GNSS/IMU/LiDAR融合定位研究

为提升低成本卫星接收机和惯性测量单元(inertial measurement unit,IMU)条件下传统组合导航定位的抗干扰性和定位精度,本文通过融合GNSS、IMU、激光雷达(laser radar,LiDAR)来提高定位的鲁棒性及定位精度.在高楼遮挡等复杂环境下由于卫星信号丢失导致卫星定位结果降低,可通过GNSS与IMU的组合来提升导航定位的鲁棒性及其精度.如果卫星信号缺失时间过长,那么低成本条件下的GNSS/IMU组合定位精度仍不理想,本文提出利用LiDAR里程计输出的位置信息与传统组合导航通过扩展卡尔曼滤波(extended Kalman filter,EKF)进行融合定位.实验得出:在无遮挡的环境下融合定位标准差(standard deviation,STD)精度较之卫星定位提升53.7%,均方根误差(root mean square error,RMSE)精度提升56%,较之GNSS/IMU组合定位STD精度提升37.9%,RMSE精度提升38.6%.在有遮挡的环境下融合定位STD精度较之卫星定位提升59.4%,RMSE精度提升71.3%,较之GNSS/IMU组合定位STD精度提升26.3%,RMSE精度提升33.7%.

机载激光 LiDAR点云数据滤波和分类设计

为提高机载激光LiDAR点云数据处理的精确性与效率,本文详细阐述了噪声去除、规则格网化处理、高程突变点提取、二面角滤波处理及基于区域分割与决策树的分类设计。首先,本文有效去除了点云数据中的噪声,并通过规则格网化实现有序组织。其次,利用坡度阈值法成功提取高程突变点,并通过二面角滤波进一步提升了分类精度。最后,本文设计了基于区域分割与决策树的分类方法,实现了点云数据的准确分类。研究结果表明,本文方法能够高效去除噪声、提取关键特征,并实现高精度的点云数据分类,为机载激光LiDAR技术的应用提供了有力支撑。

机载LiDAR与船载单波束协同的水上水下一体化测绘模型融合实现

为助力河湖管理、防旱减灾等国家新型基础测绘事业,基于机载Li DAR与无人船搭载单波束实现了水上地面点云与单波束水下点云的获取,对水下点云数据采用克里金法进行空间插值以增强水下地形分辨率,而后基于GEOPAK实现水上水下点云数据的无缝接边与融合,构建水上水下一体化TIN网,最终实现水上水下地形一体化建立。利用随机均匀分布的水上水下检核点对构建后的一体化DEM进行精度验证,结果表明,本次试验构建的水上水下一体化模型效果良好,精度远超规范要求。提出的基于机载Li DAR与船载单波束实现协同作业、构建水上水下一体化模型的作业流程对相关水上水下地形研究具有重要的参考价值。

三维坐标转换在震后建筑物LiDAR点云中的应用

为了解决建筑物LiDAR点云数据震害信息定量分析中坐标系转换的问题,对经过滤波、去噪、分割提取的建筑物独立墙面LiDAR点云数据进行了三维坐标转换,并与仪器配套软件的转换结果进行对比验证,坐标系转换算法的结果与x轴方向水平线吻合,优于软件转换结果。该方法的建立降低了数据处理过程中人为误差因素,提高了地基LiDAR点云数据坐标系转换的精准性和准确性,有助于提高震后建筑物LiDAR点云数据处理分析的效率,为后期建筑物震害信息定量分析判定奠定理论基础和技术支撑。

Effects of laser beam divergence angle on airborne LIDAR positioning errors

The influence of laser beam divergence angle on the positioning accuracy of scanning airborne light detection and ranging （LIDAR） is analyzed and simulated. Based on the data process and positioning principle of airborne LIDAR, the errors from pulse broadening induced by laser beam di vergence angle are modeled and qualitatively analyzed for different terrain surfaces. Simulated results of positioning errors and suggestions to reduce them are given for the flat surface, the downhill of slope surface, and the uphill surface.

