检索结果-南通市图书馆

Distribution and transport characteristics of fine particulate matter in beijing with mobile LiDAR measurements from 2015 to 2018

引用

Journal of Environmental Sciences 2022年第5期34卷 65-75页

作者： Lihui Lv Tianshu Zhang Yan Xiang Wenxuan Chai Wenqing Liu Information Materials and Intelligent Sensing Laboratory of Anhui Province Institutes of Physical Science and Information TechnologyAnhui UniversityHefei 230601China Key Laboratory of Environmental Optics and Technology Anhui Institute of Optics and Fine MechanicsChinese Academy of SciencesHefei 230031China China National Environmental Monitoring Centre Beijing 100012China

Accurately quantifying the concentration and transport flux of atmospheric fine particu-late matter(PM_(2.5))is vital when attempting to thoroughly identify the pollution formation mechanism.In this study,the mobile LiDAR measurements in Beijing on heavily polluted days in December from 2015 to 2018 are presented.The LiDAR was mounted on a vehicle,which could perform measurements along designated routes.On the basis of mobile LiDAR mea-surements along closed circuits of the 6th Ring Road around Beijing,the spatial distribution and transport flux of PM_(2.5) in Beijing were determined with information of wind field.In the spatial distribution,both the concentration and transport of PM_(2.5) were revealed to be more significant in the southern section of Beijing.The regional transport layer at heights<1.3 km plays an important role in pollution formation.The maximum transport flux reached 1600μg/(m^(2)*sec)on 11 December 2016.With the aerosol boundary layer height determined from the image edge detection(IED)method,the inter-annual variations of the aerosol boundary layer height(ABLH)were also analysed.The ABLH decreased from 0.73 to 0.46 km during the same heavy pollution period from 2015 to 2018.Increasingly adverse aerosol boundary layer(ABL)meteorological factors,including lower ABLH,light winds,temperature inversions,and accumulated moisture,have become necessary for pollution formation in Beijing.

关键词： Aerosol PM_(2.5) Regional transport LiDAR Mobile measurement

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

LiDAR Is Effective in Characterizing Vine Growth and Detecting Associated Genetic Loci

引用

Plant Phenomics 2023年第4期5卷 836-851页

作者： Elsa Chedid Komlan Avia Vincent Dumas Lionel Ley Nicolas Reibel Gisèle Butterlin Maxime Soma Raul Lopez-Lozano Frédéric Baret Didier Merdinoglu Éric Duchêne INRAE University of StrasbourgUMR SVQV28rue de Herrlisheim68000 ColmarFrance INRAE UEAV28rue de Herrlisheim68000 ColmarFrance INRAE Aix-Marseille UniversitéUMR RECOVER3275 Route de Cézanne13182 Aix-en-ProvenceFrance INRAE Avignon UniversitéUMR EMMAHUMT CAPTE228route de l'aérodrome84914 AvignonFrance

The strong societal demand to reduce pesticide use and adaptation to climate change challenges the capacities of phenotyping new varieties in the vineyard.High-throughput phenotyping is a way to obtain meaningful and reliable information on hundreds of genotypes in a limited period.We evaluated traits related to growth in 209 genotypes from an interspecific grapevine biparental cross,between IJ119,a local genitor,and Divona,both in summer and in winter,using several methods:fresh pruning wood weight,exposed leaf area calculated from digital images,leaf chlorophyll concentration,and LiDAR-derived apparent volumes.Using high-density genetic information obtained by the genotyping by sequencing technology(GBS),we detected 6 regions of the grapevine genome[quantitative trait loci(QTL)]associated with the variations of the traits in the progeny.The detection of statistically significant QTLs,as well as correlations(R^(2))with traditional methods above 0.46,shows that LiDAR technology is effective in characterizing the growth features of the grapevine.Heritabilities calculated with LiDAR-derived total canopy and pruning wood volumes were high,above 0.66,and stable between growing seasons.These variables provided genetic models explaining up to 47%of the phenotypic variance,which were better than models obtained with the exposed leaf area estimated from images and the destructive pruning weight measurements.Our results highlight the relevance of LiDAR-derived traits for characterizing genetically induced differences in grapevine growth and open new perspectives for high-throughput phenotyping of grapevines in the vineyard.

