OFweek激光网讯：于2016年4月17日在美国马里兰州巴尔的摩召开的激光雷达技术与应用会议，会议议题包括：单光子传感系统、空间应用、数据处理及计算、先进组件技术及系统、3D成像与测距、光谱应用，本报选取SPIE 9832卷文章摘要摘译如下：　　1、美国Exciting Technology有限责任公司的Paul F. McManamon等人发表题为《非扫描激光雷达探测器的方案比较》文章。　　本文将讨论多个非扫描激光雷达摄像机方案，并通过计算在特定条件下某一区域所需能量来比较灵敏度。作者定义两个基本场景，在每个场景下分别观察无遮挡地面的三维成像，具有64灰度等级或6位灰度的3D成像，每个探测器元件有来自不同范围的3个回波脉冲的3D成像，以及有灰度等级且每个探测器有多个回波的3D成像。作者比较了盖革模式雪崩光电二极管（GMAPDs）、线性模式雪崩光电二极管（LMAPDs），以及传统上用于2D成像但结合快速偏振旋转级可用于3D成像的低带宽摄像机。　　2、美国Woolpert公司的Joshua Gluckman发表题为《高海拔、机载、单光子雷达测绘仪器的处理链路设计》文章。　　采用单光子敏感的阵列探测器处理从高海拔、机载激光雷达仪器获取的数据存在一些挑战：阵列探测器产生大量的数据；单光子敏感探测器产生高层噪声；高海拔操作难以实现精确的地理定位。为了应对这些挑战，作者为高海拔、单光子、机载雷达测绘仪器研制了一套独特的高度自动化的处理链路。处理链路包括用于重合处理、降噪、自校准、数据拼接和地理定位精确度增强的算法。和所有单光子敏感系统一样的是较高的背景光子噪声水平。在处理链路中的关键一步是用于密度估计的快速准确的算法，用来将激光雷达信号从背景光子噪声中分离出来，从而允许使用宽量程门并实现系统白天运行。额外的滤波算法用于去除或减少系统和探测器的其它噪声。利用仪器的圆锥扫描方式的优化算法被用于改善地理定位和自校准系统。　　3、奥地利RIEGL激光测量系统有限公司的A. Ullrich等人发表题为《线性激光雷达与盖革模式激光雷达：对数据属性和数据质量的影响》文章。　　激光雷达已成为快速可靠地提供精确的3D数据必不可少的技术，即使是在不良测量情况和恶劣环境中。它能提供高精确的点云，且每个点有相当数量的额外有价值的属性。基于盖革模式雪崩光电二极管阵列，也称为单光子雪崩光电二极管阵列的激光雷达系统早期被用于军事应用，现在希望进入三维数据采集的商业市场，相对于传统技术，广告显示在更长的距离有更高的点采集速度。出版物指出了这些新系统相对于另一种激光雷达类别“线性激光雷达”的优点，因为用于检测激光回波脉冲的首要接收器元件（雪崩光电二极管）运行在线性模式下，故称为线性激光雷达。作者分析了两种激光雷达的技术之间的差异，和它们各自所提供的数据的基本差异。也讨论了物理学对这两种LIDAR方案施加的限制，并对线性激光雷达相对于光子计数方法的优点进行了讨论。　　4、法国国家航空航天科研局ONERA的Antoine Coyac等人发表题为《使用GmAPD阵列进行三维激光成像的模拟和实验比较：应用于长程探测》文章。　　在本文中，作者说明使用盖革模式雪崩光电二极管（GmAPD）阵列进行长达数千米的远距离探测的可行性及好处。文中描述对盖革检测传感器的模拟，这是作者的端到端激光模拟器的一部分，用来从合成场景中生成模拟三维激光图像。产生的三维点云与用GmAPD 3D相机对相似的场景进行的实验采集进行了比较。给出了长距离探测的运行情况：在地面上方伸出的铜电缆，1公里远的实验系统，保持水平的视线（LOS）。从远距离观察这样的小物体有力的证明了GmAPD焦平面阵列可以很容易地用于从机载平台以良好的空间和时间分辨率来实时进行3D测绘或监控应用。　　5、美国犹他州州立大学的Scott E. Budge等人发表题为《对用于行星着陆过程中自主导航和危险避免的多普勒激光雷达系统的模拟》文章。　　探索太阳系天体的最新计划建议书要求下降阶段准确的位置和速度数据，以确保在预先指定的地点安全软着陆。在着陆演习中，机载惯性测量单元（IMU）的精确度可能不可靠，因到达目的地延长的旅行时间内的漂移。美国宇航局（NASA）已经提出了多个光束的先进多普勒雷达系统，可用于在下降过程中准确地确定着陆器的状态和位置，并检测在该着陆区域中可能存在的危险。为了评估这种多普勒雷达着陆系统的有效性，以不同的光束数量和配置模拟系统是有意义的。此外，必须掌握该系统的检测和测绘潜在着陆危险的有效性。本文报道了使用LadarSIM系统仿真软件模拟多束激光雷达多普勒系统性能。文中给出了模拟方法的细节，以及激光雷达的性能参数，如距离和速度的精度、检测和误报警率、多普勒激光雷达在着陆点检测和表征模拟的危险的能力的例子。模拟包括调制脉冲产生和相干检测方法、光束足迹模拟、光束扫描和与地形的相互作用。　　6、美国航天局Langley 研究中心的Vincent E. Roback等人发表题为《三维非扫描激光雷达在Morpheus项目自主火箭推进着陆器着陆到类月障碍区域飞行测试中的性能》文章。　　