激光雷达的应用


电子科技大学 格拉斯哥学院 2017级 杨鼎特

激光雷达

激光雷达LiDAR(LightLaser Detection and Ranging),是激光探测及测距系统的简称。

用激光器作为辐射源的雷达。激光雷达是激光技术与雷达技术相结合的产物 。由发射机 、天线 、接收机 、跟踪架及信息处理等部分组成。发射机是各种形式的激光器,如二氧化碳激光器、掺钕钇铝石榴石激光器、半导体激光器及波长可调谐的固体激光器等;天线是光学望远镜;接收机采用各种形式的光电探测器,如光电倍增管、半导体光电二极管、雪崩光电二极管、红外和可见光多元探测器件等。激光雷达采用脉冲或连续波2种工作方式,探测方法分直接探测与外差探测。

自从1839年由Daguerre和Niepce拍摄第一张像片以来,利用像片制作像片平面图(X、Y)技术一直沿用至今。到了1901年荷兰人Fourcade发明了摄影测量的立体观测技术,使得从二维像片可以获取地面三维数据(X、Y、Z)成为可能。一百年以来,立体摄影测量仍然是获取地面三维数据最精确和最可靠的技术,是国家基本比例尺地形图测绘的重要技术。

基本原理

LIDAR是一种集激光,全球定位系统(GPS)和惯性导航系统(INS)三种技术与一身的系统,用于获得数据并生成精确的DEM。这三种技术的结合,可以高度准确地定位激光束打在物体上的光斑。它又分为目前日臻成熟的用于获得地面数字高程模型(DEM)的地形LIDAR系统和已经成熟应用的用于获得水下DEM的水文LIDAR系统,这两种系统的共同特点都是利用激光进行探测和测量,这也正是LIDAR一词的英文原译,即:LIght Detection And Ranging - LIDAR。

激光本身具有非常精确的测距能力,其测距精度可达几个厘米,而LIDAR系统的精确度除了激光本身因素,还取决于激光、GPS及惯性测量单元(IMU)三者同步等内在因素。随着商用GPS及IMU的发展,通过LIDAR从移动平台上(如在飞机上)获得高精度的数据已经成为可能并被广泛应用。

LIDAR系统包括一个单束窄带激光器和一个接收系统。激光器产生并发射一束光脉冲,打在物体上并反射回来,最终被接收器所接收。接收器准确地测量光脉冲从发射到被反射回的传播时间。因为光脉冲以光速传播,所以接收器总会在下一个脉冲发出之前收到收到前一个被反射回的脉冲。鉴于光速是已知的,传播时间即可被转换为对距离的测量。结合激光器的高度,激光扫描角度,从GPS得到的激光器的位置和从INS得到的激光发射方向,就可以准确地计算出每一个地面光斑的坐标X,Y,Z。激光束发射的频率可以从每秒几个脉冲到每秒几万个脉冲。举例而言,一个频率为每秒一万次脉冲的系统,接收器将会在一分钟内记录六十万个点。一般而言,LIDAR系统的地面光斑间距在2-4m不等。

激光雷达是一种工作在从红外到紫外光谱段的雷达系统,其原理和构造与激光测距仪极为相似。科学家把利用激光脉冲进行探测的称为脉冲激光雷达,把利用连续波激光束进行探测的称为连续波激光雷达。激光雷达的作用是能精确测量目标位置(距离和角度)、运动状态(速度、振动和姿态)和形状,探测、识别、分辨和跟踪目标。经过多年努力,科学家们已研制出火控激光雷达、侦测激光雷达、导弹制导激光雷达、靶场测量激光雷达、导航激光雷达等。

组件

激光雷达系统由几个主要部件组成。

激光

600-1000 纳米 激光器是最常见的非科学应用。最大功率受限于使它们在人眼中安全的需求(在围绕人们操作的应用中)。

一种常见的替代方案,即1550 nm激光器,在相对较高的功率水平下是人眼安全的,因为该波长不会被眼睛强烈吸收,但是探测器技术不太先进,因此这些波长通常用于较长范围且具有较低的精度。它们还用于军事应用,因为夜视镜中不能看到1550 nm ,与较短的1000 nm红外激光不同。

