调频连续波激光雷达目标相对距离及径向速度信息提取方法

利用线性调频连续波（LFM/CW）激光雷达进行测量时,相对运动引起的多普勒效应和信息输出延迟都会造成测量结果偏差。分析了多普勒效应和信息输出延迟对测量的影响,提出了基于偏差抵消原理的相对距离及径向速度信息提取方法,根据测量任务需求对该方法和基于二维傅里叶变换的信息提取方法进行了仿真比较。结果表明：基于偏差抵消的信息提取方法不仅可以在相对径向速度未知的情况下准确提取目标相对距离信息,更可在每个调频周期结束后给出测距结果从而提高测距实时性;相比基于二维傅里叶变换的信息提取方法,当相对径向速度小于750 m/s时,基于偏差抵消的信息提取方法可使得测速偏差减小一个数量级。     

北京地区重力波活动及其波谱的季节分布特性研究

利用激光雷达对北京地区上空Na层进行持续观测,通过连续三年累积的夜间观测数据对北京地区重力波活动及其波谱进行研究.根据重力波的线性理论计算,得到北京地区上空的大气密度扰动规律、空间功率谱和时间频率谱.通过选择重力波波长在1~8 km,具有特定波长以及特定周期为60,45,25 min的重力波活动辅助研究重力波的季节变化规律,结果表明北京地区重力波大气密度扰动具有夏季大、冬季小的活动规律.结合波源与背景风场的季节性变化规律,分析得出北京上空重力波活动季节性变化的主要原因为青藏高原地形和对流因素与我国北方地区季节性背景风场共同作用的结果.     

基于瑞利激光雷达对格尔木地区中间层逆温层特征分析

利用MARMOT （Middle Atmosphere Remote Mobile Observatory in Tibet）激光雷达对2014年7月至12月格尔木（36.25°N,94.54°E）上空的中间层逆温层MIL （Mesosphere Inversion Layer）事件进行研究分析.格尔木MIL现象的发生频率为53.8%,其中冬季（12月）发生频率最高,达76%;秋季（9-10月）较高,为60%;夏季（7-8月）发生频率较低,为29%.2014年7月至12月观测到的MIL逆温幅度主要分布在5～20K,平均逆温幅度为15.9K.秋季逆温层底部高度较高,主要分布在77～84km,冬季和夏季逆温层底部高度较低,主要分布在64～74km.逆温层底部高度平均为75.1km.逆温层的平均宽度为8.7km,由夏季到冬季呈递增趋势.      

深度学习在视觉SLAM中应用综述

视觉SLAM一直是近年来火热的研究方向,其处理对象为视觉图像;深度学习在图像处理中展现出的愈加突出的优势,使二者的广泛结合成为了可能.总结了传统SLAM与基于深度学习的SLAM的特点、性质,重点介绍和总结了深度学习在视觉里程计、回环检测中的研究成果,展望了基于深度学习的视觉SLAM的研究发展方向.     

基于激光雷达实测和动力学仿真方法研究中间层顶垂直风扰动特性

利用中国廊坊台站钠荧光多普勒激光雷达82h垂直风和水平风观测数据,统计得到中间层顶区域中存在10m·-1量级的垂直风扰动和纬向风扰动,其中垂直风扰动远远超过平均风速为-0.015m·-1的背景垂直风速.根据三维准单色重力波的极化关系和色散关系,对高中低三种频率重力波产生的垂直风扰动进行仿真,结果显示在满足短周期、大纬向风扰动条件下,高频重力波能够产生最大10m·-1量级的垂直风扰动,中频重力波能够产生10m·-1以内的垂直风扰动,低频重力波能产生1m·-1以内的垂直风扰动.理论条件下准单色重力波能够产生10m·-1量级的垂直风扰动,钠激光雷达观测到的最大10m·-1量级的垂直风扰动真实存在.研究结果可对高层大气垂直风场探测、垂直风场模拟和重力波参数化提供依据.      

车载高精度里程计辅助捷联惯性组合导航系统设计与实验

GPS导航系统虽然精度高、成本低,但易受到工作环境的限制。针对特殊应用环境(如煤矿)提出了一种可工作于复杂环境下的高精度里程计组合导航系统。经过分析、仿真、实验验证,结果表明在无GNSS信号的情况下,所设计的里程计组合导航系统可完成长时间(>1h)、长距离(300m)且高精度(相对误差仅为0.526%)的导航。     

里程计初始标定及误差分析

介绍了里程计的初始标定计算方法,利用该方法计算出里程计刻度系数和 航向安装偏差角。在此基础上建立了里程计刻度系数的标定误差模型和航向安装偏差角 的标定误差模型,分析各因素对里程计刻度系数标定和航向安装偏差角标定的影响,并 对误差模型简化,得出影响里程计标定的主要因素是初始航向角误差和Z 轴陀螺漂移。 最后,进行数学仿真,仿真结果与分析结果一致。     

单光子激光雷达数据去噪与滤波算法

单光子激光雷达获取的点云数据存在大量噪声,这给数据的处理带来了挑战。基于局部距离统计提出了改进的点云去噪算法,对单光子激光雷达点云原始数据进行去噪。然后基于统计分析方法改进了点云滤波算法,对去噪后的点云数据进行滤波处理。利用新提出的算法与传统算法去噪和滤波后得到的点云进行比较,并与传统激光雷达的数字地形模型(DTM)数据进行对比。计算得到MABEL地面点云相对于传统激光雷达高程的均方根误差RMSE为2.98m,相关系数R^2为0.9938。进一步对地面点云插值得到剖面数字高程模型(DEM)数据,其相对于传统激光雷达高程的均方根误差RMSE为2.85m,相关系数R^2为0.9931。实验结果显示,提出的单光子激光雷达点云去噪和滤波算法优于传统算法,与传统激光雷达DTM数据具有较好的相关性,能够精确的恢复地形信息。     

基于点云聚类评估的激光雷达鲁棒定位方法CSCD

基于先验地图的激光雷达定位方法在封闭工业场景下得到了广泛应用,然而环境变化、行人和车辆等动态物体的干扰会影响激光雷达与先验地图的匹配精度。提出了一种动态环境下基于点云聚类评估的三维激光雷达鲁棒定位方法:通过设定角度和距离双阈值,对点云深度图像进行分割聚类,相较于传统分割方法,分割结果对点云噪声更为鲁棒;通过对原始点云进行分割聚类,在粗匹配结果下评估聚类的匹配度,剔除误匹配聚类进行二次匹配以提高匹配精度;通过聚类评估的结果判断匹配成功和失败的点对,进而对点云整体匹配结果的正确性进行评估,相较于传统仅基于距离阈值的判断准则,具有更高的准确性;最终,分别通过公开数据集和实际试验验证了该算法的有效性。试验结果表明,相较于传统匹配方法,该方法有效提高了动态场景下的定位精度和匹配结果评估的准确度,定位误差可以维持在10cm以内。