深入了解 LiDAR 技术以及基于 LiDAR 的测量

什么是 LiDAR？

Lidar 是“光检测和测距”的缩写，是一种用于创建现实世界 3D 模型的遥感方法。

·         激光雷达传感器如何工作？

依靠激光雷达传感器，扫描仪每秒可以发射数百万个激光脉冲。每个脉冲返回扫描仪，使用光速计算物体与传感器之间的距离，称为飞行时间 (ToF)。结果是空间中的一个点，所有这些点的组合创建了一个密集的 3D 可视化，称为点云数据。

·         雷达和激光雷达有什么区别？

LiDAR 和雷达都发射脉冲来确定撞击表面并返回传感器所需的时间。然而，雷达使用的是无线电波而不是光脉冲。LiDAR 技术通过 3D 模型创建精 确的测量值，而雷达的主要用途是军事目的，即在战舰上探测附近的物体。

LiDAR 的起源

激光雷达（光探测和测距）起源于声纳（声波导航和测距）和雷达（无线电探测和测距）技术。声纳和雷达分别使用无线电或微波频谱中的声波和电磁波。激光雷达技术使用红外和可见光频谱中的电磁辐射，这些电磁辐射的频率比无线电或微波的频率高得多。

这三种技术的主要目的是通过波的反射和探测来检测和测量到物体或表面的距离。每个系统都使用高精度计时装置来测量从发射的能量（无论是声音还是电磁辐射）传播到物体或表面所需的时间。利用这个持续时间和声音/辐射的速度，可以准确计算出范围。

·      由于声波能够在水中传播很长的距离，因此声纳通常用于海底应用。请注意，雷达无法穿透水中的任何有用距离。

·      雷达通常用于空中应用，例如空中交通管制、国防、天气预报，甚至探测地下物体。雷达系统通常体积庞大、价格昂贵且专业化，因此通常无法用于普通商业用途。

·      典型的激光雷达应用包括地形和植被调查与测绘。它还广泛用于检查公用设施，例如高压电线、水坝、供水系统、建筑物和道路基础设施。与当今时代的许多技术一样，将创意转化为更小、更快、更便宜的设备的速度正在不断加快。这是激光雷达如此受欢迎的根本原因——它变得足够小、足够便宜，可以成为一些最 新智能手机的标准设备。

激光是激光雷达技术的关键

激光雷达使用激光技术发射具有所需波长的光（光子），以满足预期目的。激光技术的美妙之处在于它能够以极高的一致性发射光；也就是说，随着时间的推移，其波长、偏振和方向都是一致的。这些特性使激光束的波长范围非常窄，使其具有独特的单一（单色）颜色（如果是可见光），并且聚焦得非常紧密，从而形成典型的长而窄的光束，而不是向四面八方扩散的光束。

激光波长与频率成反比，由于光在任何给定介质中的速度都是恒定的，因此知道一个波长就意味着可以确定另一个波长。在激光雷达应用中，激光的所需传播和反射特性将决定要使用的波长/频率。例如，如果使用激光雷达检测大气中特定气体的粒子浓度，则激光波长必须能够反射目标粒子。

在激光雷达测量应用中，激光的功率也非常重要，并且与激光雷达可以检测到物体的最 大距离相关。激光的输出功率越高，激光雷达与可检测物体的距离就越远。在无人机激光雷达测量中，可以在更大的 AGL（地面以上）/高度使用功率更高的激光雷达扫描仪。AGL 的增加会增加每次扫描区域的扫描宽度，从而可以更快地扫描测量区域。请注意，典型激光雷达测量应用中的激光功率受到眼睛安全法规的限制。

激光雷达的一个非常特别之处在于，激光发射可能会发生多次反射，具体取决于测量现场条件和激光穿透角度。与摄影测量（基于摄影图像的）测量相比，激光雷达的优势在于，它能够在一定程度上过滤植被，就像光线穿过森林树冠到达森林地面一样，并且能够接收来自同一发射的多次反射。也就是说，一些光子会从叶子的一部分反射，例如，另一些光子会从树枝反射，还有一些光子会从地面反射。反射光中的能量（光子数量或反射光的强度）通常决定了物体或表面的某些属性；例如，它的不透明度、形状、材质和光吸收。以我们的森林为例，这意味着可以测量到地面的距离以及到树梢和中间物体的距离，这使得激光雷达成为茂密植被地区地形测量的绝佳工具。

为什么无人机激光雷达在测量中如此受欢迎？

为了与小规模和更实惠的激光雷达测量商业应用保持一致，我们将忽略有人驾驶飞机的激光雷达测量，而专注于无人机（无人驾驶/无人驾驶飞行器）或“无人机”。

无人机出现的时间比我们想象的要长得多，然而，自 2006 年以来，无人机进入了商业领域，几年后又进入了个人市场。自那以后，无人机使用量激增，有人称之为“无人机革命”，这对激光雷达测量的发展起到了重要作用。无人机通常可以向任何方向飞行，并且可以高度控制和稳定地悬停，这使得它非常适合在建筑物内部、周围和下方以及上方进行测量和检查。

可以肯定地说，自 20 世纪 60 年代首次出现以来，激光雷达的发展一直在加速，因为 GNSS（全球导航卫星系统）接收器和惯性测量单元(IMU) 在 20 世纪 80 年代开始商业化。GNSS 和 IMU 技术可以实现高精度卫星导航，并能详细了解车辆运动，这为无人机开辟了一个全新的可能性世界。如果将无人机、惯性导航系统和激光雷达结合在一起，就可以制造出一种部署简单且相对便宜的车辆，它可以提供出色的周围环境测绘效果，并以地球表面的绝 对位置为参考。

