Lidar(也称为LIDAR或者LiDAR有时是LADAR),是一种通过用激光瞄准物体或表面并测量反射光返回接收器的时间来确定范围&＃xff08;可变距离&＃xff09;的方法。它还可用于通过改变光的波长来对地球表面和海底区域进行数字3D表示。它具有地面&＃xff0c;机载和移动应用程序。[1][2]
激光雷达是“光探测和测距”[3]或“激光成像&＃xff0c;检测和测距”的首字母缩写。[4]它有时被称为3-D激光扫描&＃xff0c;是3-D扫描和激光扫描的特殊组合。[5]
激光雷达通常用于制作高分辨率地图&＃xff0c;应用于测量&＃xff0c;大地测量&＃xff0c;地理学&＃xff0c;考古学&＃xff0c;地理学&＃xff0c;地质学&＃xff0c;地貌学&＃xff0c;地震学&＃xff0c;林业&＃xff0c;大气物理学&＃xff0c;[6]激光制导&＃xff0c;机载激光条带制图&＃xff08;ALSM&＃xff09;和激光测高。它也被用于一些自动驾驶汽车的控制和导航[7]&＃xff0c;以及直升机的独创性&＃xff0c;在火星地形上创纪录地飞行。[8]
在马尔科姆·斯蒂奇&＃xff08;MalcolmStitch&＃xff09;的指导下&＃xff0c;休斯飞机公司于1961年&＃xff0c;在激光发明后不久&＃xff0c;推出了第一个类激光雷达系统。该系统用于卫星跟踪&＃xff0c;通过使用适当的传感器和数据采集电子设备测量信号返回的时间&＃xff0c;将激光聚焦成像与计算距离的能力相结合。它最初被称为“Colidar”&＃xff0c;是“相干光探测和测距”的首字母缩略词&＃xff0c;[11]源于“雷达”一词&＃xff0c;其本身是“无线电探测和测距”的首字母缩略词。所有激光测距仪、激光高度计和激光雷达装置均源自早期的colidar系统。colidar系统的第一个实际地面应用是“colidar Mark II”&＃xff0c;这是1963年生产的一种类似步枪的大型激光测距仪&＃xff0c;射程为7英里&＃xff0c;精度为15英尺&＃xff0c;用于军事瞄准。[12] [10]1963年&＃xff0c;激光雷达作为一个独立的词首次被提及&＃xff0c;这表明它起源于“光”和“雷达”的组合&＃xff1a;“最终&＃xff0c;激光可能会提供一种对来自遥远物体的特定波长极其敏感的探测器。与此同时&＃xff0c;它正被“激光雷达”&＃xff08;light radar&＃xff09;用于研究月球……”[13] [14]“光子雷达”这个名称有时用来表示像激光雷达这样的可见光谱测距。[15] [16]
激光雷达的首次应用是在气象学领域&＃xff0c;为此&＃xff0c;国家大气研究中心使用它来测量云和污染。[17] 1971年&＃xff0c;在阿波罗15号任务期间&＃xff0c;当宇航员使用激光高度计绘制月球表面地图时&＃xff0c;公众开始意识到激光雷达系统的准确性和实用性。虽然英语不再将“雷达”视为首字母缩略词&＃xff08;即未大写&＃xff09;&＃xff0c;但从20世纪80年代开始&＃xff0c;一些出版物将“lidar”一词大写为“LIDAR”或“Lidar”。对资本化没有达成共识。各种出版物将lidar称为“LIDAR”、“LiDAR”、“LIDaR”或“Lidar”。美国地质调查局同时使用“LIDAR”和“lidar”&＃xff0c;有时在同一份文件中&＃xff1b;[18] 《纽约时报》主要使用“lidar”为员工撰写文章&＃xff0c;[19]尽管路透社等新闻稿可能使用Lidar。[20]
激光雷达使用紫外、可见光或近红外光对物体进行成像。它可以针对各种材料&＃xff0c;包括非金属物体&＃xff0c;岩石&＃xff0c;雨水&＃xff0c;化合物&＃xff0c;气溶胶&＃xff0c;云甚至单分子。[6]窄激光束可以以非常高的分辨率映射物理特征;例如&＃xff0c;飞机可以以30厘米&＃xff08;12英寸&＃xff09;或更高的分辨率绘制地形。[21]
激光雷达的基本概念是由EH Synge在1930年提出的&＃xff0c;他设想使用强大的探照灯来探测大气层。[22][23]事实上&＃xff0c;激光雷达已经被广泛用于大气研究和气象学。安装在飞机和卫星上的激光雷达仪器进行测绘 - 最近的一个例子是美国地质调查局实验先进机载研究激光雷达。 美国宇航局已经确定激光雷达是实现未来机器人和载人登月飞行器自主精确安全着陆的关键技术。[25]
波长因目标而异&＃xff1a;从约10微米&＃xff08;红外线&＃xff09;到约250纳米&＃xff08;紫外线&＃xff09;。通常&＃xff0c;光是通过反向散射反射的&＃xff0c;而不是用镜子找到的纯粹反射。不同类型的散射用于不同的激光雷达应用&＃xff1a;最常见的是瑞利散射、米氏散射、拉曼散射和荧光。[6]合适的波长组合可以通过识别返回信号强度的波长依赖性变化来远程映射大气内容物。“光子雷达”这个名字有时被用来表示像激光雷达这样的可见光谱测距&＃xff0c;[15][16]尽管光子雷达更严格地指的是使用光子分量进行射频测距。
激光雷达用公式确定物体或表面的距离&＃xff1a;[27]
这里c是光速&＃xff0c;d是探测器与被检测物体或表面之间的距离&＃xff0c;以及t是激光传播到被检测物体或表面&＃xff0c;然后传播回探测器所花费的时间。
激光雷达检测方案有“不相干”或直接能量检测&＃xff08;主要测量反射光的振幅变化&＃xff09;和相干检测&＃xff08;最适合测量多普勒频移或反射光相位的变化&＃xff09;。相干系统通常使用光学外差检测。这比直接检测更灵敏&＃xff0c;允许它们以更低的功率工作&＃xff0c;但需要更复杂的收发器。
两种类型都采用脉冲模型&＃xff1a;微脉冲或高能量。微脉冲系统利用间歇性的能量爆发。它们的发展是计算机功率不断提高的结果&＃xff0c;再加上激光技术的进步。它们在激光中的使用能量要少得多&＃xff0c;通常约为一个微焦耳&＃xff0c;并且通常是“人眼安全的”&＃xff0c;这意味着它们可以在没有安全预防措施的情况下使用。大功率系统在大气研究中很常见&＃xff0c;它们被广泛用于测量大气参数&＃xff1a;云的高度&＃xff0c;分层和密度&＃xff0c;云粒子特性&＃xff08;消光系数&＃xff0c;反向散射系数&＃xff0c;去极化&＃xff09;&＃xff0c;温度&＃xff0c;压力&＃xff0c;风&＃xff0c;湿度和痕量气体浓度&＃xff08;臭氧&＃xff0c;甲烷&＃xff0c;一氧化二氮等&＃xff09;。[6]
激光雷达系统由几个主要组件组成。
激光
