基于特征匹配的激光雷达和相机外参标定方法

智能驾驶系统的车载传感信息通常由激光雷达信息和相机信息融合而成,精确稳定的外参数标定是有效多源信息融合的基础。为提高感知系统鲁棒性,文章提出一种基于特征匹配的激光雷达和相机标定方法。首先,提出点云数据球心算法和图像数据椭圆算法提取特征点的点云三维坐标和像素二维坐标;接着,建立特征点在激光雷达坐标系和相机坐标系下的点对约束,构建非线性优化问题;最后,采用非线性优化算法优化激光雷达和相机的外参数。利用优化后的外参数将激光雷达点云投影至图像,结果显示,激光雷达和相机联合标定精度横向平均误差和纵向平均误差分别为3.06像素和1.19像素。文章提出的方法与livox_camera_lidar_calibration方法相比,平均投影误差减少了40.8%,误差方差减少了56.4%,其精度和鲁棒性明显优于后者。

基于三维点云数据的城市绿地植被参数评估体系研究——以唐山市唐丰南路为例

传统植被指标的测量方式需要消耗大量的人力、物力与时间,且忽视了不同植被类型和结构的生态效益影响。基于点云数据能够有效评估城市绿地三维植被参数,但受制于数据精度、算法软件等因素影响,该方法结果精度存在10%~20%的误差。以唐山市唐丰南路为例,选取了三处典型样地(50 m×50 m),进行无人机遥感影像和手持激光雷达数据采集,从单木尺度和样地尺度构建三维植被参数体系,以融合数据为准,对比分析了无人机点云数据和手持激光雷达点云数据在提取各项植被参数的精度。对无人机点云数据中的单木数量、总冠幅面积、乔木层绿量、灌木层绿量、平均三维绿量密度、郁闭度、间隙率和叶面积共8项参数,手持激光雷达数据中的平均树高、平均冠径、平均冠幅面积、乔木层绿量和平均三维绿量密度共5项参数,分别提出了修正系数,以提高结果精度,为后续研究提供帮助。最后,探讨了无人机摄影测量技术和激光雷达技术在未来可能的应用方向。

基于无人机LiDAR技术的森林资源精细化调查与监测

森林资源对全球生态平衡和生物多样性维护至关重要。为准确了解森林资源状况,利用无人机LiDAR技术,针对中国东北针叶林进行精细化调查与长期监测。通过多旋翼无人机和高精度LiDAR传感器,获取高精度三维点云数据,提取森林结构参数并建立生物量估算模型。结果表明:无人机LiDAR技术高效、精确、可靠,能为森林资源管理提供新技术手段。长期监测数据显示,树高、冠层密度和生物量均呈增加趋势,证明该技术在森林资源调查和监测中的重要应用价值。

基于移动激光扫描的橡胶林风害相关参数精准反演

林木参数反演是森林资源管理与培育经营的关键环节。迅速发展的激光探测与测量技术突破了传统测量方法,可以快速的获取林木的空间三维信息,在林业普查中具备高效率、高精度的优势。结合计算机图形学与图像学方法,以中国最大的橡胶生产基地海南省儋州市长期受台风侵害下的两个不同品种橡胶林段(林段1PR107,林段2CATAS7-20-59)为研究对象,设计了面向离散激光点云的单株林木参数提取方法,自动获取橡胶林木风害后的生物量指标。首先,通过人背负移动激光雷达获取林段点云数据并使用瑞利商求取台风造成的主枝干倾角,以找寻每株橡胶树的树冠中心点。其次,对点云进行垂直投影,并采用分水岭与Meanshift算法实现株株分离。最后,基于以上操作自动获取与实测值相近的林木参数,例如冠幅、冠径、冠积、叶面积密度、叶面积分布以及主枝与分枝之间夹角等。计算表明,林段1与林段2东西冠幅分别为3.95和3.73m,与实测相差1.74%～6.27%;林段1与林段2南北向冠幅分别为6.47和6.51m,与实测相差2.54%～4.02%;林段1与林段2平均胸径分别为5.20和4.73cm,与实测相差0.64%～2.44%;林段1与林段2平均冠积分别为168.01和141.80m3,与实测相差0.67%～0.85%;林段1与林段2主枝干倾斜角分别为18.80°和13.11°,与实测相差5.53%～7.09%;林段1与林段2二级分支与主枝干的夹角分别为40.21°～69.23°和10.63°～32.14°,它们相差62.63%;林段1在不同天顶角下的叶面积指数均大于林段2。通过对一定样本(150棵/每类林段)的分析结果与真实比对表明,该方法对林木参数反演结果精度较高,有效地评估了不同品种橡胶树在台风下的损伤度(如主枝干歪斜率、叶面积密度及衰减分布)。参数反演结果与实测值仅有8%的偏差,此偏差主要由橡胶林分叶片稠密,导致林分中叶面与枝干扫描数据获取缺失,以及外界环境干扰如风力扰动、点云拼接误差、激光束发散率、激光扫描范围等原因造成。同时,由于林段1(PR107)的橡胶树的主枝与分枝夹角、冠积以及叶面积指数均大于林段2(CATAS7-20-59)的橡胶树,导致林段1的橡胶树比林段的2橡胶树在台风侵害下更脆弱。因此,该研究可用于研究风力侵害对于不同森林地块的影响,以及量化风害造成的生态系统紊乱的影响。同时,该方法解决了人背负激光扫描数据进行单株提取与林木参数反演的问题,为激光测绘在林业中的应用提供了新思路。

