主页 topics LiDAR 什么是 LiDAR?
深入了解 IBM 的 LiDAR 解决方案 订阅可持续发展最新消息
带有脸部轮廓、树叶、云彩象形图拼贴的插图
什么是 LiDAR?

LiDAR 是“光检测和测距”的缩写,它是一种遥感技术,利用激光束实时测量环境中的精确距离和移动。

LiDAR 数据可用于生成各种内容,包括详细地形图以及安全引导自动驾驶车辆通过不断快速变化的环境所需的精确动态 3D 模型。LiDAR 技术还用于评估危险和自然灾害,例如熔岩流、山体滑坡、海啸和洪水。

深入了解我们的欧盟 CSRD 独家指南

有些公司最早将于 2025 年开始披露 ESG 信息,因此请务必根据我们的指南做好准备。

相关内容

注册以获取有关更智能资产管理的运行手册

LiDAR 的工作原理

LiDAR 的工作原理与雷达(“无线电检测和测距”,船舶和飞机经常使用的定位系统)和声纳(“声波导航和测距”,潜艇通常使用的系统)相同。这三种技术都发射能量波以检测和跟踪物体。不同之处在于,雷达使用微波,声纳使用声波,而 LiDAR 使用反射光;与雷达或声纳相比,它可以更快地测量距离,精度和分辨率更高。

LiDAR 组件

典型的 LiDAR 设备由多个组件组成:

  • 发射快速近红外激光脉冲的激光扫描仪
  • 用于检测和收集返回光脉冲的 LiDAR 传感器,以及
  • 用于计算时间和距离并生成结果数据集(称为 LiDAR 点云)的处理器。

为了准确进行遥感,时间和空间测量结果必须准确,因此,LiDAR 系统还利用计时电子设备、惯性测量设备 (IMU) 和 GPS。

LiDAR 测量

LiDAR 设备向环境中发射脉冲激光。这些脉冲以光速传播,从周围物体反射并返回到 LiDAR 传感器。传感器测量每个脉冲返回所需的时间,并计算传播的距离。由于激光速度是不变的,因此,可以使用该“传播时间”计算非常精确的距离。

通过重复该过程并在更大的区域内发送激光脉冲,可以收集数十亿个单独点的传播时间测量结果,并将其实时处理为所谓的 LiDAR 点云。

LiDAR 数据分析和建模

数据经过多个处理阶段,将 LiDAR 点云转换为 3D 地图。首先,检查其正确性和完整性,并进行清理以消除异常噪声。然后,可以通过算法对地表特征进行识别和分类,例如建筑物、河岸和森林冠层。

为了简化分析,算法对点云进行下采样,以删除冗余数据并减小文件大小。然后将数据转换为行业标准 LAS(或 LASer)文件格式,用于交换 3D x、y、z 数据。

最后,在转换为 LAS 后,可以将点云数据可视化并建模为扫描地形的 3D 地图。对于移动的 LiDAR 系统(例如自动驾驶汽车中使用的系统)来说,这些计算是持续进行的。根据一个消息来源,自动驾驶汽车每驾驶一小时,就会生成和处理一太字节的数据。1

LiDAR 类型

LiDAR 系统可以根据其平台划分为两种主要类型:机载 LiDAR 和地面 LiDAR。

机载 LiDAR

机载 LiDAR 系统也称为机载激光扫描系统,它使用飞机(通常是直升机或无人机)上安装的 LiDAR 扫描仪生成地表的 3D 模型。

机载 LiDAR 测绘已成为创建地球表面数字高程模型的重要工具,很大程度上取代了较旧且不太准确的摄影测量方法。机载 LiDAR 扫描还广泛用于林业,以进行森林冠层 LiDAR 勘测和建立森林地表的地形和地貌模型。

机载 LiDAR 技术类型包括:

测深 LiDAR
测深 LiDAR 用于捕获浅水区和海岸线沿线的 GIS 数据。测深 LiDAR 发射的绿色激光束波长可以穿透海水,测量海底的数字高程,而不是像典型的 LiDAR 系统那样使用红外激光。

太空 LiDAR

美国宇航局 (NASA) 和其他航天机构使用太空 LiDAR 进行航天器导航和天体数字测绘。LiDAR 还用于驾驶 NASA 的自动驾驶汽车以及在火星上驾驶“机智号”直升机。

地面 LiDAR

地面 LiDAR 是一种地面 LiDAR 系统,经常用于地形和地貌测绘。地面 LiDAR 可用于收集更多局部和短距离数据,从而使其成为高精度绘制较小区域地图的理想选择。

地面 LiDAR 类型包括:

静态 LiDAR
一些地面 LiDAR 系统是静态的,固定在一个位置,用于对单个区域进行精确且重复的 LiDAR 扫描。静态 LiDAR 通常用于考古遗址、建筑项目和危险评估。它可以监测活火山地表、地震断层和洪水区。

移动 LiDAR
移动 LiDAR 是地面 LiDAR 的一种形式,可以从移动的车辆中收集 LiDAR 数据。移动 LiDAR 系统 (MLS) 已成为汽车行业开发辅助驾驶和自动驾驶的重要工具:通过实时光检测和测距收集的数据,自动驾驶汽车可以快速准确且经济高效地识别道路资产和基础设施。