600-1000 nm激光器在非科学应用中最常见。激光的最大功率是有限的&＃xff0c;或者使用自动关闭系统&＃xff0c;在特定高度关闭激光器&＃xff0c;以使其对地面上的人安全。
一种常见的替代方案&＃xff0c;1550 nm激光器&＃xff0c;在相对较高的功率水平下对人眼是安全的&＃xff0c;因为该波长不会被人眼强烈吸收&＃xff0c;但探测器技术不太先进&＃xff0c;因此这些波长通常用于较远的距离&＃xff0c;精度较低。它们也用于军事应用&＃xff0c;因为与较短的1000 nm红外激光器不同&＃xff0c;夜视镜中看不到1550 nm。
机载地形测绘激光雷达通常使用1064 nm二极管泵浦YAG激光器&＃xff0c;而测深&＃xff08;水下深入研究&＃xff09;系统通常使用532 nm倍频二极管泵浦YAG激光器&＃xff0c;因为532 nm穿透水的衰减比1064 nm小得多。激光设置包括激光重复率&＃xff08;控制数据收集速度&＃xff09;。脉冲长度通常是激光腔长度、通过增益材料&＃xff08;YAG、YLF等&＃xff09;所需的通过次数和Q开关&＃xff08;脉冲&＃xff09;速度的属性。如果激光雷达接收器探测器和电子设备具有足够的带宽&＃xff0c;则通过较短的脉冲实现更好的目标分辨率。[6]
相控阵
相控阵可以通过使用单个天线的微观阵列来照亮任何方向。控制每个天线的时序&＃xff08;相位&＃xff09;可将内聚信号引导到特定方向。
自20世纪40年代以来&＃xff0c;相控阵一直用于雷达。同样的技术可以用于光。在一百万个光学天线的数量级上&＃xff0c;用于在某个方向上看到一定大小的辐射图。该系统通过精确闪光定时来控制。单个芯片&＃xff08;或几个&＃xff09;取代了价值75&＃xff0c;000美元的机电系统&＃xff0c;大大降低了成本。[注29]
有几家公司正在努力开发商用固态激光雷达单元&＃xff0c;包括正在设计905 nm固态器件的Quanergy公司&＃xff0c;尽管他们似乎在开发中遇到了一些问题。[注30]
控制系统可以改变镜头的形状&＃xff0c;以实现放大/缩小功能。特定的子区域可以以亚秒级间隔为目标。[29]
机电激光雷达的使用寿命为 1&＃xff0c;000 到 2&＃xff0c;000 小时。相比之下&＃xff0c;固态激光雷达可以运行100&＃xff0c;000小时。[29]
微型机械
微机电镜&＃xff08;MEMS&＃xff09;并非完全固态。然而&＃xff0c;它们微小的外形提供了许多相同的成本效益。单个激光被定向到单个反射镜&＃xff0c;可以重新定向以查看目标场的任何部分。镜子旋转速度很快。然而&＃xff0c;MEMS系统通常在一个平面&＃xff08;从左到右&＃xff09;上运行。要添加第二个维度&＃xff0c;通常需要第二个上下移动的镜像。或者&＃xff0c;另一个激光可以从另一个角度击中同一个反射镜。MEMS系统可能会因冲击/振动而中断&＃xff0c;可能需要重复校准。其目标是制造一种小型微芯片&＃xff0c;以增强创新和进一步的技术进步。[29]
扫描仪和光学元件
图像开发速度受扫描速度的影响。扫描方位角和高程的选项包括双摆动平面反射镜、与多边形镜的组合以及双轴扫描仪。光学选择会影响可检测的角度分辨率和范围。孔镜或分束器是收集返回信号的选项。
光电探测器和接收器电子元件
激光雷达中使用了两种主要的光电探测器技术&＃xff1a;固态光电探测器&＃xff0c;如硅雪崩光电二极管或光电倍增管。接收器的灵敏度是激光雷达设计中必须平衡的另一个参数。
位置和导航系统
安装在飞机或卫星等移动平台上的激光雷达传感器需要仪器来确定传感器的绝对位置和方向。此类设备通常包括全球定位系统接收器和惯性测量单元&＃xff08;IMU&＃xff09;。
传感器
激光雷达使用主动传感器&＃xff0c;提供自己的照明源。能量源撞击物体&＃xff0c;反射的能量被传感器检测和测量。通过记录发射脉冲和反向散射脉冲之间的时间以及使用光速计算行进距离来确定到物体的距离。[31]闪光灯激光雷达允许3D成像&＃xff0c;因为相机能够发出更大的闪光灯&＃xff0c;并与返回的能量感知感兴趣区域的空间关系和尺寸。这允许更准确的成像&＃xff0c;因为捕获的帧不需要拼接在一起&＃xff0c;并且系统对平台运动不敏感。这样可以减少失真。[32]
3D成像可以使用扫描和非扫描系统来实现。“3-D门控观察激光雷达”是一种非扫描激光测距系统&＃xff0c;采用脉冲激光和快速门控相机。使用数字光处理&＃xff08;DLP&＃xff09;技术的虚拟光束控制研究已经开始。
成像激光雷达也可以使用高速探测器阵列和调制敏感探测器阵列进行&＃xff0c;这些探测器阵列通常构建在单芯片上&＃xff0c;使用互补金属氧化物半导体&＃xff08;CMOS&＃xff09;和混合CMOS/电荷耦合器件&＃xff08;CCD&＃xff09;制造技术。在这些器件中&＃xff0c;每个像素执行一些局部处理&＃xff0c;例如高速解调或门控&＃xff0c;将信号下变频为视频速率&＃xff0c;以便可以像相机一样读取阵列。使用这种技术可以同时获取数千个像素/通道。高分辨率3D激光雷达相机使用带有电子CCD或CMOS快门的同浊检测。[34]
相干成像激光雷达使用合成阵列外差检测&＃xff0c;使凝视的单晶接收器能够像成像阵列一样工作。[35]
2014年&＃xff0c;林肯实验室宣布推出一款新的成像芯片&＃xff0c;其像素超过16&＃xff0c;384像素&＃xff0c;每个芯片能够对单个光子进行成像&＃xff0c;使他们能够在单个图像中捕获大面积区域。2010年1月海地地震后&＃xff0c;美国军方派出了具有四分之一像素的早期技术。在太子港上空3&＃xff0c;000米&＃xff08;10&＃xff0c;000英尺&＃xff09;处乘坐公务机一次通过&＃xff0c;能够以30厘米&＃xff08;12英寸&＃xff09;的分辨率捕捉到城市600平方米&＃xff08;12英寸&＃xff09;的瞬间快照&＃xff0c;显示散落在城市街道上的瓦砾的精确高度。新系统要好十倍&＃xff0c;可以更快地制作出更大的地图。该芯片使用砷化铟镓&＃xff08;InGaAs&＃xff09;&＃xff0c;其在相对较长的波长的红外光谱中工作&＃xff0c;允许更高的功率和更长的范围。在许多应用中&＃xff0c;例如自动驾驶汽车&＃xff0c;新系统将不需要机械组件来瞄准芯片&＃xff0c;从而降低成本。与传统的硅探测器相比&＃xff0c;InGaAs使用的危险波长更少&＃xff0c;后者在可见波长下工作。[37]
