激光雷达点云的研究
目前，学术界和业界对于激光雷达点云的处理方式的研究变的非常热门。我认为原因有二：来自学术界的推力：对于图片中的许多问题有了突破性的进展，例如图片分类、语义分割和目标检测等问题。这些突破性进展使得计算机对2D世界的理解有了质的飞跃，那么如果将问题变难，计算机是否能够对3D世界中的相对应的问题有很好的的解决办法呢？获取3D信息的传感器典型的有双目相机、RGBD相机和激光雷达，而其中激光雷达的获取的数据精度最高，那么使用激光雷达点云数据处理上述3D问题就是很好的突破口。来自产业界的拉力：人工智能的研究火爆，产业界也纷纷尝试将人工智能落地，自动驾驶产业则是既有市场又有突破的可能性，吸引了一大批商业巨头和创业公司。在自动驾驶的任务中，保证行车安全是第一任务，那么高精度的感知则成为了重中之重的模块，而激光雷达以其精度高、不易受光照影响等特点成为了自动驾驶车辆上不可缺少的传感器之一。所以，对激光雷达点云的处理的方法则需要着突破性的进展。......阅读全文
激光雷达点云的研究
目前，学术界和业界对于激光雷达点云的处理方式的研究变的非常热门。我认为原因有二：来自学术界的推力：对于图片中的许多问题有了突破性的进展，例如图片分类、语义分割和目标检测等问题。这些突破性进展使得计算机对2D世界的理解有了质的飞跃，那么如果将问题变难，计算机是否能够对3D世界中的相对应的问题有很好的的
机载激光雷达与点云数据处理技术简述
遥感技术是20世纪60年代以来，在现代物理学、空间科学、电子计算机技术、数学方法和地球科学理论的基础上建立和发展起来的一门新兴的、综合性的边缘学科，是一门先进的、实用的探测技术。近年来，机载激光雷达技术逐渐崭露头角，它是利用全球定位系统和惯性测量装置机载激光扫描。其所测得的数据为DSM的离散点表
激光雷达相机禅思L1快速获取点云数据
自动定位、悬空探测、自动成像，这一系列在科幻电影中才出现的场景，随着某手机的发布，普通人通过手机即可三维点云建模，10月14日大疆发布的禅思L1 激光雷达与经纬M300无人机的组合，这套黑科技直接照进了咱们测绘人的心里。 ▌激光雷达的原理 激光是一种特殊的光，在生活中充满了对光的运用
激光雷达相机禅思L1快速获取点云数据
自动定位、悬空探测、自动成像，这一系列在科幻电影中才出现的场景，随着某手机的发布，普通人通过手机即可三维点云建模，10月14日大疆发布的禅思L1 激光雷达与经纬M300无人机的组合，这套黑科技直接照进了咱们测绘人的心里。 ▌激光雷达的原理 激光是一种特殊的光，在生活中充满了对光的运用
基于激光雷达点云的树冠分形维数及其算法实现
0 引言 Mandelbrot（1975）[1]正式提出与建立的分形理论，主要研究分形体的维数及自相似性规律[2]，分形维数是分形几何的核心，通过计算分形维数，可以对不规则的自相似几何形体（如植被根系、树木分枝结构、树冠、叶片分布特性及种群分布格局等）的复杂程度进行定量分析[3-6]。树冠作
激光雷达点属性
附加信息与每个 x、y 和 z 位置值存储在一起。为每个记录的激光脉冲保留以下激光雷达点属性：强度、回波编号、回波数、点分类值、在飞行航线边缘的点、RGB（红、绿和蓝）值、GPS 时间、扫描角度和扫描方向。下表介绍了可以随每个激光雷达点提供的属性。注:以下列出的激光雷达属性并不总在最终输出的激光雷达
将激光雷达用作 LAS 数据集
LAS 数据集提供一种快速访问大量的 激光雷达和表面数据而无需进行数据转换和导入的方法。这样可以轻松地处理覆盖整个管理区域的数千个 LAS 文件，或者可能只是关于特定研究区域的几个 LAS 文件。LAS 数据集允许您快捷地检查 LAS 文件，并在 LAS 文件中提供了激光雷达数据的详细统计数据和区域
激光雷达数据的处理方法分类
激光雷达数据的处理方法的的根源是深度学习在计算机视觉的发展。这里，我们按照网络输入的格式进行分类。体素体素Voxel，英文可能是来源于像素Pixel，将体素理解为3维的像素也是可以的。先来说说像素，给定一张固定大小的图片，将图片均匀的分为很多小格子，每个小格子就叫像素。那么对于给定的三维空间，将空间
如何用少线束的激光雷达获得多线束的激光雷达感知效果
激光雷达的价格一般都比较昂贵，对于无人驾驶应用中，激光雷达是系统成本的重要组成部分。激光雷达的价格随着线数的增加而增加，基本规则就是线数越多，价格越贵。在产品开发过程中，成本控制是很重要的，一个产品，如果功能没问题，但是价格昂贵，也不会有好的市场，只有物美价廉的产品才会受到消费者的青睐。所以压缩激光
机载激光雷达单木识别研究进展
随着激光雷达的发展，基于机载激光雷达提取单木及林分参数是目前的研究热点之一。准确的单木识别是后续林木参数提取的重要基础。机载激光雷达单木识别方法可以分为基于冠层高度模型（CHM）的单木识别法和基于点云分布的单木识别法两类。基于CHM的单木识别方法通过CHM分割确定树冠边界或通过局部最大值识别树冠顶点