低空机载LiDAR点云定位误差分析

低空机载LiDAR因其系统的复杂性,点云定位精度受很多系统误差影响。为了研究改善点云定位精度的方法,文中根据LiDAR定位误差模型综合分析航高、扫描角、IMU姿态角、姿态角误差等对点云定位误差的影响,并根据误差影响规律分析得出不同地形测图比例尺对飞行参数的要求。通过长江中下游实测地区作业验证,建议设置飞行参数得到的点云定位精度符合精度要求。     

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。     

惯性测量单元辅助的LiDAR动态点云剔除方法

针对动态场景下动态目标影响激光雷达同时定位与建图算法(LiDAR SLAM)的精度和成图效果问题，该文提出一种基于惯性测量单元(IMU)辅助的多层次模糊综合评价动态点云剔除方法。通过标定IMU/LiDAR外参统一两类传感器坐标系，再将每帧点云聚类分割为若干点云簇，以此为基础，利用IMU信息辅助建立相邻帧各点云簇间的配对关系，构建点云运动状态多层次模糊综合评价模型，判定各点云簇的运动状态，最终将动态点云簇从原始点云数据中剔除。为验证该文方法的可行性和精确性，设计了动态点云剔除实验，并将剔除动态点云后的点云数据输入激光雷达里程计与建图算法(LOAM)进行定位与建图。实验结果表明，该文方法动态点云的剔除成功率为98.67%,静态点云的误剔除率为2.01%,能够有效地提高点云数据质量。相比基于原始点云数据的LOAM算法，均方根误差降低了66.06%,最大误差降低了72.78%,实现了厘米级精度的定位，并且优化了建图效果。     

直线簇约束下的地面LiDAR点云配准方法

高精度的地面LiDAR点云配准是空间目标三维表面拓扑重建的关键,针对待配准LiDAR点云和基准LiDAR点云存在位置、姿态和比例缩放差异的问题,提出了基于直线簇的地面LiDAR点云配准方法。首先,根据直线间相交、平行和异面的拓扑关系,分别对待配准和基准LiDAR点云的直线进行聚簇,构建直线簇;然后,分别将同名直线用Plücker坐标表示,通过待配准LiDAR点云的直线簇在空间中的螺旋缩放运动,使其与基准LiDAR点云的直线簇比例尺一致,且同名Plücker直线重合,构建基于直线簇的共线条件方程,实现了比例因子和相对位姿一体化解算。实验结果表明,直线簇的螺旋缩放增强了配准方程的几何约束性,提高了抗噪声能力,实现了高精度的地面LiDAR点云配准。     

机载LiDAR点云数据误差分析

基于国产机载LiDAR系统各传感器组成及工作原理,详细介绍系统各传感器所产生的误差和集成误差,将其归结为八大类,包括：定位误差、GNSS/IMU组合系统误差、激光测距误差、激光测角误差、系统集成安置误差、时间同步误差、数据内插误差、坐标转换误差。同时对各种误差处理的方法进行了介绍。对于获取高精度激光点云数据及后续处理具有重要意义。     

直线段检测算法在机载LiDAR建筑物轮廓线提取中的应用

针对机载LiDAR点云数据提取建筑物轮廓线耗时多且精度不高的问题,本文提出了一种基于直线段检测(LSD)的机载LiDAR建筑物轮廓线提取方法。该方法首先对已分类的建筑物点云进行栅格化得到二值图;然后对二值图进行膨胀、腐蚀操作,消除二值图中因栅格化产生的空洞;最后利用LSD算法进行直线检测获取规则的建筑物轮廓线。经过实测数据的验证,本文方法可以检测到亚像素级的建筑物轮廓线,与传统的Canny算法相比能够提高约50倍的效率。     

基于参数动态调整的双激光扫描头SLAM方法

针对单个激光扫描头进行SLAM重建点云覆盖度较低的问题，提出一种融合双扫描头的SLAM方法。该方法首先使用水平扫描头进行一次SLAM过程，获取位姿轨迹数据和点云地图。再使用双扫描头间标定的外参数和水平点云帧的位姿轨迹数据，将竖直扫描头的点云帧位姿初步变换到水平点云坐标系下，通过提出的竖直点云-子图ICP(Iterative closest point)配准，动态优化转换参数，获取精确的转换参数实现两个方向点云数据的高精度融合。选择两栋室外建筑物进行试验，利用点云重建结果平面拟合均方根误差进行定量精度评定，结果表明，相比于传统单个水平激光扫描头建图方式，本方法重建的点云具有更加丰富的建筑物立面信息；相比于直接使用标定参数融合的方法，利用竖直点云-水平点云子图优化配准的方式优化，精度提高24%以上。     

