LiDAR 点分类把离散回波组织为地面与对象

LiDAR 点云记录激光脉冲回波的三维位置和属性。点本身只是采样，不天然知道自己属于地面、植被、建筑、水体还是噪声。点分类利用高程、邻域几何、回波顺序、强度和空间上下文，为后续 DEM、冠层和对象分析建立语义层。

分类码是处理结果，不是实测真值。算法、参数、点密度和场景会影响类别，任何派生产品都应保留分类版本和质量证据。

回波结构提供垂直线索

一个脉冲可能产生首回波、中间回波和末回波。树冠常产生多个回波，硬质表面可能只有单次回波，但这种关系不是绝对规则。密集植被、低矮灌木和建筑边缘会形成复杂序列。

回波编号、总回波数和扫描角有助于分类，前提是采集系统正确记录并经过校准。不同传感器对弱回波的检测能力不同，不能直接比较回波比例。

强度受目标反射、距离、入射角和仪器设置影响。未归一化强度适合辅助同一航次内部判断，不应被当作跨项目稳定光谱值。

地面分类通常先寻找可信低点，再根据坡度、距离或曲面残差逐步加入候选。渐进 TIN、形态学和布料模拟等方法采用不同假设，但都要区分地形起伏与地物高度。

平坦区参数容易设置，陡坡上真实地面高差可能被当成对象，城市台阶和堤坝又可能被过度平滑。一个全区参数无法适应山地、湿地和城市，需要分区或多尺度处理。

低噪声点和水面异常回波可能成为错误种子，使地面面向下拉。种子选择、异常检测和水体边界应共同设计。

地面以上高度是重要特征，通常由点高程减去地面模型得到。若地面分类错误，所有对象高度都会偏差。归一化前要检查 DEM 空洞与插值。

邻域中的平面度、线性度、粗糙度、法向和高度分布可区分屋顶、树冠和线状设施。邻域半径决定观察尺度：太小受点噪声影响，太大则把对象边缘混在一起。

建筑与密集树冠在局部都可能形成高点，强度和回波能辅助，但仍需要对象形状和影像证据。分类器在一种城市形态上训练，不保证迁移到其他建筑材料和植被类型。

高空孤立点、多路径回波和低于地面的异常点会严重影响高程统计。噪声检测可使用邻域距离、高程差和飞行条带一致性，但真实的电线、塔尖和崖壁也可能表现为孤立。

USGS 规范区分低噪声、高噪声等类别，有助于保留点而不让它们进入普通表面生成。直接删除会损失调查证据，也无法在参数调整后恢复。

异常数量和空间分布应进入质量报告。某条航带突然出现大量噪声，可能指向设备或配准问题，而不只是需要更强过滤。

水面可能吸收或镜面反射激光，形成低密度、空洞或异常高度。用周围地面插值填满会让水面看似可靠。水体边界和水面高程应结合独立数据处理。

桥面位于地面之上，却在交通地形应用中需要特殊保留或移除。若把桥面分类为地面，桥下地形被抬高；若全部删除，道路连续性又会断裂。类别应服务于明确产品。

航带重叠区点密度更高，直接用于分类和栅格化会产生接缝。需要识别重叠、检查相对高程差，并决定保留或加权策略。

点密度、脉冲间距、垂直精度和分类要求共同决定产品能力。更密点云不自动具有更高绝对精度，定位、姿态和控制测量同样关键。

质量等级提供最低采集与精度要求，但具体项目还需考虑地形、植被和应用。用低密度数据生成很细 DEM 网格不会创造新信息，只会插值更多像元。

元数据应记录传感器、航高、扫描角、日期、坐标与垂直基准、质量级别和处理版本。缺少这些信息，分类结果无法跨项目比较。

参考样本应覆盖平地、陡坡、密林、建筑、水体、桥梁和边缘。按点随机抽样会被大面积地面主导，应按类别和困难区域分层。

混淆矩阵说明类别错误，地面分类还要检查 DEM 高程误差、坡度和断裂线。少量被误分为地面的高点，可能对最大值和排水分析造成远大于点级比例的影响。

人工剖面和三维视图有助于发现系统错误，但要记录抽查位置和规则。自动检查可比较航带、密度、类别比例、孤立点和表面残差，二者结合更可靠。

裸地 DEM 主要使用地面点，DSM 可能使用最高表面，冠层高度需要两者差值。不同目的对桥梁、水体和建筑处理不同，不存在一个分类结果自动适合所有产品。

分类修订后应重新生成受影响派生物，并保留版本关系。只改点码却继续使用旧 DEM，会让数据目录内部不一致。

发布时提供点云、分类说明、质量报告和派生规则，使使用者知道哪些值是测量、哪些是分类、哪些是插值。分类不确定区应保留，而不是用视觉平滑掩盖。

LiDAR 点分类把三维采样转为可用地形与对象证据。可信结果来自适合场景的邻域尺度、明确类别用途、独立精度检查和完整处理谱系，而不是分类码本身。