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。

基于衍射透镜接收的激光雷达特性分析及测试

在激光雷达系统设计中,光学系统的优化与设计是一个重要的研究方向,本文利用衍射光学元件(DOE)的设计自由度高和色散大等优势,将DOE用于激光雷达接收端,同时实现聚焦和滤光作用,降低了光学系统复杂度。本文基于DOE的原理,仿真分析了DOE的光学特性,并且以DOE作为激光雷达的光学接收端,完成了激光雷达测距实验,证明了DOE同时具有聚焦作用和窄带滤光作用,实验结果与仿真基本一致。本文利用DOE在激光雷达中的优势,实现激光雷达的轻量化、集成化和高效化。

隧道轮廓激光雷达点云线特征共面约束标定方法

地铁隧道断面轮廓参数测量过程中,需要对高速激光雷达点云进行高精度系统标定。特别是大场景隧道环境,对标定模板要求高,标定过程复杂,检测精度影响大。针对此问题,本论文提出了一种新颖的适用于地铁隧道轮廓点云的标定方法,并基于双激光雷达测量系统,进行了算法研究。本方法设计了专用的手推行便携式标定系统,利用由点云数据提取的标定板线特征,建立目标函数,通过混合了遗传算法和Levenberg-Marquardt算法的非线性优化方法,寻找全局最优解从而实现对激光雷达的标定。实验结果表明:本方法对于两侧钢轨顶轨的标定误差在±1.5 mm以内;静态测量精度X误差在±1 mm内、Y误差在±4 mm内;当采集系统以5 km/h的速度进行数据采集时,动态测量精度X误差在±4 mm内、Y误差在±6 mm内。本方法能够实现激光雷达的高精度标定,算法鲁棒性强,具有易操作、环境适应性强的特点。

融合毫米波与激光雷达的障碍物检测与跟踪方法

在园区环境中,无人车装载单一毫米波雷达或激光雷达传感器进行障碍物检测跟踪时存在探测范围有限、准确率低及稳定性差等问题。为此,提出一种基于毫米波雷达与激光雷达融合的多障碍物检测跟踪方法。利用改进欧氏聚类算法对道路内激光点云目标进行提取,基于信息筛选策略获得毫米波雷达数据中的有效目标;基于目标检测交并比与可靠性分析,对2种目标进行自适应融合,并利用跟踪门与联合概率数据关联(JPDA)算法完成前后帧数据匹配;应用多运动模型交互与无迹卡尔曼滤波实现障碍物跟踪。实车实验表明:相比单一毫米波雷达与激光雷达障碍物检测跟踪,所提方法有更好的准确性与稳定性。

汽车激光雷达盖板的双色注塑模具设计

根据某车型激光雷达盖板的双色结构及形状,采用动模型芯旋转式结构的模具方案,设计了一套一出二的热流道双色注塑模具。利用Moldflow软件进行了双色成型分析,双色注塑第一次注射成型透明的PMMA材料的产品,第二次注射成型黑色ASA材料的产品。为实现该双色产品的结构成型,在定模处设计了2组不同结构的型腔,在动模处设计了2组左右对称的型芯,并且,在型芯侧设计了双斜导柱抽芯机构,冷却系统设计为“直通式+隔水片”的随形循环水路;顶出系统设计为2组独立的液压油缸,在产品顶出取件中,第一次注射成型的PMMA产品不顶出,第二次注射成型的ASA材料的产品采用“直顶+斜顶”的组合机构将双色产品推出,最终通过机械手完成产品的取件。实践生产证明了该双色模具结构合理、运行稳定、成型的双色塑件表面无缺陷。

基于激光雷达扫描的料仓原料储料量测量方法

为提高仓内原料储料量测量自动化和智能化水平,设计了一种基于二维激光雷达扫描的储料量测量装置与系统。本系统采用RPLIDARS1型二维激光雷达扫描获取不同储料量物料的原始点云数据,通过坐标变换、重叠点提取、滤波、分割等方法对原始点云进行预处理,采用贪婪投影三角化算法将预处理后的点云进行三维重建,获得仓内原料的三维模型,结合物料三维模型和物料的容重获得仓内原料的储料量,从而实现储料量的自动测量。以玉米为试验对象,测量小型储料塔内玉米储料量并对玉米不同储料量进行扫描测量,验证模型的准确性,结果显示:测量结果的平均绝对误差为8.05kg,平均相对误差为1.52%。研究结果表明,基于二维激光雷达扫描的储料量测量方法是可行的,具有较好的稳定性和测量精度,能够满足实际生产需求。

