CN103954953B - 一种基于数据驱动的机载激光雷达盲源误差补偿方法 - Google Patents
一种基于数据驱动的机载激光雷达盲源误差补偿方法 Download PDFInfo
- Publication number
- CN103954953B CN103954953B CN201410206860.0A CN201410206860A CN103954953B CN 103954953 B CN103954953 B CN 103954953B CN 201410206860 A CN201410206860 A CN 201410206860A CN 103954953 B CN103954953 B CN 103954953B
- Authority
- CN
- China
- Prior art keywords
- laser radar
- airborne laser
- data
- radar data
- airborne
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 241001269238 Data Species 0.000 claims abstract description 41
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 241001260012 Bursa Species 0.000 claims abstract description 17
- 238000012986 modification Methods 0.000 claims abstract description 14
- 230000004048 modification Effects 0.000 claims abstract description 14
- 239000000284 extract Substances 0.000 claims abstract description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000010959 steel Substances 0.000 claims description 4
- 210000000988 bone and bone Anatomy 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000004919 topotaxy Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 abstract description 4
- 230000008878 coupling Effects 0.000 abstract description 2
- 238000010168 coupling process Methods 0.000 abstract description 2
- 238000005859 coupling reaction Methods 0.000 abstract description 2
- 238000009434 installation Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于数据驱动的机载激光雷达盲源误差补偿方法,该方法包括以下步骤:机载激光雷达和外置惯性测量单元的准备和安装;根据机载激光雷达数据生成理论模型得到两套机载激光雷达数据;计算翻滚角和俯仰角的改正值,并进行第一次坐标修正;分别提取两套机载激光雷达数据中的点特征;对点特征进行匹配得到点特征匹配对;利用点特征匹配对建立布尔沙模型并进行第二次坐标修正;对修正后两套机载激光雷达数据取平均值得到经过盲源误差补偿的机载激光雷达数据。本发明通过对两套机载激光雷达数据的特征分析与处理,以数据驱动的方式减小盲源误差对机载激光雷达数据定位精度的影响,从而达到提高机载激光雷达数据精度的目的。
Description
技术领域
本发明涉及一种机载激光雷达数据处理方法,尤其是涉及一种基于数据驱动的机载激光雷达盲源误差补偿方法,属于机载激光雷达数据处理技术领域。
背景技术
