CN110275155A - 一种地基激光雷达强度数据的自校正方法 - Google Patents
一种地基激光雷达强度数据的自校正方法 Download PDFInfo
- Publication number
- CN110275155A CN110275155A CN201811580459.8A CN201811580459A CN110275155A CN 110275155 A CN110275155 A CN 110275155A CN 201811580459 A CN201811580459 A CN 201811580459A CN 110275155 A CN110275155 A CN 110275155A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- intensity data
- effect
- model
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种地基激光雷达强度数据的自校正方法,该方法基于激光辐射传输原理,建立激光雷达强度数据的距离与入射角效应校正模型,并通过多站激光雷达点云数据对目标表面粗糙度参数逐一估计,实现激光雷达强度数据的自校正。该算法主要包括以下三步:(1)采集标准漫反射板与被测目标的多站点云数据并进行滤波、空间配准等处理;(2)基于标准漫反射板的点云数据,建立距离效应校正模型,并利用该模型对强度数据进行校正;(3)基于多站点云数据以及建立的入射角效应校正模型,采用非线性参数优化方法对目标表面粗糙度参数进行估计,并估计的参数值代入入射角效应校正模型中,消除入射角效应对强度数据的影响,得到校正后的强度数据结果。
Description
技术领域
本发明公开了一种地基激光雷达强度数据的自校正方法,该方法基于激光辐射传输原理,建立激光雷 达强度数据的距离与入射角效应校正模型,并通过多站激光雷达点云数据对目标表面粗糙度参数逐一估 计,从而实现激光雷达强度数据的自校正。
背景技术
激光雷达是一种主动式的遥感测量技术,其可以获取被测目标区域的高精度、高密度三维点云数据。 目前,诸多学者已经对三维点云的数据处理方法展开研究,如点云滤波、目标分类以及基于几何信息的目 标特征提取等方法。然而激光雷达扫描过程中,不仅记录被测目标的三维坐标信息,还接收到被测目标散 射的回波能量。该回波能量经光电探测器转换成回波电信号,再由信号整形放大和回波处理模块进行处理, 最后经AD采样,记录保存为的量化数值,即“强度值”。由于强度数据的大小不受外界环境光照以及背 光区域阴影的影响,且激光强度值与被测目标的表面物理属性相关,故强度数据常作为判别特征量被用于 点云数据处理。
目前,诸多研究表明强度数据具有巨大的应用前景,并被应用于很多场景中,如文物保护,岩石和土 壤层的分类、结构损伤探测以及水含量检测等。但在扫描过程中,激光雷达的强度值还受到大气传输特性, 被测目标的几何结构等多种因素的影响。由于上述因素的影响,可能导致同种物体被测的强度值不同,不 同种物体被测强度值相同,即导致“同物异谱”和“同谱异物”等现象的产生。因此,如何对激光雷达强 度数据进行校正,从中提取出被测目标表面属性信息成为了激光雷达强度数据应用的难点和关键性问题, 也已成为近年来国内外激光雷达领域的研究热点问题。
由激光雷达系统工作原理可知,激光雷达系统接收到的强度数据与激光雷达系统的仪器特性、大气传 输特性、目标的几何特性以及目标的物理属性等四项因素相关。为了从激光强度数据反演目标属性,需要 消除仪器特性、大气传输特性以及目标几何特性对强度数据的影响。其中仪器特性主要由系统硬件参数(如 系统自动增益控制、近距离衰减器以及系统散斑效应等)和软件后处理决定,而且每个厂家生产的设备的 仪器特性差异也很大。但是仪器特性属于系统的固有特性,不随外部环境和被测目标的改变而改变,所以 对同种型号的激光雷达系统其仪器特性基本相同,可以认为是常量。大气特性的影响主要是由于激光在大 气传输过程中与大气分子发生相互作用,被大气分子吸收和散射造成的,现有的描述大气特性的模型有指 数模型和比尔-朗伯定律模型。而且对于一般的近距离激光扫描而言,大气特性的衰减可以忽略不计。而目 标的几何特性(距离和入射角度效应)对激光回波的强度影响较大;随着距离和入射角度的增加,激光回 波强度减弱。而且距离效应的影响还取决于仪器的系统特性,入射角度效应的影响与被测目标表面的属性 相关。因此,消除距离效应和入射角效应对激光雷达强度数据的影响,从而得到仅与目标表面特性相关的 校正后的强度值是十分必要的。
本发明公开了一种地基激光雷达强度数据的自校正方法,该方法基于激光辐射传输原理,通过多站激 光雷达强度数据对目标表面的粗糙度参数进行逐一估计,从而实现了激光雷达强度数据的自校正。其特征 在于,由激光雷达系统采集数据并进行滤波、去噪、空间配准等预处理;基于标准漫反射板的激光雷达强 度数据以及激光雷达方程建立距离效应与入射角效应校正模型,并估计出目标表面粗糙度参数值;从而消 除距离效应与入射角效应对激光雷达强度数据的影响。本发明实现了激光雷达强度数据的高精度校正,在 遥感及对地观测领域具有广阔的应用前景。
发明内容
本发明是一种地基激光雷达强度数据的自校正方法,该方法基于激光辐射传输原理,建立激光雷达强 度数据的距离与入射角效应校正模型,并通过多站激光雷达点云数据对目标表面粗糙度参数逐一估计,从 而实现激光雷达强度数据的自校正。其采用以下技术方案:
本发明公开了一种地基激光雷达强度数据的自校正方法,该方法基于激光辐射传输原理,通过多站激 光雷达强度数据对目标表面的粗糙度参数进行逐一估计,从而实现了激光雷达强度数据的自校正;所述方 法主要包括以下三步:1)数据采集及预处理;利用激光雷达系统对标准漫反射板以及被测目标进行多站 激光扫描,获取被测目标的点云数据,并对多站的点云数据(包括三维坐标和强度数据)进行空间配准等 预处理;2)距离效应校正;基于标准漫反射板的激光雷达强度数据以及激光雷达方程,建立距离效应校 正模型,并利用该模型对激光雷达强度数据进行校正以消除距离效应的影响,获得距离效应校正后的激光 雷达强度数据;3)入射角效应校正;首先,基于激光辐射传输原理以及微平面漫反射物理模型,建立激 光雷达强度数据的入射角效应校正模型;然后,基于建立的入射角效应校正模型以及被测目标的多站激光 雷达点云数据,采用非线性参数优化方法对目标表面的粗糙度参数进行逐一估计;最后,将求解得到的粗 糙参数值代入入射角效应校正模型中,消除入射角效应对激光雷达强度数据的影响,从而得到被测目标校 正后的强度数据结果。
其中,采用激光雷达系统对标准漫反射板以及被测目标进行多站激光扫描,获取被测目标的点云数据, 并对被测目标的多站点云数据(包括三维坐标和强度数据)进行滤波、去噪、多站点云的空间配准等预处 理操作;同时保证标准漫反射板的激光雷达强度数据是在同一角度、相等距离间隔条件下由激光雷达系统 采集得到。
其中,利用同一角度相等距离间隔下采集得到的标准漫反射板的激光雷达强度数据以及激光雷达方 程,建立距离效应校正模型,并利用该模型对激光雷达强度数据进行校正以消除距离效应的影响,获得距 离效应校正后的激光雷达强度数据;其距离效应校正模型如下:
其中,Rsep为两段模型的分隔点,n为多项式拟合函数模型F11(R)的阶次,a0,a1,…,an为函数F11(R)的各阶 次系数,b0为函数F12(R)的系数,参数b0可由函数F1(R)的连续性求解得出,连续性的约束条件可以表达 为:
从而基于采集的同一角度相等距离间隔的激光雷达强度数据即可求解距离效应模型参数的具体数值。
其中,基于激光辐射传输原理以及微平面漫反射物理模型,建立激光雷达强度数据的入射角效应校正 模型;然后,利用建立的入射角效应校正模型以及被测目标的多站激光雷达点云数据,采用非线性参数优 化方法对目标表面的粗糙度参数进行逐一估计;其粗糙度参数估计过程如下:
(1)入射角效应校正模型建立
采用微平面漫反射物理模型Oren-Nayar模型对入射角效应进行校正,该模型可表示为:
其中,粗糙度参数是微平面坡度角分布的标准差;φi,φr为入射光线和反射光线的方位角; α,β为入射光线与反射光线与平面法线夹角。由于激光雷达的激光发射和接收是同一方向,即φr-φi=0 以及α=β=θ,故模型可简化为:
(2)粗糙度参数估计
对某一小区域Ω内所有激光雷达强度数据进行距离效应校正,从而获得站#p和站#q中距离效应校正 后的强度数据集和在多站重叠区域中,校正后的激光雷达 强度值应该相同,即:
其中,i和M分别为区域Ω的激光脚点的序号和总数。和分 别是站#p和站#q中第i个激光脚点校正后的强度值。由于背景噪声和LiDAR系统的随机测量误差等因素 的影响,站#p和站#q校正后的强度值不一定相等,会存在一定的误差。该误差可以记为:
