激光雷达(/ˈlaɪdɑːr/激光雷达(LiDAR，LIDAR)是一种通过脉冲激光照射目标并用传感器测量反射脉冲返回时间来测量目标距离的测量方法。可以用激光返回时间和波长的差异制作目标的数字三维表示。激光雷达，现在常称为 光探测 ( 或光成像、检测和测距)，最初是 光 和 雷达 的混合体。 激光雷达有时被称为3D激光扫描，是3D扫描和激光扫描的特殊组合。它有陆地、空中和移动端均有应用。
激光雷达通常用于制作高分辨率地图，应用于大地测量学、地理信息学、考古学、地理学、地质学、地貌学、地震学、林业、大气物理学， 激光制导、机载激光条带测绘(ALSM)和激光测高。这项技术用于一些自动驾驶汽车的控制和导航。[1]
激光雷达起源于20世纪60年代初，在激光发明后不久，结合了激光聚焦成像和使用适当的传感器和数据采集电子设备测量信号返回的时间计算距离的能力。它的第一个应用是气象学，在气象学中，美国国家大气研究中心使用它来测量云团。[2] 1971年，当宇航员使用激光高度计绘制月球表面地图时，公众才意识到激光雷达系统的准确性和实用性。
尽管现在大多数消息来源都将“激光雷达”这个词视为首字母缩略词，[3] 这个术语起源于“光”和“雷达”的组合。1963年，第一次公开提到激光雷达，就清楚地表明了这一点:“最终，激光可能会对来自遥远物体的特定波长提供极其灵敏的探测。同时，正在通过激光雷达(light radar)研究月球 ..."[3] 牛津英语词典 支持该词源。[3]
“激光雷达”的首字母缩写(“lidar”或“LIDAR”)的解释从1970年开始，[3] 基于这样的假设，由于基础术语“radar”最初是“Radio Detection And Ranging”的首字母缩略词，“LIDAR”必须代表“激光雷达”，[4] 或用于“激光成像、检测和测距”。[5] 尽管英语不再将“radar”视为首字母缩略词，并且印刷文本普遍将“激光雷达”这个词非资本化，但从20世纪80年代开始，“lidar”这个词在一些出版物中被大写为“LIDAR”或“LiDAR”。目前，在大写字母方面没有共识，这反映出不确定“lidar”是否是首字母缩略词，如果是首字母缩略词，是否应该以小写字母出现，如“radar”。各种出版物将激光雷达称为“LIDAR”、“LiDAR”、“LIDaR”或“Lidar”。美国地质勘探局有时在同一份文件中同时使用“LIDAR”和“lidar”；[6] 虽然路透社等新闻来源可能使用“Lidar”，但 纽约时报 在员工撰写的文章中主要使用“lidar”。[7] [8]
激光雷达使用紫外线、可见光或近红外光对物体成像。它可以成像的材料比较广泛，包括非金属物体、岩石、雨水、化合物、气溶胶、云，甚至单个分子。[9] 窄激光束可以以非常高的分辨率绘制物体的物理特征；例如，一架携带激光雷达的飞机可以以30厘米（12英寸）或更高的分辨率绘制地形。[9]
激光雷达的基本概念是由EH Synge在1930年提出的，他设想使用强大的探照灯探测大气。[10][11] 事实上，激光雷达已经被广泛用于大气研究和气象学。飞机和卫星上安装激光雷达仪器可以进行高空测绘——最近的一个例子是美国地质调查局先进机载激光雷达的试验研究。[12] 美国国家航空航天局已经确定激光雷达是实现未来机器人和载人登月飞行器自主精确安全着陆的关键技术。
波长因目标而异:从大约10微米到大约250纳米的紫外线。典型地，光是通过反向散射反射的，而不是镜子的纯反射。不同类型的散射用于不同的激光雷达应用:最常见的是瑞利散射、米氏散射、拉曼散射和荧光反应。[9] 合适的波长组合可以通过识别返回信号强度中与波长相关的变化来远程绘制大气组成。[13]
两种激光雷达探测方案是“非相干”或直接能量探测(主要测量反射光的振幅变化)和相干探测(最适合测量多普勒频移或反射光的相位变化)。相干系统通常使用光外差探测。[14] 这比直接检测更灵敏，允许它们在低功率条件下工作，但需要更复杂的收发器。
两种类型都采用脉冲模型:任一种 微脉冲或 高能量脉冲。微脉冲系统利用间歇性的能量脉冲。它们的发展离不开计算机的发展，以及激光技术的进步。微脉冲在激光中使用相当小的能量，通常在1微焦耳的量级，并且通常是对眼睛也是无害的，这意味着它们可以在没有安全预防措施的情况下使用。大功率系统在大气研究中很常见，它们被广泛用于测量大气参数:云的高度、分层和密度、云粒子特性(消光系数、反向散射系数、去极化)、温度、压力、风、湿度和痕量气体浓度(臭氧、甲烷、一氧化二氮等)。[15]
激光雷达系统由几个主要部件组成。
600-1000纳米激光最常见于非科学应用。激光的最大功率是有限制的，或者使用在特定高度关闭激光的自动关闭系统，以确保地面人员的眼睛安全。
一个常见的选择，1550纳米激光器在相对高的功率水平下对眼睛是安全的，因为这种波长不会被眼睛强烈吸收，但是检测器技术不太先进，所以这些波长通常用于远距离和低精度探测。它们也被用于军事用途，因为1550nm在夜视镜中不可见，不像较短波长的1000 纳米红外激光器。
机载地形测绘激光雷达一般使用1064 纳米二极管泵浦YAG激光器，而水深(水下深度研究)系统通常使用532 纳米倍频二极管泵浦YAG激光器，因为其穿透水的衰减比1064纳米小得多 。激光设置包括激光重复率(控制数据收集速度)。脉冲长度通常是激光腔长度的一个属性，通过增益材料(YAG，YLF等)所需的通过次数和Q开关(脉冲)速度的属性。如果激光雷达接收检测器和电子设备有足够的带宽，则可以采用较短的脉冲就能实现较好的目标分辨率。[15]
光扫描激光雷达
光扫描激光雷达相机的焦平面具有多行多列像素，这些像素具有足够的“深度”和“强度”来创建3D景观模型。[15] 每个像素记录每个激光脉冲击中目标并返回传感器所需的时间，以及激光脉冲接触的物体的深度、位置和反射强度。[15]
光扫描使用单一光源，以单一脉冲照射区域。就像一台拍摄距离而不是拍摄颜色的照相机。[16]
机载光源使光扫描激光雷达成为一种有源传感器。[17] 返回的信号由嵌入式算法处理，以产生传感器视野内物体和地形特征的近乎实时的3D渲染。[18] 激光脉冲重复频率足以生成高分辨率和高精度的3D视图。[15][19] 传感器的高帧率使其成为各种应用的有用工具，这些应用受益于实时可视化，例如高精度远程着陆操作。[20]通过立即返回目标地形的3D高程网格，光扫描传感器可用于确定航天器着陆场景中的最佳着陆区。[21]
远距离观看需要强烈的光线。功率被限制在不伤害人类视网膜的水平。波长不得影响人眼。然而，低成本硅成像器无法读取眼睛安全光谱中的光。相反，砷化镓成像器可以做到这一点，但是这会将成本提高到20万美元。在中国，砷化镓与生产太阳能电池板的矿物相同。[16]
相控阵
相控阵可以通过使用单个天线的微型阵列照射任何方向。控制每个天线的实时相位可以信号导向至特定的方向。
相控阵自20世纪50年代以来一直用于雷达。同样的技术也可以用于光学。大约一百万个光学天线用于在特定方向上形成特定大小的辐射图。该系统由精确的光扫描定时控制。单个芯片(或几个)取代了75000美元的机电系统，大大降低了成本。[16]
一些公司正在开发商用固态激光雷达装置，包括正在设计905纳米固态装置的Quanergy公司，但是它们似乎在开发中存在一些问题。[22]
控制系统可以改变镜头的形状，以实现放大/缩小功能。特定的目标子区域可以以亚秒间隔。[16]
机电激光雷达可持续工作1000至2000小时。相比之下，固态激光雷达可以运行10万小时。[16]
微机电机器
微机电镜(MEMS)并不完全是固态的。然而，它们微小的外形提供了许多相同的成本效益。单个激光器被导向单个反射镜，该反射镜可以被重新定向以观察目标场的任何部分。镜子快速旋转。然而，微机电系统通常在单个平面(从左到右)上运行。添加第二维通常需要装配上下移动的第二面镜子。或者，另一个激光可以从另一个角度击中同一面镜子。微机电系统可能会受到冲击/振动的干扰，这就需要重复校准。目标是创造一个小型微芯片来促进创新和技术的进步。[16]
图像显影速度受扫描速度的影响。扫描方位角和仰角的选项包括双振荡平面镜、多面镜和双轴扫描仪的组合。光学选择影响角度分辨率和可检测的范围。孔镜或分束器是收集返回信号的选项。
激光雷达中使用两种主要的光电探测器技术:固态光电探测器，如硅雪崩光电二极管或光电倍增器。接收器的灵敏度是激光雷达设计中必须平衡的另一个参数。
安装在飞机或卫星等移动平台上的激光雷达传感器需要仪器来确定传感器的绝对位置和方向。这种装置通常包括一个全球定位系统的接收机和一个惯性测量单元。
激光雷达使用提供照射源的有源传感器。能量源撞击物体，反射的能量由传感器检测和测量。到物体的距离是通过记录发射脉冲和反向散射脉冲之间的延迟，并通过使用光速计算行进距离来确定的。[23]光扫描激光雷达可以进行3D成像，因为相机能够发射更大的扫描光束，并利用返回的能量测量特定区域的空间关系和尺寸。这是较精确的成像，因为捕获的帧不需要缝合在一起，并且系统对平台运动不敏感，造成较少的失真。[24]