关键词： LiDAR traits hundreds

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Performance of LiDAR-SLAM-based PNT with initial poses based on NDT scan matching algorithm

引用

Satellite Navigation 2023年第1期4卷 113-127,I0004页

作者： Kaiwei Chiang Yuting Chiu Surachet Srinara Menglun Tsai Department of Geomatics Taiwan Cheng Kung UniversityNo.1Daxue Rd.East Dist.Tainan City 701TaiwanChina High Defnition Map Research Center Department of GeomaticsTaiwan Cheng Kung UniversityNo.1DaxueRd.East Dist.Tainan City 701TaiwanChina

To achieve higher automation level of vehicles defned by the Society of Automotive Engineers,safety is a key requirement afecting navigation accuracy.We apply Light Detection and Ranging(LiDAR)as a main auxiliary sensor and propose LiDAR-based Simultaneously Localization and Mapping(SLAM)approach for Positioning,Navigation,and Timing.Furthermore,point cloud registration is handled with 3D Normal Distribution Transform(NDT)method.The initial guess of the LiDAR pose for LiDAR-based SLAM comes from two sources:one is the diferential Global Navigation Satellite System(GNSS)solution;the other is Inertial Navigation System(INS)and GNSS integrated solution,generated with Extended Kalman Filter and motion constraints added,including Zero Velocity Update and Non-Holonomic Constraint.The experiment compares two initial guesses for scan matching in terms navigation accuracy.To emphasize the importance of a multi-sensor scheme in contrast to the conventional navigation method using the stand-alone system,the tests are conducted in both open sky area and GNSS signal block area,the latter might cause Multipath and Non-Line-Of-Sight efects.To enhance the navigation accuracy,the Fault Detection and Exclusion(FDE)mechanism is applied to correct the navigation outcome.The results show that the application of NDT and FDE for INS/GNSS integrated system can not only reach where-in-lane level navigation accuracy(0.5 m),but also enable constructing the dynamic map.

关键词： 3D NDT FDE INS/GNSS LiDAR PNT SLAM

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Extraction and analysis of tree canopy height information in high-voltage transmission-line corridors by using integrated optical remote sensing and LiDAR

引用

Geodesy and Geodynamics 2023年第3期14卷 292-303页

作者： Jinpeng Hao Xiuguang Li Hong Wu Kai Yang Yumeng Zeng Yu Wang Yuanjin Pan State Grid Ningxia Electric Power Research Institute Yinchuan 750011China School of Electrical Engineering and Automation Wuhan UniversityWuhan 430061China School of Geodesy and Geomatics Wuhan UniversityWuhan 430079China Hubei LuoJia Laboratory Wuhan UniversityWuhan 430079China

Traditional inspection methods cannot quickly and accurately monitor tree barriers and safeguard the transmission lines.To solve these problems,in this study,we proposed a rapid canopy height information extraction method using optical remote sensing and LiDAR,and used UAV optical imagery with LiDAR to monitor the height of trees in a university and a high-voltage transmission line corridor in the Ningxia region.The results showed that the relative error of tree height extraction using UAV optical images was less than 5%,and the lowest relative error was 0.11%.The determination coefficient R^(2) between the optical image tree height extraction results and the measured tree height was 0.97,thus indicating a high correlation for both.In the field of tree barrier monitoring,the determination coefficient R^(2) of tree height extracted using airborne LiDAR point cloud,and canopy height model(CHM)and of the measured tree height were 0.947 and 0.931,respectively.The maximum and minimum relative error in tree height extraction performed using point cloud was 2.91%and 0.2%,respectively,with an extraction accuracy of over 95%.The experimental results demonstrated that it is feasible to use UAV optical remote sensing and LiDAR in monitoring tree barriers and tree height information extraction quickly and accurately,which is of great significance for the risk assessment and early warning of tree barriers in transmission-line corridors.