其中δ(σslope)=[δ1(σslope),δ2(σslope),…,δi(σslope),…,δM(σslope)]。目标函数O(σslope)可设为:
采用非线性最优化方法使得目标函数O(σslope)最小,从而估计出粗糙度参数σslope的最优值。
其中,基于距离效应校正模型和入射角效应校正模型,激光雷达强度数据的最终校正模型可以表示为:
其中,Ir为激光雷达系统记录的原始强度数据,Ic为校正后的激光雷达强度值。将目标表面粗糙度参数代 入上述校正模型,消除入射角效应对激光雷达强度数据的影响,从而得到最终校正后的激光雷达强度数据。
附图说明
图1是地基激光雷达强度数据自校正方法的流程示意图;
图2是同一入射角等间距条件下激光雷达点云数据采集示意图;
图3是标准漫反射板校正后强度值随距离变化关系图;
图4是激光光束双向和单向反射示意图;
图5是被测目标表面粗糙度参数估计原理示意图;
具体实施方式
以下结合附图对本发明专利的具体实施方式作进一步详细描述。一种地基激光雷达强度数据自校正方 法的流程示意图如图1所示,由激光雷达系统对标准漫反射板以及被测目标进行多站激光扫描,获取被测 目标的点云数据,并对多站点云数据进行滤波、去噪、空间配准等预处理操作;然后,基于标准漫反射板 的激光雷达强度数据以及激光雷达方程,建立距离效应校正模型,并利用该模型对激光雷达强度数据进行 校正以消除距离效应的影响,获得距离效应校正后的激光雷达强度数据;再次,基于激光辐射传输原理以 及微平面漫反射物理模型,建立激光雷达强度数据的入射角效应校正模型;然后,基于建立的入射角效应 校正模型以及被测目标的多站激光雷达点云数据,采用非线性参数优化方法对目标表面的粗糙度参数进行 逐一估计;最后,将解算出的目标表面粗糙度参数值代入入射角效应校正模型,消除入射角效应对激光雷 达强度数据的影响,从而得到最终校正后的激光雷达强度数据。具体的实施方案可分为四步:数据采集及 预处理、距离效应校正、入射角模型建立以及粗糙度参数估计。
(1)数据采集及预处理
首先,固定激光雷达系统,移动标准漫反射板,进行同一入射角相等距离间隔的激光雷达点云数据采 集,为保证较好的拟合结果,应选取较小的距离间隔,如图2所示;其次,移动激光雷达系统,对被测目 标物进行多站激光扫描,且保证每站之间的点云具有相互重叠的共同区域;再次,采用高斯滤波等方法对 标准漫反射板以及被测目标的点云数据(包括三维坐标和强度数据)进行滤波处理,去除点云数据中的噪 声点;最后,采用最近邻迭代等方法,被测目标物的多站的激光雷达点云数据进行空间配准,从而获得同 一用户坐标系下的点云数据。
(2)距离效应校正
利用同一角度相等距离间隔下采集得到的标准漫反射板的激光雷达强度数据以及激光雷达方程,建立 距离效应校正模型,并利用该模型对激光雷达强度数据进行校正以消除距离效应的影响,获得距离效应校 正后的激光雷达强度数据;其距离效应校正模型如下:
其中,Rsep为两段模型的分隔点,n为多项式拟合函数模型F11(R)的阶次,a0,a1,…,an为函数F11(R)的各阶 次系数,b0为函数F12(R)的系数。
首先,利用同一角度相等距离间隔下采集得到的标准漫反射板的激光雷达强度数据,以拟合后的残差 平方和最小为目标函数,从而确定F11(R)的各阶次系数a0,a1,…,an;然后,参数b0可由函数F1(R)的连续性 求解得出,连续性的约束条件可以表达为:
从而基于同一角度相等距离间隔条件下采集得到的标准漫反射板的激光雷达强度数据以及激光雷达方程 即可求解距离效应模型参数的具体数值。基于强度效应校正模型可得到校正后强度随距离变化关系如图3 所示,从图中可知校正后的强度值与距离无关,仅与标准漫反射板的反射率相关。
在激光雷达扫描作业过程中,假设激光雷达系统光学中心Os坐标为(x0,y0,z0),被测目标表面某一 激光脚点D的坐标为(x,y,z),目标表面法向量为则根据空间几何定位原理,每点的距离R和入射角 θ可以表示为:
其中,目标表面法向量通过最近邻算法选取周围同质邻域点云,再通过邻域点云集合拟合平面, 从而获得表面法向量
(3)入射角效应校正模型建立
基于激光辐射传输原理,采用微平面漫反射物理模型Oren-Nayar模型对入射角效应进行校正,该模型 可表示为:
其中,粗糙度参数是微平面坡度角分布的标准差,;φi,φr为入射光线和反射光线的方位角; α,β为入射光线与反射光线与平面法线夹角。
