一、直升飞机机载激光雷达系统（论文文献综述）
徐梦溪,陆云扬,谈晓珊,施建强[1]（2021）在《固态激光雷达传感器技术及无人机载测深应用》文中研究指明无人机搭载固态激光雷达传感器施测水深和水下地形技术是近年来新发展的一种测量手段。本文综述和介绍固态激光雷达传感器技术,以及在近海、岛礁和内陆江河湖库的水深测量及水下-陆地一体化地形测绘的应用现状和发展前景。首先介绍水体中光波传播特性、水面光波反射特性,介绍无人机载双频激光雷达测深原理;然后,综述目前典型的机载海洋测深ALB系统和无人机挂载固态激光雷达测深系统及其应用情况;最后,总结分析无人机挂载激光雷达测深系统在施测应用中的技术难点问题,并结合固态激光雷达测深技术和应用现状对其发展前景进行了展望。
李伟,唐伶俐,吴昊昊,腾格尔,周梅[2]（2019）在《轻小型无人机载激光雷达系统研制及电力巡线应用》文中研究指明基于无人机载平台的轻小型激光雷达系统是当今研究的热点,该系统具有价格低廉、方便携带和使用灵活的特点,近年来发展十分迅速。针对轻小型无人机载激光雷达系统研制所涉及的时间同步与结构集成设计、安置角误差消除等开展研究,提出了一种适用于复杂地形工况环境下的轻小型无人机载激光雷达数据采集与处理分析的完整解决方案,并利用集成后的系统开展了电力巡线巡检应用,试验数据分析结果充分展示了该系统在电力巡线上的优势,验证了其功能与性能。
司大刚[3]（2018）在《航空LiDAR技术在道路勘测设计中的应用》文中研究说明交通运输业是促进国民经济发展的基础性产业,在生产生活中发挥着十分重要的作用,道路信息的准确、高效获取与更新对于加快交通基础设施的建设具有极其重要的意义。公路的勘测从最初的方案规划到最后的施工图设计,每个阶段需要的勘测成果的精度等级和比例尺都不尽相同,因此,如何高效的获取和利用高精度、多尺度的海量信息是公路勘测不懈追求的目标。相比较其他测量手段,机载激光雷达（Light Detection and Ranging,LiDAR）技术是一种能够连续自动快速、高效获取高时空分辨率地球空间信息的技术,同时适用于林区、山区等地形特点,这对于公路勘测效率的提高有很大的帮助。本文依托广西高速公路工程项目阐述了机载激光雷达技术在道路勘测设计中的应用,所做的工作如下:（1）研究总结了国内外机载激光雷达技术的发展,介绍了LiDAR系统的组成、工作原理、技术优势、作业流程等;阐述了LiDAR技术在山区高速公路带状地形勘测设计中的应用,并对LiDAR技术的数据采集、数据处理和数字产品的制作做了详细介绍。（2）用Leica公司设备配套软件和Terra Solid软件的系列模块对机载LiDAR数据进行一系列的处理。包括IPAS软件对GPS及IMU数据进行处理;利用Terra Solid软件中的Terra Scan模块对激光点云进行滤波、分类,在Terra Modeler模块中对滤波后的激光点云进行重组,内插生成DEM,在Terra Photo模块中制作DOM,利用DOM矢量化法绘制1:2000数字线划图,制作完成断面图等。（3）利用全站仪、GPS-RTK测量方法对机载LiDAR数据产品精度进行检查,数字地面模型精度满足高速公路勘测规范要求,阐明了机载LiDAR技术用于高速公路勘测设计的可行性。（4）对内业利用点云数据制作的断面和外业利用全站仪、GPS-RTK测量的断面,在Autocad环境下统计分析误差的分布范围、误差和地形、误差与地貌、误差与地表覆盖物的关系,研究各种因素对数字地面模型精度的影响规律,进行相关数学精度的分析。实际应用表明,机载激光雷达技术不仅可以通过激光点云量测得到测区地形图,数字地面模型以及纵横断面图、工点图等丰富的数据产品,同时结合地物影像数据,增强了对地物的判别能力,在道路勘测设计领域中有着广阔的应用前景和技术优势。
姚松涛[4]（2017）在《机载全波形LiDAR数据处理及森林LAI估测研究》文中研究指明激光雷达是一种主动式遥感技术,能够精确的获取目标物的三维空间信息。随着激光雷达系统和相关技术的发展,越来越多的机载激光雷达系统具备了获取全波形数据的能力,进一步推动了激光雷达技术在相关行业中的应用。全波形激光雷达系统通过对返回脉冲信号进行数字化采样记录返回波形信息,因此相对于仅提供离散回波点云数据的系统,全波形激光雷达的数据分析处理可控性更强,完全可以根据自己的行业应用需求对全波形数据进行分析处理以获取更多信息,对森林结构参数估测等研究是十分重要的。全波形文件使用的是通用的LAS格式,该格式主要是面向机载激光雷达数据的,便于激光雷达数据在不同硬、软件之间的存储和交换,目前普遍被用户认可,使用比较广泛的是LAS1.3版格式。森林叶面积指数作为森林冠层结构的重要参数,在模拟森林生长、森林与大气能量交换及火灾预测等方面均发挥着重要的作用。本文首先介绍了机载全波形激光雷达数据相关研究现状,然后结合全波形数据的特点以及其分析处理的必要性,以白桦林为研究对象,通过对全波形数据解析读取和分析处理,在传统激光穿透指数LPI（Laser penetration index,LPI）计算的基础上结合全波形数据的特点,利用每条波形的完整返回脉冲能量信息计算出对应的全波形激光穿透指数（LIPIfi）,之后求得样方内所有全波形激光穿透指数的均值,即样地体元激光穿透指数（LPIf-mean）,用于反演森林林分叶面积指数LAI（Leaf Area Index,LAI）,并以外业实测LAI数据对反演模型进行了验证。结果表明:（1）基于全波形数据的特点和LAS1.3文件的解析过程与提出的分析和处理方法,能够较为准确地得到振幅、位置、波宽等重要波形特征信息与能量（高斯分布曲线与时间轴所围面积）信息。并根据后续工作的需要,对研究区样地内的LeicaALS60LAS1.3格式的全波形文件进行了处理。