三维成像可以使用扫描和非扫描系统实现。“三维门控观察激光雷达”是一种非扫描激光测距系统，应用脉冲激光和快速门控相机。现如今，已经存在有使用数字光处理技术进行虚拟波束控制的研究。
成像激光雷达还可以使用高速检测器阵列和调制敏感检测器阵列来执行，这些阵列通常使用互补金属氧化物半导体(CMOS)和混合CMOS/电荷耦合器件(CCD)制造技术单个芯片上进行构建。在这些设备中，每个像素执行一些本地处理，例如高速解调或门控，将信号下变频为视频速率，以便阵列可以像照相机一样读取。使用这种技术，可以同时获取成千上万的像素/通道。[25] 高分辨率三维激光雷达相机使用电子CCD或CMOS快门进行零差探测。[26]
相干成像激光雷达使用合成阵列外差探测，使凝视型单元件接收器像一个成像阵列一样工作。
2014年，林肯实验室宣布了一种新的成像芯片，它拥有超过16384个像素，每个像素能够成像一个光子，使他们能够在一幅图像中捕捉大面积区域。2010年1月海地地震后，美国军方使用了像素数量为四分之一的早期技术；商务飞机在3000米(10000 公尺)通过太子港，能够以30厘米（12英寸）的分辨率捕捉到这座城市600米区域的瞬间快照，显示散布在城市街道上的碎石的精确位置。[27] 林肯系统快了10倍。该芯片使用砷化铟镓(InGaAs)，它在红外光谱中以相对较长的波长工作，可以具有更高的功率和更长的范围。在许多应用中，例如自动驾驶汽车，新系统不需要机械部件来瞄准芯片，从而降低成本。InGaAs使用的危险波长比传统的硅探测器低，后者工作在可见光波长下。[28]
激光雷达可以定向到最低点、天顶或横向。例如，激光雷达向下俯视，大气激光雷达向正上方探测，基于激光雷达的侧视防撞系统。
激光雷达应用可分为机载和地面两种类型。[29] 这两种类型根据数据用途、要捕获的区域大小、测量范围、设备成本等不同装备不同规格的扫描仪。未来也可能出现星载平台。
机载
机载激光雷达(机载激光扫描)是当激光扫描仪在飞行中连接到飞机上时，会创建景观的三维点云模型。这是目前创建数字高程模型的最详细和最准确的方法，取代了摄影测量。与摄影测量相比，它的一个主要优势是能够从点云模型中滤除植被反射，从而创建一个数字地形模型，该模型可以表示被树木遮挡的地表，如河流、路径、文化遗产等。在机载激光雷达的应用范畴内，有时在高海拔和低海拔应用之间有所区别，主要区别是在高海拔采集的数据的精度和点密度都有所降低。机载激光雷达也可用于创建浅水水深模型。[30]
机载激光雷达的主要组成部分包括数字高程模型和数字地表模型。点和地面点是离散点的矢量，而数字高程模型和数字地表模型是离散点的插值栅格。这个过程还包括拍摄数码航空照片。例如，在植被、陡坡、张力裂缝或倾斜树木的覆盖下使用机载激光雷达可以解释深层滑坡。机载激光雷达数字高程模型可以透过森林覆盖物的冠层，执行陡坎、侵蚀和电杆倾斜的详细测量。[31]
机载激光雷达数据使用称为激光雷达数据过滤和森林研究工具箱（Toolbox for Lidar Data Filtering and Forest Studies（TIFFS））的工具进行处理[32] ，用于激光雷达数据过滤和地形研究软件。使用软件将数据插值到数字地形模型中。激光对准要绘制的区域，通过从相应的数字地形模型高程中减去原始z坐标来计算每个点在地面上的高度。基于地面以上的这个高度，可以获得非植被数据，这些数据可以包括诸如建筑物、电力线、飞鸟等物体。其余的点被视为植被，用于建模和制图。在每幅图中，激光雷达指标都是通过计算平均值、标准偏差、偏斜度、百分位、二次平均值等统计数据来计算的。[32]
机载激光雷达测深
机载激光雷达测深技术系统涉及测量信号从源到返回传感器的飞行时间。数据采集技术包括海底测绘部分和视频横断面部分和采样的地面实况部分。它使用绿色光谱(532 nm)激光束。[33] 两束光线投射到快速旋转的镜子上，形成一个点阵列。其中一个光束穿透水，并在有利条件下探测水底。
获得的数据显示了海底的陆地表面的全部范围。这项技术非常有用，因为在主要的海底测绘项目中发挥了重要作用。该地图绘制了岸上地形和水下高程。海底反射成像是该系统的另一个解决方案，它有利于水下环境的测绘。这项技术已被用于使用水文激光雷达对加利福尼亚水域进行三维图像测绘。[34]
无人机和激光扫描仪以及其他远程传感器一起使用，作为扫描更小区域的更经济的方法。[35] 遥感无人驾驶飞机也消除了载人飞机机组人员在困难地形或偏远地区可能面临的任何危险。
地球的
激光雷达的地面应用(地面激光扫描)发生在地表，可以是固定的，也可以是移动的。静止地面扫描是一种最常见的测量方法，例如在传统地形、监测、文化遗产记录和取证中。[29] 与其他技术相比，从这些类型的扫描仪获取的三维点云可以与从扫描仪位置拍摄的扫描区域的数字图像相匹配，从而在相对较短的时间内创建逼真的三维模型。点云中的每个点都被赋予与创建该点的激光束相同角度下拍摄的像素颜色。
移动激光雷达(移动激光扫描)是指将两个或多个扫描仪连接到移动的车辆上，以沿路径收集数据。这些扫描仪几乎总是与其他类型的设备配对，包括全球导航卫星系统接收器和惯性测量组合。一个示例应用就是测量街道、电力线、精确的桥梁高度、树木边界等。需要将所有可能的因素考虑进去。可以从点云创建一个三维模型，根据所收集数据的质量可以进行所有需要的测量，而不是在现场用测速仪单独收集这些测量。只要模型可用、可靠并且具有适当的精确度，就可以消除人为的遗忘性。
地面激光雷达制图涉及占用栅格图生成的过程。该过程包括划分成网格的单元阵列，当激光雷达数据落入各自的网格单元时，该单元阵列会处理数据并存储高度值。然后，通过应用特定阈值对单元值创建二进制映射，以便进一步处理。下一步是处理每次扫描的径向距离和z坐标，以识别数据形成过程的每个指定网格单元对应的三维点。[36]
除了下面列出的应用之外，激光雷达还有各种各样的应用，因为它经常在国家激光雷达计划中被提到。
农业机器人已经被用于各种目的，从种子和肥料分散、传感技术以及从作物侦察到杂草控制任务。
激光雷达可以帮助确定在哪里施用昂贵的肥料。它可以创建一张农田地形图，并显示农田的坡度和阳光照射。农业科学研究院的研究人员将这些地形数据与前几年的农田产量结果结合起来，将土地分为高、中、低产区。[37] 这表明在哪里施肥才能最大限度地提高产量。
另一个应用是果园和葡萄园的作物绘图，以检测叶子生长和修剪或其他维护的需要，检测水果产量的变化，或计算植物数量。
激光雷达在全球定位系统不可用的情况下非常有用，例如坚果和果园，在那里树叶会阻挡全球定位系统向精密农业设备或无人驾驶拖拉机发送信号。激光雷达传感器可以探测到每行的边缘，因此农业设备可以继续移动，直到全球定位系统信号重新建立。
植物种类分类
控制杂草需要识别植物种类。这可以通过使用三维激光雷达和机器学习来实现。[38] 激光雷达将植物轮廓生成为具有范围和反射值的“点云”。转换这些数据，并从中提取特征。如果物种是已知的，特征将作为新数据添加。该物种被贴上标签，其特征最初作为一个例子储存起来，以在真实环境中识别该物种。这种方法是有效的，因为它使用低分辨率激光雷达和监督学习。它包括一个易于计算的特征集，具有独立于植物规模的通用统计特征。[38]
激光雷达在考古学上有许多用途，包括规划野外活动、绘制森林树冠下的特征，以及概述与地面无法区分的广阔而连续的特征。[39] 激光雷达可以快速、廉价地产生高分辨率数据集。激光雷达衍生产品可以很容易地集成到地理信息系统中进行分析和解释。
激光雷达还可以帮助建立考古遗址的高分辨率数字高程模型，揭示植被隐藏的微观地形。返回的激光雷达信号的强度可用于探测埋在平坦植被表面下的特征，例如田地，尤其是在使用红外光谱进行制图时。这些特征的存在会影响植物的生长，从而影响反射回来的红外光的量。[40] 例如，在加拿大波塞朱尔堡-坎伯兰堡国家历史遗址，激光雷达发现了与1755年包围该堡有关的考古特征。地面或航空摄影无法分辨的特征是通过叠加不同角度的人工照射创建的数字高程模型来识别的。另一个例子是阿尔伦·蔡斯和他的妻子黛安·扎伊诺·蔡斯在卡拉科尔(玛雅)的工作。[41] 2012年，激光雷达被用于搜寻洪都拉斯丛林的莫斯提亚地区的传奇城市布兰卡城或“猴神之城”。在为期七天的测绘期间，发现了人造结构的证据。[42][43] 2013年6月，宣布重新发现马亨德拉帕瓦塔市。[44] 在新英格兰南部，激光雷达被用来揭示石墙、建筑地基、废弃的道路和其他被该地区浓密的森林树冠遮蔽的景观特征。[45][46][47] 在柬埔寨，激光雷达数据被德米安·埃文斯和罗兰·弗莱彻用来揭示吴哥景观的人为变化 [48]。