由于激光雷达的激光发射和接收是同一方向,如图4所示,即φr-φi=0以及α=β=θ。故模型可简化 为:
(2)粗糙度参数估计
理论上,距离效应和入射角效应对激光雷达强度数据的影响是彼此相互独立的,且可以分别进行校正 消除,即激光雷达系统记录的强度数据可表示为
Ir=F1(R)·F2(θ)·F3(ρλ)
其中,Ir为激光雷达系统记录的原始强度数据,F3(ρλ)为被测目标对某一波长λ的激光脉冲的反射率函数。 因此,消除距离效应与入射角效应的影响,激光雷达强度数据可表示为:
Ic=Ir/(F1(R)·F2(θ))
其中,Ic为校正后的激光雷达强度值。基于上述求解的距离效应校正模型和入射角效应校正模型,激光雷 达强度数据的最终校正模型可以表示为:
其中,Ir为激光雷达系统记录的原始强度数据,Ic为校正后的激光雷达强度值。为获得最终校正后的激光 雷达强度值,需对目标表面粗糙度参数进行估计。
粗糙度参数估计原理示意图如图5所示。以站#p和站#q的强度数据为例,对粗糙度参数进行估计。 首先,为待校正的激光脚点选择一个较小的邻域Ω,然后,对该邻域内所有的激光雷达强度数据进行距离 效应校正,从而得到站#p和站#q中距离效应校正后的激光雷达强度数据集和 理论上,站#p和站#q的重叠区域内,校正后的激光雷达强度值应该相同,即:
其中,i和M分别为区域Ω的激光脚点的序号和总数。和分 别是站#p和站#q中第i个激光脚点校正后的强度值。由于背景噪声和LiDAR系统的随机测量误差等因素 的影响,站#p和站#q校正后的强度值不一定相等,会存在一定的误差。该误差可以记为:
其中δ(σslope)=[δ1(σslope),δ2(σslope),…,δi(σslope),…,δM(σslope)]。目标函数O(σslope)可设为:
采用非线性最优化方法使得目标函数O(σslope)最小,从而估计出粗糙度参数σslope的最优值。
最后,将求解得到的目标表面粗糙度参数值代入上述的激光雷达强度数据的最终校正模型,消除入射 角效应对激光雷达强度数据的影响,从而得到最终校正后的激光雷达强度数据。
综上所述,本发明公开了一种地基激光雷达强度数据的自校正方法,该方法基于激光辐射传输原理, 建立距离效应与入射角效应校正模型,并通过多站激光雷达强度数据对目标表面的粗糙度参数进行逐一估 计,从而消除距离效应与入射效应对激光雷达强度数据的影响,实现了激光雷达强度数据的自校正。。
以上所述,仅为本发明具体实施方法的基本方案,但本发明的保护范围并不局限于此,任何熟悉本技 术领域的人员在本发明公开的技术范围内,可想到的变化或替换,都应涵盖在本发明的保护范围之内。因 此,本发明的保护范围应该以权利要求的保护范围为准。所有落入权利要求的等同的含义和范围内的变化 都将包括在权利要求的范围之内。
Claims (5)
1.本发明公开了一种地基激光雷达强度数据的自校正方法,该方法基于激光辐射传输原理,建立激光雷达强度数据的距离与入射角效应校正模型,并通过多站激光雷达强度数据对目标表面的粗糙度参数进行逐一估计,从而实现了激光雷达强度数据的自校正;所述方法主要包括以下三步:1)数据采集及预处理;利用激光雷达系统对标准漫反射板以及被测目标进行多站激光扫描,获取被测目标的点云数据,并对多站的点云数据(包括三维坐标和强度数据)进行空间配准等预处理;2)距离效应校正;基于标准漫反射板的激光雷达强度数据以及激光雷达方程,建立距离效应校正模型,并利用该模型对激光雷达强度数据进行校正以消除距离效应的影响,获得距离效应校正后的激光雷达强度数据;3)入射角效应校正;首先,基于激光辐射传输原理以及微平面漫反射物理模型,建立激光雷达强度数据的入射角效应校正模型;然后,基于建立的入射角效应校正模型以及被测目标的多站激光雷达点云数据,采用非线性参数优化方法对目标表面的粗糙度参数进行逐一估计;最后,将求解得到的粗糙参数值代入入射角效应校正模型中,消除入射角效应对激光雷达强度数据的影响,从而得到被测目标校正后的强度数据结果。
2.按照权利要求1所述的一种地基激光雷达强度数据的自校正方法,其特征在于利用激光雷达系统对标准漫反射板以及被测目标进行多站激光扫描,获取多站点云数据,并对多站点云数据(包括三维坐标和强度数据)分别进行滤波、去噪、多站点云的空间配准等预处理操作;同时保证被测标准漫反射板的激光雷达强度数据是在同一角度相等距离间隔下采集得到的。