关键词： UAV LiDAR Power line Tree height

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

无人机激光雷达点云密度对森林遥感反演指数提取的影响

引用

武汉大学学报（信息科学版） 2023年第12期48卷 1923-1930页

作者：段祝庚吴凌霄江学良中南林业科技大学土木工程学院湖南长沙410082

点云密度是激光雷达(light detection and ranging,LiDAR)技术的重要参数,对森林遥感反演指数的提取有重要影响。以1600 m×1450 m大小的无人机(unmanned aerial vehicle,UAV)LiDAR数据为实验数据,采用分级随机抽稀法对实验数据进行抽稀... 详细信息

点云密度是激光雷达(light detection and ranging,LiDAR)技术的重要参数,对森林遥感反演指数的提取有重要影响。以1600 m×1450 m大小的无人机(unmanned aerial vehicle,UAV)LiDAR数据为实验数据,采用分级随机抽稀法对实验数据进行抽稀,获取不同密度的点云数据集,利用不同密度数据集提取郁闭度、间隙率、叶面积指数、点云高度和密度分位数等森林遥感反演指数,并与原始数据提取的森林遥感反演指数进行差值比较。(1)当点云密度较小时,提取的郁闭度略微偏低,而间隙率略微增加,点云密度对郁闭度、间隙率的影响极小。(2)当点云密度较大时,对叶面积指数的影响不大,但当点云密度较小时,对叶面积指数的影响较大,个别区域可能出现叶面积指数突变。(3)当点云密度较大时,点云密度对高度、密度分位数的影响不明显,但当点云密度降至3.6点/m2时,可能会出现个别区域密度、高度密度分位数突变的情况。点云密度对森林遥感反演指数有重要影响,合适的点云密度有利于更准确地描述森林结构形态,过小的点云密度影响森林遥感反演指数的提取。

关键词： LiDAR 点云密度森林遥感反演指数 UAV

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于最小化各向同性误差的LiDAR-双目相机标定方法

引用

华南理工大学学报（自然科学版） 2023年第2期51卷 1-9页

作者：陈忠刘梓琛张宪民华南理工大学机械与汽车工程学院广东广州510640

LiDAR(Laser Imaging,Detection,and Ranging,激光雷达)与双目相机的多模态数据融合是3D重建领域的一个重要研究方向,两种传感器各有优缺点,通过多模态数据融合可以实现互补,获得更好的重建效果。为了实现数据融合,首先需要将两种数据... 详细信息

LiDAR(Laser Imaging,Detection,and Ranging,激光雷达)与双目相机的多模态数据融合是3D重建领域的一个重要研究方向,两种传感器各有优缺点,通过多模态数据融合可以实现互补,获得更好的重建效果。为了实现数据融合,首先需要将两种数据统一到同一个坐标系下,LiDAR与相机之间外参的高精度标定结果对后续的3D重建十分重要。在LiDAR与相机的外参标定过程中,受LiDAR点云的稀疏性与其定位误差的影响,提取精确的特征点并构建正确的点对应关系是一个挑战性的问题。此外,LiDAR在球坐标系下完成测量工作,而大多数标定方法忽略这一特性,直接使用笛卡尔坐标测量结果进行标定,引入了沿坐标轴各向异性分布的误差,导致标定精度下降。针对该问题,有研究者提出了各向异性权重方法,但仍存在一些缺陷。文中提出了一种最小化LiDAR球坐标误差的LiDAR与双目相机标定方法。首先,提出了一种使用形心特征点的新的标定板,改善特征点的提取精度;其次,将各向异性的LiDAR笛卡尔坐标误差转换为各向同性的球坐标误差,直接最小化球坐标误差求解外参。实验研究表明,本文提出的各向同性误差法相比各向异性权重方法保证求解结果为全局最优,且在牺牲部分精度的前提下所需标定样本数大幅减少,在最优标定误差为2.75 mm的情况下牺牲3.6%的精度能够减少约54.5%的数据量。

关键词： LiDAR 双目相机各向异性标定

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

联合LiDAR、高光谱数据及3D-CNN方法的树种分类

引用

林业科学 2023年第3期59卷 73-83页

作者：毛英伍郭颖张王菲苏勇关塬西南林业大学林学院昆明650224 中国林业科学研究院资源信息研究所北京100091

【目的】探究三维卷积神经网络(3D-CNN)在高光谱数据支持的树种分类中的有效网络构建方式,以提高树种分类精度。【方法】以美国加利福尼亚州内华达山脉南部为研究区,LiDAR数据获取的森林冠层高(CHM)进行单木分割并以此为补充建立样本,... 详细信息

