同步定位与地图构建方法(Simultaneous Localization and Mapping,SLAM)作为环境感知与地图构建的关键技术,具有灵活高效的特点。但是传统的背包式激光雷达存在点云特征不完整和数据噪声大导致的点云分层等问题,导致系统无法进行精确定...同步定位与地图构建方法(Simultaneous Localization and Mapping,SLAM)作为环境感知与地图构建的关键技术,具有灵活高效的特点。但是传统的背包式激光雷达存在点云特征不完整和数据噪声大导致的点云分层等问题,导致系统无法进行精确定位与建图。为了提升自主定位精度,本文采用机器人操作系统搭建自主定位框架,融合激光雷达、惯性测量单元和全球卫星导航系统(Global Navigation Satellite System,GNSS)等多传感器数据,采用基于图优化的SLAM算法实现环境地图构建与系统位姿估计。实验结果表明,相较于传统SLAM算法,改进后的SLAM算法在融合GNSS数据后在轨迹X轴误差上降低了39%,Y轴误差上降低了30%,在平面定位精度上误差降低了73%,同时,在高程定位精度上有63%的提升,在建图精度上有明显提高,为背包测量系统在复杂环境中的应用提供了新思路。展开更多
高光谱遥感广泛采用无人机作为飞行平台进行数据采集,具有灵活高效的优点。受无人机性能以及环境天气的影响,采集过程中传感器难以保持固定的拍摄姿态,导致数据产生一定的错位扭曲和变形,虽然无人机载定位系统和惯性测量装置为高光谱相...高光谱遥感广泛采用无人机作为飞行平台进行数据采集,具有灵活高效的优点。受无人机性能以及环境天气的影响,采集过程中传感器难以保持固定的拍摄姿态,导致数据产生一定的错位扭曲和变形,虽然无人机载定位系统和惯性测量装置为高光谱相机提供了实时位置和姿态,但受定位测姿精度的限制往往需要采集大量地面控制点进行辅助几何校正,耗费大量时间和人力。为了高效省时消除高光谱数据在采集过程中产生的畸变,基于共线方程原理,设计了一种无人机载推扫式高光谱相机数据采集系统,集成高精度惯性测量系统,并同步采集测区激光雷达(light detection and ranging,LiDAR)点云数据,利用激光点云中蕴含的高精度地形信息进行高光谱数据几何校正,并研究不同密度点云数据对于几何校正结果的影响。实验表明,使用LiDAR点云相对于使用平均高程几何校正结果精度提升了67%,利用激光雷达和高光谱相机同步采集对于提高高光谱数据精度有着显著效果。展开更多
时空融合技术通过输出高时空分辨率的遥感图像,为持续监测研究地球系统动态变化提供了经济高效的解决方案。尽管该技术已发展出STARFM、ESTARFM等多种时空融合方法,但对于复杂地表区域仍存在空间细节和纹理难以准确模拟和预测的问题。...时空融合技术通过输出高时空分辨率的遥感图像,为持续监测研究地球系统动态变化提供了经济高效的解决方案。尽管该技术已发展出STARFM、ESTARFM等多种时空融合方法,但对于复杂地表区域仍存在空间细节和纹理难以准确模拟和预测的问题。文章提出一种适用于复杂地表的时空数据融合方法(Adapted Complex Land Spatiotemporal Data Fusion,ACLSDF),该方法通过线性回归和引导滤波分别计算时间和空间变化量,再通过变化指数为发生地表覆盖类型变化的像元赋予不同的时间空间权重,最后结合时间空间变化和变化指数计算最终预测值。为了评估ACLSDF方法在异质性区域的性能,文章进行了ACLSDF融合结果与地面实测光谱数据的对比分析试验,结果表明:ACLSDF方法在复杂地表区域融合结果相关系数高于0.93,均方根误差低于0.07,结构相似性均在0.98以上,与地面实测光谱数据的均方根误差均小于0.04,仅次于“高分一号”宽幅相机(GF-1 WFV)原始影像,证实了该方法的可行性和有效性。展开更多
文摘高光谱遥感广泛采用无人机作为飞行平台进行数据采集,具有灵活高效的优点。受无人机性能以及环境天气的影响,采集过程中传感器难以保持固定的拍摄姿态,导致数据产生一定的错位扭曲和变形,虽然无人机载定位系统和惯性测量装置为高光谱相机提供了实时位置和姿态,但受定位测姿精度的限制往往需要采集大量地面控制点进行辅助几何校正,耗费大量时间和人力。为了高效省时消除高光谱数据在采集过程中产生的畸变,基于共线方程原理,设计了一种无人机载推扫式高光谱相机数据采集系统,集成高精度惯性测量系统,并同步采集测区激光雷达(light detection and ranging,LiDAR)点云数据,利用激光点云中蕴含的高精度地形信息进行高光谱数据几何校正,并研究不同密度点云数据对于几何校正结果的影响。实验表明,使用LiDAR点云相对于使用平均高程几何校正结果精度提升了67%,利用激光雷达和高光谱相机同步采集对于提高高光谱数据精度有着显著效果。
文摘时空融合技术通过输出高时空分辨率的遥感图像,为持续监测研究地球系统动态变化提供了经济高效的解决方案。尽管该技术已发展出STARFM、ESTARFM等多种时空融合方法,但对于复杂地表区域仍存在空间细节和纹理难以准确模拟和预测的问题。文章提出一种适用于复杂地表的时空数据融合方法(Adapted Complex Land Spatiotemporal Data Fusion,ACLSDF),该方法通过线性回归和引导滤波分别计算时间和空间变化量,再通过变化指数为发生地表覆盖类型变化的像元赋予不同的时间空间权重,最后结合时间空间变化和变化指数计算最终预测值。为了评估ACLSDF方法在异质性区域的性能,文章进行了ACLSDF融合结果与地面实测光谱数据的对比分析试验,结果表明:ACLSDF方法在复杂地表区域融合结果相关系数高于0.93,均方根误差低于0.07,结构相似性均在0.98以上,与地面实测光谱数据的均方根误差均小于0.04,仅次于“高分一号”宽幅相机(GF-1 WFV)原始影像,证实了该方法的可行性和有效性。