这是3D非扫描成像激光雷达仪器第一次用于飞行中扫描类月球障碍区域，构建3D数字高度图（DEM），以确保安全着陆点，并与实验制导、导航和控制系统保持一致，帮助引导Morpheus项目自主火箭推进、自由飞行着陆器在障碍区域着陆到安全地点。自主精确着陆和危险探测与规避技术（ALHAT）系统的TRL6演示飞行测试，包括从NASA-Kennedy发射，从250米高度的类月球下降轨迹，类月障碍区域如岩石、火山口、危险斜坡的着陆，安全位置在400米以下范围。ALHAT项目开发了一套在任何照明条件下在行星挑战性地形上安全、精确载人或机器着陆的系统。非扫描激光雷达是第二代、结构紧凑、实时空气冷却仪器。根据飞行范围内广泛的地面表征，非扫描激光雷达能够对倾斜范围1千米的障碍成像，具有8厘米不等精度和精度范围优于35厘米，都是在1-σ。非扫描激光雷达能识别最小30厘米的登陆障碍，Morpheus项目能达到的最大倾斜范围为450米，然而，在某些风力条件下很容易有火箭发动机加热空气所产生的闪烁，和被在发射和风导致的试验飞行方向传输期间创建的尘云预先触发。　　7、美国罗彻斯特理工学院的Colin Axel等人发表题为《自然灾害后道路碎片的遥感检测和量化》文章。　　迅速了解公路网情况对于任何重大灾难后制定高效的应急预案都是至关重要的。倒下的建筑物，不动的车辆，以及其他形式的碎片往往使急救人员在道路上无法通行。道路的状态一般是通过费时费力的方法来确定，比如实地调查和对遥感影像的人工解读。机载激光雷达系统提供一个用于执行道路网评估的低成本可选方案。宽范围内的3D数据可以快速地收集提供有关场景的几何形状和结构的有价值信息。本文提出了一种使用机载激光雷达数据自动检测和表征道路碎片的方法。将落入该道路范围内的点从点云中提取出来，使用区域生长聚合为单个对象。使用表面性能和上下文线索，对象被分类为碎片或非碎片。碎片堆使用α形状来重建表面，从而可以估算该碎片的体积。文中给出自然灾害发生后采集的实时激光雷达数据结果，初步结果表明，准确碎片地图可以使用所提出的方法来自动生成。尽管在残缺的交通网络下，这些碎片的地图对于试图找到幸存者的灾害管理和应急小组将是一 个非常宝贵的资产。　　8、美国亚利桑那大学光学科学学院的Walter D. Zacherl等人发表题为《在受限的、隧道状环境中记录激光雷达数据的自动化方法》文章。　　为具有高长宽比几何尺寸、运行在曲线坐标的数据，专门定制了一种自动记录激光雷达数据集的方法。放宽了其它算法中角度要求的典型的邻近数据集之间的最小变化。范围的数据用一系列离散的高斯和高斯滤波器的导数来滤波以形成二阶泰勒级数逼近至每个采样点的表面。计算了相对于表面法线的主曲率，并跨越相邻数据集比较，以确定同源性和最适合的转移矩阵。该方法减少了对原始数据量的要求和处理时间。　　9、瑞典FOI国防研究署的Ove Steinvall等人发表题为《识别小目标的激光测距分析》文章。　　出于对海军安全的考虑，对远距离探测和分类小表面的目标与机载目标有了日渐增强的需求。由于对非常高的横向传感器分辨率的要求，小目标的远距离ID或更近距离ID在成像上有其局限性。也因此激发了为目标ID研发一维激光技术的需求。这些措施包括振动测量，以及激光测距分析。振动测量可以得到好的结果，但也对视场中目标上的特定振动部件敏感。激光测距分析是有吸引力的，因为最大的范围可以很大，尤其是当激光束宽度很小的时候。距离分析器也可以用在扫描模式下用于检测某个扇区内的目标。当目标更接近且是角分辨时，相同的激光也可以用于主动成像。本论文将展示对6-7公里范围内小型船只，和近距离（1.3公里）无人机样机的激光测距分析的实验和模拟结果。用该分析系统作者同时对目标探测和识别获得了良好的效果。基于目标的CAD模型来比较实验和模拟测距的波形，支持分析系统作为第一识别传感器的想法，从而缩小基于在近范围成像的自动目标识别的搜索空间。海军实验在波罗的海进行，分析系统旁边有许多其他主动和被动电光传感器。文中将讨论激光分析和成像系统之间的数据融合。另外无人机实验在FOI屋顶的实验室进行。　　10、美国德克萨斯大学奥斯汀分校的Lori A. Magruder等人发表题为《三维点云自动化特征提取》文章。　　光探测和测距（LIDAR）技术为各种应用提供以厘米级精度迅速捕捉高分辨率的3维表面数据的能力。由于激光雷达系统的树叶穿透特性，这些地理空间数据集可以探测到树木下边的地表面，从而产生高保真的光秃大地高程模型。地面的精确表征允许在点云内识别出地形和非地形点，并有利于仅基于结构方面和相对邻近参数在天然和人造物体之间进一步辨别。这里给出一个框架，用来在不依赖于重合邻图像或点RGB属性的情况下自动提取自然及人造的特征。TEXAS（地形提取与分割）算法首先从激光雷达测量中生成裸露地表，然后用来区分点是地形或非地形。进一步的分类是利用局部空间信息来分配点级别。相似的分类的点，然后聚集到一个区域来识别单个的特征。产生每个区域的空间属性的描述，用来识别个别树的位置，森林区段，建筑物占据区域，和三维建筑物形状，以及其他的类型。然后将全自动化的特征提取算法的结果与地面实况进行比较，以评估方法的完整性和准确性。 1  2  3