3.按照权利要求1所述的一种地基激光雷达强度数据的自校正方法,其特征在于,利用同一角度相等距离间隔下采集得到的标准漫反射板的激光雷达强度数据以及激光雷达方程,建立距离效应校正模型,并利用该模型对激光雷达强度数据进行校正以消除距离效应的影响,获得距离效应校正后的激光雷达强度数据;其距离效应校正模型如下:
其中,Rsep为两段模型的分隔点,参数b0可由函数F1(R)的连续性求解得出,连续性的约束条件可以表达为:
从而基于采集的同一角度相等距离间隔的激光雷达强度数据即可求解距离效应模型参数的具体数值。
4.按照权利要求1所述的一种地基激光雷达强度数据的自校正方法,其特征在于基于激光辐射传输原理以及微平面漫反射物理模型,建立激光雷达强度数据的入射角效应校正模型;然后,利用建立的入射角效应校正模型以及被测目标的多站激光雷达点云数据,采用非线性参数优化方法对目标表面的粗糙度参数进行逐一估计;其粗糙度参数估计过程如下:
(1)入射角效应校正模型建立
采用微平面漫反射物理模型Oren-Nayar模型对入射角效应进行校正,该模型可表示为:
其中,粗糙度参数是微平面坡度角分布的标准差;φi,φr为入射光线和反射光线的方位角;α,β为入射光线与反射光线与平面法线夹角。由于激光雷达的激光发射和接收是同一方向,即φr-φi=0以及α=β=θ,故模型可简化为:
(2)粗糙度参数估计
对某一小区域Ω内所有激光雷达强度数据进行距离效应校正,从而获得站#p和站#q中距离效应校正后的强度数据集和在多站重叠区域中,校正后的激光雷达强度值应该相同,即:
其中,i和M分别为区域Ω的激光脚点的序号和总数。和分别是站#p和站#q中第i个激光脚点校正后的强度值。由于背景噪声和LiDAR系统的随机测量误差等因素的影响,站#p和站#q校正后的强度值不一定相等,会存在一定的误差。该误差可以记为:
其中δ(σslope)=[δ1(σslope),δ2(σslope),…,δi(σslope),…,δM(σslope)]。目标函数O(σslope)可设为:
采用非线性最优化方法使得目标函数O(σslope)最小,从而估计出粗糙度参数σslope的最优值。
5.按照权利要求1所述的一种地基激光雷达强度数据的自校正方法,其特征在于,基于距离效应校正模型和入射角效应校正模型,激光雷达强度数据的最终校正模型可以表示为:
其中,Ir为激光雷达系统记录的原始强度值,Ic为校正后的激光雷达强度值。将权利要求4中所估计出的目标表面粗糙度参数值代入上述强度数据校正模型,以消除距离效应与入射角效应对激光雷达强度数据的影响,从而得到最终校正后的激光雷达强度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580459.8A CN110275155A (zh) | 2018-12-24 | 2018-12-24 | 一种地基激光雷达强度数据的自校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580459.8A CN110275155A (zh) | 2018-12-24 | 2018-12-24 | 一种地基激光雷达强度数据的自校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110275155A true CN110275155A (zh) | 2019-09-24 |
Family
ID=67958778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811580459.8A Pending CN110275155A (zh) | 2018-12-24 | 2018-12-24 | 一种地基激光雷达强度数据的自校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110275155A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111045020A (zh) * | 2019-11-25 | 2020-04-21 | 宁波飞芯电子科技有限公司 | 距离探测方法、装置、电子设备及存储介质 |
CN111679262A (zh) * | 2020-07-06 | 2020-09-18 | 武汉海达数云技术有限公司 | 激光点云强度标定方法、装置、设备及存储介质 |
