多源遥感数据的道路提取技术研究现状及展望

遥感图像道路信息提取既是土地利用检测、地理信息系统更新等传统行业应用的必要步骤,又是数字城市、智能交通等新基建领域中关键技术之一。回顾道路提取方法的发展历程,按照使用数据源的不同,现有的遥感图像道路提取技术主要分为高分辨率成像、多光谱/高光谱成像、激光/点云成像和SAR成像四大类。本文首先介绍了四种遥感技术在道路信息提取上的应用现状、适用范围及方法特点;然后重点阐述并列举分析了当前基于不同平台高光谱数据的道路提取应用效果;最后对本文的内容进行了总结,并对未来的发展趋势进行了展望。

高光谱激光雷达后向散射强度的粗糙表面二向反射模型

高光谱激光雷达是同时获取光谱和空间信息的主动遥感探测方法。在激光扫描过程中,激光入射角是重要的影响因素之一。在实际应用中,目标表面粗糙度会使其入射角效应偏离朗伯模型。因此,基于Oren-Nayar模型对粗糙表面建立二向反射模型,研究了入射角效应的辐射校正方法。选取8种典型的粗糙表面作为实验对象,分析了各波段后向散射强度与入射角的关系,并量化了粗糙度对强度的影响。基于构建的模型,对该研究样本的入射角效应进行辐射校正。辐射校正后,不同入射角反射率的标准差均不大于0.06;与校正前相比,标准差平均改善率为67.86%。结果表明,所提出的方法提高了提取目标反射特性的准确性,为高光谱激光雷达更好地为开展数据分析与应用提供良好的物理基础。

高光谱激光雷达：三维生物物理化学生态测量学

生态测量学为生态学、地理学、林学、野生生物学等提供基础的技术支撑,开发适应上述学科发展的新型生态测量技术日渐重要,尤其随着目前生物地球化学的快速推进,开发三维生物物理化学生态测量技术成为当前的研究热点,然而当前的主流遥感测量技术仍无法做到高效准确。高光谱激光雷达技术的发展为解决该问题提供了可能,这也通过基于连续测量的3种单木高光谱激光雷达数据实现反演光合有效辐射、树冠叶绿素含量与氮含量的三维分布及其昼夜变化趋势得到验证。实验结果预示随着高光谱激光雷达的成熟,三维生物物理化学生态测量学将得以建立,相应的三维生物物理化学生态测量技术将进一步推动地理学、生态学、生物地球化学乃至地球系统科学的发展。

激光雷达回波强度数据辐射特性分析

激光雷达回波强度数据记录表征地物目标辐射特性的信息。利用该数据进行地物目标提取以及遥感定量化应用,逐渐成为激光雷达技术领域的研究热点。从激光雷达辐射传输机理出发,构建具有明确物理意义的激光雷达回波强度数据辐射传输机理方程;基于该方程,系统地探讨和分析激光雷达回波强度数据的辐射特征和关键影响因素;利用搭建的激光雷达实验平台对激光雷达辐射特性进行验证和讨论。本研究为开展激光雷达辐射定标、地物分类和各种定量化应用提供必要的理论依据和技术支持。

一种适用于古建筑建模的全波形高光谱激光雷达设计与实现

为了获取古建筑完整的空间结构、历史演进及其健康状态等特征信息,研制了一种全波形的高光谱激光雷达系统(HSL)。该系统同时获得目标的空间三维信息和光谱信息,用于古建筑空间和状态特征的建模。利用超连续谱激光器和声光可调滤波器(AOTF)作为发射单元,实现550~1050 nm的连续光谱波长范围内101个光谱通道采样,并利用5 GHz/s高速采集卡完成主波和回波全波形数据采集。设计了静态单点测试和zigzag单点扫描相结合的双模式分步扫描方案,保证三维空间和光谱信息的准确获取。在实验室环境下,对HSL系统反射率稳定性、信噪比以及扫描精度进行了分析测试。利用三维空间和超连续的高光谱信息对古建筑构件样本建模进行验证,并采用随机森林(RF)多分类方法实现不同古建筑构件木种材料的分类。结果表明,HSL系统能够同时获得空间三维信息和连续光谱信息,满足古建筑空间和状态特征建模的信息采集的需求。

共孔径主被动高光谱三维成像实时处理框架

共孔径主被动高光谱三维成像技术是一种结合激光雷达主动探测和高光谱相机被动成像的新型遥感探测手段,通过共光路设计,降低了主被动数据配准难度,使得实时融合生成三维高光谱影像成为可能。三维高光谱成像实时处理兼具数据密集和运算密集的特点,可编程片上系统软硬件协同设计为其提供了解决方案。而目前软硬件划分多基于定性经验分析设计,难以实现定量化最优设计。针对该问题,提出了一种采用基于权重法的多目标规划模型的可编程片上系统处理框架。该处理框架利用图论模型Ncut准则开展高内聚度、低耦合度的单元分割,并对各单元的软件和硬件实现特性分别进行分析评估,最终面向应用需求,利用多目标规划模型求解最优的软硬件划分方案。利用该处理框架,针对速率优先和功耗优先两种高光谱三维实时成像应用场景,进行了软硬件划分方案的定量化求解与分析,结果表明,在速率优先设计中,相对于传统的设计,处理速率提升了43.4%,而功耗降低了53.5%。

一种非视距信号环境下智能手机速度平滑定位方法

随着智能手机的普及,基于智能手机的位置服务深刻地影响了人们的生活。通常,智能手机内嵌有全球导航卫星系统(GNSS)芯片,通过跟踪导航卫星信号获得载波频率、载波相位和码相位信息,从而解算位置和速度信息。对于单点定位(SPP)技术而言,位置主要由码相位计算确定,而速度信息主要由载波多普勒频移信息计算确定。在复杂城市环境下,GNSS信号可能会被周围的建筑物反射,形成非视距(NLOS)信号。NLOS信号会导致额外的传输路径,并引起数十米的位置误差。由于速度比位置更精确,通常使用卡尔曼滤波器(KF)进行基于位置-速度(P-V)动态模型的位置平滑。提出了一种因子图优化(FGO)方法来减少NLOS引起的位置误差,将时间相关历史测量值添加到FGO中以优化当前位置估计,并采用两种鲁棒策略来减小NLOS条件下的位置偏差。最后,使用智能手机采集实际场景数据集进行了实验,结果表明FGO方法在速度辅助下可以获得更好的定位结果。