机载地形测绘激光雷达通常使用1064纳米二极管泵浦YAG激光器,而测深(水下深度研究)系统通常使用532纳米倍频二极管泵浦YAG激光器,因为532纳米穿透水的衰减比1064纳米小得多。激光设置包括激光重复率(控制数据采集速度)。脉冲长度通常是激光腔长度,通过增益材料所需的通过次数(YAG,YLF等)和Q开关(脉冲)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,则可以通过更短的脉冲实现更好的目标精确度。

固态激光器

根据定义,固态电子设备没有移动部件。

闪光激光雷达

闪光灯使用单个光源,在单个脉冲中照亮视野。

远处看到需要强大的光线。功率限制在不损害人类视网膜的水平。波长不得影响人眼。然而,低成本硅成像器在人眼安全光谱中不能读取光。相反,需要使用砷化镓成像仪,这可以将成本提高到200,000美元。

相控阵

相控阵可以通过使用微观阵列的单个天线照射任何方向。控制每个天线的定时(相位)控制特定方向上的内聚信号。

自20世纪50年代以来,相控阵已用于雷达。相同的技术可以用于光。在一百万个光学天线的数量级上用于在特定方向上看到一定大小的辐射图案。通过对精确闪光进行定时来控制系统。单个芯片(或少数芯片)取代了价值75,000美元的机电系统,大大降低了成本。

控制系统可以改变镜头的形状以启用放大/缩小功能。特定子区域可以以亚秒间隔为目标。
机电激光雷达持续1,000至2,000小时。相比之下,固态激光雷达可以运行100,000小时。

微机电镜

微机电镜(MEMS)不是完全固态的。然而,它们的小巧外形提供了许多相同的成本效益。将单个激光引导到单个镜子,该镜子可以重新定向以观察目标场的任何部分。镜子快速旋转。然而,MEMS系统通常在单个平面(从左到右)中操作。要添加第二个维度,通常需要第二个上下移动的镜像。或者,另一个激光器可以从另一个角度击中同一个镜子 MEMS系统可能因冲击/振动而中断,可能需要重复校准。

扫描仪和光学仪

图像开发速度受扫描速度的影响。扫描方位角和仰角的选项包括双振荡平面镜,与多面镜和双轴扫描仪的组合。光学选择会影响可以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设备

激光雷达中使用了两种主要的光电探测器技术:固态光电探测器,如硅雪崩光电二极管或光电倍增管。接收器的灵敏度是必须在激光雷达设计中平衡的另一个参数。

位置和导航系统

安装在诸如飞机或卫星之类的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。这种设备通常包括全球定位系统接收器和惯性测量单元(IMU)。

传感器

激光雷达使用有源传感器提供自己的照明光源。能量源击中物体并且通过传感器检测和测量反射的能量。通过记录透射和反向散射脉冲之间的时间并通过使用光速计算行进距离来确定与物体的距离。

使用扫描和非扫描系统可以实现3-D成像。“三维门控观察激光雷达”是一种非扫描激光测距系统,应用脉冲激光和快速门控摄像机。已经开始使用数字光处理(DLP)技术进行虚拟波束控制。

成像激光雷达还可以使用高速检测器阵列和调制灵敏检测器阵列来执行,所述检测器阵列通常使用互补金属氧化物半导体(CMOS)和混合CMOS / 电荷耦合器件(CCD)制造技术构建在单个芯片上。在这些设备中,每个像素执行一些本地处理,例如高速解调或门控,将信号下变频到视频速率,以便可以像摄像机一样读取阵列。使用该技术,可以同时获取数千个像素/通道。[21]高分辨率3-D激光雷达相机使用零差检测与电子CCD或CMOS 快门。

相干成像激光雷达使用合成阵列外差检测使得凝视的单个元件接收器能够像成像阵列那样起作用。

2014年,林肯实验室宣布推出一款超过16,384像素的新型成像芯片,每个芯片能够对单个光子进行成像,使其能够在单个图像中捕获大面积区域。在2010年1月海地地震之后,美国军方派出了早期的技术,其中四分之一像素被派遣; 在太子港3000米(10,000英尺)的公务机上单次通过,能够以30厘米(12英寸)的分辨率捕捉600米广场的瞬间快照,显示精确的高度在城市街道散落的瓦砾。[24]林肯系统的速度提高了10倍。该芯片使用铟镓砷(InGaAs),其在相对长波长的红外光谱中操作,允许更高的功率和更长的范围。在许多应用中,例如自动驾驶汽车,新系统将通过不需要机械部件来瞄准芯片来降低成本。与常规硅探测器相比,InGaAs使用的危险波长更小,后者在视觉波长下工作。