基于机载LiDAR点云数据的历史文化街区重建方法研究

为了提高历史街区重建过程中建筑物轮廓与实际建筑物激光脚点的吻合精度,提出了一种基于机载LiDAR点云数据的历史文化街区重建方法。首先,对机载LiDAR点云数据作预处理,去除点云数据中的噪声。其次,利用区域生长算法对激光脚点作分割,完成建筑物点云数据的获取。之后,采用Alpha Shape算法提取建筑物特征信息,得到轮廓线,再通过管子算法将轮廓线规则化。针对多边形轮廓线,采用分类强制正交法对其作规则化。最后,通过平面拟合、直线拟合等方法,对历史文化街区进行三维重建。结果表明,所提出的重建方法在提取建筑物轮廓时,激光脚点吻合更精确,并且重建耗时为25 min,优于文献所提的2种方法。基于机载LiDAR点云数据的历史文化街区重建方法,可以在一定程度上提高历史文化街区的重建质量,并为其他历史文化街区的保护与更新提供借鉴。

机载LiDAR技术在第三次全国国土调查中的应用及精度分析

为研究机载激光雷达(Light Detection and Ranging,LiDAR)技术在第三次全国国土调查中的适用性及测绘成果的精确性,本文以广东省某山区乡镇为研究对象,采用机载LiDAR技术,获取研究区点云数据信息,通过设置点云滤波参数及人工判读方式对点云数据进行去噪处理,构建数字高程模型(Digital Elevation Model,DEM)和数字正射影像图(Digital Orthophoto Map,DOM)模型,生成研究区地籍图。此外,以高精度实时动态(Real-Time Kinematic,RTK)载波相位差分技术和全站仪等仪器测量成果为真值,对地籍图精度进行分析评定。结果表明,采用机载LiDAR技术获得的地籍图平面位置中误差为0.0362 m,高程中误差为0.0477 m,界址点间距中误差为0.0418 m,均小于0.05 m,满足国家地籍测量规范要求。因此,机载LiDAR技术在国土调查中具有较高的适用性,其测绘成果满足规范精度要求,可显著提高作业效率。

基于机载LiDAR点云数据的建筑物轮廓提取

基于机载LiDAR点云数据的滤波、建筑物点提取、建筑物轮廓提取以及轮廓线规则化等步骤出发,提出了一系列实现建筑物轮廓线提取算法。使用实测机载LiDAR点云数据对本文提出的建筑物轮廓线算法进行实验,结果表明,本文算法能够从采集的机载LiDAR点云数据中自动提取得到建筑物轮廓线,并有着较高的精度。本文方法对于城市化精细建模、输电线路三维设计的应用意义较大。

基于无人机LiDAR技术的复杂地形测绘精度优化方法

本文以宁蒗县木底箐水库的地形测量和库容测算为研究对象,以提升无人机激光扫描技术在复杂山地地形下的高精度测绘为目标,通过分析影响测量精度的关键因素,确定了适宜的点云分类方法和数据精度优化策略。研究了点云数据获取和处理中各类误差的产生机理、影响和控制方法。通过库容测算案例验证了所提方法的可行性,可为采用无人机Li DAR方法进行高精度地形测绘提供借鉴。

基于移动多线激光雷达扫描的树冠叶面积估计方法

移动单线激光雷达(Laser detection and ranging,LiDAR)扫描(Mobile single-layer LiDAR scanning,MSLS)树冠叶面积估计方法使用单一视角的单线激光雷达采集树冠点云数据,获取的冠层信息不够全面,限制了树冠叶面积估计精度。本文提出一种基于移动多线LiDAR扫描(Mobile multi-layer LiDAR scanning,MMLS)的树冠叶面积估计方法,使用多线LiDAR从多个视角采集树冠点云数据,提升树冠叶面积估计精度。首先,将多线LiDAR采集的点云数据变换到世界坐标系下,通过感兴趣区域(Region of interest,ROI)提取出树冠点云。然后,提出一种MMLS树冠点云融合方法,逐个融合单个激光器采集的树冠点云,设置距离阈值删除重复点,添加新点。最后,构建MMLS空间分辨率网格,建立基于树冠网格面积的树冠叶面积估计模型。实验使用VLP-16型多线LiDAR传感器搭建MMLS系统,设置1、1.5 m 2个测量距离和间隔45°的8个测量角度对6个具有不同冠层密度的树冠进行数据采集,共得到96个树冠样本。采用本文方法,树冠叶面积线性估计模型的均方根误差(Root mean squared error,RMSE)为0.1041 m^(2),比MSLS模型降低0.0578 m^(2),决定系数R^(2)为0.9526,比MSLS模型提高0.0675。实验结果表明,本文方法通过多线LiDAR多视角树冠点云数据采集、MMLS树冠点云融合和空间分辨率网格构建,有效提升了树冠叶面积估计精度。