机载激光雷达(AirborneLightDetectionAndRanging,LiDAR)是一种主动式航空遥感对地观测***,是九十年代初首先由西方国家发展起来并投入商业化应用的一门新兴技术,它集成激光测距仪、全球定位***(GPS)和惯性测量单元(IMU)于一身。该技术在三维空间信息的实时获取方面产生了重大突破,为获取高时空分辨率的地球空间信息提供了一种全新的技术手段。
机载激光雷达在提取空间位置信息上具有自身的优势,能够直接获得目标的三维坐标,提供了传统二维数据所缺乏的高程信息,但是机载激光雷达获取的数据,无论是点云还是波形,均无重复观测,即便是对同一个测区重复飞行,也无法保证所获得的激光脚点是严格重叠的,因而无法利用传统的数据平差技术对所获取的数据做进一步的误差分析和处理。另外,机载激光雷达是一种集成测量***,其数据获取精度受多种误差源的影响,这些误差源通常都缺乏规律性且误差源间存在耦合,建立误差模型时无法顾及所有因素,因而很难建立误差模型,更不用说建立严格的解析模型进行误差改正。
发明内容
在本发明中,将所有限于现阶段的研究水平、无法溯源与建模的误差称之为盲源误差。本发明针对盲源误差难以改正的问题,在于提出了一种基于数据驱动的机载激光雷达盲源误差补偿方法,达到提高机载激光雷达数据定位精度的目的。
实现本发明所说的基于数据驱动的机载激光雷达盲源误差补偿方法的技术方案是这样的:
一种基于数据驱动的机载激光雷达盲源误差补偿方法,包括以下步骤:
步骤1,在机载激光雷达的钢板底座上架设一台外置惯性测量单元,使用全站仪测量外置惯性测量单元与机载激光雷达的激光测距仪之间的距离和偏心角;
步骤2,利用步骤1中的机载激光雷达进行数据采集,可以得到两套机载激光雷达数据,分别为机载激光雷达自身产生的第一机载激光雷达数据,以及联合机载激光雷达的激光测距数据、外置惯性测量单元的测姿数据和步骤1中外置惯性测量单元与机载激光雷达的激光测距仪的距离、偏心角,根据机载激光雷达数据生成理论模型得到的第二机载激光雷达数据;
步骤3,分别对步骤2中的两套机载激光雷达数据进行迭代计算,得到机载激光雷达的惯性测量单元与机载激光雷达的激光测距仪之间的翻滚角和俯仰角的改正值、外置惯性测量单元与机载激光雷达的激光测距仪之间的翻滚角和俯仰角的改正值,然后利用对应的翻滚角和俯仰角的改正值根据机载激光雷达数据生成理论模型分别对两套激光雷达数据进行第一次坐标修正;
步骤4,根据步骤3中得到的两套机载激光雷达数据,分别提取两套机载激光雷达数据中的点特征;
步骤5,对步骤4中得到的两套机载激光雷达数据所对应的点特征进行匹配,得到点特征匹配对;
步骤6,根据步骤5中得到的点特征匹配对,建立两套机载激光雷达数据的布尔沙(Bursa)模型,利用该模型对两套机载激光雷达数据进行第二次坐标修正;
步骤7,对步骤6得到的两套机载激光雷达数据求平均值,得到一套机载激光雷达数据,该机载激光雷达数据即为经过盲源误差补偿的机载激光雷达数据。
如上所述的步骤3中用于计算翻滚角和俯仰角改正值的迭代计算的方法包括以下步骤:
步骤3.1,将步骤2中得到的两套机载激光雷达数据作为输入,分别对这两套机载激光雷达数据进行步骤3.2-3.5的处理;
步骤3.2,确定机载激光雷达数据中的航带重叠区域;
步骤3.3,计算航带重叠区域中水平地面间的高差Δh,以及该水平地面到机载激光雷达获取数据过程中形成的航迹的最小平面距离r,计算翻滚角的改正值
步骤3.4,计算航带重叠区域中建筑物屋顶的平面偏移Δx,以及该屋顶面到机载激光雷达获取数据过程中形成的航迹的高程距离Δz,计算俯仰角的改正值
步骤3.5,利用得到的翻滚角的改正值和俯仰角的改正值,根据机载激光雷达数据生成理论模型校正当前机载激光雷达数据的坐标,并将校正后的机载激光雷达数据作为步骤3.3和步骤3.4的输入;
重复步骤3.3——3.5,直到步骤3.3中的高差Δh和步骤3.4平面偏移Δx不再减小,此时完成了一套机载激光雷达数据的迭代计算。
如上所述的步骤4中,点特征的提取方法为:
步骤4.1,将步骤3中得到的两套机载激光雷达数据作为输入,分别对这两套机载激光雷达数据进行步骤4.2-4.5的处理;
步骤4.2,采用Hough变换提取机载激光雷达数据中的所有平面特征,再根据平面特征间的空间拓扑关系,计算出所有相邻平面特征的交线,针对每一条交线,进行步骤4.3-4.5的处理;
步骤4.3,在交线的周围定义一个窗口,该窗口的中心位于交线上,窗口的长边与交线平行,窗口的长边的长度为交线的长度加上4倍的机载激光雷达数据的平均间距,窗口的短边的长度为4倍的机载激光雷达数据的平均间距;
