ライダー（ LIDAR / ˈ l aɪ d ɑːr /、LIDARとも呼ばれ、「light detection and ranging」（光検出と測距）[1]または「laser imaging, detector, and ranging」（レーザー画像検出と測距） [2] の頭字語）は、物体または表面をレーザーで照射し、反射光が受信機に戻ってくるまでの時間を測定することで距離を測定する手法です。ライダーは固定方向（例えば垂直方向）に動作することも、 3Dスキャンとレーザースキャンを特別に組み合わせて複数の方向をスキャンすることもできます。[3]

アメリカ合衆国、エフィジー・マウンズ国定公園のマーチング・ベアーズ・マウンド・グループの LIDAR 画像
スターファイア光学範囲でライダーおよびレーザーガイド星実験用に使用される周波数付加光放射源(FASOR) は、ナトリウム D2a 線に調整されており、上層大気中のナトリウム原子を励起するために使用されます。
このライダーは、建物や岩石などをスキャンして3Dモデルを作成するために使用できます。ライダーはレーザービームを広範囲に照射できます。ヘッドは水平方向に回転し、ミラーは垂直方向に傾斜します。レーザービームは、進路上にある最初の物体までの距離を測定するために使用されます。
この視覚化は、ブラジルの熱帯雨林上空で50kmの幅でLIDARデータを収集する航空機を示しています。地表レベルの地物は、濃い茶色から黄褐色までの色で示されています。植生の高さは緑の濃淡で示されており、濃い緑は地表に最も近く、薄い緑は最も高いことを示しています。

LiDARには地上、空中、モバイルでの用途がある。[4] [5]一般的には高解像度の地図を作成するのに使用され、測量、測地学、地理情報学、地質学、地形学、地震学、林業、大気物理学、[6]レーザー誘導、空中レーザースワスマッピング（ALSM）、レーザー高度測定などの分野で使用されている。光の波長を変えることで、地球の表面と潮間帯および沿岸域の海底の領域のデジタル3D表現を作成するのに使用されている。また、自律走行車の制御とナビゲーション[7]や、火星の地形上を記録飛行したヘリコプターのインジェニュイティにもますます使用されている。[8] LiDARはそれ以来、大気研究と気象学に広く使用されている。航空機や衛星に搭載されたライダー機器は測量や地図作成に利用されています。最近の例としては、米国地質調査所の実験的先進航空研究ライダーが挙げられます。[9] NASAは、将来のロボット月着陸船や有人月着陸船の自律的かつ精密な安全着陸を可能にするための重要な技術としてライダーを挙げています。[10]

量子技術の進化により量子ライダーが登場し、従来のライダーシステムと比較して高い効率と感度を実証しました。[11]

歴史と語源

ライダーの基本的な概念は、強力なサーチライトを使って大気圏を探査するという構想を1930年にEHシングが考案した。 [12] [13]

マルコム・スティッチの指揮の下、ヒューズ・エアクラフト社はレーザーの発明直後の1961年に、最初のライダーに似たシステムを導入しました[14] [15]。衛星追跡を目的としたこのシステムは、レーザー焦点画像と、適切なセンサーとデータ収集電子機器を用いて信号の戻り時間を測定することで距離を計算する機能を組み合わせたものでした。当初は「コリダー」と呼ばれていました。これは「コヒーレント光検出・測距（coherent light detector and ranging）」の頭字語で、[16]「レーダー（rader）」という用語自体が「無線検出・測距（radio detector and ranging）」の頭字語に由来しています。すべての[要出典]レーザー距離計、レーザー高度計、ライダーユニットは、初期のコリダーシステムに由来しています。

コリダーシステムの地上における最初の実用化は、1963年に製造された大型のライフル型レーザー測距装置「コリダー・マークII」で、測距範囲は11km、精度は4.5mで、軍事目標の測距に使用されました。[17] [15] 1963年に初めて「ライダー」という単語が独立した用語として言及されたことから、「光」と「レーダー」を組み合わせた造語であることが示唆されています。「将来的には、レーザーは遠方の物体からの特定の波長を極めて高感度に検出できるようになるでしょう。一方、月面探査には『ライダー』（光レーダー）が使用されています…」[18] [19] 「フォトニックレーダー」 という名称は、ライダーのような可視スペクトル測距を指すために使用されることもあります。[20] [21]