2012年，激光雷达显示，墨西哥米却肯的安加姆的 科珀佩查 定居点的建筑数量与今天的曼哈顿差不多；[49] 在2016年，它被用于绘制危地马拉北部的古代玛雅堤道，揭示了连接古城埃尔米拉多和其他地点的17条高架道路。[50][51] 2018年，考古学家利用激光雷达在玛雅生物圈保护区发现了60000多座人造建筑，这是一个“重大突破”，表明了玛雅文明比以前想象的要大得多。[52]
自动驾驶汽车可能使用激光雷达探测和回避障碍物，使用旋转激光束在环境中安全导航。[53] 激光雷达传感器的成本图或点云输出为机器人软件中的必要数据，以确定环境中存在的潜在障碍物以及机器人相对于这些潜在障碍物的位置。新加坡的 新加坡-麻省理工学院研究与技术联盟 正在积极开发自动激光雷达车辆技术。[54] 生产机器人或车辆自动化领域常用激光雷达传感器的公司有Sick[55] 和Hokuyo。[56] 利用激光雷达传感器的障碍物检测和回避产品的例子是Autonomous Solution公司的Forecast 3D Laser System [57] 和Velodyne HDL-64E。[58] 激光雷达模拟模型也在自动驾驶汽车模拟器中提供。[59]
第一代汽车自适应巡航控制系统仅使用激光雷达传感器。
运输系统的目标检测
在交通运输系统中，为了确保车辆和乘客的安全，并开发为驾驶员提供驾驶帮助的电子系统，并了解车辆及其周围环境至关重要。激光雷达系统在运输系统的安全中起着重要的作用。许多车辆增加了驾驶员辅助和车辆安全的电子系统，例如自适应巡航控制(ACC)、紧急辅助刹车、防抱死制动系统(防抱死制动系统)，依赖于对车辆环境的检测来自主或半自主地行动。激光雷达测绘和评估实现了这一点。
基本概述:目前的激光雷达系统使用旋转六角镜分离激光束。上方的三个光束用于前方的车辆和障碍物，下方的光束用于检测车道标志和道路特征。[60] 使用激光雷达的主要优点是获得了空间结构，并且该数据可以与其他传感器如雷达等融合。根据环境中物体的静态和动力性质来更好地了解车辆环境。相反，激光雷达的一个重要问题是在恶劣天气条件下重建点云数据比较困难。例如，在大雨中，激光雷达系统发出的光脉冲部分被雨滴反射，这给数据增加了噪声，称为“回波”。[61]
下面提到的几种方法，是处理激光雷达数据并通过传感器融合将其与来自其他传感器的数据一起使用，从而达到检测车辆环境条件的目的。
基于网格的三维激光雷达处理和雷达测量融合技术
在菲利普·林德纳和格尔德·瓦尼利克提出的这种方法中，激光数据使用多维占用网格进行处理。[62] 来自四层激光器的数据在信号级进行预处理，然后在更高的级别进行后处理，以提取障碍物的特征。使用二维和三维网格结构的组合，并将这些结构中的空间细化为几个离散的单元。这种方法可以通过将大量原始测量数据收集在空间容器(证据网格的单元)中，从而进行有效地处理。每个小区域都与识别区域占用的概率度量相关联。该概率是通过使用激光雷达传感器随时间获得的距离测量值和使用贝叶斯定理相关的距离测量值来计算的。二维网格可以观察到它前面的障碍物，但不能观察到障碍物后面的空间。为了解决这个问题，障碍物后面的未知状态概率为0.5。通过引入第三维（使用多层激光器），物体的空间配置可以在一定程度上被映射到网格结构中。这是通过将测量点转移到三维网格中来实现的。被占用的网格细胞将具有大于0.5的概率，并且映射将基于该概率进行彩色编码。未被占用的单元将具有小于0.5的概率，并且该区域通常为空白。然后，通过使用车辆上的传感器位置和全局坐标系中的车辆位置，将该测量值转换为网格坐标系。传感器的坐标取决于其在车辆上的位置，并且车辆的坐标使用自我运动估计来计算，自我运动估计是估计车辆相对于刚性场景的运动。对于此方法，必须定义网格配置文件。通过应用布雷森汉姆直线演算法计算透射激光束所接触的网格单元。为了获得空间扩展结构，对这些细胞进行连接成分分析。然后，该信息被传递到旋转卡尺算法，以获得物体的空间特征。除了激光雷达探测，通过使用两个短程雷达获得的雷达数据将被集成，以获得物体的附加动力性质，例如其速度。最后，使用潜在距离函数将测量值分配给对象。
使用旋转卡尺算法，从三维占用网格获得的测量结果中有效地提取物体的几何特征。将雷达数据融合到激光雷达测量中，可以给出障碍物的动力性质信息，例如障碍物相对于传感器的速度和位置，这有助于车辆或驾驶员决定要采取的行动，以确保安全。唯一问题的是实现这种数据处理技术的计算要求。它可以实时实现，并且已经被证明是有效的，如果三维占用网格大小受到相当大的限制。但是这可以通过使用专用的空间数据结构来改善到更宽的范围，从而更有效地对空间数据进行三维网格表示。
用于多目标检测和跟踪的三维激光雷达和彩色像机融合
黄素敏等人提出了该方法框架，[63] 分为四个步骤。首先，来自摄像机和三维激光雷达的数据被输入系统。激光雷达和摄像机的输入是并行获得的，摄像机的彩色图像用激光雷达校准。为了提高效率，采用水平三维点采样作为预处理。第二，分割阶段是根据从传感器到局部平面的距离将整个三维点分成几个组，并顺序估计从近平面到远平面的局部平面。使用统计分析来估计局部平面。靠近传感器的一组点用于计算初始平面。通过使用当前局部平面，通过迭代更新来估计下一个局部平面。二维图像中的对象建议用于将前景对象从背景中分离出来。为了更快和准确的检测和跟踪，使用了用于300fps的对象度估计的二值化赋范梯度。[64] BING是赋范梯度及其二值化版本的组合，它加快了特征提取和测试过程，以估计图像窗口的对象性。这样前景和背景对象就被分开了。为了在使用BING估计图像的对象性之后形成对象，三维点被分组或聚类。聚类是使用DBSCAN(聚类算法)算法完成的，该算法由于参数较少而具有鲁棒性。使用聚类的三维点，即三维片段，通过在二维图像上投影三维点来生成更精确的感兴趣区域。第三步是检测，大致分为两个部分。首先是二维图像中的目标检测，这是利用快速反应网络实现的[65] ，因为这种方法不需要训练，它还考虑了图像和几个感兴趣的区域。二是三维空间中的物体检测，采用自旋成像方法。[66] 该方法提取局部和全局直方图来表示某个对象。为了融合二维图像和三维空间物体检测的结果，考虑相同的三维区域，并将二维图像和三维空间中的两个独立分类器应用于所考虑的区域。分数校准[67] 是为了从两个检测器中获得一个置信度分数。这个分数是以概率的形式获得的。最后一步是跟踪。这是通过关联当前帧和过去帧中的移动对象来实现的。对于目标跟踪，采用分段匹配。计算诸如平均值、标准偏差、量化颜色直方图、体积大小和片段的三维点数量等特征。欧几里得距离用于测量线段之间的差异。为了判断物体的出现和消失，从两个不同的帧中获取相似的片段(基于欧几里得距离获得)，并计算物理距离和相异度分数。如果分数超过前一帧中每个片段的范围，则被跟踪的对象被认为已经消失。
该方法的优点是将二维图像和三维数据结合使用，其F l分数(测试精度的衡量标准)，平均精度(AP)均高于仅使用激光雷达三维数据的情况。这些分数是判断框架的常规度量。这种方法的缺点是使用BING进行对象建议估计，因为BING只预测了一小组对象边界框。
基于激光雷达的障碍物检测和道路环境识别
这种方法是由周坤等人提出的。[68] 不仅专注于目标检测和跟踪，还能识别道路车道线和道路特征。如前所述，激光雷达系统使用旋转六角镜将激光束分成六束。上面三层用于检测前方物体，如车辆和路边物体。传感器由耐候材料制成。激光雷达探测到的数据被聚类成若干段，并由卡尔曼滤波器跟踪。这里的数据聚类是根据基于对象模型的每个片段的特征来完成的，对象模型区分不同的对象，例如车辆、招牌等。这些特征还包括物体的尺寸等。车辆后边缘的反射镜用于区分车辆和其他物体。考虑到跟踪的稳定性和目标的加速运动，目标跟踪采用两级卡尔曼滤波器完成[60] 。激光雷达反射强度数据也用于路缘检测，利用稳健回归处理遮挡。通过区分粗糙和有光泽的表面，使用改进的Otsu方法检测道路标记。[69]
指示车道边界的路边反射器有时由于各种原因而隐藏起来。因此，需要其他信息来识别道路边界。该方法中使用的激光雷达可以测量物体的反射率。因此，有了这些数据，道路边界也可以被识别。此外，即使在恶劣的天气条件下，使用具有耐候性头部的传感器也有助于检测物体。洪水前后的冠层高度模型就是一个很好的例子。激光雷达可以探测高细节的树冠高度数据及其道路边界。
激光雷达测量有助于识别障碍物的空间结构。这有助于根据大小区分物体，并估计驾驶对物体的影响。[62]
激光雷达系统提供了更好的范围和更大的视野，这有助于检测曲线上的障碍物。这是相对于视野较窄的雷达系统的一个主要优势。激光雷达测量与不同传感器的融合使得该系统在实时应用中具有鲁棒性和实用性，因为依赖激光雷达的系统不能估计被检测物体的动态信息。[62]
有案例证明激光雷达可以被操纵，使得自动驾驶汽车被骗采取规避行动。[70]
激光雷达还在林业中发现了许多应用。树冠高度、生物量测量和叶面积都可以使用机载激光雷达系统进行研究。类似地，激光雷达也被许多行业使用，包括能源和铁路，交通部将其作为一种更快的测量方法。地形图也可以通过激光雷达轻松生成，包括娱乐用途，如制作定向运动地图。[71]
