资讯

四种激光雷达技术的最新趋势

原创 2021-03-22 14:26 YAN 来源:无人机网

激光雷达技术是三维点云的代名词。四大最受欢迎的激光雷达平台的最新趋势是什么,这些发展又是如何让云数据的终端用户受益的呢?

在行业内,有四种当下流行的:1.机载激光雷达,使用飞机和无人驾驶飞行器(UAVs或 "无人机")从上方采集数据;2.移动激光雷达,安装在移动的车辆上,包括公路、铁路和船只;3.地面激光雷达,通常使用三脚架从静态平台上采集数据;4.手持式短程激光雷达,使用SLAM技术。

机载激光雷达

近年来,机载激光雷达最大的进步是在处理和交付3D点云。随着无人机自动驾驶技术的发展,无人机的轻型传感器也得到了发展。然而,自动化云处理和存储方面的进展带来了巨大的投资,从而大大缩短了交付时间。

最大点密度在整个市场上普遍稳定,客户知识的提高对捕获有更大的影响。旧的获取尽可能多细节的方法正在重新考虑,以支持价值和只需要尽可能多的细节。客户越来越意识到通过社交媒体可以实现什么,因此,他们在激光雷达捕获的细节方面也有了更多的了解。

数据处理

如上所述,机载激光雷达最近最大的变化是在数据处理方面。现在,数据处理更加自动化和精简,通常使用完全基于云的架构,还包括云中的手动编辑和质量保证(QA)。这种基于云计算的方法使现场和办公室之间的周转时间大大加快,并具有更多的通用性。现在,在飞机降落回停机坪后,很快就可以上传项目数据,在某些情况下,后处理的数据也会在云端交付。与所有基于云的解决方案一样,目前大多数项目面临的挑战是带宽,因为需要足够的速度才能实现效益。

在澳大利亚,已经普遍从大型环境驱动的捕获过渡到更多的林业和城市应用,每年都会进行更新。这些捕获正在推动支持丛林火灾管理和发展城市数字孪生的主要方案。机载激光雷达对于支持创建高质量的数字高程模型(DEM),以支持数字双胞胎景观,并得出高质量的最新建筑模型,具有重要意义。这些应用意味着,数据流通性正在成为激光雷达采集的最重要因素之一。

轻量级的RIEGL miniVUX-2UAV激光雷达能够以每秒20万次的测量值捕捉到非凡的细节。

随着人们对丛林火灾风险的关注,以林业为基础的激光雷达也在不断增加。在澳大利亚,对计算燃料负荷以预测丛林火灾的需求很大。诸如海岸侵蚀和海平面上升等应用已从大规模方案减少到对热点地区进行更多的局部调查。

数字的"双胞胎"

对城市地区和数字孪生的关注,以及性价比,意味着对全波形激光雷达的需求减少。更大的数据量和不断发展的数据管理需求,加速了向基于云的存储和流媒体的过渡,以及越来越高效的数据压缩格式。在云端处理和存储大量数据的成本可能会增加,公司正变得越来越聪明,只获取他们需要的数据。

最近一段时间,客户和供应商之间的沟通得到了更有力的推动。客户要求获得更多有关数据处理管道的信息,而各公司也提供了更多有关其处理方法的细节-无论是自动化、人工还是外包-包括其质量保证和编辑的方法。

移动激光雷达

在过去的几年里,移动激光雷达已经有了长足的发展。移动激光雷达采集不再需要众多的电缆和配件,需要专家精心拼接。所有的测绘级传感器,如Velodyne和Ouster的传感器,以及RIEGL、Trimble和Leica的测量级平台,现在都更容易调动:几乎是即插即用。每个传感器都有自己的优势,从宽广的垂直视场或更长的范围到多个脉冲回波或更高的精度。金融是以货币本身为经营标的、目的通过货币融通使货币增值的经济活动,包括以银行为中心的间接投融资和以投资银行为中心的直接投融资两种形式。

在移动式激光雷达中,点密度有所提高,特别是在使用双扫描头从单次扫描中获取更全面的视图时。如RIEGL VMX-2HA、Trimble MX9、Teledyne HS600和徕卡Pegasus Two:Ultimate等系统都能每秒采集200多万个点,范围从100米到500多米,以达到很好的细节。

Leica Pegasus Two:Ultimate在澳大利亚维多利亚州测量大洋路。

在双头系统中同时使用两台扫描仪的好处是,现在可以从较少的道路或铁路走廊内捕获更多细节。这也意味着减少了数据遮挡,并且由于采集了多角度的扫描数据,物体的清晰度得到了改善。

移动激光雷达产生的点密度不断挑战着IT基础设施。例如,即使在应用点云和图像压缩的情况下,一个小时的数据采集可以产生大约200GB的原始数据。一个典型的项目可以在一个小时内从8个1200万像素的摄像头以3米的间距记录图像,以及两个激光雷达传感器以每秒100万个点的速度同时工作中产生100GB的数据。产生的数据规模之大,成为传输速度和GPU的博弈,以实现高效的点云和图像处理。

移动激光雷达面临的另一个挑战是要求在道路走廊内安全放置高度的勘测控制。勘测控制通常涉及在人行道和垂直表面上战略性地放置目标,或者利用地面激光雷达数据来验证移动激光雷达点云的准确性。随着周转时间的加快,以及对安全标准的要求,勘测控制是一个持续的挑战。

移动激光雷达的最新进展之一是将精确对准的高分辨率图像集成到点云中。最新的系统具有球面和定向相机组合的相机阵列。一些系统如RIEGL VMX-2HA和Leica Pegasus Two:Ultimate使用了高达1200万像素的定向相机,并能以高达16FPS的速度捕捉画面。这种高度详细和对齐的图像可以实现高质量的RGB彩色点云,以改善可视化和分析。