应用

这个移动机器人使用它的激光雷达来构建地图并避开障碍物。
除了下面列出的应用之外,激光雷达还有各种各样的应用,因为它在National激光雷达数据集程序中经常被提及。

农业

激光雷达返回的图形,具有不同的作物产量。
激光雷达用于分析农田的产量。
农业机器人已被用于各种目的,包括种子和肥料分散,传感技术以及作物杂草控制任务。

激光雷达可以帮助确定在哪里施用昂贵的肥料。它可以创建一个地形的地形图,并显示农场土地的斜坡和阳光照射。农业研究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,将土地分类为高,中或低产区。这表明在哪里施肥以最大化产量。

另一个应用是果园和葡萄园中的作物绘图,以检测叶子生长和修剪或其他维护的需要,检测水果生产的变化,或计数植物。

激光雷达在GPS拒绝的情况下很有用,例如坚果和果园,其中树叶阻挡GPS信号到精密农业设备或无人驾驶拖拉机。激光雷达传感器可以检测行的边缘,以便农业设备可以继续移动,直到重新建立GPS信号。

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3-D激光雷达和机器学习来完成。激光雷达生产植物轮廓作为具有范围和反射值的“点云”。转换此数据,并从中提取特征。如果物种已知,则将要素添加为新数据。物种被标记并且其特征最初被存储为例子以识别真实环境中的物种。这种方法很有效,因为它使用低分辨率激光雷达和监督学习。它包含易于计算的功能集,具有与工厂大小无关的常见统计功能。

考古学

激光雷达在考古学中有许多用途,包括野外活动的规划,森林冠层下的地图绘制特征,以及与地面无法区分的广泛,连续特征的概述。[36]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(GIS)中进行分析和解释。

激光雷达还可以帮助创建考古遗址的高分辨率数字高程模型(DEM),这些模型可以揭示植被隐藏的微地形。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(例如田地)下的特征,尤其是在使用红外光谱进行绘图时。这些特征的存在影响植物生长并因此影响反射的红外光的量。例如,在Beauséjour堡 - 加拿大坎伯兰堡国家历史遗址,激光雷达于1755年发现了与堡垒围攻相关的考古特征。通过覆盖由人工照明创建的DEM的山坡阴影,确定了无法在地面或通过航空摄影区分的特征。各种角度。另一个例子是在工作卡拉科尔由阿伦蔡斯和他的妻子黛安娜·萨诺·蔡斯。 2012年,激光雷达被用来寻找传说中的城市La Ciudad Blanca或洪都拉斯丛林La Mosquitia地区的“猴神之城” 。在为期七天的测绘期间,发现了人造结构的证据。2013年6月,重新发现了Mahendraparvata市。在新英格兰南部,激光雷达被用来揭示石头墙,建筑基础,废弃的道路,以及该地区茂密的森林树冠在航空摄影中模糊的其他景观特征。在柬埔寨,德里安·埃文斯和罗兰·弗莱彻使用激光雷达数据揭示了吴哥景观的人为变化 2016年,利达尔被用来绘制危地马拉北部古代玛雅人堤道,发现17个高架连接El Mirador古城与其他景点的道路。2018年,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6万个人造建筑,这是一个“重大突破”,表明玛雅文明比以前想象的要大得多。

自动驾驶汽车

Uber自驾车与屋顶上的激光雷达系统

使用SICK LMC激光雷达传感器预测3-D激光系统
自动驾驶车辆可以使用激光雷达进行障碍物检测并避免使用旋转激光束安全地在环境中导航。激光雷达传感器的成本图或点云输出为机器人软件提供了必要的数据,以确定环境中存在潜在障碍的位置以及机器人与这些潜在障碍相关的位置。新加坡新加坡 - 麻省理工学院研究与技术联盟(SMART)正在积极开发自动激光雷达车辆技术。生产通常用于机器人或车辆自动化的激光雷达传感器的公司的例子是Sick 和Hokuyo。利用激光雷达传感器的障碍物检测和避免产品的示例是Autonomous Solution,Inc。Forecast 3D Laser System 和Velodyne HDL-64E。自动驾驶汽车模拟器中也提供了激光雷达仿真模型。