激光雷达创新与应用专题导读

近年来,激光雷达技术发展迅猛,在科研与产业领域发挥出越来越重要的作用,赋予遥感、成像、环境感知等领域新的生命力。《光电工程》组织了“激光雷达创新与应用”专题,围绕单光子激光雷达、合成孔径激光雷达、调频连续波激光雷达、环境要素激光雷达、成像激光雷达,以及应用于激光雷达的新型精密测量技术等几个方面,介绍了近期的主要研究进展,为相关领域学者和专家提供技术研究的参考及合作交流的平台,积极推动我国激光雷达技术的研究进程。

基于扇块化阈值判定的机载激光雷达可通行区域在线检测方法研究

激光受扫描区域与摄像点间角度、方向以及间隔距离等因素影响,导致激光可覆盖区域有限,从而影响可通行区域在线检测的准确性。为此,提出一种基于扇块化阈值判定的机载激光雷达可通行区域在线检测方法。扇块化阈值包括最大扫描距离阈值和畸变系数阈值,利用其判定机载激光雷达扇形块区域;采用最大熵值预测模型与调节系数处理扇形块区域数据,结合小波变换实现机载激光雷达可通行区域在线检测。实验结果表明,所提方法不仅检测到在4、6、7检测点处,道路宽度信息发生了变化,而且可以有效检测出区域内的障碍物,从而提高可通行区域的检测准确性,具备较好的检测效果。

星载激光雷达视轴监测系统设计

提出了一种针对星载激光雷达在轨高精度光轴监测与标定需求的多光轴监测方法,该方法基于主动激光光源。通过使用785 nm的激光,分束后分别照射到星敏感器的基准棱镜和接收望远镜的取光棱镜,反射信号被聚焦至监视相机的焦平面,实现了对接收光轴及星敏光轴的精确监测。此外,监视相机还同步采集发射激光的部分能量,用于测量监测发射光轴。文中详细描述了光学系统的设计流程及关键组件的优化方案,并通过地面真空环境试验及在轨监测数据进行了验证。设计结果表明,各监视通道的成像质量达到了衍射极限,收发光轴的设计精度分别为0.09μrad和2.28μrad,关键组件取光棱镜的温控精度达到了±0.2℃。地面的真空热光试验结果进一步验证了该方案的高精度光轴监视能力,收发光轴的监测精度均优于3μrad。最后通过分析激光雷达入轨后的测量数据,确认了视轴监测系统的工作稳定性,成功实现了在轨的高精度光轴监视。该研究成果为星载激光雷达提供了一种有效的在轨高精度光轴监测与标定解决方案。

基于激光雷达点云的动态驾驶场景多任务分割网络

在自动驾驶场景理解任务中进行准确的可行驶区域以及动静态物体分割对于后续的局部运动规划和运动控制至关重要。然而当前基于激光雷达点云的通用语义分割方法并不能在车端边缘计算设备上实现实时且鲁棒的预测,且不能预测当前时刻的物体运动状态。为解决该问题本文提出一种可行驶区域及动静态物体多任务分割网络MultiSegNet。该网络利用激光雷达输出的深度图及处理后得到的残差图像作为编码空间特征和运动特征的表征输入到网络用于特征学习,从而避免直接处理无序高密度点云。针对深度图在不同方向视角内目标分布数量差异较大的特点,本文提出了变分辨率分组输入策略。该方法能在降低网络计算量的同时提高网络的分割精度。为适配不同尺度目标所需要的卷积感受野尺寸本文提出了深度值引导的分层空洞卷积模块。同时本文为有效关联并融合不同时域下物体的空间位置和姿态信息提出了时空运动特征增强网络。为验证所提出MultiSegNet的有效性,本文在大规模点云驾驶场景数据集SemanticKITTI及nuScenes上进行验证。结果表明:可行驶区域、静态物体和动态物体的分割IoU分别达到98%、97%和70%,性能优于主流网络,且在边缘计算设备上实现实时推理。