由Leica Pegasus Two:Ultimate生成的彩色移动激光雷达点云。

减少手动对齐

近年来,随着利用卡尔曼滤波和基于图像的云对云登记方面的进步改进了轨迹处理,移动激光雷达点云的处理已得到简化。这意味着减少了许多人工点云对准和对地控制的登记,加快了整体处理速度,实现点云通道之间的间隔小于10mm。自动对准算法带来了更精确的产品,而人工交互则大大减少。数据处理的改进意味着客户能够更快地开始精确数据的工作。

机器学习特征提取在从机载和移动激光雷达数据中提取价值方面发挥着重要作用。虽然机器学习正在起飞,但仍然需要更多适合每种应用的标签化训练数据集,以便机器和数据科学家用来优化算法。识别点云中对象的标签化训练数据集变得越来越有价值。在点云中,这些对象由对象周围的3D边界框定位,并标明对象类型。这些训练数据集为机器学习的训练提供了基础,以便从点云数据中提取更多价值。

地面激光雷达

大约15年前,在所有硬件和软件都能正常工作的情况下,使用徕卡HDS3000可以实现每天三次扫描设置。这台扫描仪重达16公斤,电池有公文包那么大,一切都用笔记本电脑控制-但它使处理云到云的定标变得很容易。

在地面激光雷达方面,硬件已经取得了飞跃性的进步,最新一代的扫描仪每天能够实现超过200次的扫描设置。现在的挑战是如何更有效地处理所有数据。

随着扫描设置的增加,可以在一个单一的实地天实现,自动点云对齐算法几年前提供了一个解决方案,特别是Trimble Realworks“非常有效的自动登记使用飞机”。缺点是运行该过程所需的计算时间,以及需要进行严格的质量检查以确保算法正确。通过玻璃、长而无特色的走廊和大型移动物体(如风帆或树木)来扫描数据,都可以使校准偏离轨道。

实时校准

徕卡最新的地面激光雷达系统RTC360是飞行对中的典范。该系统既可以在设备的GUI上操作,也可以通过Wi-Fi连接的平板设备,通过Leica Field 360应用程序进行操作。不过,需要注意的是,点云对准只能使用平板电脑来完成。点云采集仅需30秒左右(10米处12mm点间距),添加彩色HDR影像需要多花一分钟。

虽然基于平板电脑的定线会占用扫描采集时间,但点云和HDR图像时间的改进很容易抵消这种延迟。遗憾的是,在现阶段,操作人员无法利用采集期间的停机时间来完成过去的走线。然而,很容易设想在未来的固件更新中会解决这个问题。

工作流程的其他好处包括

01、操作员可以在平板设备上向客户实时显示对齐的数据,从而提高对正在进行的工作的欣赏和参与程度。

02、显示扫描位置和现场空洞的虚拟平面图避免了潜在的返工。

03、在字段中额外的处理消除了对显示扫描位置的详细字段注释的需要。

04、如果应用程序由于设置之间的重叠不足而无法对齐相邻的扫描,用户将收到一个提示。

尽管这可能会使基于云对云的办公对齐成为过去,但仍然需要有强大的调查控制和严格的数据质量保证过程。数据的完整性一直要求传统的测量技术如测量控制和参考指标的支持。

Emesent的基于Hovermap SLAM的激光雷达在手持模式下。图片提供:Emesent

使用SLAM的手持式短程激光雷达

第四种也是最后一种常用的激光雷达商业平台是使用同步定位和测绘技术的手持/背包式短程激光雷达。SLAM使激光雷达系统能够在其环境中定位--通常是GNSS拒绝的位置。随着SLAM算法在过去几年中的改进,手持式激光雷达已成为一种商业解决方案。

在商用手持设备之前,地面激光雷达是室内激光雷达唯一普遍应用的解决方案。徕卡的BLK2GO和Emesent的Hovermap的成功,彻底改变了在狭窄、复杂的室内环境中获取激光雷达的方式。这些解决方案的优势在于其速度、通用性和易用性。当应用可以容忍较低的精度时,它们在采集速度、处理速度和交付时限方面获得了显著的优势。。

结合无人机自主

Emesent Hovermap还具有能够与无人机连接的多功能性。在这种模式下,将SLAM技术与无人机自主性相结合,为采矿和复杂的封闭场地提供了强大的室内测绘解决方案。事实上,Hovermap的自主性2级采用了避撞技术,使无人机能够在视线之外飞行,激光雷达数据也会实时流回给操作者。

未来几年,预计将有更多的基于SLAM的手持式激光雷达系统进入市场。

结论

近年来,业界一直非常关注提高向客户提供激光雷达数据的速度。诸如将数据从现场上传到云端、扫描的自动对准、产品自动化和通过浏览器交付等因素,都意味着终端用户可以更快地接收到数据。随着数字孪生的推进,现在人们对利用一系列集成激光雷达技术对建筑物和资产进行全面覆盖的兴趣越来越大。最近的发展提高了激光雷达在其众多平台上的通用性,使得提供一个完整的基于激光雷达的点云解决方案比以往任何时候都要容易。

布里斯班Mt.Crosby泵站的详细建筑信息模型(BIM)是通过整合一系列激光雷达源生成的。

特别鸣谢

感谢Rob Clout(Aerometrex)以及Rick Frisina和Jarrod Hatfield(维多利亚州环境、土地、水和规划部)的宝贵见解。

0 0

网友评论

取消