步骤4.4,对于窗口内的每一个机载激光雷达数据脚点,查找该机载激光雷达数据脚点在半径R内的其他机载激光雷达数据脚点的最低高程值,如果该机载激光雷达数据脚点的高程值与此最低高程值的差值大于4米,则将该机载激光雷达数据脚点作为边界点,否则认定该机载激光雷达数据脚点为非边界点,不参与后续处理;
步骤4.5,针对步骤4.4中的所有边界点,利用K-均值聚类算法对所有边界点进行聚类,并求出聚类的中心点,将此中心点作为机载激光雷达数据的点特征。
如上所述的步骤5中,点特征的匹配方法包括以下步骤:
步骤5.1,将步骤4中得到的点特征作为输入,令从第一机载激光雷达数据提取的所有点特征为P,即P为第一点特征集,从第二机载激光雷达数据提取的所有点特征为Q,即Q为第二点特征集;
步骤5.2,令pi为第一点特征集P中的一点特征,在第二点特征集Q中寻找与pi距离最近的点特征qi和次近的点特征qj;
步骤5.3,如果点特征pi、qi、qj满足|piqi|<0.9×|piqj|,则pi和qi就构成一个点特征匹配对<pi,qi>;
步骤5.4,重复步骤5.2和5.3,找出所有的点特征匹配对。
如上所述的步骤6中,利用布尔沙模型进行机载激光雷达数据坐标修正包括以下步骤:
步骤6.1,对步骤5中得到的每个点特征匹配对<pi,qi>求平均值ri,一个点特征匹配对的平均值对应为一个连接点特征;
步骤6.2,根据连接点特征、与连接点特征对应的点特征匹配对的点特征、连接点特征的重心化坐标建立两个布尔沙模型;
步骤6.3,根据步骤6.2得到的两个布尔沙模型,分别对两套机载激光雷达数据进行坐标转换,得到两套经过坐标修正的机载激光雷达数据。
本发明与现有技术相比,具有以下优点:
1.由于本发明是数据驱动的方法,不需要利用野外控制点来进行盲源误差补偿,因此减小了外业控制点布设的工作量,特别适用于难于布设外业控制点区域的机载激光雷达数据;
2.经本发明改正盲源误差后,机载激光雷达数据在X方向的中误差为改正前的80.3%,Y方向的中误差为改正前的67.6%,Z方向的中误差为改正前的66.3%,总体中误差为改正前的71.4%,改正后的机载激光雷达数据定位精度显著提高。
附图说明
图1:一种基于数据驱动的机载激光雷达盲源误差补偿方法的流程图
图2:本发明的设备安装示意图
示意图中安装部件的标号说明:
(1)LeicaALS70HP机载激光雷达
(2)外置惯性测量单元
(3)钢板底座
图3:本发明应用于机载激光雷达盲源误差处理的精度示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
如图1所示,一种基于数据驱动的机载激光雷达盲源误差补偿方法,包括以下步骤:
步骤1,在机载激光雷达(LeicaALS70HP)的钢板底座上架设一台外置惯性测量单元(型号可选用LeicaIPAS20,设备安装如图2所示),使用全站仪测量外置惯性测量单元与机载激光雷达的激光测距仪(LS70-LPScannerAssembly)之间的距离和偏心角;
步骤2,利用步骤1中的机载激光雷达进行数据采集,可以得到两套机载激光雷达数据,分别为机载激光雷达自身产生的第一机载激光雷达数据,以及联合机载激光雷达的激光测距数据、外置惯性测量单元的测姿数据和步骤1中外置惯性测量单元与机载激光雷达的激光测距仪的距离、偏心角,根据机载激光雷达数据生成理论模型得到的第二机载激光雷达数据;
步骤3,分别对步骤2中的两套机载激光雷达数据进行迭代计算,得到机载激光雷达的惯性测量单元与机载激光雷达的激光测距仪之间的翻滚角和俯仰角的改正值、外置惯性测量单元与机载激光雷达的激光测距仪之间的翻滚角和俯仰角的改正值,然后利用对应的翻滚角和俯仰角的改正值根据机载激光雷达数据生成理论模型分别对两套激光雷达数据进行第一次坐标修正;
步骤4,根据步骤3中得到的两套机载激光雷达数据,分别提取两套机载激光雷达数据中的点特征;
步骤5,对步骤4中得到的两套机载激光雷达数据所对应的点特征进行匹配,得到点特征匹配对;
步骤6,根据步骤5中得到的点特征匹配对,建立两套机载激光雷达数据的布尔沙(Bursa)模型,利用该模型对两套机载激光雷达数据进行第二次坐标修正;
步骤7,对步骤6得到的两套机载激光雷达数据求平均值,得到一套机载激光雷达数据,该机载激光雷达数据即为经过盲源误差补偿的机载激光雷达数据。
如上所述的步骤3中,用于计算翻滚角和俯仰角改正值的迭代计算的方法为:
步骤3.1,将步骤2中得到的两套机载激光雷达数据作为输入,分别对这两套机载激光雷达数据进行步骤3.2-3.5的处理;
步骤3.2,确定机载激光雷达数据中的航带重叠区域;
步骤3.3,计算航带重叠区域中水平地面间的高差Δh,以及该水平地面到机载激光雷达获取数据过程中形成的航迹的最小平面距离r,根据公式(1)计算翻滚角的改正值;
步骤3.4,计算航带重叠区域中建筑物屋顶的平面偏移Δx,以及该屋顶面到机载激光雷达获取数据过程中形成的航迹的高程距离Δz,根据公式(2)计算俯仰角的改正值;
步骤3.5,利用得到的翻滚角的改正值和俯仰角的改正值,根据机载激光雷达数据生成理论模型校正当前机载激光雷达数据的坐标,并将校正后的机载激光雷达数据作为步骤3.3和步骤3.4的输入;
重复步骤3.3——3.5,直到步骤3.3中的高差Δh和步骤3.4平面偏移Δx不再减小,此时完成了一套机载激光雷达数据的迭代计算;
如上所述的步骤4中,点特征的提取方法为:
步骤4.1,将步骤3中得到的两套机载激光雷达数据作为输入,分别对这两套机载激光雷达数据进行步骤4.2-4.5的处理;
步骤4.2,采用Hough变换提取机载激光雷达数据中的所有平面特征,再根据平面特征间的空间拓扑关系,计算出所有相邻平面特征的交线,针对每一条交线,进行步骤4.3-4.5的处理;
步骤4.3,在交线的周围定义一个窗口,该窗口的中心位于交线上,窗口的长边与交线平行,窗口的长边的长度为交线的长度加上4倍的机载激光雷达数据的平均间距,窗口的短边的长度为4倍的机载激光雷达数据的平均间距;
步骤4.4,对于窗口内的每一个机载激光雷达数据脚点,查找该机载激光雷达数据脚点在半径R(R为2倍的机载激光雷达数据的平均间距)内的其他机载激光雷达数据脚点的最低高程值,如果该机载激光雷达数据脚点的高程值与此最低高程值的差值大于4米,则将该机载激光雷达数据脚点作为边界点,否则认定该机载激光雷达数据脚点为非边界点,不参与后续处理;
步骤4.5,针对步骤4.4中的所有边界点,利用K-均值聚类算法(优选的,K为2)对所有边界点进行聚类,并求出聚类的中心点,将此中心点作为机载激光雷达数据的点特征。
如上所述的步骤5中,点特征的匹配方法为:
步骤5.1,将步骤4中得到的点特征作为输入,令从第一机载激光雷达数据提取的所有点特征为P(我们称P为第一点特征集),从第二机载激光雷达数据提取的所有点特征为Q(我们称Q为第二点特征集);
步骤5.2,令pi为第一点特征集P中的一点特征,在第二点特征集Q中寻找与pi距离最近的点特征qi和次近的点特征qj;
步骤5.3,如果点特征pi、qi、qj满足公式(3),则pi和qi就构成一个点特征匹配对<pi,qi>;
|piqi|<0.9×|piqj|(3)
步骤5.4,重复步骤5.2和5.3,找出所有的点特征匹配对。
如上所述的步骤6中,利用布尔沙模型进行机载激光雷达数据坐标修正的方法为:
步骤6.1,对步骤5中得到的每个点特征匹配对<pi,qi>求平均值ri(其中,ri=(pi+qi)/2),一个点特征匹配对的平均值对应为一个连接点特征;
步骤6.2,坐标转换中的布尔沙模型如公式(4)所示,利用最小二乘法计算出布尔沙模型的七参数;
其中,(X1,Y1,Z1)T为连接点特征;(X2,Y2,Z2)T为与连接点特征对应的点特征匹配对的点特征;(Xg,Yg,Zg)T是所有连接点特征的重心化坐标;待求解的布尔沙模型的参数有七个,它们分别是三个平移参数ΔX,ΔY,ΔZ;三个旋转参数Ω,Φ,Κ,R为旋转矩阵,其中R=R1(Ω)R2(Φ)R3(Κ)(如公式5);一个尺度缩放参数m。
由于每个点特征匹配对是由两个点特征组成,因此可以构建两个布尔沙模型,这两个布尔沙模型分别对应于两套机载激光雷达数据。
步骤6.3,根据步骤6.2得到的两套布尔沙模型,分别对两套机载激光雷达数据进行坐标转换,得到两套经过坐标修正的机载激光雷达数据。
Claims (5)
1.一种基于数据驱动的机载激光雷达盲源误差补偿方法,其特征在于,包括以下步骤:
步骤1,在机载激光雷达的钢板底座上架设一台外置惯性测量单元,使用全站仪测量外置惯性测量单元与机载激光雷达的激光测距仪之间的距离和偏心角;
步骤2,利用步骤1中的机载激光雷达进行数据采集,可以得到两套机载激光雷达数据,分别为机载激光雷达自身产生的第一机载激光雷达数据,以及联合机载激光雷达的激光测距数据、外置惯性测量单元的测姿数据和步骤1中外置惯性测量单元与机载激光雷达的激光测距仪的距离、偏心角,根据机载激光雷达数据生成理论模型得到的第二机载激光雷达数据;
