XiaoMi-AI文件搜索系统
World File Search System激光雷达
具有空间连续全球覆盖的星载激光雷达任务的航天器和光学设计考虑因素
a 应用空间技术实验室（ApSTL），电子电气工程系，思克莱德大学，204 George St, Glasgow, G1 1XW，英国 b 空间系统研究组，工程学院，曼彻斯特大学，Oxford Rd, Manchester, M13 9PL，英国 c 爱丁堡大学地球科学学院，爱丁堡，EH9 3FF，英国 d 英国天文技术中心（UKATC），科学与技术设施委员会（STFC），爱丁堡皇家天文台，Blackford Hill, Edinburgh, EH9 3HJ，英国 e Space Flow Ltd，51/3 Warrender Park Road, Edinburgh, EH9 1EU，英国 f Sylvera Ltd.，20 Chiswell St, London, EC1Y 4TW，英国 g 科学与环境研究所，坎布里亚大学，The Barn, Rydal Rd, Ambleside LA22 9BB，英国
在混乱环境中基于激光雷达的空中跟踪的分散群轨迹生成
摘要 - 具有多个无人机（UAV）的航空跟踪在各种应用中具有广泛的潜力。但是，现有的群追踪作品通常缺乏在混乱环境中保持高目标可见性的能力。为了解决这种缺陷，我们提出了一个分散的计划者，该计划者可以最大化目标可见性，同时确保无碰撞的动作进行群体跟踪。在本文中，首先通过分散的动力学搜索前端对每个无人机的跟踪性能进行了分析，该搜索为初始化安全的飞行走廊和可见扇区提供了最佳的指导路径。之后，满足走廊约束的多项式轨迹是由空间 - 周期性优化器产生的。车间碰撞和避免阻塞也被纳入优化目标。通过与其他尖端作品进行广泛的基准比较来验证我们方法的范围。与基于自主激光雷达的群体系统集成在一起，提出的计划者在现实世界中展示了其效率和鲁棒性，这些实验杂乱无章。
相干激光雷达白皮书研究 - 独立半导体
由于Lidar已成为传感器世界中的热门话题，这主要是由于ADA和自动驾驶领域的努力，因此已经出现了关于直接检测（或飞行时间）还是相干（例如，频率调制连续波，例如）光子检测是最佳的辩论。实际上，“最佳”在很大程度上取决于应用程序。LIDAR用于从交通管理，驾驶员援助和自动驾驶，地面映射到气象应用的各种应用中。不同的激光雷达性能指标的重要性 - 最大范围，准确性，干扰免疫，成本等。- 因应用程序而异。即使在同一应用程序中，某些系统选择也可能偏向一个或另一个参数的重要性。本文旨在讨论直接和连贯检测的不同特征，以教育对LiDAR感兴趣的人并允许他们做出知情的系统选择。
机载激光雷达技术在输电线路勘测中的应用
摘要：在输电线路勘测中，传统航测方法难以穿过植被、玉米地等地表附着物获取地表高程，而人工测绘方法在山区、丘陵地区存在效率低、成本高的缺点。本文利用机载激光雷达测绘技术，结合110kV输电线路工程勘测实例，基于点云分类结果生成高精度地表DEM，并基于点云提取单株木材信息，精确统计树木砍伐量，建立了全景模拟线路走廊工程地理信息系统，为线路方案优化、平面断面提取提供技术支持，并应用于工程中，对效果进行评估，具有实际意义。
将水深测量激光雷达引入沿海区域评估
摘要：环境保护的主要任务之一是监测海岸因气候变化和人为压力而产生的负面影响。遥感技术经常用于影响评估研究。地形和水深测量程序被视为单独的测量方法，而将沿海区域分析与水下影响相结合的方法很少用于岩土分析。本研究对用于沿海监测的水深测量机载系统进行了评估，同时考虑了环境条件并与其他监测方法进行了比较。测试是在波罗的海的一个区域进行的，尽管监测成功，但沿海退化仍在继续。该技术能够确定沿海悬崖侵蚀的威胁（基于岩土分析）。据报道，浅水深度对水深光探测和测距 (LiDAR) 来说是一个挑战，因为很难将表面、水柱和底部反射相互分离。通过描述所使用的分类方法克服了这一挑战，即最适合点云处理的 CANUPO 分类方法。本研究提出了一种识别自然灾害的创新方法，即结合沿海特征与水下因素的分析。本文的主要目标是评估在波罗的海使用水深扫描来确定导致海岸侵蚀的因素的适用性。此外，还进行了岩土工程分析，考虑到水下的几何地面变化。这是第一项使用沿海监测方法的研究，将岩土工程计算与遥感数据相结合。这项跨学科的科学研究可以提高对环境过程的认识。
提高机载激光雷达点云自动重建三维复杂建筑物模型的精度
摘要：由于各种 3D 空间数据应用对数据量和质量的要求很高，需要自动化、高效和可靠的数据采集和预处理方法。使用摄影测量技术以及光检测和测距 (LiDAR) 自动扫描仪是其中很有吸引力的解决方案。然而，测量数据是以无序点云的形式出现的，通常需要转换为基于多边形或多面体表面的高阶 3D 模型，这不是一个简单的过程。该研究提出了一种新开发的算法，用于校正来自机载 LiDAR 对规则 3D 建筑物的测量的 3D 点云数据。所提出的方法假设在应用规则的泊松曲面重建方法之前应用一系列导致 3D 光栅化的操作，即创建和处理对象的 3D 规则网格表示。为了验证重建对象的准确性和质量，以便与获得的 3D 模型进行定量比较，使用了高质量的地面真实模型，其形式是通过摄影测量构建的网格，并使用建筑物建筑平面图手动制作。所呈现的结果表明，应用所提出的算法对结果的质量有积极影响，并且可以与现有的表面重建方法结合使用，以便从 LiDAR 扫描生成更详细的 3D 模型。
Mokrane Hadj-Bachir、P de Souza、P Nordqvist、N Roy。固体空气颗粒对激光雷达传感器干扰的建模。SIA SIMULATION NUMERIQUES，2021 年 4 月，数字活动，法国。 hal-03220397
为了确保自动驾驶安全可靠，感知功能必须由足够的人工视觉支持。考虑传感器的性能已变得非常重要，以确保其可靠性，从而确保车辆即使在恶劣的环境影响下也能安全，例如雨、灰尘、雪 [1] [2] 或传感器屏幕正面受到污染 [3]。由于可用的传感器种类繁多，并且范围、分辨率或灵敏度方面的选择似乎无穷无尽，因此很难为自己的自动驾驶汽车 (AV) 应用选择最佳系统 [4] [5]。LIDAR 传感器在机器人和汽车领域非常受欢迎，因为它们能够提供高密度数据和精确的距离测量，同时对光照条件具有相对的鲁棒性。LIDAR 传感器从环境中捕获高清数据
NASA AfriSAR 活动：利用机载 SAR 和激光雷达测量热带森林结构和生物量，以支持当前和未来的太空任务
a 美国国家航空航天局戈达德太空飞行中心，美国马里兰州格林贝尔特 b 美国马里兰大学帕克分校地理科学系 c 美国加州理工学院喷气推进实验室，美国加利福尼亚州帕萨迪纳 d 英国爱丁堡大学地球科学学院 e 美国佛罗里达大学森林、渔业和测绘科学学院 (FFGS)，美国佛罗里达州盖恩斯维尔 32611 f 美国杜克大学尼古拉斯环境学院 g 法国 UMR 5174 (CNRS/IRD/UPS) 进化与多样性与生物学实验室 h AMAP、IRD、CNRS、INRA、蒙彼利埃大学、CIRAD，法国蒙彼利埃 i 英国斯特灵大学自然科学学院，FK9 4LA j 美国华盛顿特区史密森尼热带研究所 — 森林全球地球观测站热带森林科学中心 k 研究所热带生态研究 (IRET)，CENAREST，加蓬利伯维尔 l Institut de Pharmacop ´ ee et de M ´ edecine Traditionnelle (Herbier National du Gabon)，CENAREST，加蓬利伯维尔 m Agence Gabonaise d ' ´ Etudes et d ' Observations Spatiales，加蓬利伯维尔 n Agence Nationale des国家公园，利伯维尔，加蓬 o 伦敦大学学院地理系，英国伦敦 p 利兹大学地理学院，英国利兹 q 美国宇航局总部，华盛顿特区，美国 r 新加坡国立大学地理系，新加坡
在茂密的植被下收集精确的激光雷达数据
我们与 Rocketmine 合作，开创了新的测绘解决方案。Rocketmine 是一家全球无人机数据服务提供商，为多个行业提供跨大洲的全套交钥匙无人机解决方案，包括采矿、农业、工程、可再生能源、安全和医疗等。这项任务是在加纳/西非赤道丛林环境中勘测 6,500 公顷的区域。这种极端的操作环境为我们的 Trinity F90+ VTOL 无人机解决方案与 Qube 240 LiDAR 有效载荷的组合提供了理想的试验平台。茂密的丛林环境对传统的摄影测量测量技术和 RGB 传感器来说是个问题，因为它们无法穿透地形的各个树层。作为 Quantum-Systems 无人机解决方案在该地区首次积极部署，Rocketmines 团队能够率先使用这项突破性技术并快速收集相关数据以完成任务目标。