激光雷達按載荷平臺分類有那些？

1、機載激光雷達

機載激光雷達是將激光測距設備、GNSS設備和INS等設備緊密集成，以飛行平臺為載體，通過對地面進行掃描，記錄目標的姿態、位置和反射強度等信息，獲取地表的三維信息，并深入加工得到所需空間信息的技術。

在軍民用領域都有廣泛的潛力和前景。機載激光雷達探測距離近，激光在大氣中傳輸時，能量受大氣影響而衰減，激光雷達的作用距離在20千米以內，尤其在惡劣氣候條件下，比如濃霧、大雨和煙、塵，作用距離會大大縮短，難以有效工作。大氣湍流也會不同程度上降低激光雷達的測量精度。

2、車載激光雷達

車載激光雷達又稱車載三維激光掃描儀，是一種移動型三維激光掃描系統，可以通過發射和接受激光束，分析激光遇到目標對象后的折返時間，計算出目標對象與車的相對距離，并利用收集的目標對象表面大量的密集點的三維坐標、反射率等信息，快速復建出目標的三維模型及各種圖件數據，建立三維點云圖，繪制出環境地圖，以達到環境感知的目的。

3、地基激光雷達

地基激光雷達可以獲取林區的3D點云信息，利用點云信息提取單木位置和樹高，它不僅節省了人力和物力，還提高了提取的精度，具有其它遙感方式所無法比擬的優勢。

通過對國內外該技術林業應用的分析和對該發明研究后期的結果驗證，未來將會在更大的研究區域利用該技術提取各種森林參數。

4、星載激光雷達

星載雷達采用衛星平臺，運行軌道高、觀測視野廣，可以觸及世界的每一個角落。為境外地區三維控制點和數字地面模型的獲取提供了新的途徑，無論對于國防或是科學研究都具有十分重大意義。星載激光雷達還具有觀察整個天體的能力，美國進行的月球和火星等探測計劃中都包含了星載激光雷達，其所提供的數據資料可用于制作天體的綜合三維地形圖。此外，星載激光雷達載植被垂直分布測量、海面高度測量、云層和氣溶膠垂直分布測量以及特殊氣候現象監測等方面也可以發揮重要作用。

車載激光雷達的行駛速度多少合適？

車載激光雷達的車速在60-75km/h時最合適：

• 太慢時，數據重復讀過高
• 太快時，發出信號無法接收到，數據容易缺失

為什么車載數據與地基數據相比完整性差一些？

選擇雷達載荷平臺時，需要綜合考慮數據的完整性和獲取效率。車載數據與地基數據相比完整性差一些，但靈活性好一些。

完整性差：車載激光雷達的車道軌跡限定了測量范圍與觀測角度，如只能獲得朝向車的一邊的數據，而不能獲取背向車的一面的數據，尤其是在建筑密集的中心城區運行時，數據獲取不夠全面。而地基激光雷達是全站式的，在哪設站都可以，可以將數據測得更全面。

激光雷達在生成DEM遇到的問題和解決方法？

基于LiDAR數據生產數字高程模型（DEM）的過程可以分為數據預處理、粗（自動）分類、自動分類（濾波）精細化編輯4個階段。

1、點云數據預處理

激光雷達獲取的是一系列空間分布不規則的點，但是這些點是具有三維坐標值的離散點，無法直接進行DEM生產。因此，點云數據首先要進行預處理。內容包含有信息設定、重疊航帶區域處理、數據分幅、高程系統轉換、投影換帶處理等。

基礎設定至關重要。作業人員需先通過學習，依照作業方案統一設定投影，高程系統，確定分幅和層色信息這些基本框架，然后才能進入生產作業。以上設置步驟如果出現錯漏，將造成后續工作返工。該工序是批量處理的，該性質決定預處理要選擇少量有經驗的骨干人員進行，預處理完成后質檢部門要及時跟進,做好過程檢查，及時發現問題解決問題,杜絕出現頂層錯誤。

2、點云數據自動分類

經過預處理的數據就可以按照圖幅分發給作業員進行編輯，作業員通過軟件先進行粗(自動)分類，自動分類包含分離點和去噪兩方面的內容。

分離點指的是將點云中的地面點和非地面點分離。這種分離通過軟件即可實現，自動化程度較高。需要注意的是分離地面點時，冗余點一般不參與，只有在點云密度較低的區域，才引入冗余點層，便于提取地面點。

去噪是因為點云數據在采集時會混有不合理的噪聲點，這是由于儀器的系統誤差以及被測對象的物理特性引起的。常見以下3種情況:

低于地面的點或點群，是由于墻體、水面、物體材質表面粗糙度不同等原因，對激光產生強反射，或造成多路徑效應而產生，這些點一般是離散且明顯低于地面的

高于地表目標的點或點群，如霧霾、飛鳥、飛機等空中物體對激光反射，生成高于地表的孤立點或點群

移動地物點，主要是車輛、輪船、塔吊等工程機械，其中車輛占有絕大多數

噪聲點只能減少，不可能完全避免。點云噪聲容易導致重構的三角網模型面出現錯誤或不光滑現象，因此，必須通過后期數據處理方式去除。主要方法有:

利用剔除飛點和低點的算法，通過軟件可批量去除大部分噪聲點

利用人機交互的方法，個別分辨，遵循“所見即所得”的原則逐一解決，徹底將所有噪聲點去除干凈

3、點云數據精細分類

完成粗分類后，要進一步將表達不同類地物的點云進行自動分類，這個過程又稱為濾波，原理是依據不同地物的反射強度、形狀特征、回波次數等算法進行分類。

裸露地表處必有一次回波，對應的反射點即為地面點。植被覆蓋區域可能對應多次回波，最后一次回波對應反射點為地面點。從較低的激光點中提取初始地表面，設置地面坡度閾值，反復進行迭代運算直至找到合理地面點。分以下3個步驟進行：

分離正常低點

分離空中點

分離地面點

其中建筑物較多的區域分離地面點的工作量大，要觀察建筑物分布情況及規模，設置合理的參數去除建筑物高出地面的點，還要避免大型建筑物被誤判為地面點。這些都需要根據地形及建筑物特征依據經驗設定最合理的參數。

自動分類一般不宜單獨操作，因考慮到點云分塊后相鄰塊間會有接邊問題，一般采用批處理的方式大批量執行自動分類，注意在執行前要設置緩沖區，通常設置為50m，通過緩沖區過度，能有效減少數據接邊問題。

4、點云數據精細分類中幾種特殊情況的處理方法

• 建筑物周圍硬化地表情況：居民地建筑物常出現四周高于地面的硬化地表，比如樓房前后的臺階

  常用的處理方式為：需將其地基周圍地形恢復平整，通過添加斷裂線可將該區域處理合理

• 道路或隔離帶情況：道路或街道隔離帶、非機動車道、綠化帶、花壇等被樹木遮擋較多，地面點云數量少，要使被樹木遮擋部分DEM高程正確

  常用的處理方式為：街道或隔離帶、非機動車道、綠化帶、花壇等保留，樹木遮擋部分添加斷裂線補充完整，高程信息參考有地面點的同一條綠化帶點云高程

• 水面處理：水面的特性是不反射激光點，因此水面上幾乎沒有點云數據，無法真實地反映水流情況

  常用以下兩種方式處理：

  1.湖泊、水塘、水庫等封閉范圍的水面，以水涯線水位作為靜止水面高程標準

  2.河流面分兩類情況處理：一類是上下游河流水面高差大，河流斷裂面要由高到低緩慢過渡表示；另一類是河流水面高差較緩，需加斷裂面小于5cm梯度高程處理，原則上以攝影時的水位為準加特征線

課程2.1節視頻31:40時留的作業（點云可視化）

將機載激光雷達點云數據采用垂直投影的方式實現可視化，取出了一小塊點云，假設像素大小為0.15m X 0.3m，請計算高度圖像中每個像素的屬性值和顏色值。首先要定義像素的網格，看有多少像素，計算每個像素的屬性值，再寫出對應的顏色值。

XYH

258631.14000	470554.16000	46.48000
258631.25000	470552.59000	46.52000
258631.42000	470552.91000	46.50000
258631.60001	470553.21000	46.51000
258631.78000	470553.52000	46.50000
258631.96001	470553.83000	46.51000
258632.13001	470554.13000	46.51000

垂直投影：①定義圖像網格；②確定每個像素的屬性（高度）；③將屬性轉換為灰色值或顏色

22.05.06修改：

①課程3.1節視頻31:40時留的作業（點云可視化）審題思路：

0.15m X 0.3m（像素的間距代表的實際距離，X軸方向每隔0.15m一個點，Y軸方向每隔0.3m一個點）

計算出這段影像的每一個像素值計算出來，高度圖像的屬性值，需要先計算像素坐標

首先要確定影像網格（根據散點生成二維影像），根據X、Y的最小值與最大值范圍確定這段影像的圖像網格范圍，根據像素尺寸（0.15m X 0.3m）確定這個范圍內有多少網格

激光點放到網格中有3種情況：沒有激光點（線性內插法、雙線性內插法、外推法）；一個激光點（像素屬性值=激光點屬性值）；多個激光點（像素屬性值=平均值、像素屬性值=中位數、像素屬性值=最鄰近值）

將屬性轉換為灰色值或顏色，將屬性值的最小值到最大值的范圍映射到0-255上

具體解題細節見激光雷達課堂記錄中的pdf答案，可能內插方面還存在問題（難點在于空的內插怎么處理），可以后續使用matlab優化修改，可以用griddata的nearest重新編程一下（雙線性內插>最近值相似>線性內插）

②自然資源部測繪司關于加快實景三維建設的文件，實景三維數據來源：1.攝影測量 2.激光雷達

總結

以上是生活随笔為你收集整理的LiDAR 22.04.30课堂笔记文件汇总的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。