您现在的位置: 首页> 研究主题> 机载激光雷达

机载激光雷达

机载激光雷达的相关文献在1994年到2023年内共计704篇,主要集中在测绘学、无线电电子学、电信技术、自动化技术、计算机技术 等领域,其中期刊论文403篇、会议论文68篇、专利文献269658篇;相关期刊217种,包括北京测绘、测绘与空间地理信息、测绘科学技术学报等; 相关会议53种,包括2015全国博士生学术论坛(测绘科学与技术)、2014年全国工程勘察学术大会、全国测绘科技信息网中南分网第二十八次学术信息交流会等;机载激光雷达的相关文献由1762位作者贡献,包括王建军、马洪超、庞勇等。

机载激光雷达—发文量

期刊论文>

论文:403 占比:0.15%

会议论文>

论文:68 占比:0.03%

专利文献>

论文:269658 占比:99.83%

总计:270129篇

机载激光雷达—发文趋势图

机载激光雷达

-研究学者

  • 王建军
  • 马洪超
  • 庞勇
  • 徐立军
  • 李小路
  • 窦延娟
  • 张继贤
  • 张良
  • 彭检贵
  • 李增元
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 吴芳; 李瑜; 金鼎坚; 李天祺; 郭华; 张琦洁
    • 摘要: 无人机航空物探已成为航空物探技术的新兴分支,为了获取高质量的无人机航空物探测量数据,应按照航空物探应用特点规划无人机飞行轨迹。围绕无人机三维航迹规划和自主避障需求,基于无人机激光雷达点云数据的三维地障信息提取技术,实现地面点和非地面点(电力杆塔、电力线点和植被点等)的提取。通过对地形信息构建和电力杆塔、电力线三维重建,为无人机三维航迹规划软件提供重要基础数据。
    • 黄焜昀; 李大军; 惠振杨
    • 摘要: 针对建筑物三维模型建立自动化程度与效率无法并存的问题,本文提出一种自动提取机载激光雷达(light detection and ranging,LiDAR)点云的建筑物关键点算法,针对规则建筑物实现快速三维重建。该方法通过阿尔法-形状(Alpha-Shape)边缘检测算法和屋顶分割算法完成建筑物关键点提取,再利用夏普·格尔(SharpGL)工具包完成基于关键点建筑物的三维重建。并与经典建筑三维重建方法做对比实验,结果表明本文方法在建筑物提取与三维重建中具有较高的效率,实现0.05 km^(2)区域的建筑物三维重建仅耗时6 min。
    • 王琦
    • 摘要: 全球环境变化和人类活动的强烈扰动使珊瑚礁生态系统正面临着可持续发展的巨大压力。目前,利用以光学遥感为主的被动遥感技术对远海珊瑚礁地貌进行监测是研究珊瑚礁生态系统变化的主要技术手段。由于大气和海水对辐射信息的衰减作用,被动遥感技术还不足以记录水下复杂的珊瑚礁地貌信息。机载激光雷达、船载声学遥感等主动遥感技术的发展则为水下珊瑚礁大范围高精度地貌信息的获取提供了重要支持。
    • 刘茂华; 韩梓威; 陈一鸣; 刘正军; 韩颜顺
    • 摘要: 针对传统基于激光雷达(Light Detection And Ranging,LiDAR)数据的树种分类方法难以直接且全面地利用点云的三维结构信息的问题,提出一种基于三维深度学习的机载LiDAR数据的树种分类方法。该方法直接从三维数据中抽象出高维特征,而无须将点云转化为体素或二维图像。以塞罕坝国家森林公园内白桦和落叶松两个树种的无人机LiDAR数据为研究对象,对其进行数据滤波,去除噪声和地面点;基于点云距离和改进的分水岭分割的方法提取单木并制作数据集;最终建立由权重共享的多层感知器、最大池、全连接层和softmax分类器组成的深层神经网络,其能自动提取树木的高维特征并实现树种分类。实验结果显示分类总体准确率为86.7%,kappa系数为0.73,最优特征维度为1024,最优点密度为2048。与将单木点云投影到二维视图的方法相比,该算法提供了更高的分类精度,且能有效减少计算成本、提高工作效率。
    • 郑伦英; 王磊; 魏涌; 罗静
    • 摘要: 为提高新建铁路定测阶段测量工作效率,在某复杂地形新建铁路项目中,基于其使用机载LiDAR点云数据进行中线测量、横断面测量、地形图测绘等作业,并对数据精度进行分析比较。在LiDAR断面测量时,基于Terrasolid软件得到的成果数据冗余量大,提出一种改进的道格拉斯-普克算法,以达到既反映地形变化又减少断面点数量的效果。在项目横断面测量中,大量实测数据与LiDAR点云测量数据的对比分析表明,在植被稀疏的平地、丘陵地区,97.25%的断面点高差较差小于0.35 m,100%的断面点高差较差小于0.5 m;在植被茂密的高山地区,73.33%的断面点高差较差小于0.35 m,95.15%的断面点高差较差小于1.0 m。因此,在复杂地形铁路定测阶段,LiDAR数据生产宜采用内业生产为主,外业测量检核为辅的作业模式。
