点云是带属性的离散采样

点云由大量具有空间坐标的采样点组成，常来自激光雷达、摄影测量或深度传感器。它不是天然连续的表面，也不只是三维坐标列表；采样时间、回波、强度、分类和传感器轨迹共同决定这些点能够表达什么。

每个点承载的不止位置

基本点记录包含 X、Y、Z，实际数据还可能包括回波序号、回波总数、强度、扫描角、时间、颜色和分类代码。不同设备和处理流程支持的字段不同，同名字段也可能具有不同量化和标定方式。

坐标通常通过比例因子和偏移量存储，读取时若忽略这些元数据会得到错误位置。水平坐标参考系、垂直基准和单位同样必须明确，尤其在与地形、影像或工程模型叠加时。

点密度受飞行高度、扫描方式、视角、遮挡和表面反射影响。平均每平方米点数不能说明局部区域都有相同覆盖。建筑背面、浓密植被下方和水面可能稀疏甚至缺失，而航带重叠区域会明显更密。

点间距与目标尺寸共同决定可识别程度。少量离群点可能来自多路径反射、飞行噪声或配准误差。使用前应检查密度分布、空洞、重叠航带和高程差，而不是只看文件总点数。

激光脉冲可能在树冠、枝叶和地面产生多个回波。首回波常接近上层目标，末回波可能来自更低位置，但这种解释并非对每个点都成立。回波数量受设备、目标结构和采集参数影响。

地面、植被、建筑和噪声分类通常是后处理结果，不是传感器直接测得的真值。分类算法和人工规则可能产生系统性误差，使用者应查看分类版本、类别定义和抽样精度。

数字地形模型通常从地面分类点插值，数字表面模型则保留建筑和植被顶部。网格大小、邻域、插值方法和空洞处理都会改变结果。生成等高线、坡度或冠层高度时，这些参数的影响会继续传播。

点云还可以构建网格或三维对象，但连接哪些点、如何处理遮挡并没有唯一答案。离散采样转换为连续表面时，必须说明插值假设和适用尺度。

大规模点云常按空间分块、层级或索引组织，以支持局部读取和并行处理。分块边界若不带重叠邻域，滤波和插值可能产生接缝；坐标精度和压缩方式也会影响文件大小与运算误差。

GDAL 及相关地理工具链提供格式和坐标处理能力，OGC 标准体系则为地理数据互操作提供基础。可靠点云资产还需要保留采集平台、时间、坐标参考、分类方案和质量指标，使后续产品能够追溯。

多期点云比较前还要完成可靠配准。很小的水平偏移在陡坡或建筑边缘会被放大成明显高程变化，因此变化检测应先用稳定区域评估系统偏差，再判断差异是否超过测量不确定度。

GDAL/OGR Contributors：GDAL Documentation，https://gdal.org/en/stable/
Open Geospatial Consortium：Standards and Supporting Documents，https://www.ogc.org/standards/