郭献涛 苗立志 杨柳 杨立君
摘要：目的：当前，随着大数据、云计算、物联网与人工智能等新技术的迅速发展以及在各学科的渗透，以海量激光点云为数据基础的数字现实时代已经来临，要求点云数据处理课程面向大数据智能化推进理论和实践教学改革。方法：文章以南京邮电大学物联网学院的本科课程——点云智能处理与应用为例，阐述该课程的教学体系及课程教学内容、实践教学内容的设计，并结合当前新型激光传感器与车载、机载等移动平台以及人工智能数据处理算法发展成果，将相关大数据智能化领域的新技术、新理论以及新案例融入传统课程教学中，摒弃以往僵化的教学模式，采用整体性思维重新组织与设计教学内容，完善学生的知识体系；
强化实践教学设计与提高科研竞赛参与度，在实践与科研竞赛活动中实现与理论知识的融会贯通；
综合应用问题驱动法与案例教学法等多种教学方法，增强学生的学习积极性，实现此课程的初步改革设计。结果：实践表明，通过以上教学与实践改革，学生的课程参与度明显提高，学生的独立思考能力得到锻炼，实践操作水平进一步提高。结论：文章的研究为大数据智能化时代空间信息类专业相关课程改革与实践以及培养具有人工智能背景的专业人才提供了参考，具有一定的借鉴价值。
关键词：大数据；
空间信息；
智能处理；
教学改革；
点云数据
中图分类号：P23；
G642 文献标识码：A 文章编号：1004-9436（2024）09-00-03
0 引言
我国空间信息数据采集与处理经历了从模拟化到数字化再到信息化的变革，随着5G、物联网、大数据、云计算和人工智能等技术的快速发展，空间信息类专业面临着智能化转型的机遇与挑战。智能化数据采集与处理是人工智能与空间信息深度融合的结果，建立以数据为基础、知识为引导、算法为核心、应用为驱动的智能化数据流新范式，已成为专业领域的共识［1］。
多平台激光雷达遥感系统可以高速度、高密度、全天候地获取对象三维点云与图像纹理信息，为面向智能化的空间三维数据提取提供了全新技术手段［2］5。近
年来，激光雷达（Light Detection and Ranging，LiDAR）技术逐渐得到广泛应用，其获取的点云是智慧城市、无人驾驶、VR/AR、新零售等未来新兴热点行业实现的数据基础［3］，目前海量点云数据处理课程在我国高等院校测绘与遥感等空间信息类专业中开设并逐渐普及。随着无人机、新型激光雷达传感器与计算机视觉的融合等新内容呈现爆发式增长，人工智能数据处理与解译技术广泛应用，点云数据处理方式与处理能力都实现了重大突破［4-5］。
智能化空间信息技术必将推动数据采集技术的升级，以及空间信息类专业教学改革［2］6。目前，点云智能处理与应用课程讲授内容已逐渐滞后于技术的进步与进展，存在教学方法单一、课程体系不完善、实验实践环节薄弱等不足。本研究紧跟技术发展前沿，结合当前信息智能化时代新型激光雷达传感器及平台发展成果，将与激光遥感测量和数据处理相关的新技术、新理论以及新案例引入教学体系，完善教学体系设计，加强教学实验设计，丰富教学方法，针对课程改革进行一些尝试性设计与探索。
1 课程教学体系探讨
本课程采用系统化的观点组织课程内容，完善教学体系设计。比如在讲解激光雷达测距、测角及扫描原理等内容时，比较和分析卫星激光测高、机载激光扫描、车载激光扫描以及计算机视觉SFM等新旧技术的相似内容，得出不同传感器扫描测量的差异和共性，让学生更好地了解与认识技术的理论基础与其改进过程，助力学生形成系统的知识结构。
完善教学体系设计首先应编制一本内容比较基础、结构相对全面的教材。尽量涵盖激光遥感测量技术大部分章节知识，能够重点介绍不同平台下激光雷达扫描测量原理、数据采集技术设计、点云的表达与数据结构、点云数据处理流程及常用算法，还有点云三维建模与相关领域应用等知识内容，使学生建立激光雷达扫描测量的基本知识结构。还应结合国内外多种教材和本学科主流的中英文期刊等资料，将最近几年出现或发展的新理论、新方法、新技术和新成果等内容及时融入教学中，不断充实和更新教学内容。同时，综合应用多种教学方法，提升学生的课堂参与度。
教学体系设计还应重视实践应用，通过实践应用将理论知识融会贯通。本课程将激光扫描在文物保护、工程测量、数字工场、地形测量、变形监测、工业制造等领域的应用融入教学过程中，实现对理论知识的应用与掌握，并进一步设计及引导学生参与相关竞赛与科研项目，引导学生的知识与兴趣向纵向发展。
2 课程教学内容设计
结合中外教材进行点云智能处理与应用的授课，中文教材选择同济大学出版社出版的《海量点云数据处理理论与技术》与武汉大学出版社出版的《点云智能处理》作为主讲教材；
外文教材选择沃塞尔曼等人主编的《空中-陆地激光扫描》作为参考教材，该教材集合了近年全球发表的最新科研成果，也是国际摄影测量协会推荐的学习教材［6］。点云智能处理技术理论教学设计主要包括以下六个专题。