此外，拯救红杉联盟已经开展了一个项目，绘制加州北部海岸的高大红杉。激光雷达不仅可以让研究科学家测量先前未映射的树木的高度，还可以确定红杉林的生物多样性。斯蒂芬·西莱特在北海岸激光雷达项目上与该联盟合作，他声称这项技术将有助于指导未来保护和保存古老红杉的工作。[72]
由机载和固定式激光雷达生成的高分辨率数字高程图促进了地貌学的进步(地球科学的一个分支，关注地球表面地形的起源和演变)。激光雷达能够探测细微的地形特征，如河流阶地和河道堤岸，测量植被冠层下的地表高度，更好地解析高程的空间衍生物，以及重复测量之间的高程差异，这使得许多景观的物理和化学形成过程的研究成为可能。[73]2005年，勃朗峰地块上的图尔·隆德山成为第一座高山，激光雷达被用于监测大型岩石表面上日益严重的岩石坠落事件，据称这些事件是由气候变化和高海拔永久冻土退化引起的。[74]
激光雷达还被用于结构地质学和地球物理学，作为机载激光雷达和全球定位系统的组合，用于探测和研究断层以及测量隆起。[75] 这两种技术的输出可以产生非常精确的地形高程模型——甚至可以通过树木测量地面的高程模型。这个组合最著名的用途是找到美国华盛顿州西雅图断层的位置。[76] 这种组合还通过使用2004年隆起前后的数据来测量圣海伦斯山的隆起。[77] 机载激光雷达系统监测冰川，并有能力探测细微的增长或下降量。美国国家航空航天局的ICESat是一个基于卫星的系统，其中包括一个用于这一监测目的的激光雷达子系统。美国宇航局机载地形制图仪[78] 也被广泛用于监测冰川和进行海岸变化的分析。土壤科学家在创建土壤调查时也使用这种组合。详细的地形建模使土壤科学家能够看到坡度变化和地形突变，从而表明土壤空间中的关系模式。
最初，基于红宝石激光器，用于气象应用的激光雷达是在激光器发明后不久建造的，是激光技术的首批应用之一。激光雷达技术的能力已经大大扩展，激光雷达系统被用于执行一系列的测量，包括描绘云、测量风、研究气溶胶和量化各种大气成分。大气成分反过来可以提供有用的信息，包括表面压力(通过测量氧或氮的吸收)、温室气体排放(二氧化碳和甲烷)、光合作用(二氧化碳)、火灾(一氧化碳)和湿度(水蒸气)。大气激光雷达可以是陆基的、机载的或卫星的，这取决于测量的类型。
大气激光雷达遥感有两种工作方式：
大气的反向散射直接给出了云和气溶胶的测量值。来自反向散射的其他测量，如风或卷云冰晶，需要仔细选择探测波长或极化模式。 多普勒激光雷达 和 瑞利多普勒激光雷达 用于通过测量反向散射光的频率来测量沿着光束的温度或风速的变化。运动气体的多普勒效应可以通过产生的频移特性来确定。[79][80] 扫描激光雷达，如美国宇航局圆锥扫描的HARLIE激光雷达，已经被用来测量大气风速。[81] 欧空局ADM-伊俄勒斯风力项目将配备多普勒激光雷达系统，以便提供全球垂直风廓线测量。[82] 2008年夏季奥运会期间，多普勒激光雷达系统被用于测量游艇比赛期间的风场。[83]
多普勒激光雷达系统现在也开始成功地应用于可再生能源领域，以获取风速、湍流、风向和风切变数据。脉冲和连续波系统也被大量使用。脉冲系统使用信号定时来获得垂直距离的分辨率，而连续波系统依靠探测器进行聚焦。
术语eolics用来描述使用计算流体力学模拟和多普勒激光雷达对风的协作和跨学科领域的探测研究。[84]
机载激光雷达的地面反射给出了在激光雷达波长下的表面反射率的测量数据(假设大气透射率是众所周知的)，然而，地面反射通常用于大气的吸收测量。“差分吸收激光雷达”(DIAL)测量利用两个或更多紧密间隔(< 1 nm)的波长来探测表面反射率以及其它透射损耗，这是因为这些因素对波长而言不是很敏感。当调谐到特定气体的适当吸收线时，可以使用DIAL测量来确定该气体在大气中的浓度(混合比)。这被称为 集成路径差分吸收 (IPDA)方法，因为它是沿着整个激光雷达路径的综合吸收测量。IPDA激光雷达可以是脉冲的[85][86] 或连续波类型的[87]， 并且通常使用两种或多种波长。[88] IPDA激光雷达已经用于二氧化碳和甲烷的遥感探测[85][86][87] [89]。
合成阵列激光雷达 是一种不需要阵列探测器的激光雷达。它可以用于成像多普勒测速仪，超快帧率（MHz）成像，以及相干激光雷达中的散斑减少。[90] 格兰特给出了大量大气和水圈应用的激光雷达书目。[90]
沙姆定律
另一种用于大气遥感的基于沙姆定律的激光雷达技术，被称为Scheimpflug激光雷达(slidar)。
"这意味着，当激光束传输到大气中时，只要物平面、像平面和透镜平面彼此相交，整个照射探头体积的反向散射回波同时聚焦，而不会减小孔径“。[91] 使用二维电荷耦合器件/互补金属氧化物半导体相机来解析透射激光束的后向散射回波。
因此，与传统激光雷达技术的情况一样，连续波光源(例如二极管激光器)可以用于遥感，它并不使用复杂的纳秒脉冲光源。[91] SLidar系统也是基于紧凑型激光二极管和阵列检测器的一个坚固且廉价的系统。[91]
警方使用激光雷达测速仪测量车辆速度，以达到限速的目的。[92] 此外，它还用于取证，以协助犯罪现场调查。对一个场景进行扫描，以记录物体位置、血液和其他重要信息的准确细节，供以后查看。这些扫描也可以用来确定枪击事件中子弹的轨迹。[93]
军事应用很少被完全知晓(例如基于激光雷达的AGM—129隐形核巡航导弹的速度测量)，但是在军事成像方面正在进行大量的研究。高分辨率系统可以收集足够的细节来识别目标，如坦克。激光雷达的军事应用实例包括阿雷特联合公司用于反地雷战争的机载激光地雷探测系统。[94]
北约的一份报告(RTO-TR-SET-098)评估了潜在的、用于识别生物战剂的远距离探测技术。评估的潜在技术有长波红外(LWIR)、差分散射(DISC)和紫外激光诱导荧光(UV-LIF)。报告的结论是: 根据上文测试和讨论的激光雷达系统的结果，任务小组建议，在近期(2008-2010年)应用远距离探测系统的最佳选择是紫外激光雷达 ,[95] 然而，从长远来看，其他技术，如孤立拉曼光谱，可能对生物战剂的识别是有用的。
基于激光诱导荧光(LIF)的短程紧凑型光谱激光雷达将解决室内、半封闭和室外场所(如体育场、地铁和机场)存在气溶胶形式的生物威胁。这种近乎实时的能力将能够快速检测生物气溶胶的释放，并允许及时采取措施保护居住者，最大限度地减少污染程度。[96]
远程生物对峙探测系统(LR-BSDS)是为美国陆军开发的，目的是为生物攻击提供及时的对峙警告。这是一个由直升机携带的机载系统，用于远距离探测含有生物和化学制剂的合成气溶胶云。1997年6月的LR-BSDS，其探测范围为30公里及以上。[97] 德国Sick AG生产的五个激光雷达单元用于Stanley的短程探测，Stanley是2005年赢得DARPA Grand Challenge奖的自动驾驶汽车。
一架机器人波音AH-6在2010年6月进行了一次完全自主的飞行，包括使用激光雷达避开障碍物。[98][99]
因为矿石量的计算是通过定期(每月)扫描矿石清除区域，然后通过将表面数据与前一次扫描进行比较来完成的。[100]
激光雷达传感器也可用于机器人采矿车辆的障碍物检测和避开，例如在力拓的未来矿山中使用的小松自主运输系统(AHS)[101]。
全球天文台网络使用激光雷达来测量放置在月球上的反射器的距离，可以以毫米精度测量月球的位置，并进行广义相对论测试。火星轨道激光高度计MOLA使用激光雷达仪器在火星轨道卫星(NASA火星全球探勘者号)上对这颗红色行星进行了极其精确的全球地形测量。
2008年9月，美国宇航局凤凰号着陆器使用激光雷达探测火星大气中的积雪。[102]
在大气物理学中，激光雷达被用作远程探测仪器来测量高层大气中的某些成分的密度，例如钾、钠或分子氮和氧。这些测量可以用来计算温度。激光雷达还可以用来测量风速和提供气溶胶粒子垂直分布的信息。[103]
在英国阿宾登附近的喷气核聚变研究设施中，激光雷达Thomson Scattering 被用来确定等离子体的电子密度和温度分布。[104]
激光雷达已广泛用于岩石力学中的岩体表征和边坡变化检测。可以从激光雷达获得的三维点云中提取岩体的一些重要地质力学特性。其中一些属性是:
其中一些属性已被用于通过RMR指数评估岩体的地质力学质量。此外，由于可以使用现有方法提取不连续性的方向，因此可以通过SMR指数评估岩石边坡的地质力学质量。[111] 除此之外，通过对不同时间采集的斜坡上三维点云的比较，研究人员可以研究在这段时间间隔内，监视由于岩崩或任何其他滑坡过程而在产生的变化。[112][113][114]
THOR
托尔是一种旨在测量地球大气条件的激光器。激光进入云层[115] 并测量返回光晕的厚度。该传感器有一个宽度为7.5英寸的光纤孔径，用于测量返回光。
