激光雷达的标准化现状剖析

激光雷达(LiDAR)是一种主动式遥感探测技术,具有测量精度高、信息量丰富等特点。随着LiDAR技术的不断发展和应用需求的增长,LiDAR的标准化进展也愈加受到社会各部门的关注。在分析研究发达国家LiDAR标准化进展的基础上,对我国LiDAR标准化现状和存在的问题进行了剖析,提出了发展和完善LiDAR等测绘新技术标准的对策。     

激光雷达在森林参数反演中的应用

激光雷达是近年来国际上发展十分迅速的主动遥感技术,在森林参数的定量测量和反演上取得了成功的应用。在林业上,高采样密度激光雷达能够获取单株木3维结构特征,采用不同的数据处理方法,可以得到不同精度的单株木参数。利用激光雷达测量森林参数不仅节省了人力,还提高了工作效率,现在已经成为快速获取树木几何参数的一种有效方法。文中主要介绍了LiDAR工作原理、类型及特点、影响LiDAR数据质量的因素、国内外LiDAR的发展状况及应用领域,重点介绍了国内外利用LiDAR数据反演森林参数(树高、郁闭度、冠幅、林分密度、断面积和蓄积量等)的方法和研究进展,同时对今后LiDAR在森林参数反演方面的研究作了展望。     

一种基于车载LiDAR点云数据的城区树木三维信息自动提取方法

车载激光雷达(Light Detection and Ranging, LiDAR)是一种具有良好城市植被垂直探测能力的技术。本文提出了一种基于车载LiDAR点云数据的城区树木三维信息自动提取方法,经实际测量验证,该方法具有高精度、低误差的优点。     

激光SLAM移动机器人室内定位研究

针对目前室内移动导航定位精度低和累积误差大的问题，提出了一种激光雷达（LiDAR）和惯性测量单元（IMU）相融合的导航定位系统。首先，该方法是从LiDAR扫描测量中提取环境特征和构建地图，然后，由IMU采集的姿态信息通过卡尔曼滤波，补偿由于LiDAR扫描引起的位置和姿态输出的误差，以提高机器人移动的定位精度。试验结果表明，该方法可以提高室内移动机器人定位和构建地图的精度和稳健性。     

基于不同GNSS增强系统的激光巡线数据分析

无人直升机搭载激光雷达（LiDAR）进行输电线路巡检具有高精度、低成本的优点,为了获取高精度输电线路三维点云高精度地理空间坐标,采用基于基站差分动态后处理（PPK）、江苏省连续运行参考站（JS-CORS）、千寻位置（QX-CORS）等三种不同定位服务方式进行输电线路巡检,分析了三种定位下获取的点位定位精度以及点云质量. 实际结果表明,PPK定位方式平面检核点与高程检核点误差平均值皆在0.1 m以内,其精度最高,数据质量最好,JS-CORS实时定位方式与QX-CORS实时定位方式精度次之. 为无人直升机搭载LiDAR进行输电线路巡检选择定位方式提供了参考.      

机载LiDAR数据和航空影像基于角特征的配准

机载激光雷达(Light Detection And Ranging,LiDAR)系统近年来逐渐成为一种新兴的测量手段,是一种可以直接提供大量地面离散点的高精度三维信息的主动式遥感技术,具有依赖控制测量条件少、受天气影响小、自动化水平高等优点。然而LiDAR获取的数据主要是离散激光点云,具有高精度的空间结构信息而缺少纹理和光谱信息。将LiDAR数据和遥感影像数据进行融合将是当今测绘科学研究的方向之一。融合影像数据和点云数据的关键步骤就是将两者进行高精度的配准。     

新政宏昊数字信息技术有限公司

天津新政宏昊数字信息技术有限公司是一家从事空间信息数据产品生产与提供应用服务的专业数字信息技术公司。公司核心业务是以地理信息技术为支撑的激光雷达（LiDAR）数据的采集和处理、4D产品生产、空间数据集成和加工处理、土地利用动态遥感监测、3S应用系统研发和集成服务以及并行超算服务。     