步骤3,分别对步骤2中的两套机载激光雷达数据进行迭代计算,得到机载激光雷达的惯性测量单元与机载激光雷达的激光测距仪之间的翻滚角和俯仰角的改正值、外置惯性测量单元与机载激光雷达的激光测距仪之间的翻滚角和俯仰角的改正值,然后利用对应的翻滚角和俯仰角的改正值根据机载激光雷达数据生成理论模型分别对两套激光雷达数据进行第一次坐标修正;
步骤4,根据步骤3中得到的两套机载激光雷达数据,分别提取两套机载激光雷达数据中的点特征;
步骤5,对步骤4中得到的两套机载激光雷达数据所对应的点特征进行匹配,得到点特征匹配对;
步骤6,根据步骤5中得到的点特征匹配对,建立两套机载激光雷达数据的布尔沙(Bursa)模型,利用该模型对两套机载激光雷达数据进行第二次坐标修正;
步骤7,对步骤6得到的两套机载激光雷达数据求平均值,得到一套机载激光雷达数据,该机载激光雷达数据即为经过盲源误差补偿的机载激光雷达数据。
2.根据权利要求1所述的一种基于数据驱动的机载激光雷达盲源误差补偿方法,其特征在于,所述的步骤3中用于计算翻滚角和俯仰角改正值的迭代计算的方法包括以下步骤:
步骤3.1,将步骤2中得到的两套机载激光雷达数据作为输入,分别对这两套机载激光雷达数据进行步骤3.2-3.5的处理;
步骤3.2,确定机载激光雷达数据中的航带重叠区域;
步骤3.3,计算航带重叠区域中水平地面间的高差Δh,以及该水平地面到机载激光雷达获取数据过程中形成的航迹的最小平面距离r,计算翻滚角的改正值
步骤3.4,计算航带重叠区域中建筑物屋顶的平面偏移Δx,以及该屋顶面到机载激光雷达获取数据过程中形成的航迹的高程距离Δz,计算俯仰角的改正值
步骤3.5,利用得到的翻滚角的改正值和俯仰角的改正值,根据机载激光雷达数据生成理论模型校正当前机载激光雷达数据的坐标,并将校正后的机载激光雷达数据作为步骤3.3和步骤3.4的输入;
重复步骤3.3——3.5,直到步骤3.3中的高差Δh和步骤3.4平面偏移Δx不再减小,此时完成了一套机载激光雷达数据的迭代计算。
3.根据权利要求1所述的一种基于数据驱动的机载激光雷达盲源误差补偿方法,其特征在于,所述的步骤4中,点特征的提取方法为:
步骤4.1,将步骤3中得到的两套机载激光雷达数据作为输入,分别对这两套机载激光雷达数据进行步骤4.2-4.5的处理;
步骤4.2,采用Hough变换提取机载激光雷达数据中的所有平面特征,再根据平面特征间的空间拓扑关系,计算出所有相邻平面特征的交线,针对每一条交线,进行步骤4.3-4.5的处理;
步骤4.3,在交线的周围定义一个窗口,该窗口的中心位于交线上,窗口的长边与交线平行,窗口的长边的长度为交线的长度加上4倍的机载激光雷达数据的平均间距,窗口的短边的长度为4倍的机载激光雷达数据的平均间距;
步骤4.4,对于窗口内的每一个机载激光雷达数据脚点,查找该机载激光雷达数据脚点在半径R内的其他机载激光雷达数据脚点的最低高程值,如果该机载激光雷达数据脚点的高程值与此最低高程值的差值大于4米,则将该机载激光雷达数据脚点作为边界点,否则认定该机载激光雷达数据脚点为非边界点,不参与后续处理;
步骤4.5,针对步骤4.4中的所有边界点,利用K-均值聚类算法对所有边界点进行聚类,并求出聚类的中心点,将此中心点作为机载激光雷达数据的点特征。
4.根据权利要求1所述的一种基于数据驱动的机载激光雷达盲源误差补偿方法,其特征在于,所述的步骤5中,点特征的匹配方法包括以下步骤:
步骤5.1,将步骤4中得到的点特征作为输入,令从第一机载激光雷达数据提取的所有点特征为P,即P为第一点特征集,从第二机载激光雷达数据提取的所有点特征为Q,即Q为第二点特征集;
步骤5.2,令pi为第一点特征集P中的一点特征,在第二点特征集Q中寻找与pi距离最近的点特征qi和次近的点特征qj;
步骤5.3,如果点特征pi、qi、qj满足|piqi|<0.9×|piqj|,则pi和qi就构成一个点特征匹配对<pi,qi>;
步骤5.4,重复步骤5.2和5.3,找出所有的点特征匹配对。
5.根据权利要求1所述的一种基于数据驱动的机载激光雷达盲源误差补偿方法,其特征在于,所述的步骤6中,利用布尔沙模型进行机载激光雷达数据坐标修正包括以下步骤:
步骤6.1,对步骤5中得到的每个点特征匹配对<pi,qi>求平均值ri,一个点特征匹配对的平均值对应为一个连接点特征;
步骤6.2,根据连接点特征、与连接点特征对应的点特征匹配对的点特征、连接点特征的重心化坐标建立两个布尔沙模型;