新型基于激光雷达的主动防撞系统

为解决传统主动安全控制系统人机交互性能较差的问题,提出了一种全新的基于SICK LMS151激光雷达的主动防撞系统。该系统采用Freescale MC9S08DZ60单片机为中央处理器,具有双执行模式的特点,既可自身处理数据并控制执行器执行预定操作,也可作为网关将数据结果通过USB端口有线传输和无线Wi Fi信号两种传输方式上传到上位机进行处理,并支持用户远程警戒参数配置。实验表明,该系统较好地解决了主动安全系统人机交互性较差的问题,增强了主动安全控制器与用户的互动性。

一种激光雷达与双目相机外参数标定方法

针对异质传感器坐标系融合的准确性问题,提出一种利用圆柱面标定物以离线方式计算激光雷达与双目相机的外参数标定方法。通过分析圆柱面点云的三维几何特性,二维化圆柱面点集,并拟合多个平面椭圆实现圆柱面的检测,识别圆柱面图像的棋盘格角点并进行角点三维重建,利用基于邻域法向量的拟合算法拟合圆柱面,并根据最小化投影距离约束条件对激光雷达与双目相机的位姿关系进行计算。仿真与试验结果表明:激光雷达识别圆柱面的半径误差最大为8 mm,双目相机识别圆柱面的半径误差最大为40 mm;且根据外参数标定结果,圆柱面圆度值符合误差特性,这验证了圆柱面标定物应用于激光雷达与双目相机外参数标定的有效性与准确性。

基于机载激光雷达的林隙结构参数提取

【目的】运用激光雷达技术识别提取林隙面积、边界木高和形状指数,为林隙结构参数调查提供技术支持。【方法】以机载激光雷达数据为数据源,以东北林业大学帽儿山实验林场内设置的5块林隙调查样地中的54个林隙为研究对象,通过对比普通克里金插值、反距离权重插值、样条插值、自然临近插值和局部多项式插值确定最优插值方法得到冠层高度模型,运用交替贯序滤波法对冠层高度模型进行林隙识别提取。【结果】通过对比5种插值方法的RMSE发现,普通克里金法适合插值DEM,反距离权重法适合插值DSM;采用交替贯序滤波法识别提取林隙时,林隙识别率为92.6%,运用配对检验法对提取的林隙面积、边界木高与野外调查数据进行检验,基于激光雷达技术提取的林隙面积和边界木高与野外实测值呈较强线性关系,R^2分别为0.983和0.737,其中提取的林隙面积与实测值平均相对误差为15.78%,林隙边界木高与实测值平均相对误差为11.94%。【结论】基于机载激光雷达数据采用交替贯序滤波能有效识别林隙且能准确提取其结构参数;坡度、坡位及冠层结构复杂程度都会影响冠层高度模型的插值精度;林隙面积提取受林隙边界形状和林层结构影响,林隙边界木高随着样地地形、坡度增加误差也随之增大。机载激光雷达技术具有获取地形和树木三维结构信息的优势,可为林隙识别及其结构参数提取提供新的遥感方法。