新政宏昊数字信息技术有限公司

天津新政宏昊数字信息技术有限公司是一家从事空间信息数据产品生产与提供应用服务的专业数字信息技术公司。公司核心业务是以地理信息技术为支撑的激光雷达（LiDAR）数据的采集和处理、4D产品生产、空间数据集成和加工处理、土地利用动态遥感监测，3S应用系统研发和集成服务以及并行超算服务。     

集成影像与LiDAR数据重建3维建筑物模型研究

3维建筑物模型重建一直是测绘、遥感等领域研究的热点.机载激光雷达(LiDAR)技术已经成为3维建筑物模型获取的一种重要手段.但现阶段机载LiDAR数据的点间距一般为m级,其空间分辨率远低于摄影测量常用的cm级分辨率航空影像.基于LiDAR数据所重建的建筑物模型的精确性与细节性相对较低.摄影测量技术与LiDAR技术具有很强的互补性,两者结合可满足高自动化、更精确、更细节的重建要求,是目前极具前景的建筑物模型重建方法.     

基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明, UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。     

吉林长白山森林冠顶高度激光雷达与MERSI联合反演

将激光雷达与光学遥感相结合进行区域林分冠顶高度联合反演,提出了大脚印激光雷达GLAS脚点波形数据处理和不同地形条件下的森林冠顶高度反演算法,并建立了区域尺度不同森林类型林分冠顶高度GLAS＋MERSI联合反演模型,制作了长白山地区森林冠顶高度图。     

多源遥感数据支持下的区域性森林冠层高度估测

结合机载LiDAR数据,提出了一种改进的GLAS光斑点冠层高度地形校正模型,以校正后的GLAS光斑点作为输入样本,结合MODIS遥感影像,利用支持向量回归（SVR）的方法对研究区森林冠层高度进行分生态区估测,并利用野外调查数据和机载LiDAR冠层高度结果对估测结果进行验证。结果显示:研究区的坡度等级直接影响GLAS光斑点森林冠层高度估测精度,改进的地形校正模型可以较好的减小坡度对GLAS光斑点森林冠层高度估测的影响,模型精度RMSE稳定在3.25~3.48 m;不同生态分区的SVR模型估测精度较为稳定,其RMSE=6.41~7.56 m;与算数平均高相比,样地的Lorey's高与制图结果拟合最好,不同生态分区平均估测精度为80.3%。机载LiDAR冠层高度结果的验证平均精度为79.5%,和Lorey's高验证结果呈现较好的一致性。     

高光谱和LiDAR联合反演森林生物量研究

估算森林地上生物量(AGB)对于全球实现碳中和目标至关重要。本文以美国缅因州Howland森林为研究区域,借助地面实测样地数据,对比分析协同不同数据源(高光谱和LiDAR)和机器学习算法(随机森林、支持向量机、梯度提升决策树和K最邻近回归)的研究,以改善Howland森林的生物量估计精度。结果表明,采用LiDAR和高光谱植被指数变量模型的最佳精度分别为0.874和0.868,协同高光谱和LiDAR变量并采用梯度提升决策树回归模型的精度为0.927,即多源遥感数据要优于单一数据源。高光谱和LiDAR数据的协同使用对于提高类似于Howland地区或更广泛区域的生物量估计的准确性,具有普遍的适用性与一定的应用前景。     

POS辅助机载LiDAR无地面控制点DEM,DOM制作

DEM和DOM已成为航空遥感生产的重要产品,机载Li DAR系统获取的具有三维坐标信息的点云数据,经系统误差校正和滤波分类后,结合机载POS数据和数码影像,可进行无地面控制点的DEM和DOM制作。经实践分析,成果精度满足1∶2 000比例尺DEM和1∶5 000比例尺DOM精度指标,该方法产品制作周期短,成果质量较高,满足了无人区和应急情况下的测绘需求。     