步骤6.3,根据步骤6.2得到的两个布尔沙模型,分别对两套机载激光雷达数据进行坐标转换,得到两套经过坐标修正的机载激光雷达数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410206860.0A CN103954953B (zh) | 2014-05-16 | 2014-05-16 | 一种基于数据驱动的机载激光雷达盲源误差补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410206860.0A CN103954953B (zh) | 2014-05-16 | 2014-05-16 | 一种基于数据驱动的机载激光雷达盲源误差补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103954953A CN103954953A (zh) | 2014-07-30 |
CN103954953B true CN103954953B (zh) | 2016-04-06 |
Family
ID=51332250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410206860.0A Expired - Fee Related CN103954953B (zh) | 2014-05-16 | 2014-05-16 | 一种基于数据驱动的机载激光雷达盲源误差补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103954953B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291505B (zh) * | 2015-06-10 | 2018-07-27 | 核工业北京地质研究院 | 一种非植被覆盖区机载LiDAR数据回波强度值校正方法 |
CN106546260B (zh) * | 2015-09-22 | 2019-08-13 | 腾讯科技(深圳)有限公司 | 一种移动测量数据的纠正方法及*** |
CN107024687B (zh) * | 2016-02-01 | 2020-07-24 | 北京自动化控制设备研究所 | 一种离线快速实现pos/激光雷达安装误差标定的方法 |
CN108345822B (zh) * | 2017-01-22 | 2022-02-01 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法及装置 |
CN106990401B (zh) * | 2017-05-24 | 2019-12-10 | 武汉大学 | 基于全波形机载激光雷达数据二类高程误差修正方法 |
CN108981688B (zh) * | 2018-05-29 | 2022-07-19 | 苏州极客嘉智能科技有限公司 | 基于激光导航agv惯导航向角原点变换及误差补偿算法 |
CN109141431A (zh) * | 2018-09-07 | 2019-01-04 | 北京数字绿土科技有限公司 | 航带匹配方法、装置、电子设备和可读存储介质 |
CN110441758B (zh) * | 2019-07-18 | 2021-05-14 | 中国科学院光电研究院 | 一种星载线阵多波束测高激光雷达的在轨几何定标方法 |
CN110658503B (zh) * | 2019-10-17 | 2022-03-01 | 北京百度网讯科技有限公司 | 用于修正雷达的测量角度的方法及装置 |
CN111060059A (zh) * | 2019-12-30 | 2020-04-24 | 武汉武船计量试验有限公司 | 一种动态条件下的全站仪三维测量方法 |
CN111665493A (zh) * | 2020-06-12 | 2020-09-15 | 江苏卫国防务技术有限公司 | 一种基于数字波束形成技术的低慢小目标探测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916659A (zh) * | 2006-07-06 | 2007-02-21 | 上海交通大学 | 多激光雷达协同工作与数据处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2649916A1 (en) * | 2008-01-09 | 2009-07-09 | Tiltan Systems Engineering Ltd. | Apparatus and method for automatic airborne lidar data processing and mapping using data obtained thereby |