【目的】探究三维卷积神经网络(3D-CNN)在高光谱数据支持的树种分类中的有效网络构建方式,以提高树种分类精度。【方法】以美国加利福尼亚州内华达山脉南部为研究区,LiDAR数据获取的森林冠层高(CHM)进行单木分割并以此为补充建立样本,改进一种结构更简单、分类精度更高且无需对高光谱数据进行预处理的3D-CNN网络结构用于森林树种识别。【结果】相较于常规机器学习分类方法【支持向量机(SVM),随机森林(RF)】、传统二维卷积神经网络模型(2D-CNN)及最新多光谱分辨率三维卷积神经网络(MSR 3D-CNN)模型,本研究提出的3D-CNN模型对树种总体分类精度为99.79%,平均交并比(MIoU)为99.53%。与SVM和RF分类结果相比,本研究构建的3D-CNN模型总体分类精度提高5%左右,且具有对树种边界提取更加准确、椒盐现象更少发生的特点;与2D-CNN相比,总体分类精度提高10%左右,MIoU提高7%左右;与MSR 3D-CNN相比,总体精度相差不大,但在训练和测试过程中,本模型耗时远远小于MSR 3D-CNN模型。【结论】本研究改进的3D-CNN模型结构能够高效对原始高光谱影像进行树种分类并制图,可有效提高树种分类的精度。

关键词：高光谱 LiDAR 卷积神经网络树种分类 3D-CNN

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

无人机高光谱联合LiDAR估测林分与单木尺度叶绿素含量

引用

应用生态学报 2023年第8期34卷 2101-2112页

作者：杨涛于颖杨曦光杜红萱东北林业大学森林生态系统可持续经营教育部重点实验室哈尔滨150040

叶绿素是表征植被健康状况的重要指标,它的准确估计对森林碳汇评价研究至关重要。本研究通过无人机高光谱数据联合激光雷达点云估计针叶林、阔叶林和针阔混交林林分与单木水平的叶绿素含量,提升叶绿素无损估测精度,全面分析不同尺度叶... 详细信息

叶绿素是表征植被健康状况的重要指标,它的准确估计对森林碳汇评价研究至关重要。本研究通过无人机高光谱数据联合激光雷达点云估计针叶林、阔叶林和针阔混交林林分与单木水平的叶绿素含量,提升叶绿素无损估测精度,全面分析不同尺度叶绿素含量空间分布规律。在无人机高光谱数据与激光雷达点云融合的基础上,结合地面样地实测数据,通过相关性分析筛选与叶绿素含量相关的36个光谱特征变量,采用统计模型多元逐步回归、BP神经网络、萤火虫算法优化的BP神经网络、随机森林和混合数据驱动的机理模型PROSPECT模型构建多个叶绿素估算模型,选取最优模型估算森林叶绿素含量,分析其在林分和单木尺度上水平方向与垂直方向的空间分布规律。结果表明:在统计模型中,随机森林(R^(2)=0.59~0.64,RMSE=3.79~5.83μg·cm^(-2))优于多元逐步回归、BP神经网络和萤火虫算法优化的BP神经网络构建的模型;机理模型验证精度最高(R^(2)=0.97,RMSE=3.40μg·cm^(-2))。不同林分类型叶绿素的含量存在较大差异,阔叶林叶绿素含量为25.25~31.60μg·cm^(-2),高于针阔混交林(13.52~23.93μg·cm^(-2))和针叶林(6.40~13.71μg·cm^(-2)),在垂直方向上,各林分间叶绿素含量存在显著差异。不同单木树种在水平方向上表现为冠层内部的叶绿素含量比冠层外部低,在垂直方向上,樟子松各冠层间叶绿素含量差异不显著,胡桃楸树冠上层与中、下层存在显著差异。采用融合的高光谱图像与激光雷达点云数据,基于混合数据驱动的机理模型可以有效提升不同尺度植被叶绿素含量估测的精度及稳定性。

