多普勒测风激光雷达风廓线探测精度对比分析

在晴空干洁的大气条件下,多普勒测风激光雷达能够以较高的时间、空间分辨率,获得大气三维风场信息。为验证北京遥测技术研究所研制的WINDLE LIDAR型多普勒测风激光雷达探测的准确性,2020年4月~5月,用该雷达在北京市南郊观象台和L波段探空雷达进行同时同址对比观测。2022年6月~7月,用该雷达与北京遥测技术研究所的WINDLE U7相干测风激光雷达进行同时同址对比观测。通过对数据进行相关性分析,得到比对结果如下：1）垂直探测距离大于5 km,最大探测高度可达8.5 km;2）与L波段探空雷达对比,风速和风向数据拟合总相关系数分别为0.990和0.998。总体风速和风向的系统偏差、标准偏差分别为0.114 m/s和3.078°、0.489 m/s和3.969°,二者具有较好的一致性;3）与WINDLE U7雷达对比,风速和风向数据拟合总相关系数分别为0.999和0.999。总体风速和风向的系统偏差和标准偏差分别为0.209 m/s和1.077°、0.255 m/s和1.220°,可以看出该雷达系统的优越性。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

基于点云的空间非合作目标位姿测量方法研究

针对模型未知的空间非合作目标的位姿测量问题,提出了基于低成本固态激光雷达的点云配准方法。算法首先根据空间目标的特点,提取平面点与边缘点作为匹配特征点;接着,提出了基于迭代匹配与自回环的位姿求解方案,解决了位姿优化中误匹配与误差累计问题;最后,在气浮台半实物实验校验中,算法解决了固态激光雷达单线收发、不规则采样的问题,实现了实时鲁棒的位姿跟踪,同时降低了跟踪过程中累计误差,测量精度优于现有算法,能够满足对非合作目标相对位姿测量的任务需要。     

多通道高计数率单光子计数系统的设计与实现

光子计数探测具有极高的探测灵敏度，已成为大气探测激光雷达的主流探测手段。设计了一种基于FPGA的8通道高计数率单光子计数系统，提出了一种基于多相时钟过采样的光子脉冲检测方法，实现了2 ns的光子脉宽分辨率、200 MCPS的光子计数率、无死时间的连续多通道同步计数，具有高计数率、高实时性、高集成度的特点。系统已装备于北京遥测技术研究所研制的多波长拉曼偏振大气探测激光雷达中，在激光雷达大气遥感中发挥了重要作用。     

发现号执行STS-64任务

发现号执行ＳＴＳ－６４任务按计划，１９９４年９月９日发现号航天飞机执行ＳＴＳ－６４飞行任务，这也是发现号第１９次飞行，其目的是在一次为期９天的地球观测中进行激光雷达（Ｌｉｄａｒ）技术实验并在倾角５７”的轨道上进行科学飞行，其机组人员为６人。激光雷达组...     

空间雷达观测大气环境技术

目前空间遥感技术的不足之处是,在垂直方向探测大气的分辨率不高,只有几千米分辨率,而水平方向可达到几米分辨率。近年各国都在积极开展研究空间探测雷达(Light Detection and Ranging,或称激光雷达),它是以激光为光源的有源遥感器,可连续测定物质的密度及其组成和温度在三维空间分布的情况。     

武汉上空对流层与平流层大气密度和温度探测的初步结果

利用武汉大学Rayleieh/钠荧光散射激光雷达和无线电探空仪进行联合探测的数据,反演出武汉地区上空(30.5°N,114.4°W)0—65km处的密度和温度分布曲线,并简单阐述了激光雷达的工作原理。将测量结果和MSISE-90参考大气模式比较,二者结果基本符合,温度廓线在中层顶附近和模式的差别约为3K。同时利用激光雷达探测到了中层大气中的重力波活动。     

美国发射"云卫星"和"卡利普索""地球观测系统"又添2颗重要卫星

□□经过多次推迟, "地球观测系统"(EOS)中的2颗重要卫星--"云卫星"(Cloudsat)和"云-气溶胶激光雷达和红外探测者观测卫星"(CALIPSO,音译为"卡利普索"),终于在2006年4月28日由德尔他-2火箭发射升空了.它们可对地球的云层和浮质进行新型的三维观测,解决云和浮质如何形成、发展,并影响水资源供应、气候、天气、空气质量的疑问.     

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。