CN111750808A - 基于激光雷达扫描仪的地表粗糙度获取方法 - Google Patents

基于激光雷达扫描仪的地表粗糙度获取方法 Download PDF

Info

Publication number
CN111750808A
CN111750808A CN202010596897.4A CN202010596897A CN111750808A CN 111750808 A CN111750808 A CN 111750808A CN 202010596897 A CN202010596897 A CN 202010596897A CN 111750808 A CN111750808 A CN 111750808A
Authority
CN
China
Prior art keywords
data
dimensional
equidistant
point cloud
elevation
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.)
Granted
Application number
CN202010596897.4A
Other languages
English (en)
Other versions
CN111750808B (zh
Inventor
陈彦
陈云坪
姜灵海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202010596897.4A priority Critical patent/CN111750808B/zh
Publication of CN111750808A publication Critical patent/CN111750808A/zh
Application granted granted Critical
Publication of CN111750808B publication Critical patent/CN111750808B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • 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
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于激光雷达扫描仪的地表粗糙度获取方法，在采用激光雷达扫描仪获取扫描地块的三维点云数据后，先直接使用三维点云数据中的所有高程信息计算出方根高度，然后对原始的三维点云数据进行处理，构造得到等间距二维剖面数据序列，然后计算每个等间距二维剖面数据序列的相关长度，将得到的所有相关长度进行平均作为扫描地块的相关长度。本发明通过激光雷达扫描仪增大采样次数和采样长度，从而提高对地表粗糙度的测量精度。