激光雷达超远距离测距技术

针对超远距离多功能交会对接激光雷达需求,开展基于非相干测距技术的远距离激光测距通信一体化模块研制,在不改变原有雷达主机架构和信号体制下,实现对远距离高动态合作目标的通信测距功能。推导出测距原理,对动态、时钟性能等因素产生的测距误差进行理论分析,给出速度、时钟性能对测距误差的影响公式。得出在高动态环境下,相对速度与测距周期、双方钟差共同作用产生测距系统误差,且速度越大系统误差越大的结论。设计测距通信一体化演示验证平台,完成测距通信算法的软硬件评估,实测结果与理论推导相符,为后续新体制激光雷达原理样机研制奠定技术基础。

快速获取地面三维数据的LIDAR技术系统

机载激光扫描获取地面三维数据的 L IDAR系统是最近几年出现的高新技术系统之一。L IDAR系统是一个先进的主动传感系统 ,该系统本身发射受控制的激光以照射地面和地面上的目标 ,不依赖太阳光照 ,所以它是一个全天时日夜可以获得地面三维数据的系统。它直接获取地面三维数据比传统测量方法具有高精度、高密集、高效率和成本低的优点。该系统强大的后处理技术可以把地面和其上的植被、建筑物分离开来 ,可同时取得 DTM。

复杂城市环境的机载Lidar点云滤波

提出了一种新的Lidar点云滤波算法。该算法能对复杂的城市地貌进行滤波,无需事先进行三角网格化或栅格化,依靠点间的拓扑关系直接对原始点云进行滤波。实验结果表明,该滤波方法能有效保留地形特征,且不受房屋形状和大小的影响。

基于视觉与激光融合的井下灾后救援无人机自主位姿估计

无人机在灾后矿井的自主导航能力是其胜任抢险救灾任务的前提,而在未知三维空间的自主位姿估计技术是无人机自主导航的关键技术之一。目前基于视觉的位姿估计算法由于单目相机无法直接获取三维空间的深度信息且易受井下昏暗光线影响,导致位姿估计尺度模糊和定位性能较差,而基于激光的位姿估计算法由于激光雷达存在视角小、扫描图案不均匀及受限于矿井场景结构特征,导致位姿估计出现错误。针对上述问题,提出了一种基于视觉与激光融合的井下灾后救援无人机自主位姿估计算法。首先,通过井下无人机搭载的单目相机和激光雷达分别获取井下的图像数据和激光点云数据,对每帧矿井图像数据均匀提取ORB特征点,使用激光点云的深度信息对ORB特征点进行深度恢复,通过特征点的帧间匹配实现基于视觉的无人机位姿估计。其次,对每帧井下激光点云数据分别提取特征角点和特征平面点,通过特征点的帧间匹配实现基于激光的无人机位姿估计。然后,将视觉匹配误差函数和激光匹配误差函数置于同一位姿优化函数下,基于视觉与激光融合来估计井下无人机位姿。最后,通过视觉滑动窗口和激光局部地图引入历史帧数据,构建历史帧数据和最新估计位姿之间的误差函数,通过对误差函数的非线性优化完成在局部约束下的无人机位姿的优化和修正,避免估计位姿的误差累计导致无人机轨迹偏移。模拟矿井灾后复杂环境进行仿真实验,结果表明:基于视觉与激光融合的位姿估计算法的平均相对平移误差和相对旋转误差分别为0.0011 m和0.0008°,1帧数据的平均处理时间低于100 ms,且算法在井下长时间运行时不会出现轨迹漂移问题;相较于仅基于视觉或激光的位姿估计算法,该融合算法的准确性、稳定性均得到了提高,且实时性满足要求。

基于LIDAR数据的建筑三维重建

为了实现数字城市中三维建筑场景的快速建模,针对平顶建筑,采用"Alpha shapes算法"提取建筑轮廓线,进一步概括和规则化后,结合屋顶高度可快速实现平顶建筑三维模型的自动重建;针对非平顶建筑,采用"基于法向量聚类分析的屋顶提取方法"和相应的屋顶规则化策略,实现了几种常见规则屋顶的建筑模型三维重建。实践结果表明:本文算法方法精度可靠,简洁高效,具有一定自适应性,非常适用于LIDAR数据提取城市典型建筑的三维模型。