LiDAR 应用

LiDAR 扫描在许多行业中具有广泛的实际用途。它们可以创建地表和海底的详细地形模型,还可以生成精确、高分辨率、实时的移动物体可视化。

农业物联网

LiDAR 传感器可用于测量农业地形和地貌,估算作物生物量,以及绘制深度、坡度、湿度和坡向变化图形以检测土壤特性。LiDAR 还用于驾驶自动农用车辆。

了解智能农业技术的更多信息

航空航天和国防

LiDAR 可用于地形测绘、目标跟踪、扫雷和云成像,甚至在人口稠密的城市环境中利用复杂的战场可视化功能进行任务规划。

了解国防和情报技术解决方案的更多信息

汽车

高级辅助驾驶系统 (ADAS) 和自动驾驶汽车利用 3D LiDAR 地图数据“查看”道路和其他环境并进行导航。

 

航空业

LiDAR 可用于精确测量风速,机场也可以使用 LiDAR 跟踪飞机和异物碎片 (FOD)。

 

水深测量

测深 LiDAR 使用绿色激光穿透水面并创建浅水水库、河流和沿海海底的数字高程模型。它们可以测量侵蚀情况,绘制野生动物栖息地地图,并评估洪水区内的风险。

了解人工智能、物联网和数字监控如何改变海港和航运业

施工

LiDAR 可以快速准确地勘测建筑工地,计算材料体积,以及用于进行安全检查和检测可能的危险。

了解数字化集成方法如何助力建筑项目

能源

LiDAR 技术可用于风力资源评估、石油和天然气勘探以及用于电力线路维护的植被管理。

了解能源和公用事业预测的更多信息

娱乐

LiDAR 可用于在虚拟现实和增强现实应用中绘制环境。

 

林业

除了提供详细的地形图以外,LiDAR 还可用于测量树木的结构特征,例如叶面积指数和森林冠层体积,这是用于植被管理的重要工具。它还用于监测和控制森林火灾。

了解技术解决方案如何帮助制止全球森林砍伐

地质和采矿

矿山和采石场很难进入,LiDAR 越来越多地用于勘测、测绘和保护工人安全。LiDAR 扫描还可用于采石场的体积测量。

 

制造业物联网

LiDAR 技术可用于创建物体的 3D 模型以用于生产,还可用于质量控制以检测异常和缺陷。

了解 IBM 制造技术解决方案

测绘

LiDAR 可用于创建数字高程模型以及绘制道路、桥梁和其他地理和基础设施特征图形。

了解如何使用地理空间数据提供业务见解

植被管理

LiDAR 可用于扫描森林冠层并监测植被密度、物种和健康状况,以识别可能对公用事业和其他基础设施构成较高风险的植被。

了解有关植被管理的更多信息

天气预报

LiDAR 传感器可用于测量温度、云量、风速、空气密度和其他大气参数,并为天气预报模型提供重要数据。

了解 IBM 天气预报解决方案的更多信息

LiDAR 未来

研究团队正在不断开发新的系统和算法以提高 LiDAR 准确性、速度和有效性,持续的开发重点是使 LiDAR 技术更小、更轻和更便宜。这会导致在各个行业和应用场合中更广泛地采用该技术,包括消费电子产品、机器人和智能家居设备。LiDAR 在自动驾驶汽车中越来越受欢迎,预计会在将来的汽车领域中发挥非常重要的作用。

随着技术的不断进步和成本的下降,LiDAR 应用可能会显著增加。

相关解决方案
IBM® Environmental Intelligence Suite 

获得气候和天气洞察以预测会造成中断的环境条件,积极主动地管理风险并打造更可持续的运营。

探索 IBM Environmental Intelligence Suite

IBM 可持续发展解决方案

借助 IBM 的可持续发展解决方案,将您的可持续发展雄心转化为行动以实现可持续发展目标,从而打造富有弹性的未来。

深入了解 IBM 可持续发展解决方案

植被管理

利用卫星数据和 Geiger 模式 LiDAR 预测分析,结合气象洞察,提供人工智能驱动的洞察,为公用事业植被管理做出更明智的决策。

深入了解植被管理

资源 地理空间数据:真正意义上的纵观全局

了解地理空间数据如何成为围绕环境可持续发展进行战略业务规划的重要工具。

数据是智能资产管理的关键所在

了解工业企业如何将运营技术 (OT) 与 IT 数据集成在一起,以改进资产维护、监控和管理。

植被管理解决方案简介

将天气、卫星和物联网数据与智能优先级排序和报告功能相结合,以更好地进行植被管理决策。

什么是地理空间数据?

了解企业如何利用地理空间数据揭示模式和趋势,并深入了解变量之间的关系。

采取后续步骤

IBM Environmental Intelligence Suite 是一个用于监测、预测和应对天气和气候影响的 SaaS 平台。它包括地理空间和天气数据 API 以及具有行业特定环境模型的可选附加组件,以便您的企业可以预测破坏性的环境条件、主动管理风险并建立更可持续的运营。

深入了解 Environmental Intelligence Suite 预约实时演示
脚注

1David Edwards,“解决自动驾驶大数据问题的方法”(ibm.com 外部链接),机器人和自动化,2022 年 7 月 21 日