基于激光雷达与RGB相机融合的玉米作物行检测算法研究

针对单一传感器在面对复杂田间环境适应性差的问题,本文提出了一种基于固态激光雷达(LiDAR)与RGB相机融合的玉米作物行检测方法。首先,研究了固态激光雷达和RGB相机联合标定方法,同步获取玉米作物行图像和点云数据并进行数据预处理。然后,将预处理后的图像数据和点云数据融合,实现点云“着色”,基于点云“着色”提出聚类感兴趣密度区域算法。利用“着色”点云完成聚类,并结合作物种植农艺标准(行距),分别验证点云信息和颜色信息的可用性,能够选择最优信息完成作物行感兴趣区域聚类。最后,通过划分点云水平条带的方式确定目标点云的特征点聚类区域,取作物行特征点,并利用最小二乘法拟合作物行检测线。仅需调整行距参数,算法可实现全生命周期的作物行检测,利用正常工况下玉米苗期、前期、中期和后期数据开展算法验证,作物行中心线平均误差不大于1.781°,准确率不小于92.69%,平均耗时不超过102.7 ms。此外,为验证算法鲁棒性,开展了复杂农田背景环境,如高杂草背景、断行、苗期杂草高度与玉米高度相近以及玉米完全封行4种工况作物行检测,算法平均误差不大于1.935°,准确率不小于91.94%,平均耗时不超过108.3 ms。通过讨论阐述了基于点云“着色”开展作物行中心线提取的优越性,本文算法可为作物行中心线可靠检测提供参考。

联合运用多光谱和激光雷达技术构建的林分生物量估算模型

以广东省广州市从化石门国家森林公园为研究区域,选择4种不同林分类型(针阔混交林、阔叶林、针叶林、竹林),各林分类型选择3个20 m×20 m地块作为样方;结合激光雷达、多光谱图像、实测数据,构建多元非线性反演模型和多元线性回归模型,估算森林地上生物量,并选择最佳模型进行精度评价。结果表明:(1)依据多源数据建立的4种不同林分类型的多元非线性地上生物量反演模型的精度最高,针阔混交林样地地上生物量预测值为42.79 t·hm^(-2)、阔叶林样地地上生物量预测值为60.46 t·hm^(-2)、针叶林样地地上生物量预测值为32.99 t·hm^(-2)、竹林样地地上生物量预测值为1.92 t·hm^(-2)。(2)研究区中4种不同林分类型的多元非线性地上生物量反演模型的拟合精度,由大到小依次为竹林(决定系数为0.919)、阔叶林(决定系数为0.813)、针叶林(决定系数为0.786)、针阔混交林(决定系数为0.713),均符合精度要求。采用多光谱和激光雷达数据结合的方式,能够较精准地提取林分地上生物量信息,可准确估算针阔混交林、阔叶林、针叶林、竹林的地上生物量。

基于激光雷达的果树智能修剪系统设计与试验

针对传统果树修剪存在人员劳动强度大、修剪效率低及修剪质量难以保证等问题,本文设计了果树智能修剪机械臂,并利用固态激光雷达与可编程逻辑控制器开发了基于激光雷达的果树智能修剪系统,实现果树自动修剪。为了验证修剪臂的控制精度,分别对修剪机的摆动机械臂、举升机械臂、修剪切割总成进行独立精度试验与修剪目标位置精度试验,独立精度试验结果表明摆动机械臂、举升机械臂、修剪切割总成控制精度平均误差分别为2.32%、3.75%、2.50%,修剪目标位置精度试验结果表明目标位置X_(b)、Z_(b)平均误差分别为2.98%、1.85%,修剪总成作业倾角α平均误差为4.35%,满足果树修剪精度要求。在新疆阿克苏果树种植基地开展了果树修剪试验,结果表明,搭载固态激光雷达的果树修剪机能够实时获取果树的三维空间信息,修剪机可以根据激光雷达探测到的果树树冠信息制定修剪策略,香梨园与苹果园修剪优良率分别为93.3%与86.6%。该系统能有效提高果树修剪效率,降低修剪人员劳动强度。

基于激光雷达的自主机器人移动路径跟踪方法

为了避免机器人移动时出现轨迹偏离以及障碍物碰撞等问题,提出一种基于激光雷达的自主机器人移动路径跟踪方法。通过激光雷达技术对自主机器人活动范围展开雷达监测,实时获取高精度的环境轮廓信息,基于获取的信息完成机器人移动SLAM图的构建。使用PRM算法对环境内移动路径展开规划,根据规划结果使用纯追踪算法确定移动路径跟踪控制方程,引入跟踪轨迹调节系数优化方程,实现自主机器人移动路径跟踪。实验结果表明,利用上述方法开展机器人移动路径跟踪时,机器人移动速度、转向角与目标之间的差距较小,说明其跟踪精度高,性能好。