面向对象的多源数据建筑物提取

建筑物是城市的重要标志之一,综合利用LiDAR数据和高分辨率遥感影像可以充分发挥不同数据源中提取建筑物的优势。本文基于面向对象分类理论,利用机载LiDAR数据和GeoEye高空间分辨率遥感影像,在多尺度分割的基础上对实验区分类并提取建筑物,进而对提取结果进行精度评价。实验表明,将LiDAR数据与高分辨率影像数据结合能够很好地提取建筑物,建筑物提取精度达89.28%。     

基于LiDAR和RS影像的道路三维模型重建研究进展

基于道路信息提取和三维重建,分析了利用激光雷达数据和影像数据进行道路模型重建的相关技术,叙述了国内外的研究进展。     

利用地形图对TM遥感影像进行几何精校正的方法研究

遥感数据的几何精校正是生成遥感数据产品及将遥感数据用于进一步数据分析前重要的一步。几何精校正的效果将直接影响到影像地理参考的精度,进而影响到在许多遥感数据分析中都要用到的地物能否精确定位的问题。因此几何精校正是遥感科研工作中基础的必可可少的工作之一。本文介绍了利用1:100000比例尺地形图及ERDASIMAGINE8.6软件,采用2次多项式模型,对关中平原TM影像进行几何精校正的方法。结果表明:当保留25个控制点时,校正后误差为0.63个像元,校正后影像具有较高精度,可以用于遥感信息的提取以及为地理信息系统等提供可使用的数据。     

公路路面质量遥感监测研究进展

公路路面质量的好坏对行车安全性、舒适性、经济性有重要的影响,因此路面状况的监测对于公路交通的健康发展具有重要意义。遥感技术作为一种新兴的数据采集手段,具有图像覆盖范围大、时效性强、信息客观现实、可重复使用、便于计算机分析等优势,为解决大范围的路面监测问题提供了强有力的支持。本文综述了现有基于遥感技术的道路路面状况监测方法,对其中存在的问题进行了分析和探讨。遥感技术在路面状况监测中具有广泛的应用前景,部分技术已经成熟并在公路养护作业中广泛使用,例如路面监测管理系统、探地雷达等;但是仍有部分技术还存在着鲁棒性差、精度较低等问题,还需要进一步的研究探索,如路面光谱分析、基于机载和星载的路面状况遥感监测应用的适用性等。本文最后给出了一种基于多端元混合像元分解模型的沥青路面老化状况监测与评估方法的研究实例。实验结果证明该方法可有效区分沥青公路路面混合像元中不同老化状况的沥青路面,为大范围路面老化状况监测提供了一种技术途径。     

Mapping natural and urban environments using airborne multi-sensor ADS40–MIVIS–LiDAR synergies

The recent and forthcoming availability of high spatial resolution imagery from satellite and airborne sensors offers the possibility to generate an increasing number of remote sensing products and opens new promising opportunities for multi-sensor classification. Data fusion strategies, applied to modern airborne Earth observation systems, including hyperspectral MIVIS, color-infrared ADS40, and LiDAR sensors, are explored in this paper for fine-scale mapping of heterogeneous urban/rural landscapes. An over 1000-element array of supervised classification results is generated by varying the underlying classification algorithm (Maximum Likelihood/Spectral Angle Mapper/Spectral Information Divergence), the remote sensing data stack (different multi-sensor data combination), and the set of hyperspectral channels used for classification (feature selection). The analysis focuses on the identification of the best performing data fusion configuration and investigates sensor-derived marginal improvements. Numerical experiments, performed on a 20-km stretch of the Marecchia River (Italy), allow for a quantification of the synergies of multi-sensor airborne data. The use of Maximum Likelihood and of the feature space including ADS40, LiDAR derived normalized digital surface, texture layers, and 24 MIVIS bands represents the scheme that maximizes the classification accuracy on the test set. The best classification provides high accuracy (92.57% overall accuracy) and demonstrates the potential of the proposed approach to define the optimized data fusion and to capture the high spatial variability of natural and human-dominated environments. Significant inter-class differences in the identification schemes are also found by indicating possible sub-optimal solutions for landscape-driven mapping, such as mixed forest, floodplain, urban, and agricultural zones.