-
2014
- 2014-05-16 CN CN201410206860.0A patent/CN103954953B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916659A (zh) * | 2006-07-06 | 2007-02-21 | 上海交通大学 | 多激光雷达协同工作与数据处理方法 |
Non-Patent Citations (2)
Title |
---|
基于多时相机载LiDAR数据的三维变化检测关键技术研究;张良;《中国博士学位论文全文数据库 基础科学辑》;20150615(第06期);全文 * |
点、线相似不变性的城区航空影像与机载激光雷达点云自动配准;张良 等;《测绘学报》;20140430;第43卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103954953A (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103954953B (zh) | 一种基于数据驱动的机载激光雷达盲源误差补偿方法 | |
CN104240541B (zh) | 一种4d航迹生成方法 | |
CN107044852B (zh) | 不平整状态下全站仪测量方法 | |
CN102788578B (zh) | 一种基于局部重力场逼近的匹配导航方法 | |
CN103217688B (zh) | 一种基于不规则三角网机载激光雷达点云平差计算方法 | |
CN103605135B (zh) | 一种基于断面剖分的道路特征提取方法 | |
CN106441311B (zh) | 一种基于激光成像雷达的非合作航天器相对位姿测量方法 | |
CN102944183B (zh) | 一种大展弦比柔性机翼测量方法 | |
CN105573318A (zh) | 基于概率分析的环境构建方法 | |
CN104061932A (zh) | 一种利用引力矢量和梯度张量进行导航定位的方法 | |
CN104111071B (zh) | 基于激光测距与摄像机视觉融合的高精度位姿解算方法 | |
CN106157219B (zh) | 基于车载扫描***的道路中心线提取方法和装置 | |
CN104392047A (zh) | 一种基于平稳滑翔弹道解析解的快速弹道规划方法 | |
CN104677361A (zh) | 一种综合定位的方法 | |
CN103941233A (zh) | 一种多平台主被动传感器协同跟踪的雷达间歇交替辐射控制方法 | |
CN104655135A (zh) | 一种基于地标识别的飞行器视觉导航方法 | |
CN103324916A (zh) | 基于建筑轮廓的车载和航空LiDAR数据配准方法 | |
CN104422425A (zh) | 一种不规则外形物体空间姿态动态测量方法 | |
CN105242252A (zh) | 基于图像匹配的下降轨聚束sar雷达定位方法 | |
CN105046046A (zh) | 一种集合卡尔曼滤波局地化方法 | |
CN102609573A (zh) | 产品装配尺寸和形位精度的预测方法及装置 | |
CN103925854A (zh) | 一种基于三维坐标转换原理的导弹水平测量方法 | |
CN105575154A (zh) | 一种车辆gps定位丢失数据补偿方法 | |
CN102620745B (zh) | 一种机载imu视准轴误差检校方法 | |
CN104457691A (zh) | 一种建筑物主体高程信息获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160406 |
|
CF01 | Termination of patent right due to non-payment of annual fee |