    • 吕富强; 唐诗华; 何广焕; 蒙金龙
    • 摘要: 针对机载激光雷达建筑物点云提取过程中自动化提取困难,以及提取后的建筑物单体化过程烦琐等问题,提出一种基于密度噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法的机载雷达建筑物点云提取与单体化的方法。该方法对预处理后的点云数据基于DBSCAN算法进行去噪与初步的提取,通过三维密度聚类,将建筑物的点云进行提取与自动单体化。根据建筑物点云密度的特点,进行二维的密度聚类,结合数字正射影像图(digital orthophoto map,DOM)进行点云分割。最后将处理后的点云数据进行优化处理,并将建筑物单体化簇类进行提取,得到单体化建筑物点云。结果表明:提取的建筑物点云数量正确率为97.36%,轮廓边长的中误差为0.077,可以有效地提取出建筑物点云并将其单体化。
    • 占晓明
    • 摘要: 基于机载激光雷达点云,提出一种综合点云预处理、地面点滤波、电塔点云定位获取以及电塔结构线建模的电塔点云提取与重建方法。该方法首先对电力线路点云进行去噪等预处理,再使用渐进三角网滤波去除地面点,然后在电力线路分段的基础上,通过高程连通性定位电塔所在分段,再将电塔分段点云投影到水平面上并结合密度聚类算法和高程差特性对电塔聚类块进行提取,然后使用生长算法去除该聚类块中的电力线点,最后使用霍夫变换提取出电塔直线点云,并利用最小二乘法拟合电塔结构线来完成电塔模型的重建。实验表明,此方法对电塔点云的提取完整率可以达到96.8%以上,并能够以较高的精度和效率完成电塔的结构线模型重建。
    • 王君杰; 孙健; 王雁昕
    • 摘要: 机载激光雷达是近年来发展迅速的高新测绘技术,具有机动性高、数据覆盖量大、作业效率高和精度可靠等特点。针对当前山区沟壑且有大量植被覆盖区域进行传统测量作业较为困难,危险性大的问题,采用机载激光雷达技术获取研究区原始点云数据,在此基础上,对比分析四种滤波算法的点云分类效果,得到适用于密林沟壑区的点云滤波方法,进而通过人机交互和地面点内插实现了测区高精度数字高程模型(digital elevation model,DEM)的构建,最终获得的DEM高程中误差为0.09 m,满足实际测绘生产需求,生产效率大大提高。研究结果表明,机载激光雷达技术应用于复杂危险地形测绘具有极大优势。
    • 王伟鹏; 徐洋; 王珩
    • 摘要: 近年来机载激光雷达技术取得了快速发展,已经成为森林资源调查领域的重要工具。介绍利用机载激光雷达进行森林资源调查的原理,阐述其在单木因子调查、林分因子调查中的应用,总结在单木冠幅调查、单木树高调查、林分平均树高调查、林分叶面积指数调查、林分郁闭度调查、林分生物量调查等方面机载激光雷达的相关数据处理方法,最后分析机载激光雷达在森林资源调查当中的不足,并对这一技术在森林资源调查的未来发展前景进行展望。
    • 熊昊; 庞勇; 荚文; 李春干
    • 摘要: [目的]探究如何有效利用机载激光雷达冠层高度模型(CHM)自动区划小班,提高小班区划工作效率。[方法]在高光谱影像树种信息的辅助下,使用机载激光雷达数据生成的CHM进行两种空间尺度的分割和优化来自动区划小班。先对1 m空间分辨率CHM数据进行过分割,再对降尺度处理并平滑后的5 m空间分辨率CHM数据进行欠分割,结合两种尺度分割结果并优化得到最终区划结果。将自动区划结果与人工区划小班、数字正射影像(DOM)屏幕勾绘小班以及主伐作业小班为三类参考小班对比,采用最终测量精度(UMA)准则的圆度(RO),紧致度(CO),形状指数(SI),最小包络圆短半径(RE),椭圆度(EF)和形状因子(P2A)8个指标,及自动区划小班与参考小班的交并比(IOU)指标,定量评价自动区划小班边界勾绘的准确程度。并利用样地实测数据和CHM数据计算自动区划结果平均胸径、平均树高和冠层平均高的可解释性方差,验证自动区划结果的内部一致性和外部差异性精度。[结果]自动区划结果与参考小班的UMA形状、面积等特征较接近,与人工区划小班最相近。自动区划小班与人工区划、屏幕勾绘、主伐作业小班交并比大于70%的比例分别为46%,37%,43%,交并比大于50%的比例分别为61%,54%,55%。自动区划结果平均胸径可解释性方差为97%,平均树高可解释性方差为98%,和人工区划小班相同,说明其内部一致性高且和相邻小班差异大。冠层平均高可解释性方差为84.81%,比人工区划小班提高了1.77%。[结论]利用两种空间尺度的CHM与高光谱树种分类图的分割和优化方法自动区划的小班在内部一致性及边界的精准度方面有明显优势,更符合小班边界处林木的分布情况,小班边界准确,且工作效率高,有助于森林的精细化管理。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号