第一专题为激光雷达扫描测量技术。主要包括地面与机载激光雷达系统结构、扫描机制、GPS/IMU整合、全波形数字化，以及与同类技术的比较。重点是各遥感平台下激光雷达原理与点云智能处理技术的特点、数据产品以及应用领域。
第二专题为激光雷达扫描设备与仪器检校。主要讲解主流商业激光雷达设备与性能指标，并对设备研究现状进行分析。阐述扫描仪水平角、测距与平面点位精度检测，讨论仪器设备误差源，仪器系统误差与系统误差的检校模型与检校方法。
第三专题为激光雷达点云数据采集与数据组织。主要包括地面LiDAR野外扫描方案设计，机载LiDAR数据获取的计划准备、航飞实施与数据整理三个阶段共八个方面的内容，重点讲解航线设计、检校场布设测量以及LiDAR点云解算；
并进行点云误差源与精度影响分析。此外，讲解点云的数据基础，包括点云的定义与表达、点云的信息特征与存储格式，重点分析点云的ASCII文本格式（txt、asc、pts等）、自定义点云格式（imp、rwp、rsp等）、主流跨平台交互格式（obj、ply、stl、iges、las等），并对Cyclone、Real Works Survey、POSProc、Terrasolid等主流商业软件功能进行介绍。
第四专题为激光雷达点云数据预处理。激光雷达外业采集的一般是多视、嘈杂、无序的高密度点云数据，需要经过配准、去噪、压缩、空洞插值等数据预处理流程才能实现后继点云重建与应用。本专题主要包括基于特征的点云配准算法和无特征的点云配准算法；
点云的去噪算法和交互式去噪方法；
基于海量点云数据的压缩算法和基于三角网格的压缩算法；
基于点云模型和基于网格模型的空洞插值方法。
第五专题为激光雷达点云重建。点云智能处理技术最终目的是利用处理后的点云数据实现对扫描实体的三维重建，并基于模型进行应用。本专题首先介绍点云重建研究现状，指出现有表面重建算法的局限性，接着讲解微切平面法、三维Delaunay剖分、移动最小二乘法以及区域生长法等重建算法，分析基于三角网格与基于散乱点云的特征提取方法，讲解基于特征的点云重建与基于切片技术的点云重建；
阐述基于Cyclone、Geomagic软件建模的主要过程；
最后分析从机载激光点云数据中探测与重建建筑物与DEM生成方法，对点云的滤波、分割、分类等算法进行详细介绍。
第六专题为点云智能处理技术应用。结合实例讲解激光雷达技术在测绘、文物保护、地质研究、矿业、林业与海洋等领域的应用研究成果。其中，在测绘领域的应用主要包括地形图测绘与地籍测绘、土方和体积测量、监理测量、变形监测以及其他工程测量。
3 实践教学内容设计
在理论授课基础上，通过实践教学设计，加深学生对理论知识的理解与掌握，同时提升专业实践素养［7］。点云智能处理与应用课程实践教学设计内容主要包括点云数据采集与数据预处理、制作数字高程模型以及重建建筑物三维模型。
3.1 数据采集与预处理
首先，带领学生参观Faro focus 3D激光雷达设备，加深学生对激光雷达测量原理、工作方式的理解，熟悉仪器操作以及软件功能。其次，基于标靶匹配实施数据采集，培养学生现场踏勘与扫描方案设计能力。最后，进行内业数据预处理，主要包括多站点云配准、去噪、补洞和压缩，使学生直观了解点云数据组织与预处理流程。
该实验通过仪器配套软件Faro Scene完成，可以自动对象识别及扫描配准和定位，轻松高效地处理和管理扫描数据；
对象简单的三维建模通过第三方软件Geomagic Studio完成，该软件拥有强大的点云数据处理与编辑功能，后期利用模型渲染V-Ray for 3DS Max 2012实施模型增强，借助软件中插入相机进行点云漫游制作，并通过插件功能实施网络发布共享。
3.2 数字高程模型制作
数字高程模型制作采用机载雷达数据，利用POSProc软件提取与解算POS数据，实施航线重构与航带拼接，联合扫描数据增量计算LiDAR点云三维坐标。数字高程模型生成主要在Terra Solid 软件中完成，涉及点云滤波、DEM内插与模型生成操作。
Terra Solid软件由TerraScan、TerraModel、TerraPhoto模块组成，具有分类、滤波、生成表面模型、影像处理能力，属于半自动数据处理。需要学生根据测区情况反复试验输入参数进行调整，加深对理论方法的理解与积累数据处理的经验。
3.3 建筑物三维重建
LiDAR点云滤波后，各种地物点云混杂在一起，需要实施点云分类并提取建筑物信息与实施建筑物重建，主要包括从LiDAR数据中检测建筑物脚点，由建筑物脚点提取建筑物边缘特征线，并重建三维模型与实施模型渲染。
以上实践教学都是点云智能处理课程中的重要环节，通过实验教学环节，使学生能将所学理论知识与实验具体操作相联系。