结果表明,80个边长为10 m的方形样地共记录了约8.2万条的全波形数据,其中大约99.93%的都能得到很好处理,其余的根据局部最大值法进行了处理,总体上来讲本文使用的高斯分解方法能够较为准确地提取全波形数据的特征信息。（2）通过对全波形激光脉冲的地面返回脉冲能量和冠层返回脉冲能量的分析和计算,得到采集的80个外业样地的地面层与植被冠层反射率比值系数a值基本相同,约为1.2,表明林下地面返回脉冲能量值稍大于森林冠层返回脉冲能量值,这与外业森林样地实际情况基本吻合。（3）通过机载全波形激光雷达数据提取的样地体元激光穿透指数LPIf-mean能够精确提高森林林分LAI估测。通过LPIf-mean建立的机载全波形激光雷达数据与森林LAI的模型的预测精度R2=0.864,RMSE=0.139,说明该新参数能够提高森林林分LAI的反演精度。同时在同等样地尺度下,全波形激光雷达返回脉冲能量信息反演森林LAI的精度（R2=0.815,RMSE =0.105）要高于离散回波点云数据的（R2=0.720,RMSE =0.140）。由此,反映出机载全波形激光雷达数据本身具有的优势,能够为高精度定量估测森林LAI提供优质的数据源和新的参数。文章到最后总结了得出的结论以及下一步的研究展望。
叶光超[5]（2016）在《条纹阵列探测激光雷达测距精度与三维测绘技术研究》文中研究表明条纹阵列探测激光雷达具有作用距离远、探测视场宽、距离景深大和数据率高等优点,在远距离目标三维重建和高空机载宽幅测绘中具有重要的应用前景。在现有的条纹阵列探测激光雷达研究工作中,始终未能建立一个完善的测距精度理论模型,同时还缺乏可有效提高测距精度的技术手段,也没有根据系统的成像特性对其三维测绘技术进行优化和改进。针对这些问题,本文对条纹阵列探测激光雷达的测距精度及其三维测绘技术进行了理论和实验研究。本文从条纹阵列探测激光雷达的距离分辨原理和级联成像过程出发,结合激光雷达方程和探测器的线扩展函数,推导出单个时间分辨通道内信号分布函数的理论表达式。发现信号强度的分布函数服从高斯分布,并且其条纹宽度由激光脉冲宽度和探测器的线扩展函数共同决定。根据噪声与信号强度的相关性对雷达系统的噪声特性进行了分类讨论,并分别给出了乘性噪声和加性噪声的均值和方差的理论表达式,进而建立了含噪条纹信号的理论模型,为系统的测距精度分析和探测过程研究提供了必要的理论依据。针对条纹阵列探测激光雷达自身的成像特性,在信号探测过程中建立了恒定发射功率和近饱和成像两种的工作模式,从而可在不同的探测距离和应用需要下获得更为理想的原始条纹图像。根据系统的信号和噪声特性,以质心权重算法作为信号鉴别方式,利用误差传递理论建立了测距精度的理论模型。分别在两种不同工作模式下推导出加性噪声引起的误差、乘性噪声引起的误差以及采样误差的理论表达式。利用平面目标距离成像结果的残差抖动分析方法,对测距精度的理论模型进行了仿真和实验验证。在仿真验证中,通过模拟激光的发射、接收过程和探测器的信号采集过程,对三类主要误差随系统各关键参量的变化关系进行了探讨。在实验验证中,建立了一套可对噪声源进行选择控制的条纹阵列探测激光雷达原理验证系统,并着重讨论了条纹宽度对测距精度的影响。实验结果表明,在恒定发射功率工作模式下,乘性噪声引起的误差随条纹宽度的增加而线性增加,加性噪声引起的误差不随条纹宽度的变化而发生改变;在近饱和成像工作模式下,乘性噪声引起的误差与条纹宽度的平方根成正比,加性噪声引起的误差则与条纹宽度成反比。基于测距精度的理论模型,本文提出了四种可提高系统距离分辨能力和目标识别能力的测距精度优化方法:（1）研究了基于最优条纹宽度的参量优化方法,给出了不同工作模式下最优条纹宽度的理论表达式和数值计算结果。实验上,利用聚焦极电压时空轴分离调节方法,在保证探测器具有最高空间分辨率的前提下实现了对时间轴线扩展函数的独立控制,进而获得了具有最优条纹宽度的回波信号。参量优化后,系统可在173m的距离门宽下对1.7km的远距离目标实现分米级的距离像重建,将测距均方根误差降低至0.19m;（2）在条纹图像的距离提取过程中提出了一种最优阈值方法。基于仿真模拟结果讨论了不同条纹宽度和噪声强度下阈值设定对测距精度的影响,建立了最优阈值的经验公式,并利用最优阈值方法抑制了外场测绘中强背景噪声对距离像的干扰;（3）讨论时隙宽度的最佳取值方案。仿真和实验结果表明,在保证距离门宽度足够覆盖被测目标景深的前提下,可通过减小时隙宽度来获得更高的测距精度。在室内小景深测距实验中,利用0.07ns的时隙宽度可使系统的测距均方根误差减小至3mm;（4）提出了一种基于迭代加权质心算法的超分辨率信号鉴别方法,并分析了该算法在距离提取过程中的作用机制。通过引入高斯型加权因子,该算法有效抑制了由于临近通道的条纹弥散所引起的边界模糊效应,实现了对1.4km被测目标特征细节的准确识别。实验结果表明,当条纹宽度为4.4ns时,经过15次迭代运算可将系统的测距均方根误差降低至0.15m,测绘结果的距离精度优于系统的最小距离分辨率,实现了条纹阵列探测激光雷达的超分辨率成像。最后,本文建立了一套搭载于飞机平台的对地三维测绘系统,并根据测距精度优化方法和回波强度计算结果讨论了不同飞行高度下系统工作模式的选择以及系统关键参量的取值问题。针对机载线阵扫描体制下测绘幅宽受到探测器视场角限制这一技术难题,提出了一种新型的扫帚式扫描体制,并结合数字高程地图仿真分析了该扫描体制下激光脚点对测绘区域的覆盖能力。对探测器扫描电场不均匀性引起的测距偏差和激光脚点扫描轨迹非线性引起的水平定位偏差进行了定标修正。利用优化和定标后的系统实现了距离门宽为173m、数据率为500k Hz的高精度机载宽幅测绘,在3000m和5800m的飞行高度下,测距均方根误差分别可以达到0.11m和0.16m,对面积为30km2的平原区域进行测绘所需的探测时间为2分13秒,相比于传统的推帚式扫描体制测绘效率提高了近10倍。