Description

基于激光雷达扫描仪的地表粗糙度获取方法
技术领域
本发明属于土壤水分反演技术领域，更为具体地讲，涉及一种基于激光雷达扫描仪的地表粗糙度获取方法。
背景技术
地表粗糙度参数是进行土壤水分反演中的重要参数，有效地去除粗糙度对于后向散射系数的影响是反演土壤水分的关键，精确的地表粗糙度获取对于地表散射模型的构建意义重大。
土壤水分反演领域将地表的粗糙度参数分为均方根高度和相关长度，它们分别从纵向和横向对地表的粗糙程度进行描述。地表粗糙度反应的是地表的起伏程度，因此粗糙度参数的获取方法是先对地表起伏程度进行探测，然后根据所获得的高程数据进行计算。土壤水分反演领域中最常用的地表高程数据的获取仪器为针式廓线测量板，它的探针直接与地表接触，因此会改变地表的外轮廓，造成误差，且受限于采样的数据量较小，无法计算出表征整个地块的地表粗糙度参数。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于激光雷达扫描仪的地表粗糙度获取方法，通过激光雷达扫描仪增大采样次数和采样长度，从而提高对地表粗糙度的测量精度。
为实现上述发明目的，本发明基于激光雷达扫描仪的地表粗糙度获取方法包括以下步骤：
S1：将激光雷达扫描仪固定于三角支架上并调至水平，根据需要设置扫描参数，获取扫描地块的三维点云数据；
S2：使用三维点云数据中的所有高程信息代入如下的公式计算出均方根高度s：
Figure BDA0002557680070000021
其中，N表示待测量区域的点云数据中数据点的数量，zi表示第i个数据点的高程，i＝1,2,…,N，
Figure BDA0002557680070000022
是所有点高程的均值；
S3：对原始的三维点云数据进行处理，构造得到等间距二维剖面数据，其具体步骤包括：
S3.1：将三维点云数据划分为M个二维剖面点云数据集合Am，m＝1,2,…,M；
S3.2：设定一个模板二维剖面，记其长度为L，设置有Q个均匀分布的基准点；对于每个二维剖面高程点云数据集合Am，将模板二维剖面的一端与其数据密集端对齐，然后依次以模板二维剖面中基准点的位置为基准，选出与该基准点距离最近的点，将所得到Q个点的高程数据构建等间距数据序列，从而得到M个等间距高程数据序列；
S3.3：在M个等间距高程数据序列中随机选择K个等间距高程数据序列，重复T次随机选择过程，记第t次选择时所得到的第k个等间距高程数据序列为dt,k，拼接得到K个长度为L×T的等间距二维剖面数据序列Bk＝[d1,k d2,k … dT,k]，t＝1,2,…,T，k＝1,2,…,K；
S4：首先计算每个等间距二维剖面数据序列的相关长度，然后将K个相关长度进行平均作为扫描地块的相关长度。
本发明基于激光雷达扫描仪的地表粗糙度获取方法，在采用激光雷达扫描仪获取扫描地块的三维点云数据后，先直接使用三维点云数据中的所有高程信息计算出方根高度，然后对原始的三维点云数据进行处理，构造得到等间距二维剖面数据序列，然后计算每个等间距二维剖面数据序列的相关长度，将得到的所有相关长度进行平均作为扫描地块的相关长度。本发明通过激光雷达扫描仪增大采样次数和采样长度，从而提高对地表粗糙度的测量精度。
附图说明
图1是本发明基于激光雷达扫描仪的地表粗糙度获取方法的具体实施方式流程图；
图2是本实施例中点云数据示例图；
图3是三维点云数据中的二维剖面示意图；
图4是均方根高度与采样次数的关系曲线图；
图5是均方根高度误差与采样次数的关系曲线图；
图6是相关长度与采样长度的关系曲线图；
图7是相关长度计算误差与采样长度的关系曲线图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明基于激光雷达扫描仪的地表粗糙度获取方法的具体实施方式流程图。如图1所示，本发明基于激光雷达扫描仪的地表粗糙度获取方法的具体步骤包括：
S101：获取地表点云数据：
将激光雷达扫描仪固定于三角支架上并调至水平，根据需要设置扫描参数，获取扫描地块的三维点云数据。
激光雷达扫描仪通过发射和接收雷达信号可以对空间中物体的三维坐标进行探测，并生成包含坐标信息的点云数据，这些点云数据拥有精度高，高程数量大的特征，可以精细的还原物体的表面位置信息。使用激光雷达扫描仪对地表扫描可以得到地表的高程点云，利用这些高程信息可以计算出精准的地表粗糙度。本实施例中设置采样间隔为1mm，XY平面(水平平面)设置旋转角度30°，Z方向设置旋转角度-45°到-15°，经过扫描后获取到的是一个30°圆环范围内的点云数据。图2是本实施例中点云数据示例图。
S102：计算均方根高度：
使用三维点云数据中的所有高程信息代入如下的公式计算出均方根高度s：
Figure BDA0002557680070000031
其中，N表示待测量区域的点云数据中数据点的数量，zi表示第i个数据点的高程，i＝1,2,…,N，
Figure BDA0002557680070000041
是所有点高程的均值。
本发明在均方根高度计算时使用到了扫描地块的全部三维点云数据，理论上可以得到此地块均方根高度的“真值”。
S103：等间距二维剖面数据构造：
在计算得到均方根高度后，需要计算相关长度。相关长度的精确计算需要二维剖面的长度足够长，且二维剖面的中的点为等间距。为了满足这一条件，需要对原始的三维点云数据进行处理，构造得到等间距二维剖面数据序列，其具体步骤包括：
1)获取二维剖面点云数据：
将三维点云数据划分为M个二维剖面点云数据集合Am，m＝1,2,…,M。
图3是三维点云数据中的二维剖面示意图。如图3所示，由于激光雷达的扫描方式是首先固定镜头在XY平面内的方向，进行Z方向上的扫描，等当前XY方向扫描完毕再水平的转动镜头，进行下一个方向的扫描。因此可以将一次激光扫描的三维点云数据实际是由很多密集的二维剖面点云数据组成的，且每个二维剖面数据中的点的个数是相同的。一般来说，激光雷达扫描仪在存储时也是对逐个二维剖面进行存储的，因此在划分二维剖面点云数据集合时，根据单个二维剖面中数据点的数量进行划分即可。
2)提取等间距高程数据：