随着技术的进一步发展，激光雷达扫描仪的成本正在降低，其物理尺寸和重量也在降低。与此同时，扫描速度和由此产生的测量分辨率也在提高。目前，最快的扫描仪可以以惊人的每秒 200 万个点甚至更高的速度运行，提供极其详细的点云。同样，激光雷达扫描仪的测距距离也在增加，允许扫描仪在更高的海拔或更远的测量地点使用，同时仍能产生可接受的结果。

高分辨率无人机激光雷达测量的速度和多功能性与传统测量技术相比有很多优势，例如：

·         成本– 与使用人工测量员和传统技术相比，成本的降低不容小觑。例如，能够进行远程甚至自主测量，而无需将测量员的靴子和设备放在地面或租用飞机，可以大幅降低成本和物流。

·         速度– 易于操作和部署的设备组合能够快速准确地覆盖大面积区域，大大加快了勘测时间。对获取的数据进行后期处理，可以在数小时内向客户提供勘测结果。

·         安全性——无需人员到现场进行勘测，可使他们远离危险，尤其是在交通不便或地形危险的地区。这延伸到其他高风险勘测现场；例如，高空检查和高压装置。

·         勘察频率——成本较低且部署简单，因此可以进行更频繁的勘察。这样可以更快地发现环境变化、损坏或恶化，并提供更及时响应的机会。

·         环境——与以前的技术相比，无人机激光雷达提供了一种更可持续、更环保的选择，以前的技术通常涉及多辆车、更多人员、更高的碳排放量以及更大的环境破坏可能性。

·         商业机会——由于成本相对较低且在蓬勃发展的勘测和检查市场中的重要性日益增加，无人机激光雷达继续成为一个优 秀的商业平台。

其他实用的激光雷达测量应用

激光雷达的应用范围远远超出了航空地形测量。事实上，如果有任何需要目视检查的东西，那么很有可能已经或将会出现基于激光雷达的解决方案。激光雷达技术的优点在于它适用于大量传统上需要大量劳动力、时间和相关成本的应用。以下是一些示例：

·      铁路走廊测量——列车安装的激光雷达可以测量轨道轨距和路线、道碴分布和覆盖范围，以及列车潜在危险之间的间隙。

·      道路测量——车载激光雷达可用作自动化系统的一部分，用于评估道路状况并识别和地理参考需要维护的区域以及所需采取的行动类型和程度。

·      城镇和基础设施规划——简化、快速且经济高效的无人机激光雷达测量提高了做出明智城镇规划决策的能力，并有助于完成其他需要了解特定地点环境的市政任务，例如公园和娱乐场所以及划分开发用地。
公用设施检查——困难且危险的检查任务，例如大坝墙、高层建筑施工现场、桥梁以及高压电线、绝缘子和高压电线塔，都可以在安全的地面快速完成。无人机激光雷达可以提供可快速分析和处理的详细图像。使用无人机激光雷达在减少工作人员数量和使用专用车辆方面节省的成本对于可持续和可重复的检查至关重要。

·      精准农业——精准农业实践严重依赖多种传感器技术，为农民提供农场和土地总体状况的深入洞察。例如，无人机上安装的激光雷达可以提供高精度位置数据，用于识别害虫、疾病、杂草和围栏损坏等。安装在地面车辆或机器人上的激光雷达可用于计算树上的果实数量，评估作物状况，以及越来越多可以自动化或简化的任务，让农民专注于经营农场，不再需要执行一些比较琐碎的活动。

·      沿海测深——激光雷达的进步使浅水航空测深激光雷达 (ABL) 成为可能。在适当条件下，可以使用飞机或无人机安装的激光雷达代替水上船只和传统的基于声纳的测深测绘，不仅可以绘制海床表面，还可以同时绘制沿海边缘。ABL 测量的速度比传统声纳测深快很多倍，其好处显而易见。

人工智能和机器学习增强激光雷达技术

新兴的自主革命和将人工执行的劳动密集型、危险性或低效性任务自动化的想法，正在推动许多不同领域和应用的深度创新。将轻型无人驾驶飞行器与卫星导航、激光雷达和惯性导航系统相结合的概念继续为难以超越的勘测和检查提供出色的工具，那么我们会看到哪些改进呢？

人工智能 (AI) 和机器学习 (ML) 软件是可以与激光雷达一起使用并取得巨大成功的技术。随着激光雷达分辨率的提高，物体识别和分类的能力也随之提高。AI/ML 软件通常在实验室中“训练”，以根据形状和大小特征识别物体、生物或现象。此外，随着激光雷达点云分辨率的提高，复杂的自动化分析也成为可能，这使得更复杂的形状和更小尺寸的物体变得可识别。

新型和改进的遥感技术正在迅速扩大数据采集范围。例如，用于农业的大气和地面化学成分高光谱成像。通过将来自第三方传感器的信息与激光雷达和导航数据融合，得到的测量点云可以包含一系列传感器数据，从而可以分析多种现象。在一次调查中收集多种数据类型也变得越来越普遍，而不是使用不同的传感设备进行多次调查，这可以节省时间、降低客户成本并最 大限度地减少排放。