基于激光雷达点云数据的虚拟室内场景搭建研究

通过搭建虚拟室内场景实现室内视景重构,提出基于激光雷达点云数据的虚拟室内场景搭建技术,采用三维光学面扫描设备采集激光雷达点云数据,采用融合卡尔曼滤波方法实现对虚拟室内场景激光雷达点云数据滤波处理,减少点云数据干扰,提取虚拟室内场景的空间分布域特征量,获取虚拟室内场景中被测量物体的全局标志点,通过逆向设计和三维边界轮廓特征点重构的方法实现对虚拟室内场景散乱点云重组和稀疏性特征点拟合,在拟合曲面采用纹理渲染方法实现对虚拟室内场景重构。仿真结果表明,采用该方法进行虚拟室内场景搭建的激光雷达点云数据重建能力较好,保留原始点云的特征信息较为饱满,能满足较好地重建几何精度场合,重建精度达到了0.98,并且重建时间仅为4.5 h。

基于激光雷达与遥感数据的地理空间要素识别方法

通过地理空间要素识别实现地理测绘和环境有效监测,提出基于激光雷达与遥感数据的地理空间要素识别方法。采用激光雷达的遥感监测方法实现对地理空间特征的对象集变化检测,根据地理空间测绘对象的纹理、形状、空间关系,采用遥感数据融合和空间信息表达方法实现对地理空间要素特征的专家知识融合,构建地理空间要素识别的遥感专家数据库。仿真结果表明,采用该方法进行地理空间要素识别的决策融合性较好。该方法也实现了对土地利用自然特征变化的检测,使得识别准确率的最大值可达到0.925,且识别耗时始终处于2.5 s以下。

新能源汽车激光雷达传感器缺失数据填补方法研究

为了增强车辆激光雷达传感器数据采集的全面性,研究新能源汽车激光雷达传感器缺失数据填补方法。利用数据融合的点云采集技术和中值滤波算法,预处理点云数据。采用改进的噪声密度聚类算法构建点云超体素块,建立图模型,并利用图割算法进行全局聚类。结合典型地物特征提取地物信息,并利用全景图像进行密集匹配填补缺失区域,以完成点云数据中空洞区域的填补。实验结果表明,该方法能够有效实现缺失数据的填补,并且填补效果良好。填补后的点云数据与缺失区域原始点云在深度方向上的分布状况几乎一致。

基于激光雷达和多传感器数据融合的塔机防碰撞系统

针对建筑工地施工作业密度增高导致的群塔碰撞事故频发的问题,提出了预碰撞点预警和激光雷达预警区预警双重判断的防碰撞方法,设计了基于激光雷达和多传感器数据融合的塔机防碰撞系统。该系统设计了雷达防碰撞、多传感器数据采集、数据通讯与传输等模块。现场测试表明,该系统运行稳定,数据采集准确,防碰撞功能符合实际塔机吊装过程使用要求,为塔机防碰撞领域提供了一种高效、可靠的智能解决方案。

测风激光雷达与风廓线雷达的探测性能评估及数据融合

测风激光雷达和风廓线雷达作为L波段探空测风的有效补充,均可以提供高时空分辨率的大气风场信息,然而由于工作原理和适用条件存在明显差异,在探测性能上各有优缺点,单一设备的探测数据已不能满足精细化预报的要求。本研究使用2020年1—5月北京南郊观象台的L波段探空资料对同址观测的测风激光雷达和风廓线雷达进行了数据质量评估,结果表明测风激光雷达与探空的一致性较高,U、V分量的相关系数分别为0.97和0.98,均方根误差分别为1.1和0.95 m·s^(-1),然而在2 km以上数据获取率较低且偏差较大;风廓线雷达与探空相比,U、V分量的相关系数分别为0.94和0.93,均方根误差分别为2.94和2.91 m·s^(-1),风廓线雷达的探测距离虽然更远,但在0.5 km以下和6 km以上的测量偏差较大。考虑到两种测风雷达在不同探测高度上的性能优缺点,提出分段曲面拟合法对两者的水平风资料进行融合处理,并选取个例对融合效果进行验证,结果表明,融合后的风廓线与融合前相比,风向和风速的一致性均得到明显提升。

基于扩散Transformer网络的激光雷达数据补全方法

由于设备故障和环境干扰等因素,激光雷达在数据采集过程中常常存在数据缺失或噪声干扰的问题,这些问题严重影响后续数据的解析和应用。为了解决这一难题,引入了扩散Transformer网络(DT-Net),将DT-Net用作生成器,与自注意单元判别器相结合。此外,还设计了一种扩散机制用于激光雷达数据补全。实验结果表明:相较于Poin Tr方法,所提出的方法在激光雷达数据补全任务方面取得了显著的改进,平均Chamfer距离(CD)值降低了约1.79%,F-Score值提升了约1.88%。