王超[6]（2016）在《机载LiDAR点云数据的抽稀方法研究》文中认为机载LiDAR（Light Detection And Ranging,激光雷达）是一种以激光为探测手段的主动式对地观测系统,该技术在三维空间信息的实时获取方面有广泛的应用,能够获取高精度和高密度的地形数据。机载LiDAR系统可以获取非常稠密的点云数据,它在提供更丰富的地表细节的同时,也带来了大量的数据冗余,给数据处理带来困难,因此本文对机载LiDAR数据的抽稀方法进行了研究。总结了机载LiDAR数据的特点,研究了点云数据的组织与管理原则。重点研究和总结当前国内外关于机载LiDAR点云数据的抽稀算法。引入曲面变化量的概念,提出了以曲面变化量为基础的点云数据抽稀算法,并且设计评价点云数据抽稀结果的PSNR模型,来定性、定量地分析抽稀结果的好坏。对多种抽稀算法进行实验,最后对实验结果进行综合性的对比和分析。实验表明,基于曲面变化量的抽稀算法能够更好地压缩地形冗余信息,保留地形特征信息,并且能够自定义抽稀率,具有较好的实用价值。
彭丽[7]（2015）在《植被密集的陡坡区机载LiDAR数据滤波方法研究》文中提出机载激光雷达技术是一项新型的主动式遥感测量技术,该技术可以快速、同步获取大面积地面真实三维坐标数据和影像信息,因而被广泛应用于农林业、电力行业、公路勘察设计、海岸工程、灾害与环境灾害监测等各领域。随着全球定位系统（GPS）和惯性导航系统（INS）定位精度的提升,机载Li DAR已经被广泛应用于获取数字地面模型,激光的穿透性更加使它成为获取森林地区数字地面模型的一种有效方式。激光雷达系统采集数据具有盲目性,它会采集包括地面、植被、飞鸟、人工建筑物等各种物体反射的所有回波信息,要满足后续应用,就必须对Li DAR点云数据进行滤波和分类处理。滤波是指将机载Li DAR点云数据分为地面点和非地面点的过程,是获取数字地面模型的关键技术。目前的大多数滤波算法都比较适用于处理地势平坦、植被稀疏地区的Li DAR点云数据。相对于地势平坦地区而言,森林地区地形复杂、地势起伏大,地面点云数量相对较少,森林地区Li DAR点云数据滤波处理一直是数据后处理的难点和热点之一,有待进一步研究。论文针对密集林区机载Li DAR点云数据滤波这一难点问题,提出基于多回波信息的滤波方法。本文主要研究内容如下:①机载Li DAR点云数据量巨大,论文在分析多回波信息特点的基础上,通过多回波信息分离剔除部分植被点,减少后续滤波数据量;②密集林区Li DAR地面点云数据较少,为提高滤波可靠性,利用单次回波和末次回波点云,分两级选取地面种子点;然后以待定点为中心,搜索一定范围内地面种子点进行滤波,无需迭代运算,无累积误差;③在总结现有滤波方法的基础上,提出结合最小距离与加权平均的滤波方法,有效地减少了运算量,提高了滤波效率;④将利用本文滤波方法得到的成果与原始点云比较,通过目视检查,证明该方法的可行性,并将本文滤波后数据与参考数据进行对比,定量评估算法精度。
赵一鸣,李艳华,商雅楠,李静,于勇,李凉海[8]（2014）在《激光雷达的应用及发展趋势》文中研究说明相比传统雷达技术,激光雷达以它的高测量精度、精细的时间和空间分辨率以及大的探测距离而成为一种重要的主动遥感工具,不但能够精确测距,而且能够精确测速、精确跟踪,在民用、军用领域具有广阔的应用前景。首先简要回顾了激光雷达技术的产生与发展历程,介绍了激光雷达技术的系统组成与关键技术,着重分析了地球科学与气象应用领域中的大气探测激光雷达,陆地、海洋探测激光雷达;空中交会对接领域的激光技术;军事应用中的侦察成像激光雷达,障碍回避激光雷达,化学/生物战剂探测激光雷达,水下探测激光雷达,空间监视激光雷达的国内外研究现状和现有技术水平。最后对激光雷达的发展趋势及重要意义进行了总结,提出作者的建议。
郭佳[9]（2014）在《机载LiDAR点云数据滤波及建筑物提取技术研究》文中进行了进一步梳理随着卫星导航定位、摄影测量和遥感技术的飞速发展，地理空间信息科学应用领域对获取准确实时可靠的数据要求越来越高。日益兴起的机载激光雷达（Light Detectionand Ranging，LiDAR）技术突破了摄影测量的基本框架，是激光测距、GPS空间跟踪定位、INS姿态确定以及计算机等相融合的一种新兴空间对地观测技术，不受日照和天气等条件的限制，具有全天候、快速、精确等特点，为获取高时空分辨率的地球空间信息提供了极大的便利。机载LiDAR系统有其独到的技术优势，使传统单点定位数据获取变成连续自动数据获取，提高了观测的精度，能够直接获取高精度的飞行区域内地表的三维坐标，可以精确地描述地形的起伏、道路的边缘、植被的树冠和建筑物的复杂构造，在数字地球、智慧地球和数字城市建设等领域有广泛的应用前景。机载LiDAR数据处理中最为关键的步骤是点云数据的滤波和建筑物提取，原始点云数据是一堆杂乱无章的点，需要对点云进行相应处理，从离散的点云中准确地提取地面与地物信息，为实现道路管理、城市规划等提供更有效的信息，因此目前点云数据滤波处理及建筑物提取技术的理论与方法研究已成为国内外众多学者关注的课题。本文以LiDAR点云数据为基础，在无其他辅助数据的情况下，重点探讨了LiDAR点云数据不同格式间的转化、点云数据的三维显示，通过设置不同的插值内插生成DSM深度影像和DSM距离影像，对深度影像数据进行滤波处理，再实现DSM距离影像及滤波后深度影像的建筑物自动化提取，同时通过实验进行具体的验证与比较，从而得出结论。本文的主要工作和研究重点如下：1.回顾了机载LiDAR系统与数据处理技术的发展研究现状，介绍了机载LiDAR系统的组成和工作原理，并同传统的航空摄影测量以及InSAR技术工作原理进行比较，同时对LiDAR点云数据的数据特点、误差及处理流程进行详细的分析。