步骤1)中所得到的二维剖面点云数据集合中每个二维剖面中的数据都不是等间距的，而是呈现出距离扫描仪越近就越密的现象。为了提取等间距数据，本发明设定一个模板二维剖面，记其长度为L，设置有Q个均匀分布的基准点。本实施例中模板二维剖面的长度为1m，共有201个均匀分布的点，每个点间距0.5cm。
对于每个二维剖面高程点云数据集合Am，将模板二维剖面的一端与其数据密集端对齐，然后依次以模板二维剖面中的基准点的位置为基准，选出与该基准点距离最近的点，将所得到Q个点的高程数据构建等间距数据序列，从而得到M个等间距高程数据序列。
3)等间距高程数据拼接：
在M个等间距高程数据序列中随机选择K个等间距高程数据序列，重复T次随机选择过程，记第t次选择时所得到的第k个等间距高程数据序列为dt,k，拼接得到K个长度为L×T的等间距二维剖面数据序列Bk＝[d1,k d2,k … dT,k]，t＝1,2,…,T，k＝1,2,…,K。
本实施例中K＝20，T＝50，因此拼接得到20个长度为50m的等间距二维剖面数据序列。
S104：相关长度计算：
步骤S103通过随机组合的方式得到了K个长度为L×T的等间距二维剖面数据序列，这些数据长度足够且通过整个扫描区域的中的数据随机组合而成，能表征整个三维区域的地表粗糙度。因此计算每个等间距二维剖面数据序列Bk的相关长度，将K个相关长度进行平均作为扫描地块的相关长度。
每个等间距二维剖面数据序列的相关长度的计算方法为：首先采用如下公式计算该等间距二维剖面数据序列的自相关系数：
Figure BDA0002557680070000051
其中，zp表示等间距二维剖面数据序列第p个点的高程数据，x′是两点间的距离，x′＝(q-1)Δx，Δx为每两个相邻点的间距，ρ(x′)是两点间的自相关函数。随着x′的增大，当ρ(x′)第一次减小到预设阈值时，x′就是相关长度，本实施例中预设阈值为1/e。
为了更好地说明本发明的技术效果，采用四个样地对本发明进行实验验证。同时，采用基于针式测量板的地表粗糙度获取方法作为对比方法，为了便于计算，采用本发明在计算相关长度时其中一个等间距高程数据序列作为使用针式测量板测量一次地表获取到的数据。
首先对本发明和对比方法对于均方根高度的计算性能进行对比。一般情况下使用针式测量板时会对一个地块会进行5-15次的采样，而使用激光雷达扫描仪对一个地块的单次扫描中会得到多个二维剖面，相当于对该地块进行了多次采样，根据参数设置不同，其采样次数可达数百次。
图4是均方根高度与采样次数的关系曲线图。图5是均方根高度误差与采样次数的关系曲线图。表1是不同采样次数下均方根高度结果的相对误差统计表。
Figure BDA0002557680070000061
表1
如图4、图5和表1所示，采用针式测量板进行均高根高度测量时其相对误差和平均误差均较高，而使用激光雷达扫描仪获取均方根高度相较针式测量板可以得到6.4％-10.1％的精度提升。
然后对本发明和对比方法对于相关长度的计算性能进行对比。一般情况下使用针式测量板时会对一个地块会进行5-15次的采样，将其二维剖面高程数据拼接后来延长采样长度，假设每次采样长度为1m，即延长后采样长度可以达到5-15m。而本发明使用激光雷达扫描仪进行相关长度计算，通过参数设置可以使采样长度大大延长，可以达到使用针式测量板可实现采样长度的10倍甚至更多。
图6是相关长度与采样长度的关系曲线图。图7是相关长度计算误差与采样长度的关系曲线图。表2是不同采样长度下相关长度结果的相对误差统计表。
Figure BDA0002557680070000062
Figure BDA0002557680070000071
表2
如图6、图7和表2所示，采用针式测量板进行相关长度测量时其相对误差和平均误差均较高，而使用激光雷达扫描仪获取相关长度相较针式测量板可以得到10.2％-20.8％的精度提升。
综上可知，本发明可以有效增大采样次数和采样长度，从而提高对地表粗糙度的测量精度。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种基于激光雷达扫描仪的地表粗糙度获取方法，其特征在于，包括以下步骤：
S1：将激光雷达扫描仪固定于三角支架上并调至水平，根据需要设置扫描参数，获取扫描地块的三维点云数据；
S2：使用三维点云数据中的所有高程信息代入如下的公式计算出均方根高度s：
Figure FDA0002557680060000011
其中，N表示待测量区域的点云数据中数据点的数量，zi表示第i个数据点的高程，i＝1,2,…,N，
Figure FDA0002557680060000012
是所有点高程的均值；
S3：对原始的三维点云数据进行处理，构造得到等间距二维剖面数据序列，其具体步骤包括：
S3.1：将三维点云数据划分为M个二维剖面点云数据集合Am，m＝1,2,…,M；
S3.2：设定一个模板二维剖面，记其长度为L，设置有Q个均匀分布的基准点；对于每个二维剖面高程点云数据集合Am，将模板二维剖面的一端与其数据密集端对齐，然后依次以模板二维剖面中基准点的位置为基准，选出与该基准点距离最近的点，将所得到Q个点的高程数据构建等间距数据序列，从而得到M个等间距高程数据序列；
S3.3：在M个等间距高程数据序列中随机选择K个等间距高程数据序列，重复T次随机选择过程，记第t次选择时所得到的第k个等间距高程数据序列为dt,k，拼接得到K个长度为L×T的等间距二维剖面数据序列Bk＝[d1,k d2,k…dT,k]；
S4：计算每个等间距二维剖面数据序列Bk的相关长度，将K个相关长度进行平均作为扫描地块的相关长度。
CN202010596897.4A 2020-06-28 2020-06-28 基于激光雷达扫描仪的地表粗糙度获取方法 Active CN111750808B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010596897.4A CN111750808B (zh) 2020-06-28 2020-06-28 基于激光雷达扫描仪的地表粗糙度获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010596897.4A CN111750808B (zh) 2020-06-28 2020-06-28 基于激光雷达扫描仪的地表粗糙度获取方法