激光雷达技术正在机器人学中用于感知环境和物体分类。[116] 激光雷达技术能够提供地形的三维高程图、到地面的高精度距离和接近速度，这使得机器人和载人车辆能够以高精度安全着陆。[117] 激光雷达还广泛应用于机器人学中，用于同步定位和制图，并很好地集成到机器人模拟器中。[117] 更多示例请参考上面的军事部分。
激光雷达越来越多地被用于测距和轨道要素计算，如计算在空间近距离操作和航天器的位置保持中的相对速度。激光雷达还被用于空间大气研究。飞船发射的激光短脉冲可以反射掉大气中的微小粒子，并返回到与飞船激光对准的望远镜。通过对激光雷达的“回波”进行精确计时，并通过测量望远镜接收到的激光量，科学家可以精确确定粒子的位置、分布和性质。其结果是产生一个革命性的新工具，用于研究大气中的成分，从云滴到工业污染物，这些成分很难用其他方法检测出来。"[118][119]
激光测高仪用于制作行星的数字高程图，包括火星轨道激光测高仪(MOLA)，[120] 月球轨道激光高度计[121] 和水星激光高度计(MLA)。[122]
机载激光雷达传感器被公司用于遥感领域。它们可用于创建DTM(数字地形模型)或数字高程模型；这对于较大面积的区域来说是相当普遍的做法，因为飞机可以在俯角内获得一个3到 4 公里宽的狭长地带。即使在森林中，也可以通过降低高度，获得低于50mm精度的分辨率，并给出树冠的高度和地面高度。通常，需要在地理参考控制点配置全球导航卫星系统接收器，用以将数据与WGS(世界大地坐标系)连接起来。[123]
激光雷达也用于水文测量。根据水的清晰度，激光雷达可以以15 厘米的垂直精度和2.5米的水平精度测量0.9米至40米的深度[124]
林业
激光雷达系统也被用于改善林业管理。[125]用于在林地中进行清查，以及计算单个树的高度、树冠宽度和树冠直径。其他统计分析使用激光雷达数据来估计总的地块信息，例如树冠体积、平均值、最小和最大高度以及植被覆盖估计。
激光雷达已用于铁路行业，为资产管理生成资产健康报告，并由交通部门评估其路况。CivilMaps.com公司是该领域的领跑者。[126] 激光雷达已用于汽车的自适应巡航控制系统。西门子、海拉和Cepton等系统使用安装在车辆前部(如保险杠)的激光雷达设备来监控车辆和前方车辆之间的距离。[127] 如果前面的车辆减速或太近，事故控制中心会踩下刹车使车辆减速。前方道路畅通时，加速控制允许车辆加速至驾驶员预设的速度。更多示例请参考上面的军事部分。作为一种基于激光雷达的设备，云幂仪在世界各地的机场被用来测量起飞路径上的云层高度。[128]
激光雷达可以通过精确测量风速和风湍流来增加风电场的能量输出。[129][130] 实验激光雷达系统[131][132] 可以安装在风力涡轮机的机舱上[133] 或集成到旋转器中[134] ，为了测量迎面而来的水平风，[135] 风力涡轮机后的尾流，[136] 从而主动调整刀片以保护组件和增加功率。激光雷达还用于探测入射风资源，根据不同风量对风力涡轮机发电量进行比较，通过测量风力涡轮机的功率曲线来验证风力涡轮机的性能[137] 。[138] 风电场优化可以被认为是eolics的应用领域。激光雷达在风相关行业中应用的另一个方面是在激光雷达扫描的表面上使用计算流体动力学来评估风的潜力，[139] 这可以用于最佳的风电场布局。
激光雷达还可以通过确定合适的屋顶来帮助城市规划者和开发者优化太阳能光伏系统 [140][141] ，并且用于确定遮光损失区域。[142] 最近机载激光扫描的致力于研究估算照射到垂直建筑立面的阳光量的方法，[143] 或者将植被和周围地形的影响纳入更详细的遮光损失因素中。[144]
最近的模拟赛车游戏，如iRacing、神力科莎和赛车计划，越来越多地采用从激光雷达测量获得的三维点云复制的赛道，从而优化游戏中的三维环境并以毫米精度展示。
由Introversion Software设计的2017年探索游戏《Scanner Sombre》使用激光雷达作为基本的游戏机制。
Radiohead的歌曲“House of Cards”的视频被认为是第一次使用实时3-D激光扫描来录制音乐视频。视频中的距离数据并非完全来自激光雷达，还使用了结构光扫描。[145]
最近发展的2D-3D转换技术(SFM)技术可以基于从视觉和红外摄影中提取的数据提供三维图像和地图。通过在映射区域上多个平行通道提取高程或三维数据，从同一个传感器(通常是用于选择和校准的数码相机)产生可见光图像和三维结构。
^"Elon Musk Calls Out LIDAR Tech as "A Crutch" in Autonomous Vehicles". futurism.com. 2018-02-08. Retrieved 23 June 2018..
^Goyer, G. G.; R. Watson (September 1963). "The Laser and its Application to Meteorology". Bulletin of the American Meteorological Society. 44 (9): 564–575 [568]. doi:10.1175/1520-0477-44.9.564..
^"LIDAR—Light Detection and Ranging—is a remote sensing method used to examine the surface of the Earth". NOAA. Archived from the original on June 4, 2013. Retrieved June 4, 2013..
^"Light Detection and Ranging". Ngs.noaa.gov. 2011-04-15. Retrieved 2016-02-22..
^US 20090273770patent.
^"CLICK". Lidar.cr.usgs.gov. 2015-09-16. Archived from the original on 2016-02-19. Retrieved 2016-02-22..
^"NYTimes.com search". nytimes.com. Retrieved 2017-04-07..
^"Waymo Self-Driving Unit Sought Arbitration Over Engineer Now at Uber". nytimes.com. 2017-03-29. Retrieved 2017-04-07..
^Carter, Jamie; Keil Schmid; Kirk Waters; Lindy Betzhold; Brian Hadley; Rebecca Mataosky; Jennifer Halleran (2012). "Lidar 101: An Introduction to Lidar Technology, Data, and Applications." (NOAA) Coastal Services Center" (PDF). Coast.noaaa.gov. p. 14. Retrieved 2017-02-11..
^Philosophical Magazine and Journal of Science, 1930, Series 7, Volume 9, Issue 60, pp. 1014–1020.
^Donegan, J.F.; The Life and Works of Edward Hutchinson Synge pp. 31, 67, (co-edited with D. Weaire and P. Florides), Pöllauberg, Austria : Living Edition, ISBN 3901585176.
^'Experimental Advanced Advanced Research Lidar', USGS.gov. Retrieved 8 August 2007..
^P. Dakin, John; Brown, Robert (2017). Handbook of Optoelectronics: Concepts, Devices, and Techniques (Volume One). CRC Press. p. 678. ISBN 978-1-4822-4179-2..
^Rashid A. Ganeev. Laser - Surface Interactions. Springer Science & Business Media,2013. p. 32..
^Cracknell, Arthur P.; Hayes, Ladson (2007) [1991]. Introduction to Remote Sensing (2 ed.). London: Taylor and Francis. ISBN 978-0-8493-9255-9. OCLC 70765252..