基于高程跳变的机载激光雷达点云数据滤波方法

针对数字高程模型中相邻像元间高程值容易出现与周围地形特征不连续的突变现象,影响其数据滤波效果的问题,本次研究提出了一种基于高程跳变的机载激光雷达点云数据滤波方法,其将周围地形特征为机载激光雷达点云数据滤波的重要依据,对相邻像元间的高程数据进行处理,实现数据滤波。该方法先深入剖析了机载激光雷达点云的数据特征与各类地物的独特属性,为每一点云精准赋予相应的二进制信号,并将其引入BP神经网络,实现对机载激光雷达点云的精细分类。然后,依据点云分类的结果,结合不规则三角网的拓扑邻接关系,考虑高程因素与空间角度设定动态阈值,实现任意高程范围内地物数据的滤波处理。最后,引入了虚拟格网技术,对全部点云数据进行处理,结合局部自适应阈值方法,针对剩余的非地面点数据进行滤波。实验研究表明,所提方法具有比较强的适应性,可获取较好的机载激光雷达点云数据滤波效果,具有更大的应用价值。

空洞卷积胶囊网络环境中的激光雷达点云数据分类处理方法

空洞卷积胶囊网络环境中,激光雷达点云数据分类处理方法在数据采样后存在数据分辨率下降、数据丢失的问题,导致最终分类结果较差。为此,研究空洞卷积胶囊网络环境中的激光雷达点云数据分类处理方法。对激光雷达点云数据进行空洞卷积预处理,在分析其光谱特征的条件下执行分类指令,进一步划分分类信息,获取清晰完整的分类数据,由此增强整体分类效果。根据分析的实验结果可知,该处理方法的错误分类面积较小,分类精度较高,总体分类精度为99.67%,这表明该方法能够有效实现激光雷达点云数据分类处理。

基于激光雷达(LIDAR)成果更新1∶10000高程点等高线的具体流程

该文从实际生产角度出发,简述辽宁省1∶10 000地形图更新与建库项目利用已有LiDAR数据成果更新1∶10 000基础地理信息数据中高程点、等高线的生产作业流程以及在实际生产过程中出现的技术问题、解决问题的经验和技巧。

激光雷达实时采集数据的车辆智能定位方法研究

针对现阶段车辆智能定位精度不佳的问题,提出激光雷达实时采集数据的车辆智能定位方法研究。首先通过激光雷达测量器预处理车辆周围点云数据,并通过改进C均值方法对干扰点云数据展开去噪处理;其次在改进k-means算法下进行车辆周边信息聚类处理;最后通过激光雷达有界区域全局定位方法实现车辆智能定位。实验结果表明,所提方法的车辆智能定位精度较高、时间较短,且更适合于实际应用。

卡尔曼滤波下激光雷达扫描大数据检测算法

激光雷达扫描的不规则激光回波信号通过地面反射和空间传播,但是由于颜色较暗的粗糙物体表面反射率较小,信号易发生漫反射,大量反射信号被接收,会形成较大的接收噪声,导致激光雷达扫描大数据出现较大程度的异常。为此提出基于卡尔曼滤波的激光雷达扫描大数据检测算法。利用卡尔曼滤波算法剔除激光雷达数据中的野值;基于此,建立数据硬性约束条件,获取数据流形规则,提取激光雷达数据特征;根据提取的特征,利用支持向量回归算法完成数据分类,实现激光雷达扫描大数据检测。实验结果表明,研究方法检测激光雷达扫描大数据时,查全率始终高于90%,查准率高于95%,平均耗时65.1ms,且以无人小车行驶轨迹的雷达数据为测试对象时,研究方法具有较高的检测精度,说明该方法的研究价值较高,应用效果更好。

二维激光雷达与相机数据融合标定

针对单线激光雷达和相机之间外参标定速度慢、实时性差的不足,提出1种基于特征点的数据融合标定方法。在特殊设计的标靶上提取相机外参标定所需的像素特征点,通过激光雷达角度标定得到所需的点云特征点;采用特征点法融合标定像素与点云特征点,得到激光雷达数据与相机图像像素点对应的坐标序列,融合处理2种坐标序列计算出融合矩阵,且通过标定实验验证所提方法的可行性与有效性。结果表明:与传统标靶相比,采用特殊设计标靶的标定速度可提高31.4%;结合数据融合的处理方法可得到单线激光雷达和相机的标定参数,数据融合的平均重投影误差为1.9 pixel、标准差为0.7 pixel,雷达点云数据能够在标靶上较好地投影,使激光雷达点云与标靶图像成功匹配;通过融合矩阵只需较少对应的激光雷达点云和像素点,可避免计算标定的各个参数,标定过程更简便、快捷。

基于机载激光雷达点云数据的1:10000地形图地貌要素生产方法研究

随着测绘科技水平的发展,机载LiDAR技术得到了广泛应用。本文利用机载LiDAR点云数据对1:10000地形图地貌要素的生产方法进行研究,对研究区开展生产试验和精度检测。结果表明,产品精度满足1:10000地形图地貌要素的生产要求,达到了相关高程精度的要求。