运输系统的物体检测

在运输系统中,为了确保车辆和乘客的安全并开发提供驾驶员辅助的电子系统,了解车辆及其周围环境至关重要。激光雷达系统在运输系统的安全性中发挥着重要作用。许多增加驾驶员辅助和车辆安全性的电子系统,例如自适应巡航控制系统(ACC),紧急制动辅助系统,防抱死制动系统(ABS),取决于车辆环境的检测,以自动或半自动地行动。激光雷达测绘和估算实现了这一目标。

基本概述:目前的激光雷达系统使用旋转的六角镜,可以分割激光束。上部三个横梁用于前方车辆和前方障碍物,下部横梁用于检测车道标记和道路特征。[56]使用激光雷达的主要优点是获得了空间结构,并且该数据可以与其他传感器(如雷达等)融合,以便在物体的静态和动态特性方面更好地了解车辆环境。存在于环境中。

下面提到的是处理激光雷达数据并通过传感器融合将其与来自其他传感器的数据一起使用以检测车辆环境条件的各种方法。

基于GRID的三维激光雷达处理和雷达测量融合

在Philipp Lindner和Gerd Wanielik提出的这种方法中,使用多维占用网格处理激光数据。[57]从四层激光数据进行预处理的信号电平,然后在更高的层次处理,以提取的障碍的特征。使用组合的二维和三维网格结构,并且这些结构中的空间被镶嵌细分进入几个离散的细胞。该方法允许通过在空间容器(证据网格的单元格)中收集大量原始测量数据来有效地处理它们。每个小区与识别小区占用的概率测量相关联。通过使用随时间获得的激光雷达传感器的距离测量和新的距离测量来计算该概率,其使用贝叶斯定理来关联。。二维网格可以观察到它前面的障碍物,但是不能观察障碍物后面的空间。为了解决这个问题,障碍物背后的未知状态被指定为0.5的概率。通过使用多层激光引入第三维或其他术语,可以将对象的空间配置映射到网格结构中达到一定程度的复杂性。这是通过将测量点转移到三维网格中来实现的。被占用的网格单元将具有大于0.5的概率,并且映射将基于概率进行颜色编码。未被占用的单元将具有小于0.5的概率,并且该区域通常是白色空间。然后通过使用车辆上的传感器位置和世界坐标系中的车辆位置将该测量值变换为网格坐标系。传感器的坐标取决于其在车辆上的位置,并且使用计算车辆的坐标运动估计,其估计相对于刚性场景的车辆运动。对于此方法,必须定义网格配置文件。通过应用Bresenham线算法计算由透射激光束触摸的网格单元。为了获得空间扩展结构,执行这些单元的连通分量分析。然后将该信息传递给旋转卡尺算法以获得对象的空间特征。除了激光雷达检测之外,通过使用两个短距离雷达获得的RADAR数据被集成以获得对象的附加动态特性,例如其速度。使用潜在距离函数将测量值分配给对象。

优点和缺点

通过使用旋转卡尺算法从3-D占用网格获得的测量结果有效地提取对象的几何特征。将雷达数据融合到激光雷达测量值给出关于障碍物的动态特性的信息,例如障碍物相对于传感器位置的速度和位置,其有助于车辆或驾驶员决定要执行的动作以确保安全性。唯一的问题是实现这种数据处理技术的计算要求。它可以实时实施,并且如果3-D占用网格尺寸受到相当大的限制,则已被证明是有效的。但是,对于3-D网格表示,通过使用更有效地操纵空间数据的专用空间数据结构,可以将其改进到更宽的范围。