一种GNSS/INS/LiDAR组合导航传感器安置关系快速标定方法

卫星导航/惯性导航/激光扫描传感器(GNSS/INS/Li DAR)组合导航定位方法是室内外无缝导航定位的研究热点。而传感器之间高精度安置关系的确立是传感器位姿信息融合的基础,也是制约高精度组合导航定位的重要因素。针对该问题,采用三维激光扫描测量技术和多台经纬仪交汇测量的方法,设计组合导航定位系统室内高精度快速标定方案,建立传感器安置参数解算数学模型,完成了GNSS杆臂值和激光扫描传感器安置参数的标定。使用微分方程分析、蒙特卡罗法对标定结果进行精度分析,仿真实验与实际测试结果表明,传感器安置参数精度对高精度组合导航定位的影响不可忽略,采用所提出的联合测量方法,可以快速获取毫米级精度的传感器位置安置参数和角分级的传感器姿态安置参数,满足组合导航定位系统传感器安置关系标定的精度需求。

基于级联循环网络的林木生长参数预测

【目的】树木的生长参数在林木性状评估、森林碳汇计量和优化森林经营策略等方面具有重要的意义。从激光雷达数据中精准提取林木生长参数并对树木未来生长参数进行预测,以期为林业数字化发展提供技术支持。【方法】本研究提出了一种基于人工智能的林木生长参数提取与预测方法,该方法以南京林业大学中的樱花、银杏、鹅掌楸、水杉4个树种为实验对象。首先,采用机载激光雷达获取4个树种样地的点云数据,并通过单株分割算法提取单棵树木点云。其次,基于圆拟合及高斯滤波的方法自动的从2016、2018、2020年的单棵树点云中提取胸径、树高、冠宽等生长参数,并辅以样地调查数据(2015、2017、2019、2021、2022年),构建不同树种的单棵树生长参数时间序列作为深度学习网络的训练样本集。最后,构造由两层门控循环单元(GRU)的林木生长参数预测深度学习网络,并引入注意力模块以弥补传统循环神经网络捕获长期依赖关系的不足。该网络以2015-2021年单株树木生长参数时间序列作为输入,依托训练数据及随机梯度下降算法使网络参数逼近真实树木生长情况,并用以预测2022年单棵树木的生长参数。【结果】深度学习网络在树高预测上表现最好,决定系数R^(2)均不低于0.83,均方根误差(E_(RMS))均小于0.50 m,在4种树中银杏树的预测结果最优(R^(2)=0.95,E_(RMS)=0.31 m)。在胸径、冠宽等参数的预测上,深度预测网络仍有着良好的表现,R^(2)均不低于0.81,胸径E_(RMS)小于2.50 cm,冠宽E_(RMS)小于0.32 m。在与线性回归和LSTM网络等林木参数预测方法的比较中,本模型预测效果良好(R^(2)≥0.86),误差较小。【结论】级联循环神经网络可有效地预测未来树木的生长情况,提高林木生长参数的预测精度,同时GRU和注意力机制的引入在林木参数的时序预测中有一定的鲁棒性,为森林的智能管理与可视化分析提供了新的思路。

基于地面LiDAR数据的塔里木河下游胡杨林结构参数反演

以塔里木河下游天然胡杨林为研究对象,利用Riegl VZ-1000型地面激光扫描仪(Terrestrial Laser Scanning, TLS)获取离河道不同距离的8个样方内513棵胡杨的三维点云数据,通过建立冠层高度模型、Hough变换等方法获取单木株数和结构参数,并与传统的每木检尺实测数据和无人机(Unmanned Aerial Vehicle, UAV)低空影像进行对比,验证激光雷达方法的测树精度;对TLS获取的胡杨树形参数进行相关性分析,并建立关系模型;探讨不同水胁迫条件(不同离河道距离,不同地下水埋深)对胡杨单木结构参数的影响;最后按不同径级划分胡杨的年龄,得出各龄级胡杨所占比例。结果表明:(1)TLS能够高精度获取不同密度和长势的胡杨单木株数和结构参数,单株准确分割比率为94%—100%,相对于UAV低空影像更为准确;(2)TLS获取的胡杨树高(Tree height,TH)、胸径(Diameter at breast height, DBH)、冠幅直径(Crown diameter,CD)和冠幅面积(Crown area,CA)与传统实测值拟合度R2较高,分别为0.95、0.97、0.77和0.84,表明实测数据和TLS获取数据无明显差异;(3)胡杨CD、CA分别与TH呈显著正相关,其相关性系数为0.73、0.67;基于此构建了胡杨TH与CD的关系模型,即TH=2.6274×CD0.706,R2为0.64;(4)根据径级划分胡杨年龄段可知,DBH为15—30 cm的近熟林比例最大,占8个样方内监测胡杨总株数的47%,表明胡杨种群年龄结构相对稳定并总体态势良好,呈现了生态输水对塔河下游胡杨种群恢复有明显的促进作用。总之,激光雷达技术能够客观反映胡杨树形结构参数,可替代耗力、耗费、耗时的传统实测方法,为时时掌握胡杨林生长发育、长势动态以及多尺度、多时相生态耗水研究提供高精度信息,为干旱区荒漠河岸林的有效保护与可持续管理提供科学依据。