在闪光灯激光雷达中&＃xff0c;整个视场在单个脉冲中被一束发散的激光束照亮。这与传统的扫描激光雷达形成鲜明对比&＃xff0c;后者使用准直激光束一次照亮单个点&＃xff0c;并且光束经过光栅扫描以逐点照亮视场。这种照明方法也需要不同的检测方案。在扫描和闪光灯激光雷达中&＃xff0c;飞行时间摄像头用于收集有关每帧入射到其上的光的3D位置和强度的信息。但是&＃xff0c;在扫描激光雷达中&＃xff0c;该相机仅包含一个点传感器&＃xff0c;而在闪光灯激光雷达中&＃xff0c;相机包含一个1-D或2-D传感器阵列&＃xff0c;其每个像素收集3-D位置和强度信息。在这两种情况下&＃xff0c;深度信息都是使用激光脉冲的飞行时间&＃xff08;即每个激光脉冲击中目标并返回传感器所需的时间&＃xff09;收集的&＃xff0c;这需要激光的脉冲和相机的采集同步。结果是相机拍摄距离而不是颜色的照片。与扫描激光雷达相比&＃xff0c;当相机、场景或两者都在移动时&＃xff0c;闪光灯激光雷达尤其有利&＃xff0c;因为整个场景同时被照亮。使用扫描激光雷达&＃xff0c;当激光光栅在场景上空时&＃xff0c;运动会导致时间流逝的“抖动”。
与所有形式的激光雷达一样&＃xff0c;板载照明源使闪光灯激光雷达成为主动传感器。返回的信号由嵌入式算法处理&＃xff0c;以在传感器的视野内产生物体和地形特征的近乎瞬时的3D渲染。激光脉冲重复频率足以生成具有高分辨率和高精度的3D视频。[38][41]传感器的高帧率使其成为各种受益于实时可视化的应用的有用工具&＃xff0c;例如高精度的远程着陆操作。通过立即返回目标景观的3D高程网格&＃xff0c;闪光传感器可用于识别自主航天器着陆场景中的最佳着陆区域。[43]
远距离观察需要强大的光束。功率仅限于不损害人类视网膜的水平。波长不得影响人眼。然而&＃xff0c;低成本的硅成像仪不会读取人眼安全光谱中的光。相反&＃xff0c;需要砷化镓成像仪&＃xff0c;这可以将成本提高到20万美元。砷化镓是用于生产通常用于空间应用的高成本&＃xff0c;高效率太阳能电池板的相同化合物。
激光雷达可以定向到最低点、天顶或横向。例如&＃xff0c;激光雷达高度计向下看&＃xff0c;大气激光雷达向上看&＃xff0c;基于激光雷达的防撞系统是侧面的。
激光雷达的激光投影可以使用各种方法和机制进行操作以产生扫描效果&＃xff1a;标准主轴型&＃xff0c;旋转以提供360度视图;固态激光雷达&＃xff0c;具有固定的视场&＃xff0c;但没有移动部件&＃xff0c;可以使用MEMS或光学相控阵来控制光束;和闪光灯激光雷达&＃xff0c;在信号反弹回探测器之前&＃xff0c;将闪光传播到大视野上。[注44]
激光雷达应用可分为机载和地面类型。这两种类型的扫描仪需要根据数据的目的、要捕获的区域的大小、所需的测量范围、设备成本等的不同规格的扫描仪。太空平台也是可能的&＃xff0c;参见卫星激光测高。
机载激光雷达&＃xff08;也称为机载激光扫描&＃xff09;是指激光扫描仪在飞行过程中连接到飞机上时&＃xff0c;创建景观的3D点云模型。这是目前创建数字高程模型的最详细和最准确的方法&＃xff0c;取代了摄影测量。与摄影测量相比&＃xff0c;一个主要优点是能够从点云模型中过滤掉植被的反射&＃xff0c;以创建数字地形模型&＃xff0c;该模型表示被树木隐藏的地面&＃xff0c;如河流&＃xff0c;路径&＃xff0c;文化遗产地等。在机载激光雷达类别中&＃xff0c;有时对高空和低空应用有所区分&＃xff0c;但主要区别在于在高海拔地区获取的数据的精度和点密度都降低了。机载激光雷达还可用于在浅水中创建测深模型。[注46]
机载激光雷达的主要组成部分包括数字高程模型&＃xff08;DEM&＃xff09;和数字表面模型&＃xff08;DSM&＃xff09;。点和地面点是离散点的矢量&＃xff0c;而 DEM 和 DSM 是离散点的插值栅格格网。该过程还涉及捕获数字航空照片。例如&＃xff0c;为了解释深层山体滑坡&＃xff0c;在植被&＃xff0c;悬崖&＃xff0c;张力裂缝或倾斜的树木的掩护下&＃xff0c;使用空中激光雷达。机载激光雷达数字高程模型可以透视森林覆盖的树冠&＃xff0c;对悬崖、侵蚀和电线杆倾斜进行详细测量。[注47]
机载激光雷达数据使用一个名为工具箱的工具箱进行处理&＃xff0c;用于激光雷达数据过滤和地形研究软件[48]。使用该软件将数据插值到数字地形模型中。激光指向要映射的区域&＃xff0c;并通过从相应的数字地形模型高程中减去原始 z 坐标来计算每个点在地面上的高度。基于这个离地面的高度&＃xff0c;可以获得非植被数据&＃xff0c;其中可能包括建筑物&＃xff0c;电线&＃xff0c;飞鸟&＃xff0c;昆虫等物体。其余点被视为植被&＃xff0c;并用于建模和制图。在这些图中&＃xff0c;激光雷达指标是通过计算平均值&＃xff0c;标准偏差&＃xff0c;偏度&＃xff0c;百分位数&＃xff0c;二次平均值等统计数据来计算的[48]。
机载激光雷达测深技术系统涉及测量信号从源到返回传感器的飞行时间。数据采集技术涉及海底测绘组件和地面实况组件&＃xff0c;其中包括视频横断面和采样。它使用绿色光谱&＃xff08;532 nm&＃xff09;激光束工作。两束光束投射到一个快速旋转的镜子上&＃xff0c;形成一个点阵列。其中一个光束穿透水&＃xff0c;并在有利条件下检测水的底面。
获得的数据显示了暴露在海底之上的陆地表面的全部范围。这种技术非常有用&＃xff0c;因为它将在主要的海底测绘计划中发挥重要作用。制图可生成陆上地形和水下高程。海底反射率成像是该系统的另一个解决方案产品&＃xff0c;可以使水下栖息地的测绘受益。该技术已用于使用水文激光雷达对加州水域进行三维图像制图。[注50]
机载激光雷达测深技术 - 高分辨率多波束激光雷达地图&＃xff0c;以阴影浮雕和深度着色的方式显示壮观的断裂和变形海底地质。
使用多旋翼无人机执行激光雷达扫描。
无人机现在正与激光扫描仪以及其他远程传感器一起使用&＃xff0c;作为扫描较小区域的更经济的方法。无人机遥感的可能性也消除了机组人员在困难地形或偏远地区可能遭受的任何危险。
使用多旋翼无人机执行激光雷达扫描。
传统上&＃xff0c;机载LiDAR系统只能获得几个峰值回报&＃xff0c;而最近的系统则能够采集和数字化整个反射信号。科学家分析了波形信号&＃xff0c;使用高斯分解法提取峰值回报。[53] Zhuang等人&＃xff0c;2017年使用这种方法来估计地上生物量。[54]处理大量的全波形数据是很困难的。因此&＃xff0c;波形的高斯分解是有效的&＃xff0c;因为它减少了数据&＃xff0c;并且得到了支持3D点云解释的现有工作流程的支持。最近的研究调查了体素化。将波形样本的强度插入体素化空间&＃xff08;即灰度图像.3D&＃xff09;&＃xff0c;以构建扫描区域的3D表示。[52]然后可以从体素化空间中提取相关的指标和信息。可以使用局部区域的3D指标提取结构信息&＃xff0c;并且有一个案例研究使用体素化方法来检测澳大利亚死亡的桉树。[55]