3-D激光雷达和彩色摄像机的融合,用于多物体检测和跟踪

Soonmin Hwang等人在这种方法中提出的框架,分为四个步骤。首先,来自摄像机和3-D激光雷达的数据输入到系统中。激光雷达和摄像机的两个输入都是平行获得的,摄像机的彩色图像用激光雷达校准。为了提高效率,应用水平3-D点采样作为预处理。其次,分割阶段是每个距传感器的距离将整个3-D点分成若干组,并且依次估计从近平面到远平面的局部平面。使用统计分析估计局部平面。靠近传感器的点组用于计算初始平面。通过使用当前局部平面,通过迭代更新来估计下一个局部平面。二维图像中的对象建议用于将前景对象与背景分离。 BING是标准渐变及其二值化版本的组合,它加速了特征提取和测试过程,以估计图像窗口的对象性。这样前景和背景对象就分开了。为了在使用BING估计图像的对象度之后形成对象,将3-D点分组或聚类。使用 DBSCAN完成聚类(基于密度的应用空间聚类与噪声的应用)算法由于其参数较小的特性而可能是稳健的。使用聚类的3-D点,即3-D段,通过在2-D图像上投射3-D点来生成更准确的感兴趣区域(RoI)。第三步是检测,大致分为两部分。首先是二维图像中的物体检测,这是使用快速R-CNN [60]实现的,因为这种方法不需要训练,它还考虑图像和几个感兴趣的区域。其次是通过使用自旋图像方法在3-D空间中进行物体检测。此方法提取局部和全局直方图以表示某个对象。为了合并2-D图像和3-D空间物体检测的结果,考虑相同的3-D区域,并且将来自2-D图像和3-D空间的两个独立分类器应用于所考虑的区域。分数校准完成从两个探测器获得单一置信度分数。该单个分数以概率的形式获得。最后一步是跟踪。这是通过关联当前帧和过去帧中的移动对象来完成的。对于对象跟踪,采用段匹配。计算诸如平均值,标准偏差,量化颜色直方图,体积大小和段的3-D点数之类的特征。欧几里德距离用于测量段之间的差异。为了判断物体的外观和消失,采用来自两个不同帧的类似片段(基于欧几里德距离获得)并计算物理距离和相异度分数。如果分数超出前一帧中每个分段的范围,则被跟踪的对象被认为已消失。

优点和缺点

这种方法的优点是一起使用二维图像和三维数据,F l-score(测量精度的测量),平均精度(AP)高于只有来自激光雷达的三维数据时的平均精度(AP)。用过的。这些分数是判断框架的常规测量。这种方法的缺点是使用BING进行对象建议估计,因为BING预测了一小组对象边界框。

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。[63]不仅关注物体检测和跟踪,还识别车道标记和道路特征。如前所述,激光雷达系统使用旋转六角镜,将激光束分成六束。上三层用于检测前方物体,例如车辆和路边物体。传感器由耐候材料制成。激光雷达探测到的数据聚集成若干段并由卡尔曼滤波器跟踪。这里的数据聚类是基于基于对象模型的每个段的特征来完成的,其区分不同的对象,例如车辆,招牌等。这些特征包括对象的尺寸等。车辆后缘上的反射器用于区分车辆与其他物体。考虑到跟踪的稳定性和物体的加速运动,使用2级卡尔曼滤波器完成物体跟踪激光雷达反射强度数据也通过利用稳健回归来处理遮挡来用于路缘检测。通过区分粗糙和有光泽的表面,使用改进的Otsu方法检测道路标记。

好处

由于各种原因,有时会隐藏指示车道边界的路边反光板。因此,需要其他信息来识别道路边界。该方法中使用的激光雷达可以测量物体的反射率。因此,利用该数据,也可以识别道路边界。此外,即使在恶劣的天气条件下,使用具有耐候性头部的传感器也有助于检测物体。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对象并估计对其进行驾驶的影响。

激光雷达系统提供更好的范围和更大的视野,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,这是一个主要优点。激光雷达测量与不同传感器的融合使得系统在实时应用中具有鲁棒性和实用性,因为激光雷达相关系统无法估计关于检测到的物体的动态信息。

已经表明激光雷达可以被操纵,使得自动驾驶汽车被欺骗以采取规避行动。

生物学和保护

激光雷达成像比较古老的森林(右)和新的树木种植园(左)
激光雷达还在林业中发现了许多应用。冠层高度,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,激光雷达也被许多行业使用,包括能源和铁路,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中容易地生成,包括用于娱乐用途,例如在定向地图的制作中。

此外,拯救红木联盟还开展了一项项目,以绘制北加州海岸的高大红杉。激光雷达允许研究科学家不仅测量以前未映射的树木的高度,而且还要确定红木森林的生物多样性。正在与北海岸激光雷达项目联盟合作的Stephen Sillett声称这项技术将有助于指导未来保护和保护古老红木树的努力。