面向滩涂DEM构建的机载LiDAR点云滤波方法

在基于激光点云构建DEM的过程中,用于区分地面点和非地面点的点云滤波处理至关重要。本文面向基于机载LiDAR点云的沿海滩涂DEM高精度的构建需求,提出了一种机载LiDAR点云的改进坡度滤波算法。首先,采用统计异常值剔除法(SOR)去除原始机载LiDAR点云数据中的噪声;然后,利用规则格网的坡度和高程阈值,设计了适用于滩涂点云数据的地面点坡度滤波方法;最后,选取如东市长沙港的滩涂机载LiDAR点云作为试验数据,构建滩涂DEM,并进行精度检验。试验结果表明,利用本文方法处理后的LiDAR点云构建的DEM精度满足国家与行业标准的要求。     

利用LiDAR点云数据进行空间分析

空间分析是揭示空间数据中蕴含的空间格局以及要素之间关系的过程,是GIS中最具特色的内容。为解决目前空间分析中数据现势性、精细性不强的问题,本文首先在空间分析过程中引入LiDAR点云数据,其目的在于通过数据分类和提取,生成高精度DEM、DSM数据;接着从矢量DLG数据中提取与空间分析相关的地物要素数据,经过栅格化后生成地物要素的栅格数据;然后使用从LiDAR点云数据生成的DEM数据、DSM数据,结合栅格化的地物数据,经过归一化等处理,生成单一影响因子下的空间分析栅格图;最后根据各种数据对空间分析的影响权重,通过栅格叠置分析,生成多影响因子的空间分析栅格图,提高复杂空间分析算法的准确性和效率。     

基于Plücker直线的LiDAR点云配准法

高精度的LiDAR点云配准是实现点云数据整体性和保证空间目标三维表面拓扑重建的关键,本文提出了基于Plücker直线的LiDAR点云配准模型,利用Plücker直线表示LiDAR待配准点云与基准点云间的同名直线,根据同名Plücker直线重合的几何拓扑关系,建立Plücker直线共线条件方程,再用最小二乘法确定待配准LiDAR点云与基准点云间的相对位姿参数。结果表明,Plücker直线共线条件配准模型几何约束性较强,配准精度较高。     

基于车载LiDAR点云的道路建模研究

车载LiDAR技术作为一种新兴的测绘数据获取手段,广泛应用于城市更新道路建模领域。本文从实际行业生产应用的角度出发,以SSW车载LiDAR获取的点云数据进行道路建模的应用对比研究。分别采用基于TIN滤波后的原始点云建模和基于路边线构建三角面的建模方法。经实验对比分析,分别从建模效果和模型高程方向上进行建模精度的比较,得出车载LiDAR在道路建模中的相关结论,对于生产应用具备一定的参考意义。     

机载LiDAR基础测绘关键技术及应用

针对激光扫描系统高精度检校与相机标定、点云数据滤波处理与高精度DEM构建、地物要素自动提取等技术难题,自主设计建立了机载LiDAR检校场,实现了机载LiDAR系统各个组成部分的高精度一体化检校;利用改进的各向异性扩散滤波算法模型有效滤除了高分辨率DEM数据中的高频噪声,提高了等高线提取和水文分析的质量;基于激光点云和高分辨率航空影像构建的面向对象的地物要素主被动遥感协同提取模型,实现了居民地、道路等主要地物要素的自动提取。实际应用结果表明,地物要素的整体提取准确度超过90%。     

利用线特征进行高分辨率影像与LiDAR点云的配准

试图从离散点云数据中寻找影像的同名点是非常困难的,因此传统的基于同名特征点的配准方法难以使用。应用共线方程作为严格配准模型,利用LiDAR点云空间中的线特征替代传统配准模型中的点特征,取得了高精度的配准结果,同时对点云密度和影像分辨率之间的尺度关系进行了半定量分析。     

融合LiDAR数据与航空影像的面向对象水体提取

针对单一数据源难以快速、准确提取水体信息的问题,提出一种利用面向对象技术有效融合LiDAR点云与影像数据,准确提取水体信息的新方法。采用分形网络演化算法对航空影像进行多尺度分割得到影像对象,提出对象平均回波强度概念,利用LiDAR回波强度信息计算OAI,选取对象面积和OAI构建特征空间提取水体。实验结果表明,该方法简单高效,水体提取效果良好。该文方法可为无需精确配准的高精度水体提取、利用面向对象技术处理基于LiDAR数据和航空影像的信息提取等问题提供参考。     