^Mokey, Nick (2018-03-15). "A self-driving car in every driveway? Solid-state lidar is the key". Digital Trends (in 英语). Retrieved 2018-06-15..
^"Passive vs Active Sensors in Remote Sensing". GIS Geography (in 英语). 2015-02-09. Retrieved 2019-03-08..
^"Patent Details". technology.nasa.gov. Retrieved 2019-03-08..
^"Analog to Digital Conversion: Sampling". www.cl.cam.ac.uk. Retrieved 2019-03-08..
^"Imaging Flash Lidar for Autonomous Safe Landing and Spacecraft Proximity Operation" (PDF). https://ntrs.nasa.gov. 2019-05-07. External link in |website= (help).
^Dietrich, Ann Brown, "Supporting Autonomous Navigation with Flash Lidar Images in Proximity to Small Celestial Bodies" (2017). CU Boulder Aerospace Engineering Sciences Graduate Theses & Dissertations. 178..
^Lee, Timothy B. (1 February 2019). "How 10 leading companies are trying to make powerful, low-cost lidar". Ars Technica..
^"Remote Sensors | Earthdata". earthdata.nasa.gov. Retrieved 2017-03-18. 该来源属于公有领域，本文含有该来源内容。.
^"Advanced Scientific Concepts Inc". www.advancedscientificconcepts.com. Retrieved 2019-03-11..
^Medina, Antonio. "Three Dimensional Camera and Rangefinder". January 1992. United States Patent 5081530..
^Medina A, Gayá F, Pozo F (2006). "Compact laser radar and three-dimensional camera". J. Opt. Soc. Am. A. 23 (4): 800–805. Bibcode:2006JOSAA..23..800M. doi:10.1364/josaa.23.000800..
^"The World's Most Powerful 3-D Laser Imager". technologyreview.com. 2014-02-13. Retrieved 2017-04-06..
^Talbot, David (2014-02-13). "New Optical Chip Will Sharpen Military and Archeological Aerial Imaging". MIT Technology Review. Retrieved 2014-02-17..
^Vosselman, George; Maas, Hans-Gerd (2012). Airborne and terrestrial laser scanning. Whittles Publishing. ISBN 978-1-904445-87-6..
^Doneus, M.; Miholjek, I.; Mandlburger, G.; Doneus, N.; Verhoeven, G.; Briese, Ch.; Pregesbauer, M. (2015). "Airborne laser bathymetry for documentation of submerged archaeological sites in shallow water". ISPRS – International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XL-5/W5: 99–107. Bibcode:2015ISPArXL55...99D. doi:10.5194/isprsarchives-xl-5-w5-99-2015..
^Chiu, Cheng-Lung; Fei, Li-Yuan; Liu, Jin-King; Wu, Ming-Chee. "National Airborne Lidar Mapping and Examples for applications in deep-seated landslides in Taiwan". Geoscience and Remote Sensing Symposium (IGARSS), 2015 IEEE International. ISSN 2153-7003..
^Yuan, Zeng; Yujin, Zhao; Dan, Zhao; Bingfang, Wu. "Forest Biodiversity mapping using airborne and hyper-spectral data". Geoscience and Remote Sensing Symposium (IGARSS), 2016 IEEE International. ISSN 2153-7003..
^Nayegandhi Green Lidar.
^Wilson, Jerry C. (2008). Using Airborne hydrographic lidar to support mapping of California's waters. OCEANS 2008 – MTS/IEEE Kobe Techno-Ocean. doi:10.1109/OCEANSKOBE.2008.4530980. ISBN 978-1-4244-2126-8..
^Tang, Lina; Shao, Guofan (2015-06-21). "Drone remote sensing for forestry research and practices". Journal of Forestry Research. 26 (4): 791–797. doi:10.1007/s11676-015-0088-y. ISSN 1007-662X..
^Lee, Sang-Mook; Joon Im, Jeong; Lee, Bo-Hee; Leonessa, Alexander; Kurdila, Andrew. "A real time grid-map generation and object classification for ground based 3D lidar data using image analysis techniques". Image Processing (ICIP), 2010 17th IEEE International Conference on Image Processing. ISSN 1522-4880..
^"ARS Study Helps Farmers Make Best Use of Fertilizers". USDA Agricultural Research Service. June 9, 2010..
^Weiss, Ulrich; Biber, Peter; Laible, Stefan; Bohlmann, Karsten; Zell, Andreas (2010). Plant Species Classification using a 3D LIDAR Sensor and Machine Learning. Ninth International Conference on Machine Learning and Applications (ICMLA). ISBN 978-1-4244-9211-4..
^"EID; crater beneath canopy". Unb.ca. 2013-02-18. Retrieved 2013-05-06..
^The Light Fantastic: Using airborne lidar in archaeological survey. English Heritage. 2010. p. 45..
^John Nobel Wilford (2010-05-10). "Mapping Ancient Civilization, in a Matter of Days". New York Times. Retrieved 2010-05-11..
^Stephanie Pappas (May 15, 2013). "Ruins of Lost City May Lurk Deep in Honduras Rain Forest". Live Science. Retrieved May 15, 2013..
^Douglas Preston (2 Mar 2015). "Lost City Discovered in the Honduran Rain Forest". National Geographic. Retrieved 3 March 2015..
^"Jungle surrenders its lost city". Smh.com.au. 2013-06-14. Retrieved 2016-02-22..
^Johnson, Katharine M; Ouimet, William B (2014). "Rediscovering the lost archaeological landscape of southern New England using airborne light detection and ranging (LiDAR)". Journal of Archaeological Science. 43: 9–20. doi:10.1016/j.jas.2013.12.004..
^Edwin Cartlidge (2014-01-10). "Lasers Unearth Lost 'Agropolis' of New England | Science | AAAS". News.sciencemag.org. Retrieved 2016-02-22..
^""Lost" New England Revealed by High-Tech Archaeology". News.nationalgeographic.com. 2014-01-03. Retrieved 2016-02-22..
^Evans, D.H.; Fletcher, R.J.; et al. (2013). "Uncovering archaeological landscapes at Angkor using lidar". PNAS. 110 (31): 12595–12600. Bibcode:2013PNAS..11012595E. doi:10.1073/pnas.1306539110. PMC 3732978. PMID 23847206..
^Davis, Nicola (February 15, 2018). "Laser scanning reveals 'lost' ancient Mexican city 'had as many buildings as Manhattan'" – via www.theguardian.com..
^"LiDAR Scans Reveal Maya Civilization's Sophisticated Network of Roads". https://www.smithsonianmag.com/smart-news/lidar-scans-maya-network-roads-180961995/. Retrieved February 28, 2018. External link in |website= (help).
^"Ancient Mayan Superhighways Found in the Guatemala Jungle". 2017-01-27..
^"This Ancient Civilization Was Twice As Big As Medieval England". 2018-02-01. Retrieved 2018-02-05..
^By Steve Taranovich, EDN. "Autonomous automotive sensors: How processor algorithms get their inputs." July 5, 2016. Retrieved August 9, 2016..
^"Filipino turns ordinary car into autonomous vehicle – Motioncars | Motioncars". Motioncars.inquirer.net. 2015-05-25. Retrieved 2016-02-22..
^"Sick Senor Intelligence product portfolio". 2014-11-12. Archived from the original on 2011-10-08. Retrieved 2014-11-12..
^"Hokuyo scanning range finder". 2014-11-12. Archived from the original on 2014-11-12. Retrieved 2014-11-12..
^"Autonomous Solutions Forecast 3D Laser System". 2013-01-24. Retrieved 2013-05-06..
^"Products". Velodynelidar.com. Retrieved 2016-02-22..
^"Lidar simulation models". 2018-06-26. Retrieved 2018-06-26..
^Takagi, Kiyokazu; Morikawa, Katsuhiro; Ogawa, Takashi; Saburi, Makoto (2006). Road Environment Recognition Using On-vehicle LIDAR. IEEE Intelligent Vehicles Symposium. doi:10.1109/IVS.2006.1689615. ISBN 978-4-901122-86-3..
^Hasirlioglu, Sinan; Kamann, Alexander; Doric, Igor; Brandmeier, Thomas (2016). "Test methodology for rain influence on automotive surround sensors". Test methodology for rain influence on automotive surround sensors – IEEE Conference Publication (in 英语). pp. 2242–2247. doi:10.1109/ITSC.2016.7795918. ISBN 978-1-5090-1889-5..
^Lindner, Philipp; Wanielik, Gerd (2009). 3D LIDAR Processing for Vehicle Safety and Environment Recognition. IEEE Workshop on Computational Intelligence in Vehicles and Vehicular Systems. doi:10.1109/CIVVS.2009.4938725. ISBN 978-1-4244-2770-3..
^Hwang, Soonmin; Kim, Namil; Choi, Yukyung; Lee, Seokju; So Kweon, In (2016). Fast Multiple Objects Detection and Tracking Fusing Color Camera and 3D LIDAR for Intelligent Vehicles. 13th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI). ISBN 978-1-5090-0821-6..
^Cheng, Ming-Ming; Zhang, Ziming; Lin, Wen-Yan; Torr, Philip (2014). BING: Binarized normed gradients for objectness estimation at 300fps. IEEE Conference on Computer Vision and Pattern Recognition. ISBN 978-1-4799-5118-5..