地质与土壤科学

由机载和固定激光雷达产生的高分辨率数字高程地图已经导致地貌学的显着进步(地球科学的分支涉及地球表面地形的起源和演化)。激光雷达能够检测河流阶地和河道岸边等微弱的地形特征,测量植被冠层下的陆面高度,更好地解决高程的空间衍生物,以及检测重复测量之间的高程变化,这使得许多新的研究成为可能。塑造景观的物理和化学过程。[68] 在2005年的巡回赛龙德在勃朗峰成为第一大高寒山区利用激光雷达监测据称由于气候变化和高海拔地区永久冻土退化造成的大型岩石面上严重岩石坠落事件的增加。

在地球物理学和构造学中,基于飞机的激光雷达和GPS的组合已经发展成为检测故障和测量隆起的重要工具。这两种技术的输出可以为地形生成极其精确的高程模型 - 甚至可以通过树木测量地面高程的模型。这种组合被用于最著名找到的位置西雅图故障在华盛顿,美国。[70]这种组合也衡量了山的隆起。St. Helens使用2004年之前和之后的数据提升。机载激光雷达系统监测冰川并且能够检测微量的增长或下降。基于卫星的系统NASA ICESat包括用于此目的的激光雷达子系统。NASA空中地形测绘仪[72]也广泛用于监测冰川和进行沿海变化分析。在进行土壤调查时,土壤科学家也使用这种组合。详细的地形建模使土壤科学家能够看到坡度变化和地形断裂,这些断裂表明了土壤空间关系中的模式。

气象

最初基于红宝石激光器,用于气象应用的激光雷达是在激光器发明后不久构建的,并且代表了激光技术的首批应用之一。激光雷达技术在功能上已大大扩展,激光雷达系统用于执行一系列测量,包括剖面云,测量风,研究气溶胶以及量化各种大气成分。大气成分可以反过来提供有用的信息,包括表面压力(通过测量氧气或氮气的吸收),温室气体排放(二氧化碳和甲烷),光合作用(二氧化碳),火灾(一氧化碳)和湿度(水蒸气) 。根据测量类型,大气激光雷达可以是地面的,机载的或卫星的。

大气激光雷达遥感的两种作用-

1.通过测量大气中的反向散射和
2.通过测量离地的散射反射(当激光雷达在空中时)或其他坚硬的表面。
来自大气层的反向散射直接提供了一定量的云和气溶胶。来自反向散射的其他衍生测量例如风或卷云冰晶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确定性质。扫描激光雷达,如锥形扫描NASA HARLIE LIDAR,已用于测量大气风速。所述的ESA风力任务ADM-Aeolus将配备多普勒激光雷达系统,以提供垂直风廓线的全球测量。在2008年夏季奥运会期间使用多普勒激光雷达系统来测量游艇比赛期间的风场。
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,以获取风速,湍流,风向和风切变数据。正在使用脉冲和连续波系统。脉冲系统使用信号定时来获得垂直距离分辨率,而连续波系统依赖于探测器聚焦。

已经提出使用计算流体力学模拟和多普勒激光雷达测量来描述风的协作和跨学科研究这一术语,即eolics。

机载激光雷达的地面反射在激光雷达波长下给出了表面反射率的测量(假设大气透射率是众所周知的),然而,地面反射通常用于进行大气的吸收测量。“差分吸收激光雷达”(DIAL)测量利用两个或更多个紧密间隔(<1nm)的波长来分解表面反射率以及其他传输损耗,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,可以使用DIAL测量来确定该特定气体在大气中的浓度(混合比)。这被称为综合路径差分吸收(IPDA)方法,因为它是整个激光雷达路径上的综合吸收的量度。IPDA激光雷达可以是脉冲或CW,通常使用两个或更多波长。 IPDA激光雷达已用于遥感二氧化碳和甲烷。

合成阵列激光雷达允许成像激光雷达而无需阵列探测器。它可用于成像多普勒测速,超快帧率(MHz)成像,以及相干激光雷达中的散斑减少。 Grant为大气和水圈应用提供了广泛的激光雷达目录。