CN111781611A (zh) * | 2020-06-16 | 2020-10-16 | 当家移动绿色互联网技术集团有限公司 | 建立模型的方法、装置、存储介质及电子设备 |
CN112816993A (zh) * | 2020-12-25 | 2021-05-18 | 北京一径科技有限公司 | 激光雷达点云处理方法和装置 |
CN113666305A (zh) * | 2021-08-31 | 2021-11-19 | 杭州派珞特智能技术有限公司 | 基于运动补偿与反射板优化排序的智能叉车激光定位方法 |
CN116660873A (zh) * | 2023-08-01 | 2023-08-29 | 佛山市兴颂机器人科技有限公司 | 一种激光传感器的精度补偿方法、装置、设备及存储介质 |
-
2018
- 2018-12-24 CN CN201811580459.8A patent/CN110275155A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111045020A (zh) * | 2019-11-25 | 2020-04-21 | 宁波飞芯电子科技有限公司 | 距离探测方法、装置、电子设备及存储介质 |
CN111781611A (zh) * | 2020-06-16 | 2020-10-16 | 当家移动绿色互联网技术集团有限公司 | 建立模型的方法、装置、存储介质及电子设备 |
CN111679262A (zh) * | 2020-07-06 | 2020-09-18 | 武汉海达数云技术有限公司 | 激光点云强度标定方法、装置、设备及存储介质 |
CN111679262B (zh) * | 2020-07-06 | 2023-09-01 | 武汉海达数云技术有限公司 | 激光点云强度标定方法、装置、设备及存储介质 |
CN112816993A (zh) * | 2020-12-25 | 2021-05-18 | 北京一径科技有限公司 | 激光雷达点云处理方法和装置 |
CN112816993B (zh) * | 2020-12-25 | 2022-11-08 | 北京一径科技有限公司 | 激光雷达点云处理方法和装置 |
CN113666305A (zh) * | 2021-08-31 | 2021-11-19 | 杭州派珞特智能技术有限公司 | 基于运动补偿与反射板优化排序的智能叉车激光定位方法 |
CN113666305B (zh) * | 2021-08-31 | 2023-02-21 | 杭州派珞特智能技术有限公司 | 基于运动补偿与反射板优化排序的智能叉车激光定位方法 |
CN116660873A (zh) * | 2023-08-01 | 2023-08-29 | 佛山市兴颂机器人科技有限公司 | 一种激光传感器的精度补偿方法、装置、设备及存储介质 |
CN116660873B (zh) * | 2023-08-01 | 2023-11-03 | 佛山市兴颂机器人科技有限公司 | 一种激光传感器的精度补偿方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275155A (zh) | 一种地基激光雷达强度数据的自校正方法 | |
Simonse et al. | Automatic determination of forest inventory parameters using terrestrial laser scanning | |
CN108596860A (zh) | 一种基于三维激光雷达的地面点云分割方法 | |
Pyysalo et al. | Reconstructing tree crowns from laser scanner data for feature extraction | |
RU2364887C2 (ru) | Способ навигации летательного аппарата по радиолокационным изображениям земной поверхности с использованием цифровых моделей местности | |
CN110208771B (zh) | 一种移动二维激光雷达的点云强度改正方法 | |
