双激光雷达温室运输机器人导航系统研制

为解决机器人在温室环境下的自主导航问题,该研究研制了基于双激光雷达的温室运输机器人导航系统,实现温室环境下的地图构建、路径规划和定位导航。融合激光雷达与编码器信息,使用cartographer算法及时定位与地图构建。根据地图与检测点信息,采用Dijkstra算法规划全局路径,使用动态窗口算法规划局部路径,完成自主导航。试验表明,车载系统分别以0.2、0.5和0.8 m/s速度运行时,实际导航路径与目标路径的横向平均偏差小于13 cm,标准差小于5 cm;导航目标点处横向偏差、纵向偏差的平均值不超过9 cm,均方根误差不超过11.2 cm,标准差小于5 cm,航向偏差的平均值小于10°,均方根误差小于12°,标准差小于6°,满足机器人温室运输作业的导航精度需求。     

基于三维激光点云的靶标叶面积密度计算方法

为向变量喷雾系统施药量的计算提供数据基础,提出了靶标喷施区域叶面积密度参数的计算方法。靶标三维点云数据由二维激光雷达传感器沿果树行直线运动间接获取。在假设各喷施子区域内叶片面积变化相对较小的条件下,基于Matlab曲线拟合工具箱cftool分析并验证了点云数与叶片数之间存在函数关系。曲线拟合结果表明,利用高斯函数、多项式函数与指数函数拟合点云数与叶片数,决定系数分别为0.925 7、0.931 0与0.936 4,指数函数拟合效果最好。相对误差分析结果表明,基于3种拟合函数,枝叶茂密区域相对误差最小为11.46%,枝叶中等茂密区域相对误差最小为11.05%,枝叶稀疏区域相对误差最小为35.50%。基于确定的点云数与叶片数间的函数方程,经系数变换后可计算出叶面积密度参数。     

地面LIDAR在地籍测量中的应用

随着科学技术的不断发展与完善,三维激光雷达技术在地籍测量中得到广泛应用。为了更加完善地籍测绘任务,使用地面激光雷达系统对新疆伊犁地区进行地籍测量,通过实例操作,并进行精度验证,最终得到较传统测量更加客观的效果,为地籍测量提出了一种更加方便、高效率、高精准的测量方法。     

基于激光雷达对兰州市强沙尘过程的分析研究

利用兰州市激光雷达观测结果,结合地面观测数据以及HYSPLIT模式结果,综合分析2018年11月25日-30日兰州市的强沙尘天气过程。结果显示此次沙尘过程起源于甘肃省河西走廊一带,自西北向东南方向传输,并影响兰州市,对兰州市的影响时长达5天;沙尘期间兰州市边界层高度低于1km;激光雷达监测结果显示兰州市沙尘过程期间消光系数达到1.3±0.1km~(-1);与地面颗粒物监测结果相比,激光雷达观测到的兰州受沙尘影响时长要多18小时37分。     

点目标LRCS测量系统研究

本文介绍了激光雷达散射截面(LRCS)测量的研究背景及重要意义,对LRCS物理意义进行说明;对目标LRCS测量理论基础进行总结并对锥形点目标LRCS测量系统进行设计,最后对锥形点目标LRCS进行测量。     

基于机载激光雷达技术的茂密林地单株木识别

提出一种利用LiDAR数据进行单株木识别的方法,首先利用广义高斯模型分解全波形LiDAR数据,得到高密度的点云和相应的波形参数,通过建立数字高层模型得到非地面点云,然后计算点云的空间特征得到林木点云,最后在3D空间中利用马尔可夫随机场重新标记得到单株木点云.实验表明,与传统方法相比,本文方法能有效提高单株木识别的准确性,特别是对茂密林地中低矮、细小林木识别效果明显,平均识别精度达到75％.     