Scheimpflug原理

另一种用于大气遥感的激光雷达技术已经出现。它基于Scheimpflug原理,称为Scheimpflug激光雷达(slidar)。

“ Scheimpflug原理的含义是,当激光束传输到大气中时,只要物平面,像平面和透镜平面,整个照射探头体积的后向散射回波仍然同时聚焦而不会减小光圈。相互交叉 “。的二维CCD / CMOS相机是用来解决所发送的激光束的散射回波。

因此,与传统激光雷达技术的情况一样,诸如二极管激光器的连续波光源可以用于遥感而不是使用复杂的纳秒脉冲光源。[85] SLidar系统也是基于紧凑型激光二极管和阵列检测器的稳健且廉价的系统。

执法

另见:激光雷达测速枪
警方使用激光雷达测速枪来测量车辆的速度,以达到限速执法的目的。此外,它还用于法医学以帮助进行犯罪现场调查。拍摄场景的扫描记录对象放置,血液和其他重要信息的确切细节以供以后查看。这些扫描也可用于确定枪击案件中的子​​弹轨迹。

军事

已知很少的军事应用已经到位并被分类(例如基于激光雷达的AGM-129 ACM隐形核巡航导弹的速度测量),但是在成像中使用了相当多的研究。较高分辨率的系统收集足够的细节来识别目标,例如坦克。激光雷达的军事应用实例包括AretéAssociates用于反雷战的机载激光探雷系统(ALMDS)。

北约的一份报告(RTO-TR-SET-098)评估了为区分生物战剂进行对峙检测的潜在技术。评估的潜在技术是长波红外(LWIR),差分散射(DISC)和紫外激光诱导荧光(UV-LIF)。报告的结论是:根据上述测试和讨论的激光雷达系统的结果,任务组建议近期(2008-2010)应用隔离检测系统的最佳选择是UV-LIF,然而,在长期的,其他技术如对峙拉曼光谱可能被证明是生物战剂的鉴定。

基于激光诱导荧光(LIF)的短程紧凑型光谱激光雷达将解决在关键的室内,半封闭和室外场所(如体育场,地铁和机场)中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检测生物气溶胶释放,并允许及时实施保护居住者的措施并最小化污染程度。

远程生物防区检测系统(LR-BSDS)是为美国陆军开发的,旨在提供生物攻击的最早可能的防区外警告。它是一种由直升机携带的空中系统,用于探测远距离含有生物和化学试剂的合成气溶胶云。该LR-BSDS,以30公里以上的检测范围,在1997年6月派出由德国公司生产的激光雷达五个单位SICK AG被用于在短距离检测斯坦利,在自主轿车赢得了2005年DARPA大挑战赛。

机器人波音AH-6于2010年6月进行了全自动飞行,包括使用激光雷达避开障碍物。

采矿

对于矿石体积的计算是通过在矿石去除区域中定期(每月)扫描,然后将表面数据与先前的扫描进行比较来完成的。

激光雷达传感器还可用于机器人采矿车辆的障碍物检测和避免,例如力拓未来矿山中使用的小松自动运输系统(AHS)。

物理学和天文学

全球天文台网络使用激光雷达测量放置在月球上的反射器的距离,允许以毫米精度测量月球的位置,并进行广义相对论的测试。火星轨道激光高度计MOLA在火星轨道卫星(美国宇航局火星全球测量员)中使用激光雷达仪器,对红色行星进行了精确的全球地形测量。

2008年9月,NASA Phoenix Lander使用激光雷达探测火星大气层的积雪。

在大气物理学中,激光雷达被用作远程检测仪器,用于测量中高层大气中某些成分的密度,如钾,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并提供有关气溶胶颗粒垂直分布的信息。

在英国牛津郡阿宾登附近的JET 核聚变研究设施中,激光雷达Thomson散射用于确定等离子体的电子密度和温度分布。

岩石力学

激光雷达已被广泛用于岩石力学中,用于岩体表征和坡度变化检测。可以从通过激光雷达获得的三维点云中提取岩体的一些重要的地质力学特性。其中一些属性是:

不连续方向
不连续间距和RQD
不连续孔径
不连续性持久性
不连续粗糙度
水渗透
其中一些属性已被用于通过RMR指数评估岩体的地质力学质量。此外,由于可以使用现有方法提取不连续的方向,因此可以通过SMR指数评估岩石边坡的地质力学质量。除了这一点,不同的3-d点云从在不同时间采集的斜率的比较允许研究人员研究该时间间隔为崩塌或任何其他滑坡过程的结果期间在现场产生的变化。