基于星载激光雷达数据的森林地上生物量估算方法比较

近年来,星载激光雷达数据已被广泛用于大尺度森林地上生物量估计,但由于其激光光斑采样点不连续,通常使其需要与辅助数据相结合来估算森林地上生物量的连续分布,且估算方法仍存在许多不确定性。研究以祁连山国家公园为样本,结合星载激光雷达ICESat/GLAS数据、Landsat OLI数据和样地调查数据建立了3种基于非参数化算法(普通克里金插值(Ordinary Kriging,OK),支持向量回归(Support Vector regression,SVR)和随机森林(Random forest,RF))的森林地上生物量估算模型,以森林资源清查数据独立验证各模型估计精度。结果发现:3种模型的均方根误差(RMSE)从低到高依次为SVR(19.053 t·hm^(-2))、RF(21.074 t·hm^(-2))和OK(26.362 t·hm^(-2)),平均相对误差(MRE)从低到高依次为SVR(31.890%)、RF(33.314%)和OK(55.398%),且除OK模型外,SVR与RF模型的总体相对误差(TRE)都在可接受的范围内。进一步对SVR与RF模型生成的森林地上生物量空间分布的准确性进行验证,发现相较RF模型,SVR模型生成的森林地上生物量空间分布与森林资源清查数据更为接近。SVR森林地上生物量估计模型在数量精度和分布精度上都表现更优。结果可为今后基于星载激光雷达数据的森林地上生物量估算提供借鉴。

基于微型激光雷达的无人机智能化电力线路巡检技术研究

介绍了一种利用激光探测和测距(LiDAR)进行实时电力线检测的算法,并且对微型激光雷达无人机进行电力线路巡检抽象建模。通过使用平面分析法对巡检现场进行距离的比较来分割点云,并提取一组电力线候选点,这些点被拟合到线段上,线段根据它们的共线性质进一步分组比较。该方法可利用图像的共线特性完成特征检验,并在光线条件差以及线路背景复杂的环境下仍可获得较为可靠的巡检结果。案例中电力线路垂直平均误差最大为0.49 m,其他所有直线的估计平均误差都小于0.07 m,水平拟合时,所有平均误差都在0.14 m以内。验证了所提出基于微型激光雷达的无人机技术进行电力线路智能化巡检方法的有效性与可行性。

激光雷达和相机的决策级融合目标检测方法

【目的】激光雷达与相机这两类传感器检测数据格式不统一、分辨率不同,且数据级和特征级的融合计算复杂度高,故提出一种决策级的目标融合检测方法。【方法】对激光雷达与相机的安装位置进行联合标定,实现这两类传感器检测结果的坐标系转换;利用匈牙利算法将激光雷达点云检测目标框和相机图像检测目标框进行匹配,设定目标框重合面积阈值,检测获得目标物的位置、类型等。【结果】实车测试结果表明,根据检测目标检测框长宽比选取不同交并比阈值的方法使得车辆和行人的目标识别准确率分别提升了3.3%和5.3%。利用公开数据集KITTI对所提融合方法进行验证,结果表明,在3种不同难度等级场景下,所提融合方法的检测精度分别达到了75.42%、69.71%、63.71%,与现有常用的融合方法相比,检测精度均有所提升。【结论】这两类传感器的检测目标框重合面积阈值对决策级融合检测结果影响较大,根据检测目标检测框长宽比选取不同阈值可有效提升车辆和行人的目标识别准确率。决策级融合方法能准确匹配雷达和相机的检测目标,有效提升目标检测精度。

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。

基于DPPM的激光雷达通信测距一体化方案

针对激光雷达系统建设成本高和测量精度低的问题,提出了一种基于差分脉冲位置调制(DPPM)的激光雷达通信测距一体化方案。该方案通过使用DPPM的不同脉冲时隙位置来表示通信和测距帧信息。接收机可以根据脉冲时隙位置解调出通信信号,并通过飞行时间测距模块实现测距功能。此外,为了应对回波信号的低信噪比(SNR)问题,使用脉冲累加算法对回波信号进行组帧处理以提高回波信号的SNR。最终,通过现场可编程门阵列(FPGA)搭建了该通信测距一体化系统并进行了测试。实验结果表明:该系统不仅能在300 cm的范围内实现平均测距误差为±2.04 cm的测距功能,而且还能同时达到5 Mb/s的通信速率。

面向无人驾驶车避障的光跳频激光雷达探测目标智能主动跟踪方法

无人驾驶车避障主动跟踪方法在与激光雷达目标融合的过程中,受激光雷达光跳频信号散射作用的影响,信号回波接收精度出现严重偏差,导致避障跟踪稳定性及其精准度均出现不同程度降低,严重威胁无人驾驶车辆行驶安全。为解决此问题,从激光雷达目标跟踪技术入手,首先建立雷达目标跟踪模型,确定优化目标系数;接着对光跳频激光雷达探测信号进行扰动优化,修正扰动偏差数据及其参量;最后通过避障目标的主动跟踪数据对优化数据进行合成,整理收尾数据输出效果。对提出方法进行仿真测试,结果表明其各项性能均符合设计预期设定标准,满足实际应用与推广的相关要求,具有广阔的发展前景。