基于位姿状态的激光雷达点云帧间编码方法

激光雷达动态获取点云压缩在智能驾驶领域具有重要应用。为了应对点云序列时域冗余问题,本文设计了基于位姿状态的激光雷达点云帧间编码方法。在动态获取点云场景中,点云在三维空间上分布广泛且稀疏。对此,将其映射到二维距离图上。并在此基础上,结合激光雷达位姿关系,提出了一种高效的帧间预测编码方法,以消除时域冗余。由于三维物体遮挡的原因,激光雷达运动时易导致预测距离图产生空洞现象,影响预测编码性能。采用空洞填补方法可提高算法预测精度,并对预测残差进行量化和压缩。实验结果表明,相较于G-PCC等编码方法,所提出的方法在编码性能方面表现更为优越。

近地面激光雷达点云密度对森林冠层结构参数提取准确性的影响

基于激光雷达技术获取冠层结构为森林生态学研究增加了新的维度。搭载于多旋翼无人机的近地面激光雷达相比于固定翼有人机的机载激光雷达,能够更加灵活高效地获取森林群落样地高密度点云。但在实际操作中,往往出现局部低密度点云数据,影响了冠层结构参数提取的准确性。使用4块森林动态样地的近地面激光雷达点云数据;利用航带分解方法分析各样地低密度样方成因;采用点云抽稀模拟算法计算并拟合偏差曲线,对比不同样地、参数和取样尺度间的点云密度对冠层结构参数提取准确性的影响;根据偏差曲线计算各条件下保证参数提取准确性的最低点云密度。结果发现:1)低密度区域主要受地形或(和)近地面遥感设计规划的影响。地形复杂的测区(西双版纳和古田山样地),遥感规划难度大,整体难以获取高密度点云(在30点/m^(2)左右),容易在沟谷和高海拔处出现低密度样方。平坦测区(长白山两块样地)虽可获取高密度点云(均超过150点/m^(2)),但欠佳的遥感规划设计导致长白山1测区北部出现1hm^(2)低密度区域。2)冠层参数提取准确性随点云密度减少而迅速降低,呈负指数幂函数关系。这一变化趋势在不同参数和尺度间差异较大,但在各样地间无显著差异。3)根据偏差曲线拟合结果,点云密度达到16点/m^(2)可以实现5—20 m取样尺度下冠层结构参数提取准确度达95%。综上,为更好的将近地面激光雷达技术应用在森林生态学研究中,应注重外业遥感作业方案的合理性,充分考虑地形的影响,在源头把控数据质量;如果数据存在低密度点云的情况,应适当放宽取样尺度并慎重提取对点云密度较为敏感的冠层结构参数。

二维距离图分割的激光雷达点云无损压缩方法

激光雷达动态获取点云压缩是智能驾驶的关键技术之一.针对动态获取点云场景范围大、分布稀疏的问题,将点云几何信息映射到二维距离图,提出一种二维距离图分割的激光雷达点云无损压缩方法.由于动态获取点云的稀疏性,以及噪声和离群点等的影响,目前的距离图分割算法分割后类别过多,导致对分割区域编码时,边缘信息消耗较大的比特数.对此,提出孤立区域精细处理的方法,有效改善过度分割的问题,提高分割区域的压缩性能.为保持残差、地面区域点云等数据原有的相关性,利用两种无损的数据压缩技术进行编码.实验结果表明,所设计的二维距离图分割的激光雷达点云无损压缩方法具有较高的压缩性能.

车载激光雷达在城乡道路带状地形图测绘中的应用

全野外人工进行1∶1000带状地形图测绘存在费时费力等问题,根据相关项目关于城乡道路带状地形图测绘的要求,本文提出一种利用车载三维激光扫描完成地形图测绘工作模式,对车载雷达数据的获取进行分析研究测试,并对车载激光雷达不同作业环境以及点云密度进行分析,通过精度检测和数据采集获取的效果以及数据获取效率进行验证。