基于LiDAR点云能量信息的樟子松郁闭度反演方法

为提高小光斑激光雷达估测针叶林郁闭度的精度,采用回归分析法建立多变量回归模型,通过对小光斑激光 雷达点云数据进行处理,分别提取3 个数量比值变量、3 个能量比值变量,并建立郁闭度单变量反演模型,接着在单 变量的基础上进行多元线性回归分析,建立郁闭度多变量反演模型,最后用剩余数据对所建立的反演模型进行精 度评价。结果表明:在郁闭度单变量反演模型中I2反演模型最好, 拟合相关性为R2 =0.818, Adj R2 =0.810, RMSE = 0.016,模型精度为P =0.978;多变量反演模型中LPI' 和I'3 组合的模型最好, 拟合相关性为R2 = 0.898, AdjR2= 0.889, RMSE =0.012,模型精度为P =0.972。由最终所得模型可知,能量比值变量模型所得结果相对数量比值变 量模型结果要好且稳定,多变量反演模型的拟合相关性及精度都比单变量模型要高。本研究所提取的参数相对较 少,且能量比值变量的提取有一定的局限性,未来研究中应提取更多的高效参数且进一步加强能量比值变量的探究。      

基于机载小光斑LiDAR技术的亚热带森林参数信息优化提取

借助机载小光斑LiDAR 点云和地面调查的73 个样地数据,以亚热带天然次生林为研究对象,首先采用主成 分分析法、逐步回归法和贝叶斯模型平均法,分别优化筛选LiDAR 提取变量;在此基础上,拟合最优模型估算各森 林参数并评价精度; 最后基于最优模型进行蓄积量的升尺度制图。结果表明:通过主成分分析法筛选出的最优 LiDAR 提取变量为平均高度(hmean)、60%冠层返回密度变量(d6 )和高度变异系数(hcv ),且这3 个变量在逐步回归 法和贝叶斯模型平均法中多被选中;逐步回归法拟合模型效果最好(R2 为0.39 ~ 0.84),而贝叶斯模型平均法(R2 为0.32 ~0.77)和主成分分析法(R2 为0.26 ~0.74)次之;就各森林参数而言,Lorey爷s 树高(R2 为0.74 ~0.84)和优 势树高(R2为0.73 ~0.82)的估算精度最高,胸径(R2 为0.48 ~0.57)和蓄积(R2 为0.46 ~ 0.55)次之,而株数(R2 为 0.35 ~0.44)和胸高断面积(R2 为0.29 ~0.39)最低。      

激光雷达在水土保持监测中的应用

针对开发建设项目的水土保持监测,提出了一种新的渣场测量方案,即结合激光雷达技术和差分GPS技术,优势互补。该方案运用于实际,取得了很好的效果,实践证明它是一种更加科学高效的技术和方法,可应用于目前开发建设项目水土保持监测。（1）它在测量精度上比传统方法测量结果要精细许多,更真实、可信;（2）可详细反映渣场形态,轻松实现三维建模;（3）真正实现了非接触式测量,大大减少了外业工作量,降低了外业危险;（4）可对开挖边坡、崩岗、山体滑坡等许多形式的水土流失进行测量,使传统水土保持走上“精耕细作”之路。     

应用高斯聚类的单木分割及树高和冠幅的提取

针对机载激光雷达点云中基于栅格化的冠层高度模型(CHM)所导致的原始点云数据丢失问题,提出了一种应用高斯模型聚类的单木信息提取方法。采用形态学开运算和高斯平滑方法形成高斯冠层最大模型(GCMM)能减少无关局部最大值对单木分割的影响,利用局部最大值法初步探测树冠顶点,通过最速下降法建立混合高斯模型得到树木位置和冠幅。利用聚类分析划分临近点云归属,进而实现单木参数准确提取,并提取单木最高点为树高。将点云分割方法应用于美国蓝岭地区6块圆形针叶林样地(r=30 m)。结果表明:单木分割F为0.89,正确分割单木树高提取精度95%,冠幅提取精度91%。结合实测数据对提取到的树高和冠幅进行相关性分析,树高R2=0.92,平均误差为-0.83 m;冠幅R2=0.84,平均误差为-0.42 m。相比于分水岭算法,高斯模型聚类方法F提高了11.2%,正确分割单木树高及冠幅提取精度提高了5.5%、5.8%,树高R2提高0.08,平均误差减少0.58 m;冠幅R2提高0.11,平均误差减少0.63 m。