激光雷达的地面应用&＃xff08;也是地面激光扫描&＃xff09;发生在地球表面&＃xff0c;可以是静止的&＃xff0c;也可以是移动的。固定式地面扫描是最常见的测量方法&＃xff0c;例如在传统的地形、监测、文化遗产记录和取证中。从这些类型的扫描仪获取的3D点云可以与从扫描仪位置拍摄的扫描区域的数字图像相匹配&＃xff0c;与其他技术相比&＃xff0c;在相对较短的时间内创建逼真的3D模型。点云中的每个点都给定了在与创建点的激光束相同的位置和方向上拍摄的图像中的像素的颜色。
移动激光雷达&＃xff08;也称为移动激光扫描&＃xff09;是指将两个或多个扫描仪连接到移动车辆上以沿路径收集数据。这些扫描仪几乎总是与其他类型的设备配对&＃xff0c;包括GNSS接收器和IMU。一个示例应用是测量街道&＃xff0c;其中电源线&＃xff0c;精确的桥梁高度&＃xff0c;边界树木等都需要考虑。无需使用测速仪在现场单独收集这些测量值&＃xff0c;而是可以创建点云的3D模型&＃xff0c;其中可以根据所收集数据的质量进行所需的所有测量。这消除了忘记进行测量的问题&＃xff0c;只要模型可用&＃xff0c;可靠并具有适当的精度水平。
地面激光雷达制图涉及占用格网地图生成过程。该过程涉及划分为格网的像元数组&＃xff0c;当激光雷达数据落入相应的格网像元时&＃xff0c;这些像元使用一个过程来存储高度值。然后&＃xff0c;通过将特定阈值应用于单元格值来创建二进制映射&＃xff0c;以便进一步处理。下一步是处理每次扫描的径向距离和 z 坐标&＃xff0c;以确定哪些 3-D 点对应于导致数据形成过程的每个指定格网像元。[56]
除了下面列出的应用程序之外&＃xff0c;还有各种各样的激光雷达应用程序&＃xff0c;因为它经常在国家激光雷达数据集程序中提到。这些应用很大程度上取决于有效物体检测的范围。分辨率&＃xff0c;即激光雷达识别和分类对象的准确程度;和反射率混淆&＃xff0c;这意味着激光雷达在明亮物体&＃xff08;如反射标志或明亮太阳&＃xff09;存在下对某些东西的观察程度。[44]
公司正在努力降低激光雷达传感器的成本&＃xff0c;目前从大约1&＃xff0c;200美元到超过12&＃xff0c;000美元不等。较低的价格将使激光雷达对新市场更具吸引力。[57]
农业机器人已被用于各种目的&＃xff0c;从种子和肥料分散&＃xff0c;传感技术以及用于杂草控制任务的作物侦察。
激光雷达可以帮助确定在哪里施用昂贵的肥料。它可以创建田地的地形图&＃xff0c;并显示农田的斜坡和阳光照射。农业研究服务局的研究人员利用这些地形数据和前几年的农田产量结果&＃xff0c;将土地分为高产、中产或低产区。[58]这表示在哪里施肥以最大限度地提高产量。
激光雷达现在用于监测田间昆虫。使用激光雷达可以检测单个飞虫的运动和行为&＃xff0c;并识别性别和物种。2017年&＃xff0c;美国、欧洲和中国公布了关于该技术的专利申请。[注60]
另一个应用是果园和葡萄园的作物测绘&＃xff0c;以检测叶子生长和修剪或其他维护的需要&＃xff0c;检测水果生产的变化&＃xff0c;或计数植物。
激光雷达在GNSS拒绝的情况下非常有用&＃xff0c;例如坚果和果园&＃xff0c;其中树叶阻挡了向精密农业设备或无人驾驶拖拉机发出的卫星信号。激光雷达传感器可以检测行的边缘&＃xff0c;以便农业设备可以继续移动&＃xff0c;直到GNSS信号重新建立。
植物种类分类
控制杂草需要识别植物物种。这可以通过使用3D激光雷达和机器学习来完成。激光雷达将植物轮廓生成为具有范围和反射率值的“点云”。将转换此数据&＃xff0c;并从中提取要素。如果物种已知&＃xff0c;则将要素添加为新数据。该物种被标记&＃xff0c;其特征最初被存储为在真实环境中识别物种的示例。这种方法很有效&＃xff0c;因为它使用低分辨率激光雷达和监督学习。它包括一个易于计算的特征集&＃xff0c;具有与工厂规模无关的常见统计特征。[61]
激光雷达在考古学中有许多用途&＃xff0c;包括实地活动规划、绘制森林冠层下的要素&＃xff0c;以及概述与地面无法区分的广泛、连续的特征。激光雷达可以快速、廉价地生成高分辨率数据集。激光雷达衍生产品可以轻松集成到地理信息系统&＃xff08;GIS&＃xff09;中&＃xff0c;以进行分析和解释。
激光雷达还有助于创建考古遗址的高分辨率数字高程模型&＃xff08;DEM&＃xff09;&＃xff0c;这些模型可以揭示被植被隐藏的微观地形。返回的激光雷达信号的强度可用于检测埋在平坦植被表面&＃xff08;如场&＃xff09;下的要素&＃xff0c;尤其是在使用红外光谱进行制图时。这些特征的存在会影响植物的生长&＃xff0c;从而影响反射回来的红外光的量。例如&＃xff0c;在加拿大坎伯兰堡国家历史遗址博塞茹尔堡&＃xff0c;激光雷达发现了与1755年围攻堡垒有关的考古特征。无法通过地面或航空摄影区分的特征是通过覆盖DEM的山体阴影来识别的&＃xff0c;这些阴影是通过从各个角度进行人工照明创建的。另一个例子是Arlen Chase和他的妻子Diane Zaino Chase在Caracol的工作。 2012年&＃xff0c;激光雷达被用于在洪都拉斯丛林的拉莫斯基蒂亚地区寻找传说中的布兰卡城或“猴神之城”。在为期七天的测绘期间&＃xff0c;发现了人造结构的证据。 2013年6月&＃xff0c;马亨德拉帕瓦塔市宣布重新被发现。在新英格兰南部&＃xff0c;激光雷达被用来揭示石墙、建筑地基、废弃道路和其他景观特征&＃xff0c;这些景观在航空摄影中被该地区茂密的森林树冠所遮挡。[68][69][70]在柬埔寨&＃xff0c;达米安·埃文斯和罗兰·弗莱彻使用激光雷达数据来揭示吴哥景观的人为变化[71]
2012年&＃xff0c;Lidar透露&＃xff0c;墨西哥米却肯州Angamuco的Purépecha定居点的建筑物数量与今天的曼哈顿一样多。2016年&＃xff0c;它用于绘制危地马拉北部古代玛雅堤道的地图&＃xff0c;揭示了连接米拉多尔古城和其他地点的17条高架道路。2018年&＃xff0c;使用激光雷达的考古学家在玛雅生物圈保护区发现了超过60&＃xff0c;000座人造建筑&＃xff0c;这是一个“重大突破”&＃xff0c;表明玛雅文明比以前想象的要大得多。[75][76][77][78][79][80][81][82][83][84][85]