本文还对于现存的几种经典数据滤波算法进行原理分析以及对比归纳，简述了自适应滤波器，并进行总结。2.以ENVI和ArcGIS为主要的操作平台，在ENVI加载用于处理LiDAR数据的插件，实现点云数据不同格式之间的转换，并通过三种不同的表达形式实现LiDAR点云数据的三维化显示。在ArcGIS中导入转换后的点云数据，以反射强度为插值内插生成DSM深度影像，以高程为插值内插生成DSM距离影像，实现对DSM深度影像的滤波处理，用四种不同的自适应滤波进行实验，对结果进行比较和分析。3.设计一套自动化提取的处理流程，在matlab的平台支撑下，对滤波后的DSM深度影像数据进行二值化操作，并进行先腐蚀后膨胀的形态学开运算，实现部分建筑物的自动化提取，同时对以高程为插值生成的DSM距离影像直接进行二值化及先腐蚀后膨胀的形态学开运算，实现基于DSM距离影像的建筑物提取。最后对两种不同的实验结果和原始点云数据的俯视图进行对比分析，讨论存在的不足并得出结论。
李新科[10]（2014）在《机载LiDAR数据中屋顶特征线提取关键技术研究》文中指出机载LiDAR技术是集激光扫描、差分GPS以及惯性测量等技术于一体的新型航空遥感技术,利用该技术能够实现海量高精度三维空间数据的快速获取,这使得机载LiDAR数据成为目前数字城市建设中实现房屋三维重建的最新和最富有竞争力的源数据。激光点云数据中的房屋三维重建一直是近年来激光点云应用研究的热点。在数据驱动的房屋三维重建过程中,屋顶特征线的提取是必不可少的步骤。屋顶特征线包括屋顶轮廓边缘线与非屋顶轮廓边缘线两类,其中非屋顶轮廓线包括正脊线、斜脊线以及谷线等。本文以机载LiDAR数据中的激光点云数据为基础,通过对房屋建筑学中各种单体房屋屋顶中包含的各种屋顶特征线进行归纳分类,深入研究了各种屋顶特征线（人字形屋顶正脊线、斜脊线、谷线以及屋顶轮廓边缘线）提取的关键技术和具体算法。本文的主要研究工作如下：1)屋顶特征线的分类。通过对房屋建筑学中国内外的各种单体坡屋顶房屋构造进行汇总和归纳,然后根据屋顶特征线的空间几何形态与其在屋顶构造中的功能差异,将屋顶特征线归类为正脊线、斜脊线、谷线以及轮廓边缘线等四大类。同时,根据正脊线和谷线中分别存在的几种不同几何形态,对正脊线和谷线进行了进一步的分类；2)本文提出了一种人字形屋顶正脊线的提取策略-爬行搜索策略。人字形屋顶正脊线通常代表了房屋的主方向,在房屋三维重建中具有重要作用。爬山法是人工智能领域中获取某些问题的解的一种方法。基于爬山法思想,本文提出了一种人字形屋顶正脊线的提取策略-爬行搜索策略,并实现了基于该策略的原型算法与改进算法。其中,原型算法实现了规则人字形房屋的人字形屋顶正脊线提取,而改进算法实现了复杂屋顶结构中同时存在的多条人字形屋顶正脊线；3)研究了基于邻域点曲面拟合的屋顶特征线上特征点的检测方法。首先,提出了二次拟合曲面中每个参与曲面拟合的点的近似曲率计算方法；其次研究了各种不同种类屋顶特征线上特征点之间的共性约束条件以及区分约束条件,其中共性约束条件包括曲率统计条件、屋面点条件以及点到平面距离等,而区分约束条件包括高程统计比例、当前激光点在拟合曲面处的法向量与Z轴正向夹角等；4)本文提出了一种基于点到直线距离和方向密度约束的特征线上离散特征点分组方法。Hough变换是最为经典的直线检测与提取方法,然而对于能够反映出直线特征但是离散程度较高的特征点点集,传统的Hough变换并不适用。本文基于格式塔图形组织原则,并借鉴了经典Hough变换中对直线的离散化方法,提出了一种基于点到直线距离和方向密度等条件约束的离散特征点分组方法；5)本文提出了一种基于激光点云数据的屋顶边缘轮廓线提取方法。基于激光点云数据的屋顶边缘轮廓线提取方法中,屋顶轮廓边缘点的检测至关重要。本文根据当前激光点与其每个邻域点确定的线段构建缓冲区,通过对缓冲区内激光点的分布分析确定屋顶轮廓边缘点,一方面避免了凹多边形形状对屋顶轮廓边缘点检测的影响,另一方面又最大限度确保了屋顶轮廓边缘点的密度。在此基础上,通过分组拟合、规则化以及外扩展等实现屋顶轮廓边缘线的提取。
二、直升飞机机载激光雷达系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、直升飞机机载激光雷达系统（论文提纲范文）
（1）固态激光雷达传感器技术及无人机载测深应用（论文提纲范文）
| 0 引 言 |
| 1 激光雷达测深原理 |
| 2 固态激光雷达传感器技术 |
| 1)MEMS微机电系统技术。 |
| 2)Flash面阵闪光技术。 |
| 3)OPA光学相控阵技术。 |
| 3 无人机挂载固态激光雷达测深系统及应用 |
| 3.1 海洋测深ALB系统到无人机挂载固态LiDAR系统的发展及测深应用 |
| 3.2 无人机挂载固态LiDAR系统测深应用存在的问题分析 |
| 4 结 论 |
（2）轻小型无人机载激光雷达系统研制及电力巡线应用（论文提纲范文）
| 1 引 言 |
| 2 系统集成研制 |
| 2.1 系统总体设计 |
| 2.2 时间同步设计 |
| 2.3 结构集成设计 |
| 2 安置角误差消除 |
| 3 电力巡线应用 |
| 3.1 试验区概况 |
| 3.2 飞行方案设计 |
| 3.3 数据处理方法 |
| 3.4 试验应用结果 |
| 4 结 语 |
（3）航空LiDAR技术在道路勘测设计中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.2 国内外机载激光雷达技术的发展与研究现状 |
| 1.2.1 国外发展与研究现状 |
| 1.2.2 国内发展及研究现状 |
| 1.3 本文研究的目的和主要内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 文章结构 |