Publications (2)

Publication Number Publication Date
CN111750808A true CN111750808A (zh) 2020-10-09
CN111750808B CN111750808B (zh) 2021-09-14

Family

ID=72677557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010596897.4A Active CN111750808B (zh) 2020-06-28 2020-06-28 基于激光雷达扫描仪的地表粗糙度获取方法

Country Status (1)

Country Link
CN (1) CN111750808B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113670234A (zh) * 2021-06-21 2021-11-19 盎锐（上海）信息科技有限公司 用于实测实量的显示方法、测量系统及激光雷达

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090233192A1 (en) * 2006-12-01 2009-09-17 Asahi Glass Company Limited Method for finishing surface of preliminary polished glass substrate
CN101561834A (zh) * 2009-06-03 2009-10-21 湖南大学 一种基于截面线分析的点云与几何数模对齐方法
US20130266292A1 (en) * 2012-02-06 2013-10-10 LEGEND3D. Inc. Multi-stage production pipeline system
RU2535519C2 (ru) * 2013-03-12 2014-12-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Сибирская государственная геодезическая академия" (ФГБОУ ВПО "СГГА") Способ бесконтактного измерения параметров шероховатости поверхности
CN104908001A (zh) * 2015-05-15 2015-09-16 天津智通机器人有限公司 一种高铁机车的车前窗的装配系统及方法
CN104966065A (zh) * 2015-06-23 2015-10-07 电子科技大学 目标识别方法及装置
CN105203044A (zh) * 2015-05-27 2015-12-30 珠海真幻科技有限公司 以计算激光散斑为纹理的立体视觉三维测量方法及系统
US20170053231A1 (en) * 2015-04-21 2017-02-23 Somil Desai Automated electronic management system for international trade, logistics and pre-shipment inspection
CN106875439A (zh) * 2017-02-20 2017-06-20 天津大学 基于三维点云模型的单晶硅棒外形尺寸测量方法
CN106989731A (zh) * 2017-03-30 2017-07-28 中国科学院遥感与数字地球研究所 一种用于地表粗糙度观测的近景摄影测量方法
CN107449378A (zh) * 2017-07-21 2017-12-08 辽宁科技大学 一种基于三维图像的岩石表面粗糙程度测试及计算方法
CN108956392A (zh) * 2018-07-05 2018-12-07 河海大学 一种潮滩沉积物类型的无人机识别方法
CN109341603A (zh) * 2018-09-28 2019-02-15 四川大学 基于激光点云技术监测爆破开挖面的平整度的方法
CN110375668A (zh) * 2019-07-08 2019-10-25 西北农林科技大学 基于点云数据的黄土坡面微地形曲面重构方法
CN110555247A (zh) * 2019-08-16 2019-12-10 华南理工大学 一种基于多点传感器数据和BiLSTM的结构损伤预警方法
CN110889899A (zh) * 2019-10-14 2020-03-17 北京建筑大学 一种数字地表模型的生成方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090233192A1 (en) * 2006-12-01 2009-09-17 Asahi Glass Company Limited Method for finishing surface of preliminary polished glass substrate
CN101561834A (zh) * 2009-06-03 2009-10-21 湖南大学 一种基于截面线分析的点云与几何数模对齐方法
US20130266292A1 (en) * 2012-02-06 2013-10-10 LEGEND3D. Inc. Multi-stage production pipeline system
RU2535519C2 (ru) * 2013-03-12 2014-12-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Сибирская государственная геодезическая академия" (ФГБОУ ВПО "СГГА") Способ бесконтактного измерения параметров шероховатости поверхности
US20170053231A1 (en) * 2015-04-21 2017-02-23 Somil Desai Automated electronic management system for international trade, logistics and pre-shipment inspection
CN104908001A (zh) * 2015-05-15 2015-09-16 天津智通机器人有限公司 一种高铁机车的车前窗的装配系统及方法
CN105203044A (zh) * 2015-05-27 2015-12-30 珠海真幻科技有限公司 以计算激光散斑为纹理的立体视觉三维测量方法及系统
CN104966065A (zh) * 2015-06-23 2015-10-07 电子科技大学 目标识别方法及装置
CN106875439A (zh) * 2017-02-20 2017-06-20 天津大学 基于三维点云模型的单晶硅棒外形尺寸测量方法
CN106989731A (zh) * 2017-03-30 2017-07-28 中国科学院遥感与数字地球研究所 一种用于地表粗糙度观测的近景摄影测量方法
CN107449378A (zh) * 2017-07-21 2017-12-08 辽宁科技大学 一种基于三维图像的岩石表面粗糙程度测试及计算方法
CN108956392A (zh) * 2018-07-05 2018-12-07 河海大学 一种潮滩沉积物类型的无人机识别方法
CN109341603A (zh) * 2018-09-28 2019-02-15 四川大学 基于激光点云技术监测爆破开挖面的平整度的方法
CN110375668A (zh) * 2019-07-08 2019-10-25 西北农林科技大学 基于点云数据的黄土坡面微地形曲面重构方法
CN110555247A (zh) * 2019-08-16 2019-12-10 华南理工大学 一种基于多点传感器数据和BiLSTM的结构损伤预警方法
CN110889899A (zh) * 2019-10-14 2020-03-17 北京建筑大学 一种数字地表模型的生成方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
VERHOEST N EC 等: "On the soil roughness parameterization problem in soil moisture retrieval of bare surfaces from synthetic aperture radar", 《SENSORS》 *
刘凯 等: "基于点云的某机场航站楼BIM构建及其应用", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
郑兴明等: "农田表面粗糙度参数的测量与精度分析", 《地球信息科学学报》 *
陶浩然 等: "近景摄影测量提高裸露地表粗糙度测量精度", 《农业工程学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113670234A (zh) * 2021-06-21 2021-11-19 盎锐（上海）信息科技有限公司 用于实测实量的显示方法、测量系统及激光雷达