^Girshick, Ross (2015). Fast R-CNN. IEEE International Conference on Computer Vision (ICCV). pp. 1440–1448. doi:10.1109/ICCV.2015.169. ISBN 978-1-4673-8391-2..
^E. Johnson, Andrew; Hebert, Martial (1999). "Using spin images for efficient object recognition in cluttered 3D scenes". IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). 21 (5): 433–449. doi:10.1109/34.765655. ISSN 0162-8828..
^Xu, Philippe; Davoine, Franck; Denoeux, Thierry (September 2014). "Evidential combination of pedestrian detectors". Proceedings British Machine Vision Conference, BMVA Press..
^Zhou, Kun; Wang, Xiqin; Tomizukat, Masayoshi; Zhang, Wei-Bin; Chant, Ching-Yao (2002). A New Manoeuvring Target Tracking Algorithm with Input Estimation. Proceedings of the 2002 American Control Conference. doi:10.1109/ACC.2002.1024798. ISBN 978-0-7803-7298-6..
^Y. Hata, Alberto; F. Wolf, Denis. "Feature Detection for Vehicle Localization in Urban Environments Using a Multilayer LIDAR". IEEE Transactions on Intelligent Transportation System. 17 (2). ISSN 1558-0016..
^Gibbs, Samuel (7 September 2015). "Hackers can trick self-driving cars into taking evasive action". The Guardian..
^"Lidar Links of Use in Mapping". Lidarbasemaps.org. Retrieved 2016-02-22..
^Councillor Quarterly, Summer 2007 Volume 6 Issue 3.
^Hughes, M. W.; Quigley, M. C; van Ballegooy, S.; Deam, B. L.; Bradley, B. A.; Hart, D. E. (2015). "The sinking city: Earthquakes increase flood hazard in Christchurch, New Zealand". GSA Today. 25 (3): 4–10. doi:10.1130/Geology. Retrieved 2016-02-22..
^Rabatel, Antoine; Deline, Philip; Jaillet, Ste'phane; Ravanel, Ludovic (28 May 2008). "Rock falls in high-alpine rock walls quantified by terrestrial lidar measurements: A case study in the Mont Blanc area". Geophysical Research Letters. 35 (10): L10502. Bibcode:2008GeoRL..3510502R. doi:10.1029/2008GL033424..
^Cunningham, Dickson; Grebby, Stephen; Tansey, Kevin; Gosar, Andrej; Kastelic, Vanja (2006). "Application of airborne LiDAR to mapping seismogenic faults in forested mountainous terrain, southeastern Alps, Slovenia". Geophysical Research Letters (in 英语). 33 (20). doi:10.1029/2006GL027014. ISSN 1944-8007..
^"LIDAR shows where earthquake risks are highest". Seattlepi.com. 2001-04-17. Retrieved 2016-02-22..
^'Mount Saint Helens LIDAR Data', Washington State Geospatial Data Archive (September 13, 2006). Retrieved 8 August 2007..
^'Airborne Topographic Mapper', NASA.gov. Retrieved 8 August 2007..
^"Lecture 14 : Principles of active remote sensing: Lidars and lidar sensing of aerosols, gases and clouds" (PDF). Laser-distance-measurer.com. Retrieved 2016-02-22..
^Li, T. (2011). "Middle atmosphere temperature trend and solar cycle revealed by long-term Rayleigh lidar observations". J. Geophys. Res. 116: D00P05. Bibcode:2011JGRD..116.0P05L. doi:10.1029/2010jd015275..
^Thomas D. Wilkerson, Geary K. Schwemmer, and Bruce M. Gentry. LIDAR Profiling of Aerosols, Clouds, and Winds by Doppler and Non-Doppler Methods, NASA International H2O Project (2002) Archived 2007-08-22 at the Wayback Machine..
^'Earth Explorers: ADM-Aeolus', ESA.org (European Space Agency, 6 June 2007). Retrieved 8 August 2007..
^'Doppler lidar gives Olympic sailors the edge', Optics.org (3 July, 2008). Retrieved 8 July 2008..
^Clive, P. J. M., The emergence of eolics, TEDx University of Strathclyde (2014). Retrieved 9 May 2014..
^Koch, Grady J.; Barnes, Bruce W; Petros, Mulugeta; Beyon, Jeffrey Y; Amzajerdian, Farzin; Yu, Jirong; Davis, Richard E; Ismail, Syed; Vay, Stephanie; Kavaya, Michael J; Singh, Upendra N (2004). "Coherent Differential Absorption Lidar Measurements of CO2". Applied Optics. 43 (26): 5092–5099. Bibcode:2004ApOpt..43.5092K. doi:10.1364/AO.43.005092..
^Abshire, James B.; Ramanathan, Anand; Riris, Haris; Mao, Jianping; Allan, Graham R.; Hasselbrack, William E.; Weaver, Clark J.; Browell, Edward V. (2013-12-30). "Airborne Measurements of CO2 Column Concentration and Range Using a Pulsed Direct-Detection IPDA Lidar". Remote Sensing (in 英语). 6 (1): 443–469. Bibcode:2013RemS....6..443A. doi:10.3390/rs6010443..
^Campbell, Joel F. (2013). "Nonlinear swept frequency technique for CO2 measurements using a CW laser system". Applied Optics. 52 (13): 3100–3107. arXiv:1303.4933. Bibcode:2013ApOpt..52.3100C. doi:10.1364/AO.52.003100. PMID 23669780..
^Dobler, Jeremy T.; Harrison, F. Wallace; Browell, Edward V.; Lin, Bing; McGregor, Doug; Kooi, Susan; Choi, Yonghoon; Ismail, Syed (2013). "Atmospheric CO2 column measurements with an airborne intensity-modulated continuous wave 1.57 μm fiber laser lidar". Applied Optics. 52 (12): 2874–2892. Bibcode:2013ApOpt..52.2874D. doi:10.1364/AO.52.002874. PMID 23669700..
^Riris, Haris; Numata, Kenji; Li, Steve; Wu, Stewart; Ramanathan, Anand; Dawsey, Martha; Mao, Jianping; Kawa, Randolph; Abshire, James B. (2012-12-01). "Airborne measurements of atmospheric methane column abundance using a pulsed integrated-path differential absorption lidar". Applied Optics (in 英语). 51 (34): 8296–305. Bibcode:2012ApOpt..51.8296R. doi:10.1364/AO.51.008296. ISSN 1539-4522. PMID 23207402..
^Strauss, C. E. M. (1994). "Synthetic-array heterodyne detection: a single-element detector acts as an array". Opt. Lett. 19 (20): 1609–1611. Bibcode:1994OptL...19.1609S. doi:10.1364/ol.19.001609. PMID 19855597..
^Mei, Liang (2016-08-08). Remote sensing of atmospheric aerosol and gas using scheimpflug lidar based on diode lasers. Progress in Electromagnetic Research Symposium (PIERS). ISBN 978-1-5090-6094-8..
^Gonglach, Matt. "How Police Laser Guns Work"..
^"Forensics | FARO Technologies"..
^"Areté". Archived from the original on September 4, 2011..
^"NATO Laser Based Stand-Off Detection of biological Agents". Rta.nato.int. Archived from the original on 2011-07-20. Retrieved 2013-05-06..
^"Short-Range Bioaerosol Threat Detection Sensor (SR-BioSpectra)". Ino.ca. Retrieved 2013-05-06..
^"Defense & Security Intelligence & Analysis: IHS Jane's | IHS". Articles.janes.com. Retrieved 2016-02-22..
^Spice, Byron. Researchers Help Develop Full-Size Autonomous Helicopter Archived 2011-06-08 at the Wayback Machine Carnegie Mellon, 6 July 2010. Retrieved: 19 July 2010..
^Koski, Olivia. In a First, Full-Sized Robo-Copter Flies With No Human Help Wired, 14 July 2010. Retrieved: 19 July 2010..
^"Volume Measuring". 3dlasermapping.com. Archived from the original on 2014-04-04. Retrieved 2014-02-17..
^Modular Mining Systems#Autonomous Haulage Systems.
^NASA. 'NASA Mars Lander Sees Falling Snow, Soil Data Suggest Liquid Past' NASA.gov (29 September 2008). Retrieved 9 November 2008..
^"Cloud-Aerosol Lidar with Orthogonal Polarization (CALIOP)". NASA. Retrieved 16 August 2015..
^CW Gowers. ' Focus On : Lidar-Thomson Scattering Diagnostic on JET' JET.EFDA.org (undated). Retrieved 8 August 2007. Archived 9月 18, 2007 at the Wayback Machine.
^Riquelme, A.J.; Abellán, A.; Tomás, R.; Jaboyedoff, M. (2014). "A new approach for semi-automatic rock mass joints recognition from 3D point clouds" (PDF). Computers & Geosciences. 68: 38–52. Bibcode:2014CG.....68...38R. doi:10.1016/j.cageo.2014.03.014. hdl:10045/36557..
^Gigli, G.; Casagli, N. (2011). "Semi-automatic extraction of rock mass structural data from high resolution LIDAR point clouds". International Journal of Rock Mechanics and Mining Sciences. 48 (2): 187–198. doi:10.1016/j.ijrmms.2010.11.009..
^Slob, S. 2010. Automated rock mass characterization using 3D terrestrial laser scanner, Technical University of Delf..
^Riquelme, A.J.; Abellán, A.; Tomás, R. (2015). "Discontinuity spacing analysis in rock masses using 3D point clouds". Engineering Geology. 195: 185–195. doi:10.1016/j.enggeo.2015.06.009. hdl:10045/47912..
^Sturzenegger, M.; Stead, D. (2009). "Close-range terrestrial digital photogrammetry and terrestrial laser scanning for discontinuity characterization on rock cuts". Engineering Geology. 106 (3–4): 163–182. doi:10.1016/j.enggeo.2009.03.004..
^Riquelme, Adrián; Tomás, Roberto; Cano, Miguel; Pastor, José Luis; Abellán, Antonio (2018-05-24). "Automatic Mapping of Discontinuity Persistence on Rock Masses Using 3D Point Clouds". Rock Mechanics and Rock Engineering. 51 (10): 3005–3028. Bibcode:2018RMRE...51.3005R. doi:10.1007/s00603-018-1519-9. ISSN 0723-2632. Archived from the original on 25 May 2018..
^Riquelme, Adrián J.; Tomás, Roberto; Abellán, Antonio (2016-04-01). "Characterization of rock slopes through slope mass rating using 3D point clouds". International Journal of Rock Mechanics and Mining Sciences. 84: 165–176. doi:10.1016/j.ijrmms.2015.12.008. hdl:10045/52313..
^Abellán, A.; Oppikofer, T.; Jaboyedoff, M.; Rosser, N.J.; Lim, M.; Lato, M.J. (2014). "Terrestrial laser scanning of rock slope instabilities". Earth Surface Processes and Landforms. 39 (1): 80–97. Bibcode:2014ESPL...39...80A. doi:10.1002/esp.3493..
^Abellán, A.; Vilaplana, J.M.; Martínez, J. (2006). "Application of a long-range Terrestrial Laser Scanner to a detailed rockfall study at Vall de Núria (Eastern Pyrenees, Spain)". Engineering Geology. 88 (3–4): 136–148. doi:10.1016/j.enggeo.2006.09.012..
^Tomás, R.; Abellán, A.; Cano, M.; Riquelme, A.; Tenza-Abril, A. J.; Baeza-Brotons, F.; Saval, J. M.; Jaboyedoff, M. (2017-08-01). "A multidisciplinary approach for the investigation of a rock spreading on an urban slope". Landslides (in 英语). 15 (2): 199–217. doi:10.1007/s10346-017-0865-0. ISSN 1612-510X..
^"Lidar | NASA Airborne Science Program". airbornescience.nasa.gov. Retrieved 2017-03-20..
^"IfTAS". Iftas.de. Retrieved 2013-05-06..
^Amzajerdian, Farzin; Pierrottet, Diego F.; Petway, Larry B.; Hines, Glenn D.; Roback, Vincent E. (2011-05-24). "Lidar Systems for Precision Navigation and Safe Landing on Planetary Bodies". International Symposium on Photoelectronic Detection and Imaging 2011: Laser Sensing and Imaging; and Biological and Medical Applications of Photonics Sensing and Imaging. 8192: 819202. Bibcode:2011SPIE.8192E..02A. doi:10.1117/12.904062. hdl:2060/20110012163. Retrieved May 24, 2011..
^"NASA – Lidar In-space Technology Experiment (LITE)". Nasa.gov. 2011-08-25. Retrieved 2013-05-06..
^D.M. Winker; R.H. Couch; M.P. McCormick (2011-09-27). "IEEE Xplore – An overview of LITE: NASA's Lidar In-space Technology Experiment". Proceedings of the IEEE. 84 (2): 164–180. doi:10.1109/5.482227..
^Bruce Banerdt, Orbital Laser Altimeter, The Martian Chronicle, Volume 1, No. 3, NASA.gov. Retrieved 11 March 2019..
^NASA, LOLA. Retrieved 11 March 2019..
^John F. Cavanaugh, et al., "The Mercury Laser Altimeter Instrument for the MESSENGER Mission", Space Sci Rev, DOI 10.1007/s11214-007-9273-4, 24 August 2007. Retrieved 11 March 2019..
^Szulwic, Jakub; Burdziakowski, Paweł; Janowski, Artur; Przyborski, Marek; Tysiąc, Paweł; Wojtowicz, Aleksander; Kholodkov, Arthem; Matysik, Krzysztof; Matysik, Maciej (2015). "Maritime Laser Scanning as the Source for Spatial Data". Polish Maritime Research. 22 (4): 9–14. doi:10.1515/pomr-2015-0064..
^"Bathymetric LiDAR". home.iitk.ac.in. Retrieved 2018-01-17..
^Wulder, Michael A; Bater, Christopher W; Coops, Nicholas C; Hilker, Thomas; White, Joanne C (2008). "The role of LiDAR in sustainable forest management". The Forestry Chronicle. 84 (6): 807–826. CiteSeerX 10.1.1.728.1314. doi:10.5558/tfc84807-6. ISSN 0015-7546..
^"CivilMaps.com accelerating road and pavement condition surveys". Civil Maps. 2015-03-15. Archived from the original on 2015-04-02. Retrieved 2015-03-15..
^"Bumper-mounted lasers". Sciencedaily.com. 2007-02-27. Retrieved 2013-05-06..
^U.S. Department of Commerce (14 November 2008). "Automated Surface Observing System (ASOS) Implementation Plan" (PDF). weather.gov..
^Clive, P. J. M., Windpower 2.0: technology rises to the challenge Environmental Research Web, 2008. Retrieved: 9 May 2014..
^Mikkelsen, Torben; et al. (October 2007). "12MW Horns Rev Experiment" (PDF). Risoe. Archived from the original (PDF) on 2011-07-03. Retrieved 2010-04-25..
^"Smarting from the wind". The Economist. 2010-03-04. Retrieved 2010-04-25..
^"The world's first control of a wind turbine with a nacelle-based Lidar system". Corporate Communications University of Stuttgart. 2012-06-05. Retrieved 2014-04-12..
^Andrew K. Scholbrock et al. Field Testing LIDAR Based Feed-Forward Controls on the NREL Controls Advanced Research Turbine National Renewable Energy Laboratory Data Base, 12 April 2014. Retrieved: 12 April 2014..
^Mikkelsen, Torben & Hansen, Kasper Hjorth et al. Lidar wind speed measurements from a rotating spinner Danish Research Database & Danish Technical University, 20 April 2010. Retrieved: 25 April 2010..
^Asimakopolous, M., Clive, P. J. M., More, G., and Boddington, R., Offshore compression zone measurement and visualisation Archived 2014-05-12 at the Wayback Machine European Wind Energy Association Annual Conference, 2014. Retrieved: 9 May 2014..
^Gallacher, D., and More, G., Lidar measurements and visualisation of turbulence and wake decay length Archived 2014-05-12 at the Wayback Machine European Wind Energy Association Annual Conference, 2014. Retrieved: 9 May 2014..
^Clive, P. J. M., et al., Offshore power curve tests for onshore costs: a real world case study Archived 2014-05-12 at the Wayback Machine European Wind Energy Association Annual Conference, 2014. Retrieved: 9 May 2014..
^Clive, P. J. M., Offshore power performance assessment for onshore costs Archived 2014-04-17 at the Wayback Machine DEWEK (Deutsche Windenergie Konferenz), 2012. Retrieved: 9 May 2014..
^Lukač, Niko; Štumberger Gorazd; Žalik Borut (2017). "Wind resource assessment using airborne LiDAR data and smoothed particle hydrodynamics". Environmental Modelling & Software. 95: 1–12. doi:10.1016/j.envsoft.2017.05.006..
^Jochem, Andreas; Höfle Bernhard; Rutzinger Martin; Pfeifer Norbert (2009). "Automatic roof plane detection and analysis in airborne lidar point clouds for solar potential assessment". Sensors. 9 (7): 5241–5262. doi:10.3390/s90705241. PMC 3274168. PMID 22346695..
^Nguyen, Ha T.; Pearce, Joshua M.; Harrap, Rob; Barber, Gerald (2012). "The Application of LiDAR to Assessment of Rooftop Solar Photovoltaic Deployment Potential on a Municipal District Unit". Sensors. 12 (4): 4534–4558. doi:10.3390/s120404534. PMC 3355426. PMID 22666044..
^Nguyen, Ha T.; Pearce, Joshua M. (2012). "Incorporating shading losses in solar photovoltaic potential assessment at the municipal scale". Solar Energy. 86 (5): 1245–1260. Bibcode:2012SoEn...86.1245N. doi:10.1016/j.solener.2012.01.017..
^Jochem, Andreas; Höfle Bernhard; Rutzinger Martin (2011). "Extraction of vertical walls from mobile laser scanning data for solar potential assessment". Remote Sensing. 3 (4): 650–667. Bibcode:2011RemS....3..650J. doi:10.3390/rs3030650..
^Lukač, Niko; Žlaus Danijel; Seme Seme; Žalik Borut; Štumberger Gorazd (2013). "Rating of roofs' surfaces regarding their solar potential and suitability for PV systems, based on LiDAR data". Applied Energy. 102: 803–812. doi:10.1016/j.apenergy.2012.08.042..
^Nick Parish (2008-07-13). "From OK Computer to Roll computer: Radiohead and director James Frost make a video without cameras". Creativity. Archived from the original on 2008-07-17..
暂无