| 2 机载激光雷达测量系统 |
| 2.1 机载激光雷达系统介绍 |
| 2.1.1 广域差分GPS/IMU组合系统 |
| 2.1.2 激光测距单元 |
| 2.1.3 激光扫描单元 |
| 2.1.4 数码照相系统 |
| 2.1.5 中心控制单元 |
| 2.2 机载激光雷达测量对地定位基本原理 |
| 2.3 机载激光雷达测量技术的优势 |
| 2.4 道路勘测设计的内容 |
| 2.5 机载激光雷达系统作业流程 |
| 2.5.1 飞行准备 |
| 2.5.2 航线设计 |
| 2.5.3 航线检查与地面模拟飞行 |
| 3 广西高速公路勘测应用 |
| 3.1 项目概况介绍 |
| 3.2 项目成果规格及相关精度指标要求 |
| 3.3 技术路线设计 |
| 3.4 航空摄影测量 |
| 3.4.1 航摄设备 |
| 3.4.2 检校场设计 |
| 3.4.3 测区航线布设及航飞前测试 |
| 3.5 |
| 3.5.1 地面基准站布设与观测 |
| 3.5.2 航飞数据采集 |
| 3.5.3 数据检查 |
| 3.6 质量控制 |
| 3.6.1 数据文件 |
| 3.6.2 POS数据 |
| 3.6.3 地面基站数据 |
| 3.6.4 点云数据 |
| 3.6.5 影像数据 |
| 4 LiDAR数据处理 |
| 4.1 LiDAR数据处理作业流程 |
| 4.2 数据预处理 |
| 4.2.1 GPS数据差分 |
| 4.2.2 激光点云解算 |
| 4.2.3 影像解算 |
| 4.2.4 航摄数据预处理得到的数据 |
| 4.3 点云数据后处理 |
| 4.3.1 激光点云数据航带匹配与检校 |
| 4.3.2 点云滤波分类 |
| 4.3.3 DEM及等高线制作 |
| 4.4 空三加密 |
| 4.4.1 使用设备及软件 |
| 4.4.2 空三加密精度 |
| 4.4.3 加密点量测 |
| 4.5 数字地形图的制作 |
| 4.5.1 数字地形图数据的质量要求 |
| 4.5.2 立体采集 |
| 4.6 地形图编辑 |
| 4.6.1 作业内容 |
| 4.6.2 作业要求 |
| 4.7 纵横断面图制作 |
| 4.7.1 断面生产技术要求 |
| 4.7.2 断面生产数据格式 |
| 4.7.3 制作断面文本文件 |
| 5 项目成果精度检查与分析 |
| 5.1 数字地面模型精度检查 |
| 5.1.1 数字地面模型高程精度的检测 |
| 5.1.2 工点图平面精度的检测 |
| 5.2 中桩高程精度检查 |
| 5.2.1 精度统计 |
| 5.2.2 误差分析 |
| 结论 |
| 致谢 |
| 参考文献 |
（4）机载全波形LiDAR数据处理及森林LAI估测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 机载全波形激光雷达数据处理现状 |
| 1.2.2 机载全波形激光雷达数据反演叶面积指数研究现状 |
| 1.3 研究目标与基本技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 基本技术路线 |
| 1.4 研究内容及章节安排 |
| 1.5 本章小结 |
| 2 研究区与数据 |
| 2.1 研究区概况 |
| 2.1.1 位置地形 |
| 2.1.2 气候水文 |
| 2.1.3 土壤土质 |
| 2.1.4 植被类型 |
| 2.2 外业样地叶面积指数数据 |
| 2.3 机载全波形LiDAR数据 |
| 2.4 本章小结 |
| 3 全波形激光雷达数据读取及显示 |
| 3.1 激光雷达系统基本原理 |
| 3.2 全波形激光雷达系统 |
| 3.2.1 全波形激光雷达系统概况 |
| 3.2.2 全波形激光雷达数据特点 |
| 3.3 全波形激光雷达数据处理技术 |
| 3.3.1 Leica ALS60波形文件的格式解析 |
| 3.3.2 全波形数据读取方法和技术流程 |
| 3.4 读取结果与显示 |
| 3.5 本章小结 |
| 4 机载全波形LiDAR数据分析和处理 |
| 4.1 全波形数据波形分解基本原理 |
| 4.2 高斯分解方法 |
| 4.3 基于Leica ALS60全波形数据的高斯分解技术流程 |
| 4.4 LAS1.3格式波形数据后处理 |
| 4.5 全波形数据处理结果 |
| 4.6 本章小结 |
| 5 森林叶面积指数反演 |
| 5.1 反演方法与全波形数据处理 |
| 5.2 样地体元激光穿透指数计算 |
| 5.3 LAI模型构建与精度评价 |
| 5.4 样地反射率比值系数计算结果 |
| 5.5 模型构建结果与精度分析 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（5）条纹阵列探测激光雷达测距精度与三维测绘技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 高精度激光三维测绘的研究进展 |
| 1.2.1 基于单点探测激光雷达的三维测绘 |
| 1.2.2 基于面阵探测激光雷达的三维测绘 |
| 1.2.3 基于凝视成像激光雷达的三维测绘 |
| 1.2.4 基于线阵探测激光雷达的三维测绘 |
| 1.3 激光雷达测距精度的研究现状 |
| 1.4 条纹阵列探测激光雷达的研究现状 |
| 1.5 本文的主要研究内容 |
| 第2章 条纹阵列探测激光雷达的信号和噪声特征 |
| 2.1 引言 |
| 2.2 条纹阵列探测激光雷达的工作原理 |
| 2.3 探测器的调制传递函数和线扩展函数 |
| 2.4 条纹信号分布函数的理论模型 |
| 2.4.1 激光雷达方程 |
| 2.4.2 无噪声条纹信号的分布函数 |
