常用的激光雷达数据及相关数据

1.ICESAT/GLAS

2003年发射,2009年失效。
同轨激光足印间距170 m,激光光斑直径60-70 m.
532 1064 nm两个波段

2.ICESAT2/ATLAS

2018年发射(ATLAS为光子计数激光测高仪,微脉冲多波束光子计数激光雷达)。
高度500km,倾角92°,因此观测覆盖南北纬88°之间,重返周期91天。每个周期有1387个轨道。
532 nm一个波段
激光光斑直径约为17.5 m.
ATLAS 系统搭载了两个激光器,通常仅有一个处于工作状态,以 10 kHz 重复频率发射单脉冲 (532 nm),脉冲宽度 1.5 ns,可以获取沿轨道间隔约 0.7 m、直径约 17 m 的重叠光斑。 ATLAS 共发射6 束激光束,在沿轨方向分 3 组平行排列 (图 1),每组分别包含一个强信号和一个弱信号,二者能量比为4∶ 1;每组之间跨轨距离约 3.3 km,组内跨轨距离约为 90 m。组内一条轨为弱信号,一条轨为强信号。

在这里插入图片描述
图 1 ICESat-2/ATLAS 波束分布示意图[10]
Fig.1 ICESat-2/ATLAS beams distribution sketch map[10]
参考自[1]朱笑笑,王成,习晓环,聂胜,杨学博,黎东.ICESat-2星载光子计数激光雷达数据处理与应用研究进展[J].红外与激光工程,2020,49(11):76-85.(其中左侧图来源于ICESAT2官网)

同年又发射GEDI(全波形激光雷达传感器)。

3.杭州中科天维科技有限公司研发的机载双频激光雷达系统在海南飞行测得数据。最大测深为三倍赛克盘深度。
4.基于Visual Studio平台,使用某地区的Leica ALS60,Las 1.3格式数据。
5.GF-7

2019年11月,中国发射高分七号卫星,上又双相阵立体相机和全波形激光测高仪。GF-7激光测高数据,受限于激光测高仪的硬件系统,通常认为回波波形中最多可以提取6个目标的高度信息。在这里插入图片描述
图参考自[1]谢俊峰,杨晨晨,梅永康,韩保民.基于遗传算法的星载激光全波形分解[J].红外与激光工程,2020,49(11):143-149.

6.DEM数据

ALOS对地观测卫星,日本于2006年1月24日发射,12.5mDEM数据,可以用来计算地表坡度。

7.ICESat-2 的 ATL08 产品

包含沿轨道方向的地形和树冠高度,以及有森林地区的其他描述性参数。

8.CryoSat-2 等雷达波

ICESAT-2激光束不会穿透海冰顶部的雪层,可用于提取准确的海冰总干舷厚度,而CryoSat-2等雷达波由于自身的穿透性,可以测量海冰干舷(xian),二者结合可以估算积雪厚度。Kwok 等 利 用ICESat-2 和 CryoSat-2 数据估算了北极积雪厚度 ,结果表明,2018 年 10 月~2019 年 4 月期间北冰洋平均积雪厚度范围为 8~19 cm

在这里插入图片描述
参考自[1]朱笑笑,王成,习晓环,聂胜,杨学博,黎东.ICESat-2星载光子计数激光雷达数据处理与应用研究进展[J].红外与激光工程,2020,49(11):76-85.

9.Optech Titan多光谱组合激光雷达系统

532 1064 1550nm的单波长系统组合起来的,系统参数不完全一致。扫出来的点云并不完全重合。光斑大小和发散角也不一致。

10. 激光雷达/地基高光谱激光雷达距离效应

激光雷达/地基高光谱激光雷达的距离效应
见论文:作者:白杰,牛铮 等。An exploration, analysis, and correction of the distance effect on terrestrial hyperspectral LiDAR data

11.高光谱激光雷达波形分解算法Rclonte-M算法

希望下面这篇文章Rclonte-M分解算法对大家有启发,里面算法前半部分介绍了单波长分解算法,Rclonte-M分解算法最后再优化步骤介绍了处理高光谱回波波形的步骤。
Title:Toward an Advanced Method for Full-Waveform Hyperspectral LiDAR Data Processing
DOI: 10.1109/TGRS.2024.3382481
引用格式:
Bai J, Niu Z*, Bi K, Yang X, Huang Y, Fu Y, Wu M, Wang L* (2024). Toward An Advanced Method for Full-Waveform Hyperspectral LiDAR Data Processing. IEEE Transactions on Geoscience and Remote Sensing, 62, 1-16.
在这里插入图片描述

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Kitti激光雷达数据集是一个广泛应用于计算机视觉与机器学习领域的公开数据集。该数据集主要用于研究和开发自动驾驶、目标检测和跟踪、三维视觉重建等相关应用。 Kitti激光雷达数据集包含了一系列采集自汽车上的激光雷达数据,其中包括点云数据、图像数据、标签数据等。点云数据激光雷达扫描周围环境后得到的一组离散点的三维坐标信息,可以用于进行三维重建、环境感知等任务。图像数据是由车辆上的摄像头拍摄的图像,可用于进行图像识别、目标检测和跟踪等任务。标签数据是对每个物体的类别、位置和尺寸等信息的标注,可用于进行目标检测和跟踪任务的训练和评估。 Kitti激光雷达数据集提供了不同场景下的数据采集,包括城市街道、乡村道路和高速公路等,以满足不同应用的需求。此外,数据集还提供了不同的传感器融合数据,如激光雷达与相机数据的融合,可用于进行多传感器融合的研究和应用。 通过使用Kitti激光雷达数据集,研究者和开发者可以进行自动驾驶机器学习算法的研究和开发。数据集的公开性使得不同机构和个人都能够使用相同的数据进行研究和评估,从而促进了该领域的研究进展。同时,Kitti数据集还提供了评估指标和方法,方便了算法的评价和比较。 总而言之,Kitti激光雷达数据集是一个为自动驾驶和计算机视觉研究提供的公开数据集,通过提供点云数据、图像数据和标签数据等,能够帮助研究者和开发者进行不同应用领域的研究和开发工作。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值