自动驾驶汽车可以使用激光雷达进行障碍物检测和避开&＃xff0c;以安全地在环境中导航。激光雷达的引入是一个关键事件&＃xff0c;是斯坦利背后的关键推动因素&＃xff0c;斯坦利是第一辆成功完成DARPA大挑战赛的自动驾驶汽车。激光雷达传感器的点云输出为机器人软件提供了必要的数据&＃xff0c;以确定环境中存在的潜在障碍物以及机器人与这些潜在障碍物的关系。新加坡的新加坡-麻省理工学院研究与技术联盟&＃xff08;SMART&＃xff09;正在积极开发自主激光雷达车辆的技术。[注88]
第一代汽车自适应巡航控制系统仅使用激光雷达传感器。
自动驾驶汽车可以使用激光雷达进行障碍物检测和避开&＃xff0c;以安全地在环境中导航。激光雷达的引入是一个关键事件&＃xff0c;是斯坦利背后的关键推动因素&＃xff0c;斯坦利是第一辆成功完成DARPA大挑战赛的自动驾驶汽车。激光雷达传感器的点云输出为机器人软件提供了必要的数据&＃xff0c;以确定环境中存在的潜在障碍物以及机器人与这些潜在障碍物的关系。新加坡的新加坡-麻省理工学院研究与技术联盟&＃xff08;SMART&＃xff09;正在积极开发自主激光雷达车辆的技术。[注88]
第一代汽车自适应巡航控制系统仅使用激光雷达传感器。
巡航自动化自动驾驶汽车&＃xff0c;车顶上有五个Velodyne LiDAR单元
运输系统的物体检测
在运输系统中&＃xff0c;为了确保车辆和乘客的安全&＃xff0c;并开发提供驾驶员辅助的电子系统&＃xff0c;了解车辆及其周围环境至关重要。激光雷达系统在交通系统的安全方面发挥着重要作用。许多增加驾驶员辅助和车辆安全性的电子系统&＃xff0c;如自适应巡航控制&＃xff08;ACC&＃xff09;&＃xff0c;紧急制动辅助和防抱死制动系统&＃xff08;ABS&＃xff09;&＃xff0c;都依赖于对车辆环境的检测来自主或半自主地行动。激光雷达制图和估算实现了这一点。
基础知识概述&＃xff1a;当前的激光雷达系统使用旋转的六角形反射镜来分割激光束。上部三个光束用于车辆和前方障碍物&＃xff0c;下部光束用于检测车道标记和道路特征。使用激光雷达的主要优点是可以获得空间结构&＃xff0c;并且可以将这些数据与其他传感器&＃xff08;如雷达等&＃xff09;融合在一起&＃xff0c;以便根据环境中存在的物体的静态和动态属性更好地了解车辆环境。相反&＃xff0c;激光雷达的一个重要问题是在恶劣天气条件下重建点云数据的难度。例如&＃xff0c;在大雨中&＃xff0c;激光雷达系统发出的光脉冲部分被雨滴反射&＃xff0c;雨滴会向数据增加噪声&＃xff0c;称为“回波”。[注90]
下面提到的是处理激光雷达数据的各种方法&＃xff0c;并通过传感器融合将其与其他传感器的数据一起使用&＃xff0c;以检测车辆环境状况。
使用 SICK LMC 激光雷达传感器的预测 3-D 激光系统
使用激光雷达进行障碍物检测和道路环境识别
这种方法由Kun Zhou等人提出[91]&＃xff0c;不仅专注于物体的检测和跟踪&＃xff0c;而且还识别车道标记和道路特征。如前所述&＃xff0c;激光雷达系统使用旋转的六角形反射镜&＃xff0c;将激光束分成六束。上面的三层用于检测前方物体&＃xff0c;如车辆和路边物体。传感器由耐候材料制成。激光雷达检测到的数据被聚类为多个段&＃xff0c;并由卡尔曼滤波器进行跟踪。这里的数据聚类是基于对象模型的每个段的特征来完成的&＃xff0c;这些对象模型区分不同的对象&＃xff0c;如车辆、招牌等。这些特征包括物体的尺寸等。车辆后缘的反射器用于将车辆与其他物体区分开来。目标跟踪是使用2级卡尔曼滤波器完成的&＃xff0c;考虑到跟踪的稳定性和物体的加速运动[89]激光雷达反射强度数据也用于路缘检测&＃xff0c;利用鲁棒回归来处理遮挡。使用改进的Otsu方法通过区分粗糙和有光泽的表面来检测道路标记。[注92]
优势
由于各种原因&＃xff0c;指示车道边界的路边反光板有时会被隐藏。因此&＃xff0c;需要其他信息来识别道路边界。此方法中使用的激光雷达可以测量物体的反射率。因此&＃xff0c;有了这些数据&＃xff0c;道路边界也可以被识别。此外&＃xff0c;使用具有防风雨头的传感器有助于即使在恶劣的天气条件下也能检测物体。洪水前后的冠层高度模型就是一个很好的例子。激光雷达可以检测高度详细的冠层高度数据及其道路边界。
激光雷达测量有助于识别障碍物的空间结构。这有助于根据大小区分物体&＃xff0c;并估计驾驶物体的影响。[注93]
激光雷达系统提供更好的范围和大视野&＃xff0c;有助于检测曲线上的障碍物。与具有较窄视野的RADAR系统相比&＃xff0c;这是一个主要优势。激光雷达测量与不同传感器的融合使系统在实时应用中具有鲁棒性和实用性&＃xff0c;因为激光雷达相关系统无法估计有关检测到物体的动态信息。[注93]
已经证明&＃xff0c;激光雷达可以纵&＃xff0c;以至于自动驾驶汽车被欺骗采取规避行动 [ 94 ] 。
激光雷达在林业中也发现了许多应用。树冠高度、生物量测量和叶面积都可以使用机载激光雷达系统进行研究。同样&＃xff0c;激光雷达也被许多行业使用&＃xff0c;包括能源和铁路&＃xff0c;以及交通部作为一种更快的测量方式。地形图也可以从激光雷达轻松生成&＃xff0c;包括用于娱乐用途&＃xff0c;例如用于制作定向越野地图。激光雷达也被用于估计和评估植物、真菌和动物的生物多样性。[96][97][98]
此外&＃xff0c;拯救红杉联盟&＃xff08;Save the Redwoods League&＃xff09;还开展了一个项目&＃xff0c;绘制北加州海岸高大的红杉地图。激光雷达使研究科学家不仅可以测量以前未绘制地图的树木的高度&＃xff0c;还可以确定红杉林的生物多样性。正在与联盟合作开展北海岸激光雷达项目的Stephen Sillett声称&＃xff0c;这项技术将有助于指导未来保存和保护古老红杉树的努力。[99]
将旧生长的森林&＃xff08;右&＃xff09;与新植树林&＃xff08;左&＃xff09;进行比较的激光雷达成像
由机载和固定激光雷达生成的高分辨率数字高程图导致了地貌学&＃xff08;地球科学的分支涉及地表地形的起源和演化&＃xff09;的重大进步。激光雷达能够探测到微妙的地形特征&＃xff0c;如河流梯田和河道岸&＃xff0c;冰川地貌&＃xff0c;[100]测量植被冠层下的地表高程&＃xff0c;更好地解析高程的空间衍生物&＃xff0c;以及检测重复调查之间的高程变化&＃xff0c;使得许多新的研究能够形成景观的物理和化学过程。2005年&＃xff0c;勃朗峰地块的Tour Ronde成为第一座高山山峰&＃xff0c;使用激光雷达来监测大型岩壁上越来越多的严重岩石落落&＃xff0c;据称这是由气候变化和高海拔永久冻土退化引起的。[102]
激光雷达还用于结构地质学和地球物理学&＃xff0c;作为机载激光雷达和GNSS的组合&＃xff0c;用于探测和研究断层&＃xff0c;用于测量隆起。这两种技术的输出可以为地形生成极其精确的高程模型&＃xff0c;这些模型甚至可以通过树木测量地面高程。这种组合最有名地用于寻找美国华盛顿州西雅图断层的位置。[104]该组合还通过使用2004年隆起前后的数据来测量圣海伦斯山的隆起。机载激光雷达系统监测冰川&＃xff0c;并能够探测到细微的生长或衰退。一个基于卫星的系统&＃xff0c;即美国宇航局的ICESat&＃xff0c;包括一个用于此目的的激光雷达子系统。美国宇航局机载地形测绘仪[106]也被广泛用于监测冰川和进行海岸变化分析。土壤科学家在创建土壤调查时也使用该组合。详细的地形建模使土壤科学家能够看到斜坡变化和地貌断裂&＃xff0c;这些变化和地貌断裂表明了土壤空间关系中的模式。
最初&＃xff0c;基于红宝石激光器&＃xff0c;气象应用的激光雷达是在激光器发明后不久建造的&＃xff0c;代表了激光技术的首批应用之一。此后&＃xff0c;激光雷达技术在功能上得到了极大的扩展&＃xff0c;激光雷达系统用于执行一系列测量&＃xff0c;包括剖析云&＃xff0c;测量风&＃xff0c;研究气溶胶和量化各种大气成分。大气成分反过来可以提供有用的信息&＃xff0c;包括表面压力&＃xff08;通过测量氧气或氮气的吸收&＃xff09;&＃xff0c;温室气体排放&＃xff08;二氧化碳和甲烷&＃xff09;&＃xff0c;光合作用&＃xff08;二氧化碳&＃xff09;&＃xff0c;火灾&＃xff08;一氧化碳&＃xff09;和湿度&＃xff08;水蒸气&＃xff09;。大气激光雷达可以是地面的、机载的或卫星的&＃xff0c;具体取决于测量类型。
大气激光雷达遥感以两种方式工作 &＃xff1a;
通过测量大气中的反向散射&＃xff0c;以及
通过测量地面&＃xff08;当激光雷达在空中飞行时&＃xff09;或其他坚硬表面的散射反射。
从大气中向后散射直接给出了云和气溶胶的量度。来自反向散射的其他衍生测量值&＃xff08;如风或卷云冰晶&＃xff09;需要仔细选择检测到的波长和/或偏振。多普勒激光雷达和瑞利多普勒激光雷达用于通过测量反向散射光的频率来测量沿光束的温度和/或风速。运动中气体的多普勒展宽允许通过产生的频移来确定性质。扫描激光雷达&＃xff0c;如锥形扫描NASA HARLIE激光雷达&＃xff0c;已被用于测量大气风速。欧空局的风力任务ADM-Aeolus将配备多普勒激光雷达系统&＃xff0c;以提供垂直风廓线的全球测量。2008年夏季奥运会使用多普勒激光雷达系统在游艇比赛期间测量风场。[110]
多普勒激光雷达系统现在也开始成功应用于可再生能源领域&＃xff0c;以获取风速&＃xff0c;湍流&＃xff0c;风向和风切变数据。脉冲波和连续波系统都在使用中。脉冲系统使用信号定时来获得垂直距离分辨率&＃xff0c;而连续波系统则依赖于探测器聚焦。
术语eolics已被提出来描述使用计算流体力学模拟和多普勒激光雷达测量的风的协作和跨学科研究。[111]
机载激光雷达的地面反射给出了激光雷达波长处的表面反射率&＃xff08;假设大气透射率是众所周知的&＃xff09;的度量&＃xff0c;但是&＃xff0c;地面反射通常用于对大气进行吸收测量。“差分吸收激光雷达”&＃xff08;DIAL&＃xff09;测量利用两个或多个间隔较近的&＃xff08;<1 nm&＃xff09;波长来分解表面反射率以及其他透射损耗&＃xff0c;因为这些因素对波长相对不敏感。当调谐到特定气体的适当吸收线时&＃xff0c;DIAL测量可用于确定大气中该特定气体的浓度&＃xff08;混合比&＃xff09;。这被称为集成路径差分吸收&＃xff08;IPDA&＃xff09;方法&＃xff0c;因为它是整个激光雷达路径上集成吸收的度量。IPDA激光雷达可以是脉冲的[112][113]或CW[114]&＃xff0c;通常使用两个或多个波长。IPDA激光雷达已被用于二氧化碳[112][113][114]和甲烷的遥感。[116]
合成阵列激光雷达允许在不需要阵列探测器的情况下对激光雷达进行成像。它可用于成像多普勒测速&＃xff0c;超快帧速率&＃xff08;MHz&＃xff09;成像&＃xff0c;以及相干激光雷达中的斑点减少。格兰特给出了大气层和水层应用的大量激光雷达参考书目。[117]
警察使用激光雷达测速枪来测量车辆的速度&＃xff0c;以执行限速。此外&＃xff0c;它还用于法医学&＃xff0c;以帮助犯罪现场调查。对场景进行扫描以记录物体位置&＃xff0c;血液和其他重要信息的确切细节&＃xff0c;以供以后查看。这些扫描也可用于在枪击事件中确定子弹轨迹。[119]
已知很少有军事应用已经到位并被分类&＃xff08;例如AGM-129 ACM隐形核巡航导弹的基于激光雷达的速度测量&＃xff09;&＃xff0c;但是在它们用于成像方面正在进行大量研究。更高分辨率的系统收集足够的细节来识别目标&＃xff0c;如坦克。激光雷达的军事应用实例包括Aré Associates用于反地雷战的机载激光地雷探测系统&＃xff08;ALMDS&＃xff09;。[120]
北约的一份报告&＃xff08;RTO-TR-SET-098&＃xff09;评估了对峙探测以区分生物战剂的潜在技术。评估的潜在技术是长波红外&＃xff08;LWIR&＃xff09;&＃xff0c;差分散射&＃xff08;DISC&＃xff09;和紫外激光诱导荧光&＃xff08;UV-LIF&＃xff09;。根据上面测试和讨论的激光雷达系统的结果&＃xff0c;工作组建议&＃xff0c;近期&＃xff08;2008-2010年&＃xff09;应用远距离探测系统的最佳选择是UV-LIF&＃xff0c;[121]然而&＃xff0c;从长远来看&＃xff0c;其他技术&＃xff0c;如对峙拉曼光谱可能被证明对识别生物战剂有用。
基于激光诱导荧光&＃xff08;LIF&＃xff09;的短程紧凑型光谱激光雷达将解决在体育场馆&＃xff0c;地铁和机场等关键室内&＃xff0c;半封闭和室外场所以气溶胶形式存在的生物威胁。这种近乎实时的能力将能够快速探测生物气溶胶的释放&＃xff0c;并能够及时采取措施保护居住者并尽量减少污染程度。[122]