飞机尾流的散射特性与探测技术综述

飞机尾流是飞机飞行时在其后方形成的一对反向旋转的强烈旋涡,是航空安全和大气物理等领域的特别关注的研究对象,飞机尾流的特性和探测是其行为预测和危害评估等研究的基础。该文首先根据气象条件,将飞机尾流分类为晴空尾流(包括尾湍流和凝结尾迹)和降水条件下尾流(包括雨雾雪等)。然后介绍了不同气象条件下飞机尾流的动力学特性和散射特性,总体认为:晴空下的尾湍流的微波雷达散射能力较弱,但其因包括浮尘等微粒而具有较好的激光雷达散射能力;凝结尾迹及降水条件下的尾流因包括丰富的冰晶或降水粒子而具有较强的微波雷达散射能力。进一步地,针对不同气象条件,介绍了飞机尾流的激光雷达和微波雷达联合探测方案,以及相应的特征参数反演算法。最后进行了总结和展望。

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。

激光雷达数据在森林垂直结构参数反演中的应用综述

激光雷达能够获得高精度的森林垂直结构信息和林下地形信息,在林业研究领域具有其他遥感技术无法代替的优势。本文详细介绍了星载激光雷达系统和机载激光雷达系统工作原理基础上,阐述了两种激光雷达数据在森林单木因子估算、森林冠层高度估算、森林生物量和蓄积量估算、森林叶面积指数估算方面的应用情况,并与地面激光雷达和多源数据融合进行了展望。

基于树木激光点云的有效特征抽取与识别方法

采用地面激光扫描获取树木的光探测和测距数据,并将其作为遥感数据源,选取水杉、棕榈、无患子、竹子和橡胶树为研究对象,提出了三类有效特征:树木相对聚类特征、点云分布特征和树木表观特征,列举了68个特征参数。采用支持向量机在交叉验证中对训练数据集进行检验计算,确定最优的特征参数组,最终在测试数据集中进行树种分类。研究结果表明:基于树木相对聚类特征的最优特征参数组进行树种分类的平均分类精度较低(45%);基于点云分布特征的最优特征参数组进行树种分类的平均分类精度有所增加(58.8%);基于树木表观特征的最优特征参数组进行树种分类的平均分类精度较高(63.8%);基于三类特征的13个最优特征参数进行树种分类的平均分类精度最高(87.5%)。此外,由于水杉与其他树种形态差异较为明显,在分类中表现突出,错判率最低(6.5%)。所提方法具有较高的可行性,为获得更准确的森林树种分布提供了强有力的工具。

一种点线面约束的激光雷达和相机标定方法

精确稳定的外参数标定是相机和激光雷达(light detection and ranging,LiDAR)融合感知定位的基础,针对Dhall标定方法在约束精度、稳定性和收敛性等方面存在的问题,提出了一种点线面联合约束的LiDAR和相机标定方法。首先,加入线-线约束和面-面约束并用Kabsch方法求得闭式解,减小了单一角点约束中的噪声影响,提高了标定结果的精度和稳定性;然后,利用多帧点云叠加拟合直线,并对拟合角点求均值,减小了点云噪声的影响,提高了标定方法的收敛速度和稳定性。该方法能在20帧内收敛,且角点的重投影误差小于2 cm,实验结果表明,该方法比原方法具有更快的收敛速度和更高的精度。