过去十年间出现了几种创新型激光雷达技术，包括单光子激光雷达、多光谱激光雷达以及调频连续波（FMCW）激光雷达。
单光子激光雷达：探测与灵敏度提升
单光子激光雷达是激光雷达技术的一项重大进步，它利用对单个光子的探测来识别物体。这种创新方法相较于传统激光雷达系统允许更高的脉冲重复频率，传统系统通常需要探测数百个光子才能进行精确测量。能在如此高的频率下运行的能力增强了系统的探测能力，尤其在光照条件可能变化的复杂环境中。单光子激光雷达的主要优势之一是其卓越的探测范围和灵敏度，使其特别适用于诸如测深绘图或城市环境中的精细地表分析等应用（曼德尔伯格，2019 年）。
该技术能够穿透茂密的植被，有助于更好地评估森林结构和健康状况。由于其独特的性能和广泛的适用性，这项技术未来很可能会出现更多创新。
多光谱激光雷达：整合结构与材质特性
多光谱激光雷达将传统激光雷达技术与多光谱成像相结合，能够同时捕捉物体的物理结构及其材质特性。这种整合对于环境监测、城市规划和资源管理来说是一个重大变革。通过纳入光谱数据，多光谱激光雷达强化了分类任务，能提供对各种环境条件以及不同材料成分的详细洞察（库克科等人，2019 年）。例如，在林业应用中，这项技术可以区分树木种类，或者通过分析光谱特征来评估植被的健康状况。此外，捕捉更宽波长范围的能力使其能够检测环境中的细微变化，比如污染水平或土地利用的变化。多光谱激光雷达在精准农业中的应用日益增多，在该领域中，了解土壤和作物状况对于优化产量至关重要。多光谱激光雷达如今正以几年前无法想象的方式解决诸多难题。这显示了该技术在监测和传感器市场以及许多其他商业领域中能够占据的地位。
图 1：激光雷达独有的特点在于，对丛林和森林的观测不会止于林冠。穿透性的激光雷达技术能够对森林健康状况进行自动化分析。
调频连续波（FMCW）激光雷达：革新测量精度
调频连续波（FMCW）激光雷达通过持续发射激光束并测量反射光的频移来实现精确的距离测量和高分辨率成像（范伦斯，2020 年）。这种连续波运行方式使 FMCW 激光雷达有别于传统的脉冲激光雷达系统，它提高了测量精度，同时降低了与传统方法相关的复杂性。随着 FMCW 激光雷达不断发展，它有可能重新定义多个行业的测量精度和运行效率标准。这项技术在汽车应用方面前景尤为广阔，在这类应用中，实时数据处理对于安全导航和障碍物探测至关重要。能够提供准确、连续的数据这一特性使得 FMCW 激光雷达非常适合集成到自动驾驶车辆中，增强它们在动态环境中的态势感知能力。此外，FMCW 系统复杂性的降低便于将其集成到更小的平台上，如无人机和小型车辆，拓宽了其在包括城市测绘和基础设施监测等各个领域的适用性。
激光雷达技术的应用
在无人机上集成激光雷达传感器彻底改变了航空测绘能力。配备激光雷达的无人机与传统有人驾驶飞机相比，能够快速且经济高效地捕获高分辨率的三维点云，为更安全、更高效的工作环境开启了一系列新的应用。
利用同步定位与建图（SLAM）技术的手持激光雷达系统在室内测绘和复杂环境测绘方面受到了越来越多的关注，能够在常规设备难以进入的区域快速收集数据（夸德罗斯等人，2021 年）。这些进步对于创建详细的城市环境三维模型起着重要作用，有助于智慧城市计划和数字孪生的发展。此类模型能让城市规划者可视化基础设施、评估环境影响并优化资源分配。
激光雷达在自主导航中的应用日益增多 —— 不仅应用于自动驾驶车辆，在航空航天业中也是如此，在这些领域中，定位需要高度精确且不受光照条件影响。高分辨率激光雷达数据与人工智能驱动分析的协同作用使车辆能够安全、有效地在复杂环境中导航（范伦斯，2020 年）。这种技术融合不仅增强了现有应用，还为包括物体探测、自动过滤和监测等不同领域的创新铺平了道路。
最近，一名学生利用开源激光雷达数据在墨西哥尤卡坦半岛发现了一座失落的玛雅古城。通过探测丛林树冠下的几何形状，这名学生发现了一座有着数百座建筑和复杂道路网络的隐藏城市。开放数据的趋势以及人工智能日益强大的功能和更广泛的可用性为更多发现打开了大门。
过去十年间，激光雷达市场显著扩张，产生了适用于高端和低端应用的多样化解决方案。高端激光雷达系统，例如威力登（Velodyne）和徕卡测量系统（Leica Geosystems）的产品，取得了显著进步，在自动驾驶车辆、航空航天以及精细地形测绘等应用中提供了更高质量和精度。
过去十年间，激光雷达数据处理和传输效率有了极大提升，这主要得益于计算能力的进步，特别是云计算和自动化方面的进步。
自动化工作流程方面的创新使处理激光雷达数据的过程变得更快、更高效。现代系统能够自动对齐点云并进行质量保证，极大地缩短了将原始数据转换为可用格式所需的时间。这意味着客户如今能够更快地获取准确信息，加快了决策过程（夸德罗斯等人，2021 年）。
将人工智能（AI）融入激光雷达技术改变了其应用情况和整体效能，标志着遥感领域的重大发展。人工智能算法通过自动执行特征提取、分类和异常检测等任务来增强激光雷达数据处理能力，从而显著提高效率和准确性。例如，机器学习技术能够快速对点云进行分类，从而识别出诸如建筑物、植被和基础设施等特征。这种能力对于城市规划、环境监测和灾害管理等应用至关重要（范伦斯，2020 年）。
过去十年见证了激光雷达技术的显著进步，改变了其在包括测量、城市规划和环境监测等各个领域的应用。单光子、多光谱和 FMCW 激光雷达等关键发展增强了探测能力、测量精度以及捕捉详细材质特性的能力。将更小、更高效的传感器集成到无人机、手持设备和车辆中，使激光雷达的应用变得更加普及，使其能够应用于复杂环境并为创新开辟了新途径。此外，计算能力的提升，特别是通过云技术和人工智能集成实现的提升，彻底改变了数据处理方式，实现了实时分析并加快了决策速度。
激光雷达发展历程中的一个前期阶段
文章来源：gim-international，作者：Lars Langhorst
由小助手整理编译。
- END -
详细讲解CASS勘测定界图的绘制及出图
空域申请 | 无人机航测UOM系统合法飞行申请流程