远程生物对峙探测系统&＃xff08;LR-BSDS&＃xff09;是为美国陆军开发的&＃xff0c;目的是提供生物攻击的最早对峙警告。它是直升机携带的机载系统&＃xff0c;用于远距离探测含有生物和化学制剂的合成气溶胶云。LR-BSDS的探测范围为30公里或更大&＃xff0c;于1997年6月投入使用。德国公司Sick AG生产的五个激光雷达单元被用于斯坦利的短距离检测&＃xff0c;斯坦利是赢得2005年DARPA大挑战赛的自动驾驶汽车。
2010年6月&＃xff0c;一架机器人波音AH-6进行了全自主飞行&＃xff0c;包括使用激光雷达避开障碍物。[124][125]
矿石体积的计算是通过定期&＃xff08;每月&＃xff09;扫描矿石去除区域来完成的&＃xff0c;然后将表面数据与之前的扫描进行比较[126]。
激光雷达传感器也可用于机器人采矿车辆的障碍物检测和避开&＃xff0c;例如力拓未来矿山中使用的小松自动运输系统&＃xff08;AHS&＃xff09;[127]。
一个全球性的天文台网络使用激光雷达来测量月球上放置的反射器的距离&＃xff0c;从而能够以毫米精度测量月球的位置&＃xff0c;并进行广义相对论的测试。MOLA&＃xff0c;火星轨道激光高度计&＃xff0c;使用火星轨道卫星&＃xff08;NASA火星全球测量员&＃xff09;的激光雷达仪器&＃xff0c;对这颗红色星球进行了非常精确的全球地形测量。激光高度计产生了火星&＃xff0c;月球&＃xff08;月球轨道器激光高度计&＃xff08;LOLA&＃xff09;&＃xff09;水星&＃xff08;水星激光高度计&＃xff08;MLA&＃xff09;&＃xff09;&＃xff0c;NEAR-Shoemaker激光测距仪&＃xff08;NLR&＃xff09;&＃xff09;的全球高度模型。未来的任务还将包括激光高度计实验&＃xff0c;如木卫三激光高度计&＃xff08;GALA&＃xff09;&＃xff0c;作为木星冰月探测器&＃xff08;JUICE&＃xff09;任务的一部分。[128]
2008年9月&＃xff0c;美国宇航局凤凰号着陆器使用激光雷达探测火星大气中的雪。[129]
在大气物理学中&＃xff0c;激光雷达被用作远程探测仪器&＃xff0c;用于测量中层和高层大气某些成分的密度&＃xff0c;例如钾&＃xff0c;钠或分子氮和氧。这些测量值可用于计算温度。激光雷达还可用于测量风速&＃xff0c;并提供有关气溶胶颗粒垂直分布的信息。[130]
在牛津郡阿宾登附近的JET核聚变研究设施中&＃xff0c;激光雷达汤姆逊散射用于确定等离子体的电子密度和温度曲线。[131]
激光雷达已广泛应用于岩石力学中&＃xff0c;用于岩体表征和边坡变化检测。可以从通过激光雷达获得的三维点云中提取岩体中的一些重要的地质力学特性。其中一些属性是&＃xff1a;
不连续方向 [132][133][134]
不连续性间距和RQD [134][135][136]
不连续孔径
不连续性持久性 [134][136][137]
不连续性粗糙度 [136]
水渗透
其中一些特性已用于通过RMR指数评估岩体的地质力学质量。此外&＃xff0c;由于可以使用现有方法提取不连续性的方向&＃xff0c;因此可以通过SMR指数评估岩石边坡的地质力学质量。除此之外&＃xff0c;比较不同时间从斜坡获得的不同3D点云&＃xff0c;研究人员可以研究在此期间由于落石或任何其他山体滑坡过程而在现场产生的变化。[139][140][141]
雷神
THOR是一种设计用于测量地球大气条件的激光器。激光进入云层[142]并测量回光环的厚度。该传感器具有宽度为7.5英寸的光纤孔径&＃xff0c;用于测量回光。
激光雷达技术正被用于机器人技术&＃xff0c;用于环境感知以及物体分类。激光雷达技术能够提供地形的三维高程图&＃xff0c;到地面的高精度距离和接近速度&＃xff0c;可以使机器人和载人车辆的安全着陆具有高度的精度。激光雷达也广泛用于机器人技术&＃xff0c;用于同步定位和测绘&＃xff0c;并很好地集成到机器人模拟器中。[144] 有关更多示例&＃xff0c;请参阅上面的“军事”部分。
激光雷达越来越多地用于近距离作业和航天器驻地相对速度的测距和轨道元件计算。激光雷达也被用于太空的大气研究。从航天器发射的短脉冲激光可以反射出大气中的微小颗粒&＃xff0c;并反射回与航天器激光对齐的望远镜。通过精确定时激光雷达“回波”&＃xff0c;并通过测量望远镜接收的激光量&＃xff0c;科学家可以准确地确定粒子的位置&＃xff0c;分布和性质。结果是一种革命性的新工具&＃xff0c;用于研究大气中的成分&＃xff0c;从云滴到工业污染物&＃xff0c;这些污染物很难通过其他方式检测到。[145][146]
激光测高被用来制作行星的数字高程图&＃xff0c;包括火星的火星轨道激光高度计&＃xff08;MOLA&＃xff09;测绘&＃xff0c;月球轨道激光高度计&＃xff08;LOLA&＃xff09;[148]和月球高度计&＃xff08;LALT&＃xff09;的月球测绘&＃xff0c;以及水星的激光高度计&＃xff08;MLA&＃xff09;测绘。它也被用来帮助导航直升机的独创性&＃xff0c;在火星地形上创纪录的飞行。[8]
机载激光雷达传感器被遥感领域的公司使用。它们可用于创建DTM&＃xff08;数字地形模型&＃xff09;或DEM&＃xff08;数字高程模型&＃xff09;;对于较大的区域来说&＃xff0c;这是一种非常普遍的做法&＃xff0c;因为飞机可以在单个天桥中获得3-4公里宽的条带。即使在森林中&＃xff0c;也可以使用较低的立交桥实现低于50 mm的垂直精度&＃xff0c;即使在森林中&＃xff0c;它能够给出树冠的高度以及地面高度。通常&＃xff0c;需要通过地理配准控制点配置的 GNSS 接收器将数据与 WGS&＃xff08;世界大地测量系统&＃xff09;链接在一起。[150]
激光雷达也用于水文测量。根据水的清晰度&＃xff0c;LiDAR可以测量0.9m至40m的深度&＃xff0c;垂直精度为15厘米&＃xff0c;水平精度为2.5m。[151]
这款TomTom测绘车的车顶行李架上装有五个激光雷达传感器
林业
激光雷达系统也已应用于改善林业管理。测量用于在森林地块中进行盘点&＃xff0c;以及计算单个树木的高度&＃xff0c;冠宽和冠直径。其他统计分析使用激光雷达数据来估计总地块信息&＃xff0c;例如冠层体积、平均值、最小和最大高度以及植被覆盖估计值。空中激光雷达已被用于绘制2020年初澳大利亚丛林大火的地图。数据纵以查看裸露的土壤&＃xff0c;并识别健康和燃烧的植被。[153]
