随着激光雷达技术的发展,国内外越来越多的企业和学校对三维激光雷达开展了研究。三维激光雷达技术的原理是通过反射激光测得雷达周围物体的角度和距离,并转换成空间中的点坐标,多个点可以组成点云数据,对点云的研究有助于环境感知。激光雷达技术已经应用于社会各个层面:军事上,激光雷达已广泛应用于侦测、制导、测量等应用中;民用方面,激光雷达已经广泛应用于无人驾驶、移动机器人、辅助检测、场景搭建、虚拟现实等场景中,且需求呈现扩大趋势。为了打破国外垄断,我们与国内激光雷达厂商合作,开发具有自主知识产权的三维激光雷达点云交互显示及点云数据分析系统,为国内激光雷达厂商自主研发的激光雷达设备演示、评测以及后期应用扩展提供了配套算法,促进我国三维激光雷达的研发和应用发展,具有重要的价值和意义。本文对国内三维激光雷达合作生产厂商需求进行了分析,公司的需求包括对激光雷达实时显示,评估雷达的测量精度以及最终的对雷达的扩展应用。因此研制出了一种三维激光雷达交互显示和点云分析系统,主要包括5个模块:基础模块、显示模块、滤波去噪模块、精度评估模块和物体检测模块,在上述三个需求模块之前,增加了基础部分与专门的滤波操作部分。基础模块负责直接与激光雷达进行点云数据传输,对文件存储、雷达通信进行了较详细深入的研究。显示模块负责处理点云可视化方面的工作,使得点云可以根据不同属性呈现不同的颜色,并制订了不同的颜色编码方式,可对点云属性有直观的了解。滤波模块主要目的是减少噪声对后续点云处理的影响,根据不同的应用场景,制订了不同的滤波方式:对于实时显示的静态场景,提出了一种基于点云时空的滤波方式,成功应用于激光雷达降噪中;对于精度评估方面,通过多次测量消除了点云的随机噪声,使得评估结果更加精确。精度评估模块主要分析了雷达误差,提出一种标准化激光雷达点云质量量化评估方法,通过测量高精度的标准房间数据,与激光雷达点云数据进行比较,分析出雷达的标准差、系统误差和丢包率等属性,为激光雷达的研发与质检提供了重要依据。物体检测模块将深度学习网络整合到系统之中,通过处理道路中的点云数据,对道路数据中的车辆进行三维物体检测,完成了对点云数据的物体检测功能,扩展了系统的应用场景。最后,通过分析点云的处理流程,创造性地设计了各模块间的组织架构。使用Open GL可视化库函数,基于面向对象的C++编程语言,调用Pytorch深度学习网络模块,在MFC开发框架下进行了模块功能的研发实现,编写了界面化的点云可视化和分析系统。通过对各模块进行系统性测试,验证了实验结果的准确性,确保功能完善的前提下,实现了系统的流畅和稳定。