基于无人机LIDAR数据多尺度特征的沥青路面病害提取方法

目的针对大范围公路路面病害监测需求,提出基于低空无人机激光雷达遥感数据和随机森林分类算法,构建沥青路面病害目标的遥感识别模型。方法首先,基于激光点云高程信息提取多尺度表面粗糙度和高斯曲率指数,以及利用激光反射强度影像提取路面和病害目标的几何特征,然后基于提取的48 个多尺度统计特征利用随机森林算法建立了沥青路面坑槽与塌陷两类主要病害的识别模型。采用搭载于ScoutB 1 - 100 低空无人直升机平台的RIEGL - VUX100 激光雷达扫描仪,获取了新疆石河子市与沙湾县交界处的一段县级沥青道路的激光点云数据,对所提出方法和模型进行了验证。结果本文所提出的模型可较好识别路面的塌陷与坑槽病害目标,以地面调查和目视解译结果为参照的验证精度为92 .3%,Kappa 系数为0.902 ,优于其他两种常用的机器学习分类模型,可为公路养护部门提供一种新的快速路面病害监测方法。

结合影像和LiDAR点云数据的水体轮廓线提取方法

从遥感影像中提取水体的传统方法在阴影处和水体浑浊处存在一定局限;机载激光雷达(LiDAR)获取点云数据时水体受阴影和浑浊的影响小,因此使用点云数据提取水体比使用影像数据更加稳健;但点云数据的分辨率低,所提取的轮廓线精度不高。为了提高水体边缘轮廓线的精确度,提出一种高分辨率影像与点云数据相结合的水体轮廓线提取方法。实验结果表明,该方法所提取的水体轮廓线定位精确、细节完好,水体提取准确率达到98.6%。

基于直接散射光谱的多环境要素激光遥感方法

激光雷达以其具有主动发射、高测量精度、良好的实时性和高时空分辨率等特点,在环境要素遥感中发挥着重要作用。直接散射光谱激光雷达可以基于散射光谱与介质环境的耦合关系,通过直接测量能量维度和光谱维度多特征信息诸如能量、频移、线宽等进行多环境要素的反演。文章对近年来直接散射光谱激光雷达在光谱特性研究技术和光谱探测技术两个方面取得的进展进行了归纳分析和总结,主要介绍了基于直接散射光谱的水下和大气多环境要素探测理论和反演模型,以及目前已有的多种直接散射光谱的测量方法。

利用机载LIDAR双次回波高程之差分类激光脚点

机载LIDAR技术已经引起了测绘界的浓厚兴趣,有可能给测绘领域带来一场新的技术革命。机载LI-DAR技术的硬件设备在国外已相对成熟,而机载LIDAR的数据后处理算法仍然处于研究发展阶段,还有诸多问题没有得到解决,其关键之一就是机载LIDAR数据的滤波与分类。本文首先对已有的滤波分类方法进行了综合评价,并指出了各自的局限。然后提出利用两次回波信号的高程数据来实现对机载LIDAR数据的分类。首次分类后得到植被激光脚点点集和地面及房屋激光脚点点集。而房屋上的激光脚点要高出地面上的激光脚点数米之多,简单利用阈值法就可以进一步分类出房屋激光脚点和地面激光脚点。也可以先经过滤波处理将地面激光脚点去掉,然后利用两次回波信号的高程数据来分类自然植被激光脚点和人工地物激光脚点。实验证明所提方法简单有效,算法简单实用,特别适用于分类植被激光脚点。

基于双次回波的LiDAR点云数据滤波方法

LiDAR系统发射的激光脉冲在遇到不同高度的障碍物时,会返回多次回波,目前大部分系统仅记录首尾两次回波.通常情况下,植被区域局部高程变化明显,而对于道路、房屋屋顶等人工地物,局部高程变化较小;因此,首尾两次回波在这两种不同的地物上具有显著的区别.利用该原理,采用双次回波技术滤除原始LiDAR数据中的植被信息,然后采用传统的形态学滤波区分建筑物和地面脚点,试验表明研究的算法可行有效.