4 教学方法选择与实施
传统讲授式教学方法容易出现满堂灌情况，会打击学生学习积极性［8］。为了使学生更好地掌握所学知识，本课程综合利用多种教学方式，将讲授法与演示法、讨论法相结合，以学生为主体，系统运用问题驱动教学法与案例教学法授课。
4.1 问题驱动教学法
问题驱动教学法以课程中设计的问题为中心，以学生为主体，以生生互动以及师生互动为基础，以学生自主学习和分组学习为主要学习形式［9］。
在理论教学过程中，本课程分别在六个专题学习中期布置问题，学生分组进行问题交流分析，查找资料与文献并寻求解决方案，在此过程中教师主要负责小组分工与指导。在所有小组都找到问题解决方案之后，教师要组织各组学生进行课堂交流，并采用互评、自评及教师评价的方式对结果进行综合评价。
4.2 案例教学法
点云智能处理课程设计的重点在于激发学生专业兴趣，使学生掌握专业理论，启发学生思考，以更深入地学习专业知识［10］。在每个专题学习后期，设置工程案例教学，以吸引学生的注意力，将课堂理论知识与工程实践相联系。案例实施过程中，其设计与选择应能反映课程的内容重点，且有利于理论与实践的结合。
地面与机载激光雷达部分各安排三次教学案例，分别对应外业技术设计、内业点云数据处理及点云建模等重点理论知识。比如在数据获取专题中，可选择一个指定数据采集区域，让学生分组根据采集区域和对象的特征，设计数据采集方案。学生要分组实地踏勘对象区域，根据所学理论知识与对象特点设计初始方案，然后合作查阅已有相关激光雷达数据采集资料与工程案例，分析讨论、反复比对、试验与修改，以进一步优化数据采集方案。
4.3 参与科研和竞赛
在课外，对于学有余力的学生，教师可鼓励与引导他们加入自己的科研课题中，并依托课题成果积极参加学科竞赛与大学生创新实践等，充分调动与培养学生的探索力与创造力，提高学习的动力与专业思考的深度。
在实践教学的每个专题后期组织专业技能比赛。学生在准备比赛的过程中，能将相关压力转化为动力，从而激发学习热情与学习潜力，进而提高学习积极性。通过专业技能比赛达到掌握点云智能处理专业技能的目的。
5 结语
文章结合大数据空间信息智能化时代背景，从教学体系设计、理论教学设计、实践教学设计以及教学方法选择等方面，较为系统地研究与思考点云智能处理与应用课程教学中存在的问题，引入最新的技术成果，设计完善了理论教学与实践内容，有助于学生更好地实现课程教学目标，对测绘与遥感等空间信息类专业的相关技术课程改革具有一定的参考价值。
参考文献：
［1］ 陈军，刘万增，武昊，等.智能化测绘的基本问题与发展方向［J］.测绘学报，2021，50（8）：995-1005．
［2］ 李鹏程，刘志青，邢帅.“激光雷达测量原理与实践”课程教学研究与思考［J］.测绘与空间地理信息，2020，43（10）：5-7.
［3］ 张静，眭碧霞.人工智能带来职业教育教学形态变革：影响、挑战与趋向［J］.职业技术教育，2020，41（29）：42-46.
［4］ 陈一祥，秦昆，苗立志，等.面向智能化测绘的空间信息智能处理课程设计［J］.艺术科技，2022，35（17）：1-4.
［5］ 谢洪，闫利，陈长军.测绘新工科建设下LiDAR测量教学思路探讨［J］.测绘地理信息，2021，46（5）：179-182.
［6］ 乔治·沃塞尔曼，汉斯·格德·马斯.空中-陆地激光扫描［M］.英国：威特尔斯出版公司，2010：1-206.
［7］ 臧玉府，祝善友，金双根.面向智能测绘培养目标的课程改革与实践：以南京信息工程大学数字摄影测量课程为例［J］.测绘通报，2021（1）：142-147.
［8］ 何雯君.问题驱动式教学对学生“四能”培养的研究［D］.漳州：闽南师范大学，2022：45-47.
［9］ 杨萍.测绘技能大赛对工程测量专业人才培养的影响研究［J］.建材与装饰，2017（41）：230-231.
［10］ 秦昆.智能空间信息处理［M］.武汉：武汉大学出版社，2009：5-6.
基金项目：本论文为2021—2023年度教育部产学合作协同育人项目“航天宏图——南邮联合共建多源遥感数据综合处理实验室”研究成果，项目编号：20210224503；
2020—2022年度南京邮电大学教学改革研究项目“双一流建设与数字信息时代下激光雷达遥感原理课程教学模式改革”成果，项目编号：JG03220JX54
作者简介：郭献涛 （1984—），男，博士，讲师，系本文通讯作者，研究方向：点云智能处理；
苗立志 （1981—），男，博士，副教授，研究方向：时空信息智能处理；
杨柳 （1996—），男，博士，讲师，研究方向：GNSS水汽反演；
杨立君 （1977—），男，博士，副教授，研究方向：海岸带多源遥感技术。