1 北京建筑大学 测绘与城市空间信息学院,北京 102616
2 代表性建筑与古建筑数据库教育部工程研究中心,北京 100044
3 自然资源部城市空间信息重点实验室,北京 100044
4 浙江科技学院,浙江 杭州 310023
5 北京申信达成科技有限公司,北京 102444
移动激光雷达测量系统各测量传感器间的时空配准技术是整个系统设计的核心,其中时间同步问题尤为关键。针对惯导系统与激光雷达和全景相机之间的时间精确同步问题,结合北斗导航授时系统提出自行设计时间同步装置的方式,对集成激光雷达、惯性导航系统、全景相机等测绘传感器的车载测量平台,提供时空配准信息。以拥有全自主知识产权的车载移动测量系统为研究对象,通过该系统采集点云数据,使用设计生产的时间同步装置和编制的上位机软件与北斗卫星导航系统结合进行精确授时。最终时间同步精度达到了0.1 μs,验证了时间同步装置设计方法的可行性。
移动激光雷达测量系统 时间同步 北斗卫星系统 点云 导航定向系统 mobile LiDAR measurement system time synchronization BeiDou navigation satellite system point cloud position and orientation system 红外与激光工程
2020, 49(S2): 20200362
1 空军工程大学信息与导航学院, 陕西 西安 710077
2 东北电力大学理学院, 吉林 吉林 132000
针对复杂场景下激光雷达测量(LiDAR)点云数据的地物分类问题,提出了一种基于多尺度特征和PointNet的深度神经网络模型,该方法改进了PointNet提取局部特征的能力,实现了复杂场景下LiDAR点云的自动分类。在PointNet网络基础上添加多尺度网络提取点的局部特征,将不同尺度点的局部特征通过全连接层组成一个多维特征,并与PointNet提取的全局特征相结合,返回每个点类的分数以完成点云分类标签。利用Semantic 三维数据集和ISPRS提供的Vaihingen数据集,验证了所提深度神经网络模型。研究结果表明,与其他用于点云分类的神经网络相比,所提算法达到了更高的分类精度。
遥感 激光雷达测量 点云分类 多尺度特征 PointNet 激光与光电子学进展
2019, 56(5): 052804