基于动态圆柱拟合的背包激光雷达单木骨架曲线提取

【目的】为了精确构建树木的三维模型,基于背包激光扫描(Backpack laser scanning,BLS)系统获取的单木点云数据,提出了一种动态圆柱拟合方法提取树木真实的骨架曲线。【方法】以广西壮族自治区南宁市高峰林场为研究区。从样地点云数据中分离出单棵杉木点云,对其地面点与树叶点进行滤波处理,得到单木枝干点云。根据树木单枝近似圆柱特性,提出动态圆柱拟合算法,将单木枝干点云分割成大量单枝点云,并对单枝点云进行优化。分别对优化后单枝点云的XYZ坐标进行主成分分析,计算其特征值,最大特征值所对应的特征向量即为主方向。基于体元逐层聚类,沿主方向进行骨架点的提取,并利用3次B样条曲线对单枝骨架点进行平滑处理以获取单枝骨架曲线。利用同向向量近邻点搜索方法确定单枝骨架曲线连接点,实现骨架曲线拼接,从而实现完整单木骨架曲线的提取。【结果】对样地单株杉木进行骨架曲线提取,设置3种动态圆柱递减参数δ。递减参数为0.3 cm时,点云利用率为95.04%,处理时间为515.05 s;递减参数为0.5 cm时,点云利用率为92.70%,处理时长为369.34 s;递减参数为0.8 cm时,点云利用率79.70%,处理时长为349.35 s。参数为0.3 cm时,点云利用率最高,能够非常完整的提取骨架曲线;参数为0.5 cm时,点云利用率可以满足骨架曲线的提取,并且算法运行时间相比于参数0.3 cm时降低了28.29%;参数为0.8 cm时,部分单枝存在缺失现象,无法满足骨架曲线提取要求。【结论】将递减参数设置为0.5 cm,利用动态圆柱拟合方法提取背包激光扫描单木点云的骨架曲线能够表征单木的几何、拓扑结构。

散乱点云切片数据快速获取与优化

为快速准确地获取散乱点云切片数据,以较少数据准确表达模型型面特征,提出一种散乱点云切片数据获取及优化算法.该算法基于散乱点云动态索引实现切片数据快速获取,对所获切片数据建立极坐标系,分别基于极角阈值与极径阈值实现切片数据区域划分与轮廓分离.通过依次连接各区域相同轮廓数据形心实现切片数据的精简与排序,生成精确有序的单轮廓或多轮廓切片数据.实例证明,该算法可应用于各种复杂散乱点云的切片数据快速、精确获取与优化处理,对有效提高参数曲线、曲面重构效率与精度具有重要意义.

基于伪占用区在线点云去除的激光雷达SLAM算法

提出一种使用点云记忆区来移除动态点云的激光雷达同时定位与建图(SLAM)算法——DOR-LOAM算法。该算法首先引入先验地图伪占用区域的概念,细化了动态点云记忆区的划分,从而提高了对动态点云的识别精度;然后,通过网格化每块伪占用区域,并设置点云概率密度阈值,增强算法对动态小目标的识别能力;最后,使用动态点云移除率优化滑窗方式,建立轻量级的先验地图,加快系统整体的处理速度。在KITTI开放数据集上的验证结果显示,DOR-LOAM算法移除动态点云的F1分数为95.52%,平均相对平移误差和相对旋转误差分别为0.81%和0.0033(°)·m^(-1),该算法能实时、高效地消除环境中动态因素的影响。

火箭起飞段的激光主动融合轨迹测量技术

为实时测量火箭垂直起飞段轨迹数据,提出了一种基于激光雷达的融合轨迹测量技术,将两台激光雷达分别安装于二维精密转台构成融合测量系统,在火箭发射前,两台激光雷达同时扫描火箭中上部目标区域,采用激光点云数据修正、火箭目标区域轨迹初值解算和两台轨迹数据融合处理算法,计算并分析得到激光雷达静态与动态轨迹测量精度分别为0.0235 m和0.0366 m。在火箭垂直起飞过程中,二维精密转台实时接收火箭目标区域的轨迹数据,根据火箭位置信息引导激光雷达高精度跟踪扫描火箭起飞全过程,实现了火箭垂直起飞段实时高精度的轨迹测量与数据输出。基于激光雷达的火箭起飞段融合轨迹测量技术有效提高了火箭轨迹数据的测量精度和测量可靠性,保证了火箭发射安全。