机器人

激光雷达技术被用于机器人技术中,用于感知环境以及物体分类。激光雷达技术提供地形的三维立面图,高精度距离地面和接近速度的能力可以使机器人和有人驾驶车辆安全着陆,具有高精度。激光雷达也广泛用于机器人技术,用于同步定位和绘图,并很好地集成到机器人模拟器中。有关更多示例,请参阅上面的军事部分。

太空飞行

激光雷达越来越多地被用于测距和轨道元件的计算相对速度在接近操作和位置保持的航天器。激光雷达也被用于大气层从太空研究。从航天器发出的短脉冲激光可以从大气中的微小粒子反射回到与航天器激光器对齐的望远镜。通过精确计时激光雷达的“回声”,并通过测量望远镜接收的激光数量,科学家们可以准确地确定粒子的位置,分布和性质。结果是一种革命性的新工具,用于研究大气中的成分,从云滴到工业污染物,这些都难以通过其他手段发现。“

测量

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(数字地形模型)或DEM(数字高程模型); 对于较大的区域来说,这是一种常见的做法,因为飞机可以在一个天桥中获得3-4公里宽的区域。使用较低的天桥可以实现更低的垂直精度,即使在森林中,它也能够提供天篷的高度以及地面高度。通常,需要在地理配准控制点上配置的GNSS接收器将数据与WGS(世界大地测量系统)链接。

LiDAR也用于水文测量。根据水的清晰度,LiDAR可以测量0.9米到40米的深度,垂直精度为15厘米,水平精度为2.5米。

林业

激光雷达系统也被用于改善林业管理。测量用于在森林地块中进行清查,以及计算单个树高,树冠宽度和树冠直径。其他统计分析使用激光雷达数据来估计总体积信息,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。

运输

激光雷达已被用于铁路行业,为资产管理和运输部门生成资产健康报告,以评估其道路状况。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(ACC)系统。西门子,海拉和切普顿等系统使用安装在车辆前部的激光雷达装置,例如保险杠,以监控车辆与其前方车辆之间的距离。如果前方车辆减速或距离太近,ACC会施加制动以使车辆减速。当前方道路畅通时,ACC允许车辆加速到驾驶员预设的速度。有关更多示例,请参阅上面的军事部分。基于激光雷达的设备,云高仪在全球机场用于测量跑道进场路径上的云层高度。

风电场优化

通过精确测量风速和风湍流,激光雷达可用于增加风电场的能量输出。实验激光雷达系统可以安装在风力涡轮机的机舱上或集成到旋转的旋转器中以测量迎面而来的水平风,尾流中的风风力涡轮机,并主动调整叶片,以保护组件和增加功率。激光雷达还用于表征事件风资源,以与风力涡轮机发电量进行比较,以验证风力涡轮机的性能通过测量风力涡轮机的功率曲线。风电场优化可以被视为应用eolics的主题。Lidar在风力相关行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,可以用于最佳风电场布局。

太阳能光伏部署优化

激光雷达还可用于协助规划人员和开发人员在城市层面优化太阳能光伏系统,确定合适的屋顶并确定遮阳损失。[133]最近的机载激光扫描工作主要集中在估算撞击垂直建筑物外墙的太阳光量的方法,或通过考虑植被和较大周围地形的影响,纳入更详细的遮阳损失。

电子游戏

最近的模拟赛车游戏,如iRacing,Assetto Corsa和Project CARS,越来越多地采用通过激光雷达测量获得的三维点云再现的赛道,从而在游戏中的三维环境中以毫米精度复制曲面。

由Introversion Software开发的2017年探索游戏Scanner Sombre使用激光雷达作为基本的游戏机制。

其他用途

Radiohead的歌曲“ House of Cards ” 的视频被认为是第一次使用实时3-D激光扫描来录制音乐视频。视频中的范围数据并非完全来自激光雷达,因为也使用了结构光扫描。

©️2022 CSDN 皮肤主题:大白 设计师:CSDN官方博客 返回首页
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、C币套餐、付费专栏及课程。

余额充值