基于ULS、TLS和超声测高仪的天然次生林中不同林冠层树高估测

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。     

基于改进欧几里得聚类的激光雷达障碍物检测

针对传统的欧氏聚类算法无法同时对近处和远处的障碍物点云进行精准检测和分割,容易造成错检和漏检的情况,提出一种欧氏聚类算法的改进方法,可以根据点云与激光雷达之间的距离动态地选择阈值,从而快速且准确地完成聚类.实验表明:该方法能同时对近处和远处的障碍物点云进行快速且准确的聚类.     

利用探空秒数据估算北京地区日最大混合层高度

研究利用北京地区L波段探空秒数据和地面日最大位温, 采用气块法反演北京地区日最大混合层高度(MMH)的可行性。将08时探空秒数据以及常规探空数据反演结果分别与对应的微脉冲激光雷达反演结果相比较, 发现前者与激光雷达反演结果的一致性好于后者, 常规探空数据垂直空间分辨率低可能是导致其反演结果误差较大的原因。分别用春夏秋冬的探空秒数据反演结果与激光雷达反演结果相比较, 发现春夏秋反演结果的一致性较好, 而冬季较差。利用08时探空秒数据结合地面日最大位温, 采用气块法反演北京地区2010—2017年的MMH, 发现MMH 每年均表现出春夏秋冬逐次递减的分布特征。通过对长期资料的统计分析发现, 北京地区日地面最高气温与850 hPa温度差定义的热力稳定度与MMH之间存在较强的正相关性。     

基于PCA和相位差校正法的风切变预警算法

为了提高相干激光雷达风切变预警算法的预警率，提出一种基于主成分分析（principal component analysis，PCA）和相位差校正法的风切变预警算法。首先，利用PCA对雷达回波信号进行低阶主成分向量提取以实现信号重构，提高信噪比。其次，采用基于快速傅里叶变换的相位差校正法对回波信号峰值频率进行校正，降低回波信号能量泄露。然后，分别利用旋转电机实验数据和小型飞机实验数据对所提算法进行性能评估。结果表明，采用所提算法估计相干激光雷达回波信号峰值频率的平均绝对误差为0.26 MHz，对实际低空风切变的预警率为92.31%。所提算法可以有效降低相干激光雷达回波信号频率估计误差，实现低空风切变预警。     

种子注入高重复频率Q开关激光器

分析了自发辐射与注入种子信号在激光建立过程中的竞争对种子注入的影响. 利用单块非平面环形腔单频激光器作为种子振荡信号,注入到高重复频率Q开关构成的从动激光器,获得单脉冲能量大于5mJ、脉冲宽度40ns的单纵模振荡脉冲激光输出. 测试了种子激光器在不同频率、功率及在从动激光器不同抽运能量下种子注入现象发生的几率实验. 结果表明,频率匹配和从动激光器的抽运能量是影响种子注入发生几率的重要因素.     

三维成像载荷地面快速融合处理方法研究

三维成像载荷是一种能够同时采集激光雷达数据以及CCD影像,并快速融合生成三维立体影像的新型载荷。在分析载荷工作原理的基础上,面向载荷的地面检校及成像试验,提出了一种针对该新型三维成像载荷的地面快速数据融合处理方法;并利用地面实测数据对方法进行了验证。结果表明,该方法能快速生成实验区的三维影像,同时也验证了该类型载荷对激光雷达数据与影像数据快速融合的能力。     

美国迈阿密地区更新世鲕粒滩发育特征及控制因素

通过对迈阿密鲕粒滩与现代鲕粒滩的类比,将高分辨率的卫星激光雷达绘图与露头信息结合起来,可视化了迈阿密鲕粒滩的整体形态以及其中的沉积特征,潮汐通道的分布直接影响鲕粒滩的形态,迈阿密鲕粒滩的形成与潮汐作用有密不可分的联系;在迈阿密鲕粒滩中的沉积相主要发育交错层理的鲕粒相和生物潜穴型泥质鲕粒灰岩相,其中可见羽状交错层理以及大量的生物遗迹化石,证实迈阿密鲕粒滩的形成受到潮汐作用的影响;迈阿密鲕粒滩经历了胶结作用和溶蚀作用等多种成岩作用,其中胶结作用会破坏其孔渗性,而在溶蚀作用的影响下会增加其孔渗性。在对迈阿密鲕粒滩中的典型露头进行了实地考察后,进一步确认了迈阿密鲕粒滩是受到潮汐作用而形成的现代鲕粒滩。     

基于注意力机制的PointPillars+三维目标检测

针对自动驾驶场景下的周边车辆及行人等目标的识别和定位问题,提出了一种基于注意力机制的PointPillars+三维目标检测算法.算法将完整空间按等尺寸柱均匀划分,从所有柱中提取内部点云的特征进而生成伪图;引入2种注意力机制,实现对伪图中特征信息的放大和抑制;使用卷积神经网络对注意力模块输出结果进一步处理,并使用SSD(single shot multibox detector)算法进行三维目标检测.结果表明:基于并行注意力机制的PointPillars+检测算法取得了良好的检测效果,相对于PointPillars算法,鸟瞰图下,平均均值精度(mAP)的中等难度均值(mAP_m)从66.19增加到69.95,汽车的mAP从86.10增加到87.73;三维模式下,mAP_m从59.20增加到62.55,汽车的mAP从74.99增加到76.25.