激光雷达已在铁路行业用于生成资产健康报告以进行资产管理&＃xff0c;并由运输部门用于评估其道路状况。CivilMaps.com 是该领域的领先公司。激光雷达已被用于汽车的自适应巡航控制&＃xff08;ACC&＃xff09;系统。西门子&＃xff0c;海拉&＃xff0c;Ouster和Cepton等系统使用安装在车辆前部的激光雷达设备&＃xff08;例如保险杠&＃xff09;来监控车辆与前方任何车辆之间的距离。如果前方车辆减速或离得太近&＃xff0c;ACC会施加制动以减慢车辆的速度。当前方道路畅通时&＃xff0c;ACC允许车辆加速到驾驶员预设的速度。有关更多示例&＃xff0c;请参阅上面的“军事”部分。云高仪是一种基于激光雷达的设备&＃xff0c;在世界各地的机场用于测量跑道进近路径上的云层高度。[156]
使用单个 Ouster OS1 激光雷达从移动汽车生成的点云
激光雷达可用于通过精确测量风速和风湍流来增加风电场的能量输出。实验性激光雷达系统[159][160]可以安装在风力涡轮机的机舱[161]上&＃xff0c;也可以集成到旋转的微调器中[162]以测量迎面而来的水平风&＃xff0c;[163]风力涡轮机尾部的风[163][164] 并主动调整刀片以保护组件并提高功率。激光雷达还用于表征入射风力资源&＃xff0c;以便与风力涡轮机发电进行比较&＃xff0c;通过测量风力涡轮机的功率曲线来验证风力涡轮机的性能[165]。[166]风电场优化可以被认为是应用经济学的一个话题。激光雷达在风能相关工业中的另一个方面是在激光雷达扫描表面上使用计算流体动力学来评估风势[167]&＃xff0c;这可用于优化风电场的布置。
激光雷达还可用于帮助规划者和开发商通过确定适当的屋顶[168][169]来优化城市层面的太阳能光伏系统&＃xff0c;并确定遮阳损失。最近的机载激光扫描工作集中在估计太阳光照射到垂直建筑立面的数量上[171]&＃xff0c;或者通过考虑植被和周围地形的影响来结合更详细的遮阳损失。[172]
最近的模拟赛车游戏&＃xff0c;如rFactor Pro&＃xff0c;iRacing&＃xff0c;Assetto Corsa和Project CARS&＃xff0c;越来越多地采用从通过激光雷达测量获得的3D点云中复制的赛道&＃xff0c;从而在游戏内的3D环境中以厘米或毫米精度复制表面。[173][174][175]
Introversion Software的2017年探索游戏Scanner Sombre使用激光雷达作为基本的游戏机制。
在构建地球中&＃xff0c;激光雷达用于在 Minecraft 中创建精确的地形渲染&＃xff0c;以解释默认生成中的任何错误&＃xff08;主要与高程有关&＃xff09;。将地形渲染为“构建地球”的过程受到区域中可用数据量以及将文件转换为块数据所需的速度的限制。
Radiohead 2007年歌曲“House of Cards”的视频被认为是首次使用实时3D激光扫描来录制音乐视频。视频中的范围数据并不完全来自激光雷达&＃xff0c;因为还使用了结构光扫描。[176]
2020年&＃xff0c;苹果推出了第四代iPad Pro&＃xff0c;在后置摄像头模块中集成了激光雷达传感器&＃xff0c;专为增强现实&＃xff08;AR&＃xff09;体验而开发。该功能后来被收录在iPhone 12 Pro和iPhone 12 Pro Max以及随后的机型中。[178]
iPad Pro 上的激光雷达扫描仪&＃xff08;第 4 代&＃xff09;
最近开发的“运动结构”&＃xff08;SFM&＃xff09;技术允许根据从视觉和红外摄影中提取的数据提供3D图像和地图。使用映射区域的多个平行通道提取高程或3D数据&＃xff0c;从而从同一传感器&＃xff08;通常是专门选择和校准的数码相机&＃xff09;生成视觉光图像和3D结构。[需要引用]
计算机立体视觉已经显示出作为激光雷达在近距离应用中的替代品的前景。[179]
1.“Adoption of gallium-based lidar sensors gathers pace”. www.argusmedia.com. 2021-06-29. Retrieved 2021-07-14.
2.“Ecologists compare accuracy of Lidar technologies for monitoring forest vegetation: Findings suggest mobile platforms have great potential for monitoring a variety of forest attributes”. ScienceDaily. Retrieved 2021-07-14.
3.National Oceanic and Atmospheric Administration (26 February 2021). “What is LIDAR”. oceanservice.noaa.gov. US Department of Commerce. Retrieved 15 March 2021.
4.Travis S. Taylor (2019). Introduction to Laser Science and Engineering. CRC Press.
5.Jie Shan and Charles K. Toth (2018). Topographic Laser Ranging and Scanning: Principles and Processing (2nd ed.). CRC Press.
6. Cracknell, Arthur P.; Hayes, Ladson (2007) [1991]. Introduction to Remote Sensing (2 ed.). London: Taylor and Francis. ISBN 978-0-8493-9255-9. OCLC 70765252.
7. Lim, Hazel Si Min; Taeihagh, Araz (2019). “Algorithmic Decision-Making in AVs: Understanding Ethical and Technical Concerns for Smart Cities”. Sustainability. 11 (20): 5791. arXiv:1910.13122. doi:10.3390/su11205791
京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有