CN110988909B (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN107479065B (zh) | 一种基于激光雷达的林窗立体结构量测方法 | |
Tilly et al. | Terrestrial laser scanning for plant height measurement and biomass estimation of maize | |
Qin et al. | Stepwise decomposition and relative radiometric normalization for small footprint LiDAR waveform | |
Holmgren et al. | Estimation of tree position and stem diameter using simultaneous localization and mapping with data from a backpack-mounted laser scanner | |
CN114299318A (zh) | 一种快速点云数据处理和目标图像匹配的方法及系统 | |
CN115451846A (zh) | 一种基于tls的大型抛物面天线口径测量及计算方法 | |
CN108318458B (zh) | 一种适用于不同天气条件下的室外典型地物pBRDF的测量方法 | |
Alba et al. | Filtering vegetation from terrestrial point clouds with low-cost near infrared cameras | |
Kröhnert et al. | Watching grass grow-a pilot study on the suitability of photogrammetric techniques for quantifying change in aboveground biomass in grassland experiments | |
CN110308438A (zh) | 一种利用多回波单站扫描数据校正激光雷达反射强度的方法 | |
Tilly et al. | Multi-temporal crop surface models derived from terrestrial laser scanning for accurate plant height measurement and biomass estimation of barley | |
CN114264660A (zh) | 基于绿光激光成像的输电线路杆塔表面缺陷检测方法装置 | |
CN111284014B (zh) | 基于激光遥感成像和3d打印技术的体积测量方法及系统 | |
Lian et al. | Denoising algorithm based on local distance weighted statistics for photon counting LiDAR point data | |
Yun et al. | Study of subtropical forestry index retrieval using terrestrial laser scanning and hemispherical photography | |
Danson et al. | Terrestrial laser scanners to measure forest canopy gap fraction. | |
Wang et al. | Verification of leaf area index retrieved by ICESAT-2 photon-counting lidar with airborne lidar | |
CN118229757A (zh) | 草地叶面积指数及草地冠层高度的估算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190924 |
|
WD01 | Invention patent application deemed withdrawn after publication |