虽然LiDAR和PhoDAR都是3D点云格式，但是创建每种格式的过程完全不同。其采集（生成）过程的性质决定了数据的结构特征及其对特定应用的适用性。
在本篇博客文章中，我们介绍了两种采集方法之间的差异，以及其理想用途之间的一些不同。
LiDAR – 优势
- 主动采集过程
点云中的每个3D点都是实时采集和处理的。
- 多次回波数据
每个点都包含一系列有用的属性数据，包括回波强度，回波计数和分类信息（后期处理添加）。
- 数据共享
数据结构已经标准化，为数据共享和互操作性提供了最佳条件。
- 大区域测量
安装在飞机上的扫描仪可以相对较快地测量大面积的地理区域。
- 紧凑型设备
与早期的LiDAR硬件不同，扫描仪现在相对紧凑，甚至可以安装在无人机上。
- 地面（地形）探测
LiDAR可以穿透树叶和类似的障碍物，从而提供目标区域的完整3D表示。即使在森林茂密的地区，也可以进行地面探测。
- 快速发展的技术
例如，Geiger模式LiDAR（相对于传统的linear模式LIDAR）可以提供100 / sqm或更高的点密度。
- 精确性
这些点在理论上更准确，尤其是其高程值。
- DTM生成
LiDAR是生成数字地形模型的理想之选，因为与摄影测量法不同，LiDAR可以“穿透”到地面。
LiDAR – 不足
- 高成本
传统的激光雷达需要有人驾驶飞机来容纳必要的硬件。
- 对飞行条件的敏感性
LiDAR采集需要极佳的飞行条件。飞机的高度和速度也会影响点密度。
- 异常识别较差
原始LiDAR无法识别数据中的异常（例如飞行路径下方的鸟类）。
- 处理不一致
遇到被错误分类的公开提供的LiDAR文件并不少见。
PhoDAR – 优势
- 技术门槛低
这是一种使用成本低至万元的硬件创建点云的更便捷的方法。
- 按需&多样化的采集方式
可以在相对较小的区域内按需采集数据，进行最少的预先采集规划。
- 更高的点云密度
点密度通常比传统的LiDAR大很多。
- 数据可分类
摄影测量点云虽然本身不是LiDAR，但可以应用分类，并且可以导出到las或laz文件。
- 栅格赋色的点云
每个点都会自动继承相应图像的颜色。
- DSM生成
因为它无法像LiDAR一样穿透植被，因此非常适合生成数字表面模型。
PhoDAR – 不足
- 需要有特征要素（地物）
从图像获取点云需要在相应的区域具有明显的可见特征。
- 要求表面纹理具有多样性
当图像的表面纹理缺乏多样性（例如沙漠地区或大型停车场的表面）时，摄影点云的生成效果不佳。
- 需要充足的光线
与LiDAR不同，摄影测量法取决于充足的环境光线。生成点云需要清晰的图像，因此在弱光照条件下拍摄图像并不理想。
- 不宜进行地表探测
摄影无法像LiDAR一样“穿透”树冠。
- 阴影和天空不起作用
点云生成不适用于包含大阴影或大量天空的图像。
- 精度取决于地面控制
除非在处理阶段使用了地面控制点，否则水平精度和高程值将不那么准确。
- 覆盖范围通常有限
摄影测量点云的生成不适用于大面积覆盖区域。
- 颜色不一致
由于各个图像色彩的变化（不平衡），整个点云表面的色彩通常不一致。
- 需要更多的清理工作
反射性表面有时会在数据中引起更多的噪声点或异常，这就需要进行手动删除。电力线等更精细的要素可能不会像在LiDAR数据中那样显示。
LiDAR的理想用途
LiDAR是采集更大面积和更精细细节（例如电力线，管道和物体边缘）的数据的理想选择。它也是创建数字地形模型（DTM）的理想选择，因为传感器可以穿透植被，从而可以采集真实的地面点。
PhoDAR(摄影测量点云)的理想用途
摄影测量法是测量具有较少植被的较小区域的理想选择。由于摄影测量法无法像LiDAR那样穿透植被，因此通常更适合于生成数字表面模型，而不是地形模型。
适合LiDAR和摄影测量的理想软件
无论选择哪种点云生成方法，都可以使用 Global Mapper 和 LiDAR模块 来高效地处理成果数据。其广泛的编辑、可视化和分析工具的包括点云编辑和过滤、DTM或DSM创建、特征提取、等高线生成、体积计算等。