三维LiDAR激光扫描技术在不动产权籍调查中的应用

三维激光雷达(Light Detection and Ranging,LiDAR)系统通过发射和接收激光脉冲,能直接快速获得地表密集的高精度3维激光点云数据,以下简称LiDAR激光点云数据.本文应用车载LiDAR激光点云移动测量技术,结合房产测量系统及测区实际情况,对不动产测绘项目外业数据采集过程进行研究,并详细阐述了利用点云进行不动产外业测量的方法,最后与传统测图方法进行比较.结果表明,车载LiDAR激光点云移动测量技术可以满足不动产测绘的精度要求,而且外业数据采集效率较传统方法提高30多倍.可以为不动产测绘项目生产提供参考和借鉴.     

基于CORS的机载LiDAR点云坐标基准转换关键技术研究

本文在详细分析机载LiDAR对地观测原理的基础上,提出采用CORS系统及区域精化似大地水准面成果,进行机载LiDAR点云三维坐标基准转换的关键技术方法。以广东省连续运行卫星定位服务系统（GDCORS）以及广东省精化似大地水准面为例,进行了广东省内机载LiDAR点云数据应用坐标基准转换实验,广东省连续运行卫星定位系统及广东省精化似大地水准面模型进行的坐标转换实验表明,区域内三维坐标基准转换精度优于3cm,正常高基准转换精度优于5cm。实验验证了上述方法的有效性,为国内机载LiDAR应用高精度坐标基准转换提供了重要参考。     

融合LiDAR和多光谱影像的建筑物自动检测

针对已有的从机载激光雷达(LiDAR)点云提取建筑物的方法多需要设置阈值及分类规则,造成算法适应性不强的问题,该文提出了一种LiDAR点云和多光谱影像进行自动化建筑物检测的方法。首先通过数据预处理从LiDAR点云中分离出建筑物点和树木点,然后综合LiDAR点云的表面曲率、强度信息和对应多光谱影像的NDVI值构建特征向量,最后基于支持向量机完成自动化的建筑物检测。试验结果表明,基于支持向量机的方法可将两种数据源有效结合起来用于自动化的建筑物检测。     

车载激光点云的道路标线提取及语义关联

自动驾驶技术已成为未来智能交通的发展方向之一,高精度地图为L3级及以上自动驾驶实现高精度定位和路径规划提供先验信息,是自动驾驶车辆传感器在遮挡或观测距离受限情况下的重要补充。道路标线的位置和语义信息,比如实线和虚线的绝对位置是高精度地图的基本组成部分。本文从车载激光点云中提取扫描线,根据道路边缘位置几何形态的突变从扫描线中提取道路路面,在此基础上首先利用反距离加权插值的方法把路面点云图像以一定的分辨率转换为栅格图像,其次利用基于积分图的自适应阈值分割方法把栅格图像转化为二值图像,然后利用欧氏聚类的方法从二值图像中提取标线点云,并利用特征属性筛选的方法对提取的标线点云进行语义识别,最后建立交通标线和交通规则之间的语义关联。     

先验地图/IMU/LiDAR的图优化和ESKF位姿估计方法对比

针对滤波和优化融合算法在不同场景下定位性能不明确的问题，该文构建了一种融合先验点云地图、激光雷达(LiDAR)、惯性测量单元(IMU)的位姿估计框架。对比分析了基于图优化和误差状态卡尔曼滤波(ESKF)两种算法的位姿估计精度，并采用3组KITTI数据进行实验分析。结果表明：图优化算法的绝对位姿误差的均方根小于ESKF算法，3组数据的精度分别提升了28.9%、12.5%和21%;在复杂场景下，基于图优化算法的性能高于滤波算法；在简单场景下，滤波和图优化算法的精度接近，而滤波算法更加稳定。     

基于层次分析和神经网络的机载LiDAR点云分类

在机载LiDAR点云数据处理中,由于机载雷达点云数据的离散性、不确定性等原因,导致点云分类上很难得到准确的结果。针对机载LiDAR点云数据分类问题,提出了基于层次分析和神经网络的机载LiDAR点云分类方法。根据机载LiDAR点云的数据特征以及不同地物的属性,采用层次分析法赋予每个点云一个二进制信号,然后采用后向传播神经网络(BP-ANN)对机载LiDAR点云数据分类。实验表明:这种方法能够从机载LiDAR独立数据源中分类出房屋、高大的树、低矮的树、道路等地物点云。