预方式对提取后关键点的有效性进行验证；
3)输出(保存)验证后的地物关键点为特征点云数据集。
[0090]如图7所示的一种基于点云的地物关键点提取方法，所述将不同采集方式采集到不同精度的点云数据分别进行区域划分并按照划分的区域进行工程化组织管理的具体步骤为:
1)通过架设在不同平台上的数据采集设备获取目标区域内地物点云数据，得到不同精度、不同密度、不同方位的原始数据；
2)以精度较高的点云数据为参考，从中提取纠正点，根据纠正点建立纠正模型；
3)将多幅纠正模型中的共同纠正点进行拼接，获取整体纠正模型。
[0091]在具体实施例中，工程关于格式转换为:将提取得到的地物关键点以ASCII文本存储，使之可以输入至3D max、CAD、Polyworks、Cyclone、Rhino等常规三维建模软件中，为其直接快速应用。
[0092]如图8所示的一种基于点云的地物关键点提取方法,所述自动化建模包括如下步骤:
1)利用关键点构建面片拟合及分割；
2)对分割后的面片进行规则化处理，输出体框模型。
[0093]具体实施例中所述建立三维模型面片之间的空间关系，计算两两面片之间相邻，相切，相离，包含，相交的不同状态，针对不同状态进行对应处理，消除模型内部面、捏合歧义点，生成没有内部面片的建筑物模型。此方法可消除后期在模型纹理贴图过程中的闪面，漏面，缝隙等模型拓扑不一致的现象。
[0094]具体实施例中所述点云数据是通过移动平台、固定式和卫