| 2.5 系统噪声的理论模型 |
| 2.5.1 乘性噪声 |
| 2.5.2 加性噪声 |
| 2.5.3 引入噪声后的信号强度模型 |
| 2.6 系统的工作模式及重要参数 |
| 2.6.1 系统的工作模式 |
| 2.6.2 距离门 |
| 2.6.3 扫描电压 |
| 2.6.4 时隙宽度 |
| 2.7 本章小结 |
| 第3章 测距精度的理论模型和实验研究 |
| 3.1 引言 |
| 3.2 测距精度的理论模型 |
| 3.2.1 测距精度的定量描述及误差源分类 |
| 3.2.2 测距误差的传递公式 |
| 3.2.3 乘性噪声引起的误差 |
| 3.2.4 加性噪声引起的误差 |
| 3.2.5 采样误差 |
| 3.3 测距精度的仿真分析 |
| 3.3.1 仿真模型的建立和仿真分析方法 |
| 3.3.2 乘性噪声引起的误差 |
| 3.3.3 加性噪声引起的误差 |
| 3.3.4 采样误差 |
| 3.4 测距精度理论模型的实验验证 |
| 3.4.1 实验系统的建立及关键器件的选择 |
| 3.4.2 条纹宽度对测距精度的影响 |
| 3.4.3 信噪比对测距精度的影响 |
| 3.5 本章小结 |
| 第4章 测距精度优化方法的理论和实验研究 |
| 4.1 引言 |
| 4.2 最优条纹宽度的理论模型及实验研究 |
| 4.2.1 近饱和成像工作模式下的最优条纹宽度 |
| 4.2.2 恒定发射功率工作模式下的最优条纹宽度 |
| 4.3 距离提取中最优阈值的仿真分析与实验研究 |
| 4.3.1 距离提取中阈值选取对测距精度的影响 |
| 4.3.2 最优阈值在不同工作模式下的经验公式 |
| 4.3.3 最优阈值的实验研究 |
| 4.4 时隙宽度的优化原理与实验研究 |
| 4.4.1 时隙宽度对测距精度影响的仿真分析 |
| 4.4.2 时隙宽度优化的实验研究 |
| 4.5 迭代加权质心算法 |
| 4.5.1 迭代加权质心算法的基本原理 |
| 4.5.2 迭代加权质心算法的蒙特卡洛分析 |
| 4.5.3 迭代加权质心算法在解决边界模糊效应中的应用 |
| 4.5.4 迭代加权质心算法在饱和信号处理中的应用 |
| 4.6 本章小结 |
| 第5章 条纹阵列探测高空机载三维测绘的实验研究 |
| 5.1 引言 |
| 5.2 机载测绘实验系统的建立 |
| 5.2.1 机载测绘系统的整体结构 |
| 5.2.2 扫帚式扫描体制 |
| 5.2.3 惯性导航系统和距离反演算法 |
| 5.3 机载测绘实验中系统的工作模式及参数选取 |
| 5.3.1 不同飞行高度下系统工作模式的选择 |
| 5.3.2 不同飞行高度下系统关键参数的选取 |
| 5.4 条纹图像的时间轴和方向角定标 |
| 5.4.1 条纹图像的时间轴定标 |
| 5.4.2 水平定位精度估计和方向角定标 |
| 5.5 高空机载三维测绘的实验结果分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（6）机载LiDAR点云数据的抽稀方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与选题意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 结构安排 |
| 2 机载激光雷达技术 |
| 2.1 激光雷达发展简史 |
| 2.2 机载LiDAR系统组成和原理 |
| 2.2.1 机载LiDAR系统组成 |
| 2.2.2 机载LiDAR测量原理 |
| 2.3 机载LiDAR技术的特点 |
| 2.4 机载LiDAR应用 |
| 3 海量点云数据抽稀方法 |
| 3.1 LiDAR数据特点 |
| 3.2 海量点云数据组织 |
| 3.2.1 二维格网索引 |
| 3.2.2 不规则三角网(TIN) |
| 3.2.3 k-d树 |
| 3.2.4 三种索引方法比较 |
| 3.3 基于曲面变化量的抽稀方法设计 |
| 3.3.1 点云数据抽稀算法的设计原则 |
| 3.3.2 曲面变化量 |
| 3.3.3 基于曲面变化量的抽稀算法设计 |
| 4 实验与分析 |
| 4.1 实验平台 |
| 4.2 实验数据和环境 |
| 4.3 k-d树效率分析 |
| 4.4 抽稀结果质量评价方法探讨 |
| 4.5 算法对比与分析 |
| 4.5.1 系统性抽稀 |
| 4.5.2 格网抽稀 |
| 4.5.3 基于DDR(Data Density Reduction)算法的抽稀 |
| 4.5.4 基于TIN的抽稀 |
| 4.5.5 基于曲面变化量的抽稀 |
| 4.5.6 各算法对比分析 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（7）植被密集的陡坡区机载LiDAR数据滤波方法研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 目前Li DAR点云滤波的主要问题 |
| 1.3 论文主要内容和组织结构 |
| 1.4 本章小结 |
| 2 机载Li DAR系统 |
| 2.1 机载Li DAR系统的构成 |
| 2.1.1 空中测量平台 |
| 2.1.2 激光雷达扫描测距系统 |
| 2.1.3 POS系统 |
| 2.1.4 成像装置 |
| 2.1.5 控制单元 |
| 2.2 机载Li DAR定位技术 |
| 2.2.1 机载Li DAR对地定位原理 |
| 2.2.2 机载Li DAR定位技术特点 |
| 2.2.3 机载Li DAR数据获取及处理流程 |
| 2.3 机载Li DAR数据误差来源 |
| 2.3.1 偶然误差 |