关键词：无人机高光谱 LiDAR 林分叶绿素

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高郁闭度人工林无人机激光雷达单木分割方法优化

引用

林业科学 2022年第9期58卷 48-59页

作者：朱泊东罗洪斌金京岳彩荣西南林业大学林学院昆明650224

【目的】针对高郁闭度林分条件下基于LiDAR点云数据单木分割林木提取困难、总体精度较低等问题,提出一种基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法,为开展无人机LiDAR技术森林资源调查提供技术参考,为... 详细信息

【目的】针对高郁闭度林分条件下基于LiDAR点云数据单木分割林木提取困难、总体精度较低等问题,提出一种基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法,为开展无人机LiDAR技术森林资源调查提供技术参考,为提高单木分割总体精度提供新策略。【方法】利用无人机激光雷达数据,采用分水岭算法、基于点云的局部最大值聚类算法和基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法对高郁闭度思茅松人工林进行单木分割,并分析分水岭算法中4种CHM空间分辨率和3种DSM插值方法对单木分割效果的影响,与无人机高分辨率影像单木树冠目视解译结果进行比较,以探测率r、准确率p和F得分为指标对单木分割精度进行验证和评价。【结果】在幼龄林中,冠层起伏率较大,分水岭算法对单层林的分割效果优于基于点云的局部最大值聚类算法;在中龄林和近熟林中,冠层起伏率较小,分水岭算法易将思茅松树枝识别为树冠,基于点云的局部最大值聚类算法的分割效果优于分水岭算法;基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法充分考虑不同龄组的林分结构差异,精度最高(F=0.75),优于分水岭算法(F=0.71)和基于点云的局部最大值聚类算法(F=0.68);在分水岭算法中,当分辨率为0.5 m×0.5 m时采用反距离权重法(IDW)插值得到的CHM单木分割精度最高(r=0.70,p=0.94,F=0.81)。【结论】林分结构存在差异,单一单木分割方法效果欠佳,通过提取样地冠层起伏率确定分水岭算法和基于点云的局部最大值聚类算法单木分割适用的林分条件,可拓宽单一单木分割方法在不同林分条件下的优势,提升单木分割精度。

关键词： LiDAR 单木分割分水岭算法基于点云的局部最大值聚类算法分层分割

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

A monocular visual SLAM system augmented by lightweight deep local feature extractor using in-house and low-cost LiDAR-camera integrated device

引用

International Journal of Digital Earth 2022年第1期15卷 1929-1946页

作者： Jing Li Chenhui Shi Jun Chen Ruisheng Wang Zhiyuan Yang Fan Zhang Jianhua Gong National Engineering Research Center for Geoinformatics Aerospace Information Research InstituteChinese Academy of SciencesBeijingPeople’s Republic of China National Geomatics Center of China BeijingPeople’s Republic of China Department of Geomatics Engineering University of CalgaryCalgaryCanada Department of Urban Studies and Planning Massachusetts Institute of TechnologyCambridgeMAUSA

Simultaneous Localization and Mapping(SLAM)has been widely used in emergency response,self-driving and city-scale 3D mapping and navigation.Recent deep-learning based feature point extractors have demonstrated superior performance in dealing with the complex environmental challenges(e.***.extreme lighting)while the traditional extractors are struggling.In this paper,we have successfully improved the robustness and accuracy of a monocular visual SLAM system under various complex scenes by adding a deep learning based visual localization thread as an augmentation to the visual SLAM framework.In this thread,our feature extractor with an efficient lightweight deep neural network is used for absolute pose and scale estimation in real time using the highly accurate georeferenced prior map database at 20cm geometric accuracy created by our in-house and low-cost LiDAR and camera integrated device.The closed-loop error provided by our SLAM system with and without this enhancement is 1.03m and 18.28m respectively.The scale estimation of the monocular visual SLAM is also significantly improved(0.01 versus 0.98).In addition,a novel camera-LiDAR calibration workflow is also provided for large-scale 3D mapping.This paper demonstrates the application and research potential of deep-learning based vision SLAM with image and LiDAR sensors.

关键词： Deep local features lightweight network visual localization SLAM LiDAR

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：