激光雷达(LiDAR)专业术语 |
您所在的位置:网站首页 › 毫米波雷达英文怎么说 › 激光雷达(LiDAR)专业术语 |
激光雷达(LiDAR)专业术语
本文列出激光雷达(LiDAR)的常见专业术语及其解释。 LiDARLiDAR 是 light detection and ranging 的缩写,即光检测和测距。有时候也被称为“laser scanning”或“3D scanning”。该技术使用人眼安全的激光束来构建周围被测环境的 3D 模型,因此通常被称为“激光雷达”。 HDLHDL 是 High Definition Lidar 的缩写,即高分辨率激光雷达。 ROIROI 是 Region of Interest 的缩写,即精准感知区域。在图像处理中,我们常常需要设置感兴趣区域(ROI)来专注或者简化工作过程。也就是从图像中选择一个图像区域,这个区域是图像分析所关注的重点。 FoVFOV 是 Field of View 的缩写,定义为传感器覆盖的角度(以度为单位),即视场角。通常,LiDAR 传感器的性能是在水平和垂直视场中测量的。所以,LiDAR 的主要参数包括 Vertical FOV 和 Horizontal FOV。 TOFTOF 是 Time of Flight 的缩写,即飞行时间。飞行时间技术在广义上可理解为通过测量物体、粒子或波在固定介质中飞越一定距离所耗费时间(介质、距离、时间均为已知或可测量),从而进一步理解离子或媒介某些性质的技术。比如,超声波测距就是最早使用 TOF 原理的应用。 FMCWFMCW 是 Frequency Modulated Continuous Wave 的缩写,即调频连续波。应用 FMCW 原理的 LiDAR 被称为“调频连续波激光雷达”,是指发射频率受特定信号调制的连续波雷达,如气象雷达。调频连续波雷达通过比较任意时刻回波信号频率与此时刻发射信号的频率的之差方法来得到目标的距离信息,距离正比于两者的频率差。 基于 FMCW 的相干激光雷达技术可以实现更高的探测灵敏度和精度。对于 FMCW 激光雷达,信噪比与发射光子总数成比例,而非峰值激光功率。由于 FMCW 激光雷达具有高出 10 倍以上的灵敏度,因此其发射平均功率可以比脉冲 ToF 激光雷达低 1000 倍。 FMCW 激光雷达的光子电路将一部分出射相干激光与接收光混合。这提供了一种独特的“解锁钥匙”,可以有效阻止任何背景辐射或其它激光雷达的干扰。 DBSDDBSD 是一款面向 LiDAR 制造商与视觉系统开发人员的可扩展、可适应且可靠的汽车级固态数字波束转向设备(Digital Beam Steering Device),用于提高扫描范围和分辨率,同时优化成本与外形。 扩展阅读:LeddarSteer™ Digital Beam Steering Device 点云点云(point cloud),即大量离散点的集合。在实际应用中,除了三维激光扫描可获取点云数据以外,也可以通过影像密集匹配、声呐等方式获取一定密度的点云数据。 原始点云经过预处理后通常以标准的二进制文件交换格式(LAS 或者 PCD 文件)存储,每个点除了包含 X、Y、Z 坐标信息,还包括点分类编号、回波强度值、回波编号、回波数目、扫描角度和颜色(RGB)等信息。 点云数据在使用前需要进行粗差剔除,并通过相应算法进行滤波分类。按照美国摄影测量与遥感学会(ASPRS)定义,激光点云通常分为建筑物、高植被、中等植被、低植被、地面、水体及未分类点云等。 点云密度点云密度(point cloud density),即单位面积上点的个数。它是描述激光雷达数据的一个重要指标,单位为:点/米²(point/m²)。 影响点云密度的因素包括激光发射频率、角度分辨率、激光器-目标之间距离、入射角、目标材质及其表面反射率等。 点云特征点云特征(point cloud feature)是点云数据中能够真实反映地物表面及边缘处特征的点、线、面等几何特征,是进行地物分类、识别和建模的重要参考。 从尺度上,点云特征可分为局部特征描述和全局特征描述。局部特征如法线、曲率等几何形状特征,全局特征如点的拓扑特征,都属于点云特征的描述和提取范畴。 从统计特征上,点云特征表现为点云密度,局部范围(如网格化后)内点云高程的均值、方差,不同地物表面点云的强度信息等。 点云滤波点云滤波(point cloud filtering)是通过自动或人机交互方式从点云数据中分离出地面点和非地面点的技术。一般认为,点云滤波是点云分类的预处理过程,高精度的点云滤波是基于点云进行数字高程模型(Digital Elevation Model,简称 DEM)生产的一道重要工序。 点云分类点云分类(point cloud classification)是从点云中分离出一个或多个地物类别的点并对其进行类别标记的技术。 根据分类前是否需要采样训练,可以分为监督分类(supervised classification)和无监督分类(unsupervised classification)。 点云分割点云分割(point cloud segmentation)是依据 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |