将点云分类为地面、植被和物体：定义、检查与交付

明确每个类别的含义

分类通过给点赋予标签，使选定表面能够支持分析或成果生成。运行算法前，应先定义所需类别。地面、建筑、植被、水面和噪声在某些地方很明确，在另一些地方却可能含糊。梯地、正在填筑的区域和低矮植被，可能需要项目专用规则。应采用与接收方格式兼容的分类方案，并记录扩展内容。软件里的颜色不能代替类别定义。统一含义才能让不同区块相互比较，也让不同团队制作地形成果时，不会悄然改变标签所代表的对象。

先检查源数据特征

摄影测量点云与LiDAR点云的属性和观测支撑可能不同。分类前应检查来源、参考信息、密度、点分布及几何质量，寻找双层表面、离群点和支撑不足区。赋标签无法修复底层定向或配准问题。应保留未改变的源版本，在覆盖原有类别前记录其状态。任务可能是初次分类、细化，也可能是独立复核其他供应方的成果。清楚的数据清单可以避免丢弃有用历史信息，并让复核者知道当前数据已经受过哪些操作影响。

测试具有代表性的困难条件

现场存在时，应纳入平地、坡面、构筑物、低矮植被和尖锐地形。容易样区上成功的设置，在别处可能失效。应建立固定复核区和剖面，比较参数选择，并记录样本选择理由及每次结果。地貌差异很大时，可能需要分区处理，同时维持统一类别定义。针对性测试比反复处理全区、最后才发现某处改进抹掉另一处重要形态更有效，也应保留解释这种权衡所需的证据。

把地面提取作为形状问题检查

地面算法依据特定的高度及邻域关系工作。过松设置可能纳入低矮物体，过严设置则可能删除真实山脊或陡面。应阅读参数定义，避免一次改变所有设置，并结合影像或现场背景比较处理前后剖面。地面观测稀少时，算法不能创造缺失测量。如果后续需要地形插值，应区分分类质量和观测支撑不足；两者都会造成栅格缺陷，但需要不同应对方式。平滑表面并不自动意味着更准确地反映了实际观测地面。

处理噪声，同时保持可追溯性

孤立或远离主体的点可能干扰派生模型，但细长物体和真实细节也可能稀疏。应在含重要特征的样本上测试噪声处理，永久删除前保留标签或早期版本。不能脱离背景就假定所有极端点都是错误。少量异常可能形成误导性的高程尖峰，而过度过滤又可能删除资产清查正要识别的对象。应记录选择和排除标准，使接收者理解观测如何进入分析，也能为其他用途重新考虑这些决策。

检查类别边界和分块接缝

应检查与现场有关的地面建筑交界、坡脚、沟渠和低矮植被。分块项目还需确认独立处理没有在接缝形成假线或不一致标签。应按方法要求保留适当周边支撑，重组后再跨边界检查，并保存空间问题图。等高线或地形栅格可能暴露俯视点云难以察觉的接缝伪影。因此，逐块单独检查不足以证明用户最终分析的合并数据具有一致性。

围绕预定应用验证

服务地形的分类，与植被清查或视觉展示的分类并不相同。评估应围绕用户需要作出的决策制定。地形成果要检查地面支撑和兼容的高程参考；物体类别则需参考区及明确类别定义。单一总体分数可能掩盖小类别中的重要错误。应记录人工复核方法和范围，解释哪些类别可靠、哪些条件仍困难，以及限制是否影响约定成果。这样，验证才能与用途相连，而不是把彩色点云当作所有标签同样可信的证明。

保留属性及导出规则

应以接收者能解释的格式交付必要属性、参考信息和类别定义，并在其软件中测试标签、标志位及颜色。仍需按类别分析筛选时，不能只用颜色代替分类。应附带数量统计、规则和重要处理历史。若同时提供轻量复核副本，应说明它与主点云在密度或属性上的差异。整包传输前先测试样本，可以使分类含义在离开处理人员环境、进入另一团队的软件与流程后仍然得到保留。

以台阶状场地为例

含路堤、高架道路、灌木和建筑的场地，可能在同一地面参数下出现不同错误。应比较代表性剖面，并记录任何有依据的分区处理。不能仅为使DTM平滑，就把所有低表面归为地面。若需要的下垫面没有被观测，应解释补充数据或插值需求。NiVO传感器选择提供最初观测，分类则决定如何使用它们。可追溯流程应区分测量、类别解释与额外建模，让接收者理解最终成果哪些部分有直接支撑，哪些依赖进一步假设。

假设情景：路堤附近的地面分类

假设一个测绘区块包含低层建筑、灌木、陡路堤和开阔通道。某自动地面参数在道路上表现良好，却删除了部分路堤顶部，并误收附近灌木。处理人员没有仅因整体地形栅格看起来平滑就选用该参数，而是先明确目标成果中的地面类别应表示什么，再针对四种条件建立固定复核集。源影像和相关现场记录为剖面解释提供背景，但不能在无法提供独立高程证据的情况下，将其当成这种证据。

团队在同一组示例上比较两套参数。恢复堤顶却在其他地方引入物体的改变，不能被视为普遍改进。团队调查是否需要有依据的处理分区，并记录这些分区如何遵循统一类别定义。原始标签继续保留。噪声处理单独评估，避免以无差别删点掩盖分类问题。任何地形插值都记录为另一处理步骤，不能混同于判定某点是否属于地面的证据。

交付包包含类别含义、版本身份、数量、复核位置及已知困难条件。接收者可以区分主分类点云与彩色展示副本。如果路堤某处细节对决策很重要，应先复核适当参考证据，再接受该细节用于量测。这个假设案例说明，分类质量依赖预期含义及经过检查的后果，而不仅是颜色一致或表面平滑。流程也使未来修订成为可能，无需另一位分析人员重新推断每次标签改变的原因。