Also Published As

Publication number Publication date
CN111750808B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
US10746857B2 (en) Method for correcting measuring errors of long-distance scanning laser radar
CN106989731B (zh) 一种用于地表粗糙度观测的近景摄影测量方法
Hodge et al. In situ characterization of grain‐scale fluvial morphology using Terrestrial Laser Scanning
CN108801164B (zh) 一种基于激光测试工件缝隙值的方法及系统
CN109581338B (zh) 一种标定多激光雷达外参数的系统及其方法
KR20190028527A (ko) 3차원 표면조도 평가장치, 3차원 표면조도 평가방법, 3차원 표면조도 데이터 취득장치 및 3차원 표면조도 데이터 취득방법
CN111750808B (zh) 基于激光雷达扫描仪的地表粗糙度获取方法
CN112365529B (zh) 基于重心偏离度的隧洞点云配准方法、装置
CN108844469B (zh) 一种基于激光测试工件台阶高度的方法及系统
Fu et al. Algorithms for calculating single-atom step heights
JP6890819B2 (ja) マッピング方法および測定装置
CN105115443A (zh) 基于视觉测量技术的水平全视角高精度三维测量方法
CN115865142B (zh) 一种雷达天线波束指向校准方法、系统、装置及存储介质
CN111765902A (zh) 一种基于多棱锥标靶的激光点云精度评估方法
CN107340159B (zh) 三维结构面抗剪强度代表性试样的选取方法
CN110728027A (zh) 岩体结构面粗糙度系数各向异性率评价方法
Blendell et al. Determination of texture from individual grain orientation measurements
Iovenitti et al. Three-dimensional measurement using a single image
CN115289999A (zh) 一种三维激光扫描系统的自校准方法
CN111077055B (zh) 一种氯离子渗透深度测量方法
CN110360937B (zh) 一种基于激光测距仪的纸卷幅宽自动测量方法
CN113989513A (zh) 一种方形指针式仪表读数识别的方法
CN117451011B (zh) 一种基于蒙特卡罗检验的摄影测量像控点质量评价方法
Rachakonda et al. Evaluation of the range performance of laser scanners using non-planar targets
FR3092196A1 (fr) Methode d’estimation de la topographie locale d’un echantillon a partir d’images de microscopie electronique a balayage et d’un modele mathematique

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
GR01 Patent grant
GR01 Patent grant