激光雷达数据处理技术的创新与优化

为解决激光雷达数据处理在地形测绘中的效率和精度问题,对激光雷达数据处理技术进行研究,提出了基于机器学习和深度学习的算法优化,以及硬件和软件系统的综合优化措施,以期为地形测绘工程提供参考。

基于激光雷达的大比例地形测绘与数据联动更新技术

本文提出了一种基于激光雷达的大比例地形测绘与数据联动更新技术。首先,通过激光雷达技术获取高精度、高密度的点云数据,并对数据进行预处理,包括数据清洗、去噪、压缩和配准等步骤,提高数据质量。然后,利用CASS软件进行地形图绘制,包括平面图形的绘制、等高线的绘制和文字注记的标注等步骤,实现地形图的绘制。最后,通过建立原有地形图数据和更新后地形图数据的联动关系,实现数据的增量更新与派发,提高测绘效率。实验结果表明,该技术能够提高地形图数据的准确性和完整性,减少重复劳动,具有良好的应用前景。

机载激光雷达数据质检系统构建技术

本文针对机载激光雷达数据质检工作效率低、工作强度大,当前缺少专业快速的机载激光雷达数据质检系统的问题,提出了一种基于机载激光雷达点云数据、机载IMU/GNSS数据的质检系统构建技术。本文对质检系统的系统构架、系统功能、系统数据库设计理念和关键技术进行了介绍,采用Qt开发平台结合QGIS开源库研制了质检系统,实现了机载激光雷达数据的点云质量、飞行质量的自动化检查和交互式检查。实践证明,该质检系统检查结果可靠,可大幅提高机载激光雷达数据质检工作效率。

基于激光雷达数据的城市道路三维建模技术研究

本文主要探讨基于激光雷达数据的城市道路三维建模技术。城市道路三维建模技术在城市规划与设计、无人驾驶等领域具有重要应用价值。激光雷达技术是获取道路数据的有效手段,其特点和数据处理方法对于建模工作具有重要意义。此外,本文提出的基于激光雷达数据的道路三维建模技术具有较好的场景重建效果和模型精度。设计和实现的道路三维建模系统为实际应用提供了支持,并通过具体应用分析验证了其有效性。本文为基于激光雷达数据的城市道路三维建模技术的发展提供了重要参考和指导。

星载激光雷达估测森林结构参数研究现状分析与展望

星载激光雷达系统可以覆盖机载系统难以到达的偏远地区,从机理上克服光学影像及合成孔径雷达测量的技术缺陷,为快速准确地获取林下地形、树高、生物量等森林结构参数提供了可靠的数据源。对现有的星载激光雷达技术观测体系进行综述,讨论了星载激光雷达数据估测多尺度森林结构参数的适用性,定量化分析现有星载激光雷达研究成果及存在的优缺点。最后,总结当前存在的问题,对星载激光雷达技术未来的前景和发展方向进行了展望。建议后续研究可进一步加大对反演不同森林结构参数、产品体系及标准规范、林业应用精度评价、林业用激光雷达参数设计等方面的深入研究。

基于信息向量机的机载激光雷达点云数据分类

针对支持向量机应用于机载激光雷达(LiDAR)点云数据分类时存在的模型稀疏性弱、预测结果缺乏概率意义、训练时间长等缺点,提出一种基于信息向量机的LiDAR点云数据分类算法。该算法采取假定密度滤波算法进行近似逼近,将分类问题转化为回归问题;以最大后验微分熵为依据,选择LiDAR点云数据活动子集信息向量实现模型稀疏化;最后,通过边缘似然最大化进行核函数自适应获取,选择一对余分类方法实现了点云数据多类分类。利用Niagara地区和非洲某地区点云数据进行了对比实验。结果表明:与支持向量机方法相比,基于信息向量机分类方法的分类精度分别提高到94.20%和90.78%,基向量数量分别减少到50个和90个,训练时间分别降低到5.86s和8.03s。实验结果验证了基于信息向量机的点云数据分类算法具有训练速度快、模型稀疏性强、分类精度高等优点。

基于三次样条函数的激光雷达数据可视化插值法

传统的可视化软件与方法不能够准确地反映受大气湍流以及大气边界层影响的大气参数的细节信息,难以实现连续性的大气参数演变过程。提出了一种基于三次样条函数的激光雷达数据可视化插值法。分析了激光雷达数据的离散型特点,确定影响大气激光雷达数据可视化图形的关键因素,利用一定大气范围内的观测数据相互影响的关系,结合三次样条插值函数对插值数据进行修正并拟合观测数据的整体变化趋势。实验结果表明,该方法能够提高离散激光雷达数据间插值数据的准确性与可视化图形的平滑性,为激光雷达数据分析提供了有力手段。