| 2.3.2 系统误差 |
| 2.3.3 粗差 |
| 2.4 本章小结 |
| 3 机载Li DAR点云滤波算法 |
| 3.1 机载Li DAR数据特点 |
| 3.2 机载Li DAR滤波经典方法 |
| 3.3 机载Li DAR点云数据滤波算法综合评价 |
| 3.3.1 基于高程信息的滤波 |
| 3.3.2 基于强度信息的滤波 |
| 3.3.3 基于回波信息的滤波 |
| 3.4 目前林区机载Li DAR滤波方法综述 |
| 3.5 本章小结 |
| 4 基于多回波信息的滤波设计 |
| 4.1 Li DAR数据格式简介 |
| 4.2 Li DAR回波信息的构成 |
| 4.3 回波信息分离原理 |
| 4.4 各回波叠加分析 |
| 4.4.1 首末次回波信息叠加分析 |
| 4.4.2 首、末、单次分别与中间次回波信息叠加分析 |
| 4.4.3 基于首、末次回波信息滤波的选择 |
| 4.5 地面种子点选取 |
| 4.5.1 一级初始地面种子点的获取 |
| 4.5.2 二级地面种子点的获取 |
| 4.6 基于地面种子点集的点云滤波 |
| 4.7 数字地面模型的获取 |
| 4.8 滤波精度评定方法 |
| 4.9 本章小结 |
| 5 实例分析 |
| 5.1 回波分离 |
| 5.2 获取的实验区地面种子点 |
| 5.2.1 实验区一级地面种子点 |
| 5.2.2 实验区二级地面种子点 |
| 5.3 基于最小距离和加权平均的滤波结果 |
| 5.3.1 滤波所得点云 |
| 5.3.2 数字地面模型 |
| 5.4 实验结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A．作者在攻读硕士学位期间发表的论文目录 |
| B．作者在攻读硕士学位期间参加的科研项目 |
| C．部分原始数据和部分程序代码 |
| C1 部分原始数据 |
| C2 获取地面种子点C++代码 |
（8）激光雷达的应用及发展趋势（论文提纲范文）
| 引言 |
| 1激光雷达的概念 |
| 2激光雷达的国内外发展现状 |
| 2. 1地球科学与气象应用 |
| 2. 1. 1大气探测激光雷达 |
| 1云-气溶胶探测激光雷达 |
| 2多普勒测风激光雷达 |
| 1非相干多普勒测风激光雷达发展状况 |
| 2相干多普勒测风激光雷达发展状况 |
| 3温室气体差分吸收激光雷达 |
| 2. 1. 2陆地、海洋探测激光雷达 |
| 1海洋探测激光雷达 |
| 2陆地地形、森林探测激光雷达 |
| 2. 2空中交会对接 |
| 1VTT成像激光雷达 |
| 2火星着陆器激光雷达LAPS |
| 3XSS-11激光雷达SSLS |
| 4LDRI激光雷达 |
| 5Flash激光雷达 |
| 2. 3军事应用 |
| 2. 3. 1侦察用成像激光雷达 |
| 2. 3. 2障碍回避激光雷达 |
| 2. 3. 3化学 /生物战剂探测激光雷达 |
| 2. 3. 4水下探测激光雷达 |
| 2. 3. 5空间监视激光雷达 |
| 3激光雷达的发展趋势 |
| 1地基-机载-星载激光雷达相结合实现载荷平台一体化 |
| 2多种遥感方式相结合实现复合探测 |
| 3单台遥感设备功能综合化 |
| 4新型激光器、探测器走向应用 |
| 4启示与建议 |
| 1前瞻部署激光遥感技术开发重点方向 |
| 2扩展激光遥感技术在我国的应用领域 |
| 3建立产学研用合作发展模式 |
| 4搭建国际合作平台, 快速突破关键技术, 实现跨越式发展 |
（9）机载LiDAR点云数据滤波及建筑物提取技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的以及选题意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的以及选题意义 |
| 1.2 机载 LiDAR 系统发展现状 |
| 1.3 LiDAR 数据处理技术的研究现状 |
| 1.3.1 LiDAR 点云数据滤波技术研究现状 |
| 1.3.2 建筑物提取技术研究现状 |
| 1.4 论文的结构和安排 |
| 第二章 机载 LiDAR 技术 |
| 2.1 机载 LiDAR 系统的组成和工作原理 |
| 2.1.1 机载 LiDAR 系统的组成 |
| 2.1.2 机载 LiDAR 系统的工作原理 |
| 2.1.3 机载 LiDAR 系统主要技术指标 |
| 2.2 机载 LiDAR 的数据特点和处理流程 |
| 2.2.1 机载 LiDAR 数据特点 |
| 2.2.2 机载 LiDAR 数据处理流程 |
| 2.3 机载 LiDAR 系统误差分析 |
| 2.4 机载 LiDAR 测量与其他技术手段的比较 |
| 2.4.1 机载 LiDAR 与机载 InSAR 的比较 |
| 2.4.2 机载 LiDAR 与航空摄影测量的比较 |
| 2.4.3 结论 |
| 第三章 机载 LiDAR 数据的滤波 |
| 3.1 滤波技术 |
| 3.1.1 滤波技术原理 |
| 3.1.2 点云数据滤波分类 |
| 3.1.3 滤波分类基本流程 |
| 3.2 经典滤波方法 |
| 3.2.1 数学形态学的滤波算法 |
| 3.2.2 移动窗口内的滤波算法 |
| 3.2.3 迭代线性的最小二乘内插算法 |
| 3.2.4 基于坡度变化的滤波算法 |
| 3.2.5 综合评价分析 |
| 3.3 自适应滤波器 |
| 第四章 LiDAR 点云数据处理及 DSM 滤波 |
| 4.1 实验数据与平台 |
| 4.1.1 实验数据 |
| 4.1.2 实验操作平台 |
| 4.2 LiDAR 点云数据的处理 |
| 4.2.1 ASCII 与 LAS 的转化 |
