gx3脉冲设置_皇家墨尔本理工大学-MicroStrain 3DM-GX3-35用于无人机 - 激光雷达系统的研制及其在森林资源清查...

摘要：我们介绍了低成本无人机 - 光探测和测距(UAV-LiDAR)系统的开发以及生

成 3D 点云的相应工作流程。无人机系统提供高度时间和空间分辨率数据集的无与伦

比的组合。TerraLuma UAV-LiDAR 系统的开发旨在利用这些特性，并在此过程中克

服了林业在林业中使用该技术的一些局限性。提出了一种改进的处理工作流程，包

括融合来自 GPS 接收器，惯性测量单元(IMU)和高清(HD)摄像机的观测的新型轨

迹确定算法。使用对最终点云的空间精度的严格评估来证明该工作流程的优点。结

果表明，由于包含视频，最终点云的水平精度从 0.61 米提高到 0.34 米(根据地面

控制评估的 RMS 误差)。通过对单个孤立树进行重复测量，还评估了由 UAV-LiDAR

系统产生的非常高密度点云(高达 62 点/ m2)对树位置，高度和树冠宽度的测量的

影响。当使用密度为每米 8 点 2 的数据时，树高的标准偏差从 0.26 米减小到使用较

高密度数据时的 0.15 米。还显示了树位置测量不确定性的改进，0.80 米至 0.53 米，

冠宽，0.69 米至 0.61 米。

OktoKopter 有一个独立的控制系统，包括一个车载导航和自动驾驶系统。这允许遵循预定

义的飞行路径，确保最大限度地使用飞行时间并且可以容易地执行重复测量。此外，在森林环

境中使用 VTOL 无人机是非常重要的，因为通常不存在用作跑道的清理区域。该平台的主要限

制是小的有效载荷能力和随后减少的飞行时间。电动 OktoKopter 的飞行时间仅为 3-5 分钟。

传感器有效载荷通过定制设计的刚性传感器框架安装在 UAV 上，该框架具有固定的杠杆臂偏

移和所有传感器之间的视轴角度。该框架还允许

遥感.2012，4 6

足够的天空视野，可以准确操作 GPS 天线和支持 GPS 的摄像机。无人机上的主要传感器是 Ibeo

LUX 激光扫描仪。该扫描仪专为汽车用途而设计，最大范围为 200 米，可扫描 4 个平行层，横向

光束发散度为 0.8◦，可完全覆盖传感器的视野。传感器设定为扫描频率为 12.5Hz，角分辨率为

0.25◦。选择这些设置主要是由于数据记录计算机的限制。Ibeo LUX 的最大扫描范围是 110◦，虽

然这被限制在±30◦，因为大扫描角度已被证明对用于森林调查的关键指标的推导有显着影响

[30].LUX 记录每脉冲最多三个回波的范围和强度，范围重复性为 10 cm，分辨率为 4 cm。虽然

扫描仪的属性如宽光束发散和低范围分辨率不能使其成为理想的测绘传感器，但其低功耗和轻巧

(约 1 千克)允许其使用机载无人机平台。

包含在感测有效载荷内的其余传感器属于定位和定向系统(POS)。POS 由 MEMS IMU(微应

变 3DM-GX3 35)，双频 GPS 接收器(Novatel OEMV1-df)和轻型天线(Novatel ANT-A72GA)

和高清 GPS 摄像机组成。IMU 包含正交的加速度计，陀螺仪和磁力计以及内部 GPS 接收器，允

许所有观测与 GPS 时间同步。重量仅为 50 g 的 IMU 设定为以 100 Hz 的速率观察角速率和加速

度。表中总结了陀螺仪和加速度计的关键特性 1.然而，IMU 已经过工厂校准，以确认使用[中

列出的方法校准 IMU 的结果。31].以 5Hz 的速率记录的 GPS 观测值被差分地后处理，以便实现

尽可能高的精度。最后，高清摄像机每秒记录 30 帧，视场为 110◦。该相机的校准参数已使用

Bouget 中列出的方法确定[32].使用板载小型计算机(Gumstix Verdex pro)执行数据记录和

时间同步。所有其他处理都是脱机执行的。整个传感器有效载荷重 2.4 千克，符合 OktoKopter

平台上的使用要求，最大有效载荷为 2.8 千克。

结论和未来的工作

本文概述了低成本无人机 - 车辆检测和测距(UAV-LiDAR)系统的发展。这包括开发 Sigma

Point Kalman 平滑器(SPKS)，旨在最佳地组合来自基于微机电系统(MEMS)的惯性测量单元

(IMU)，GPS 接收器和使用高清晰度的方向观测的观测结果( HD)视频和运动结构(SfM)算

法，以确定飞机位置和方向的准确估计。该系统通过应用于森林库存进行评估，以确定合成点

云的空间精度以及单个树高，位置和树冠宽度的测量的可重复性。

我们证明了通过包含视频方向观测，该系统能够产生点云，水平 RMS 误差为 0.34 m，垂直 0.14

m，标称飞行高度为 50 m。与没有视频观察的相同 SPKS 生成的点云相比，这表示水平分量内的方差

减少了 68％。这种精度与非常高分辨率的点云(密度高达每米 62 点 2)相结合，可以测量树高，位

置和树冠宽度，标准偏差小至 0.05 米，高度为 0.44 米用于定位和 0.25 米的树冠宽度。

未来的研究旨在进行森林调查，以进一步评估无人机在林业中的潜力。这些调查旨在评估无

人机作为一种工具，使森林经营者能够就修剪和减薄制度做出更明智的决策，监测树木健康和

落叶，以及提高异速生长森林生长模型的准确性。为了实现这一目标，需要进一步研究以分析

降低的飞行高度和增加的全部效果。

版权所有：Luke Wallace , Arko Lucieer, Christopher Watson and Darren Turner

School of Geography and Environmental Studies, University of Tasmania, Hobart, TAS 7001, Australia