请选择 目标期刊

基于改进迭代粗分类的城区LiDAR点云滤波算法 下载:58 浏览:437

李成仁 《测绘科学与技术》 2020年11期

摘要:
针对传统图像分割算法单次点云分类精度不高和数据格网内插精度损失等问题,提出一种改进的点云迭代粗分类方法。利用分割阈值对格网内插前的原始点云进行分类,避免内插造成的精度损失;对分类过程进行多次迭代,提升点云分类精度;滤波前剔除极低噪声点,避免其被选取为种子点而影响滤波精度。通过三组点云数据的滤波实验表明:本文滤波算法较传统的渐进三角网滤波算法精度高,且对于城镇、市中心城区等城区点云数据,均具有较好的适应性和良好的滤波效果。

基于多技术融合的潮间带地形测量应用实践 下载:87 浏览:495

吴敬文1 张正明2 杜亚南1 《测绘科学与技术》 2018年4期

摘要:
由于测量条件的特殊性,潮间带地形测量一直是测量工作中的难点:测量的完整性和精度难以得到保证,需要采用合理和切实可行的技术方案加以解决。论述了几种潮间带地形测量的技术方案和案例,结果表明,满足精度要求的三维GNSS控制网是进行潮间带地形测量的基础;以无人(有人)测船为平台的RTK三维水深测量系统能提高水深测量的精度和可靠性,消除动吃水的影响;无人机载激光雷达系统能直接测量淤泥滩涂的泥面高程;无人机低空摄影测量技术在进行滩涂测量时需要布设一定数量的像控点;气垫船可作为滩涂测量的载具和平台。本研究可为近海潮间带区域和河口感潮水域的测量工作提供参考。

无人机载激光雷达在矿山环境恢复治理中的应用 下载:112 浏览:1809

李树波 《光电子进展》 2025年3期

摘要:
本文以矿山环境恢复治理为背景,探讨了无人机载激光雷达技术在该领域的应用。通过案例分析,论文阐述了无人机载激光雷达技术在矿山环境恢复治理中的实际应用效果,并对其未来在矿山环境治理中的应用进行了展望。研究结果表明,无人机载激光雷达技术在矿山环境恢复治理中具有重要的应用价值,为矿山环境恢复治理提供了新的技术手段和方法。该研究对于促进矿山环境的可持续发展具有重要的理论和实践意义。

机载激光雷达技术发展情况与应用趋势分析 下载:127 浏览:2164

郭骋 潘旭辉 陈建发 蔡猛 《光电子进展》 2024年12期

摘要:
激光雷达因其可测量目标角度、距离、速度等多维度信息的优势,广泛应用在车载、机载、星载等平台,特别是在机载探测领域,可有效弥补红外探测缺乏距离信息的劣势,提升态势感知能力。本文对机载激光雷达的应用情况进行介绍,针对探测距离、成像分辨率、扫描效率三个核心指标,以及大气传输中湍流导致的激光波前畸变降低成像性能这个实际应用问题,分析了目前的研究进展,并对未来可采用的新技术体制进行展望。

无人机载激光雷达在公路勘测设计中的运用 下载:155 浏览:2617

柴源 《光电子进展》 2024年7期

摘要:
公路勘测作业是保障公路工程设计合理,使其满足经济往来和人们出行要求的重要前提,但就一些山区来说,因地形地势较为复杂,勘测作业的难度较大,在此种发展背景下,衍生了无人机载激光雷达技术。该项技术的应用不仅能够应对多种复杂的勘测环境,还能保障勘测信息获取的准确性和高效性。因此,下文对无人机载激光雷达技术在公路勘测设计中的应用流程进行梳理,以期充分发挥技术优势,为公路工程的设计工作提供可靠的技术支撑。

关于林业资源调查中无人机载激光雷达技术的应用 下载:174 浏览:2910

幸响洪 《光电子进展》 2024年3期

摘要:
无人机载激光雷达技术是林业资源调查中的新型技术之一,该项技术的应用不仅能够提升林业资源调查的科学性与全面性,同时也能够直接进行相关数据的收集,为林业资源调查提供可靠数据。本文中则简要分析了无人机载激光雷达系统的原理与应用。

试析测绘领域中机载激光雷达遥感技术的应用 下载:215 浏览:3305

霍鹏飞 《测绘科学与技术》 2022年8期

摘要:
本文主要分析了机载激光雷达系统(LIDAR)的功能特性在测绘行业的发展情况,然后阐述了现阶段LIDAR在测绘领域广泛推广后能带来的深远影响,最后总结了机载激光雷达遥感技术的实际应用成效,希望提供给有关技术人员(或工程)一些借鉴。

机载激光雷达技术在水利水电测绘工程中的应用分析 下载:256 浏览:3978

邱晓青 《测绘科学与技术》 2022年3期

摘要:
现阶段,机载激光雷达获取地面目标点三维地理信息数据具有快速、高精度、高密度、控制点少的特点。该技术是对传统航空摄影测量技术很好的补充,在复杂地形测绘中具有独特的优势。目前,机载激光雷达技术被广泛应用于林业、电力等领域,也逐渐在水利工程测绘应用中取得较理想的效果。基于此,本文就机载激光雷达技术在水利水电测绘工程中的应用进行简要分析。
[1/1]
在线客服::点击联系客服
联系电话::400-188-5008
客服邮箱::service@ccnpub.com
投诉举报::feedback@ccnpub.com
人工客服

工作时间(9:00-18:00)
官方公众号

科技成果·全球共享