| 4.2.2 三维化显示 |
| 4.2.3 DSM 的生成 |
| 4.2.4 DSM 深度影像的滤波处理 |
| 第五章 建筑物自动化提取 |
| 5.1 建筑物提取流程 |
| 5.2 数学形态学图像处理方式 |
| 5.2.1 术语定义 |
| 5.2.2 运算原理 |
| 5.3 建筑物自动提取步骤 |
| 5.3.1 数据预处理 |
| 5.3.2 提取建筑物 |
| 5.4 实验结果与对比分析 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（10）机载LiDAR数据中屋顶特征线提取关键技术研究（论文提纲范文）
| 论文创新点 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状及趋势 |
| 1.3 研究目标和研究内容 |
| 1.4 实验环境 |
| 1.4.1 实验数据及软硬件环境 |
| 1.4.2 实验精度评估 |
| 1.5 章节安排 |
| 第2章 机载LiDAR技术 |
| 2.1 机载LiDAR系统 |
| 2.2 机载LiDAR系统工作原理 |
| 2.3 机载LiDAR数据 |
| 2.3.1 机载LiDAR数据 |
| 2.3.2 机载LiDAR数据特点 |
| 2.3.3 机载LiDAR数据存储格式 |
| 2.4 机载LiDAR数据处理 |
| 2.5 机载LiDAR技术与其它航空遥感技术比较 |
| 2.5.1 机载LiDAR技术与航空摄影测量技术比较 |
| 2.5.2 机载LiDAR技术与机载InSAR/IfSAR技术比较 |
| 2.6 机载LiDAR技术的应用 |
| 2.6.1 机载LiDAR技术在电力行业的应用 |
| 2.6.2 机载LiDAR技术在交通行业的应用 |
| 2.6.3 机载LiDAR技术在基础测绘行业中的应用 |
| 2.6.4 机载LiDAR技术在林业中的应用 |
| 2.6.5 其它 |
| 2.7 本章小结 |
| 第3章 房屋屋顶类型与房屋屋顶特征线 |
| 3.1 房屋屋顶类型 |
| 3.2 房屋屋顶特征线 |
| 3.2.1 脊线 |
| 3.2.2 斜脊线 |
| 3.2.3 谷线 |
| 3.2.4 轮廓线 |
| 3.3 屋顶特征线的激光点云表达 |
| 3.4 本章小结 |
| 第4章 基于爬行搜索策略的人字形屋顶正脊线提取 |
| 4.1 爬山法搜索 |
| 4.2 爬行搜索策略 |
| 4.3 人字形屋顶正脊线的爬行搜索原型算法 |
| 4.3.1 屋脊点爬行搜索 |
| 4.3.2 屋脊线拟合 |
| 4.3.3 实验与分析 |
| 4.4 改进的人字形屋顶正脊线的爬行搜索算法 |
| 4.4.1 算法介绍 |
| 4.4.2 实验与分析 |
| 4.5 本章小结 |
| 第5章 基于屋顶特征线上激光点直接检测策略的屋顶特征线提取 |
| 5.1 基于邻域点曲面拟合的屋顶特征线上激光点的直接检测 |
| 5.1.1 屋面点与非屋面点的区分 |
| 5.1.2 屋面点中特征线与非特征线上激光点的区分 |
| 5.1.3 人字形屋顶正脊线和斜脊线与谷线上激光点的区分 |
| 5.1.4 人字形屋顶正脊线与斜脊线上激光点的区分 |
| 5.1.5 常规谷线与特殊谷线上激光点的区分 |
| 5.1.6 屋顶边缘轮廓点与谷线上激光点的区分 |
| 5.1.7 基于邻域点曲面拟合的屋顶特征线上激光点直接检测算法 |
| 5.2 屋顶特征线上激光点的分组与拟合 |
| 5.2.1 格式塔(Gestalt)理论 |
| 5.2.2 经典Hough变换 |
| 5.2.3 屋顶特征线上激光点分组与拟合 |
| 5.3 实验与分析 |
| 5.3.1 基于邻域点曲面拟合的屋顶特征线上激光点的直接检测 |
| 5.3.2 屋顶特征线上激光点的分组与拟合 |
| 5.4 本章小结 |
| 第6章 屋顶轮廓边缘线提取 |
| 6.1 屋顶轮廓边缘点检测 |
| 6.2 屋顶轮廓角点提取 |
| 6.3 屋顶轮廓边缘点分组拟合、规则化以及外扩展 |
| 6.4 实验与分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究成果及创新 |
| 7.2 今后研究工作 |
| 攻博期间取得的科研成果 |
| 致谢 |
| 参考文献 |
四、直升飞机机载激光雷达系统（论文参考文献）
- [1]固态激光雷达传感器技术及无人机载测深应用[J]. 徐梦溪,陆云扬,谈晓珊,施建强. 电子测量技术, 2021
- [2]轻小型无人机载激光雷达系统研制及电力巡线应用[J]. 李伟,唐伶俐,吴昊昊,腾格尔,周梅. 遥感技术与应用, 2019(02)
- [3]航空LiDAR技术在道路勘测设计中的应用[D]. 司大刚. 兰州交通大学, 2018(03)
- [4]机载全波形LiDAR数据处理及森林LAI估测研究[D]. 姚松涛. 东北林业大学, 2017(02)
- [5]条纹阵列探测激光雷达测距精度与三维测绘技术研究[D]. 叶光超. 哈尔滨工业大学, 2016(01)
- [6]机载LiDAR点云数据的抽稀方法研究[D]. 王超. 辽宁工程技术大学, 2016(05)
- [7]植被密集的陡坡区机载LiDAR数据滤波方法研究[D]. 彭丽. 重庆大学, 2015(06)
- [8]激光雷达的应用及发展趋势[J]. 赵一鸣,李艳华,商雅楠,李静,于勇,李凉海. 遥测遥控, 2014(05)
- [9]机载LiDAR点云数据滤波及建筑物提取技术研究[D]. 郭佳. 长安大学, 2014(02)
- [10]机载LiDAR数据中屋顶特征线提取关键技术研究[D]. 李新科. 武汉大学, 2014(07)