ライダーの最初の応用分野は気象学であり、国立大気研究センター（NCAR）が雲や大気汚染の測定に使用しました。 [22]ライダーシステムの精度と有用性は、1971年のアポロ15号ミッションで宇宙飛行士がレーザー高度計を用いて月面の地図を作成した際に一般の人々に知られるようになりました。英語では「radar」を頭字語（つまり大文字でない）として扱うことはなくなりましたが、1980年代以降、一部の出版物では「lidar」が「LIDAR」または「LiDAR」と大文字で表記されていました。大文字表記については統一見解がありません。様々な出版物でライダーは「LIDAR」、「LiDAR」、「LIDaR」、「Lidar」と表記されています。USGSは「 LIDAR」と「lidar」の両方を使用しており、同じ文書内で両方が使用される場合もあります。[23]ニューヨークタイムズは、主にスタッフが執筆した記事に「LIDAR」を使用していますが、[24]ロイターなどのニュースフィードではLIDARが使用される場合があります。[25]

理論

ライダーは、紫外線、可視光線、または近赤外線を用いて物体を画像化します。非金属物体、岩石、雨、化合物、エアロゾル、雲、さらには単一分子など、幅広い物質を対象とすることができます。[6]細いレーザービームは、非常に高い解像度で物理的特徴をマッピングできます。例えば、航空機は30センチメートル（12インチ）以上の解像度で地形をマッピングできます。[26]

波長は対象物に合わせて変化し、約10 マイクロメートル（赤外線）から約250 ナノメートル（紫外線）まであります。通常、光は鏡で見られるような純粋な反射ではなく、後方散乱によって反射されます。ライダーの用途によって散乱の種類は異なり、最も一般的なのはレイリー散乱、ミー散乱、ラマン散乱、蛍光です。[6]適切な波長の組み合わせにより、返される信号の強度の波長依存的な変化を識別することで、大気の成分を遠隔マッピングすることができます。[27] 「フォトニックレーダー」という名称は、ライダーのような可視スペクトルの距離測定を意味するために使用されることもありますが、[ 20] [21]より厳密には、フォトニックレーダーはフォトニクス部品を使用した無線周波数の距離測定を指します。

ライダーは物体または表面までの距離を次の式で測定する：[28]

ここで、 cは光速、dは検出器と検出対象の物体または表面間の距離、tはレーザー光が検出対象の物体または表面まで移動し、その後検出器に戻ってくるまでの時間です。

ライダーの検出方式には、「非干渉性」または直接エネルギー検出（主に反射光の振幅変化を測定する）とコヒーレント検出（ドップラーシフト、つまり反射光の位相変化の測定に最適）の2種類があります。コヒーレントシステムでは、一般的に光ヘテロダイン検出が用いられます。[29]これは直接検出よりも感度が高く、はるかに低い消費電力で動作できますが、より複雑なトランシーバーを必要とします。

どちらのタイプも、マイクロパルスまたは高エネルギーパルスのいずれかのパルスモデルを採用しています。マイクロパルスシステムは、断続的なエネルギーバーストを利用します。これは、コンピューター処理能力の増大とレーザー技術の進歩の結果として開発されました。レーザーのエネルギー消費量は通常1マイクロジュール程度と非常に少なく、多くの場合「目に安全」であるため、安全対策を講じることなく使用できます。高出力システムは大気研究で広く使用されており、雲の高さ、層構造、密度、雲粒子の特性（消散係数、後方散乱係数、偏光解消）、温度、気圧、風、湿度、微量ガス濃度（オゾン、メタン、亜酸化窒素など）といった大気パラメータの測定に広く使用されています。[6]

コンポーネント

基本的なLIDARシステムは、回転ミラーで反射されたレーザー距離計（上）で構成されます。レーザーは、デジタル化対象のシーンの周囲を1次元または2次元でスキャンし（中央）、指定された角度間隔で距離測定値を取得します（下）。

レーザ

600～1,000nm の レーザーは、非科学用途で最も一般的に使用されています。レーザーの最大出力は制限されているか、地上の人々の目に安全を確保するために、特定の高度でレーザーを自動的に停止するシステムが採用されています。

一般的な代替レーザーの一つである1,550nmレーザーは、比較的高出力でも目に安全です。この波長は水に強く吸収され、網膜にほとんど到達しないためです。ただし、カメラセンサーが損傷を受ける可能性は依然としてあります。[30] [31]しかし、現在の検出器技術はそれほど進歩していないため、これらの波長は一般的に長距離で使用され、精度は低くなります。また、1,550nmは1,000nmの赤外線レーザーとは異なり、 暗視ゴーグルでは見えないため、軍事用途にも使用されています。

航空機搭載型地形測量ライダーでは、一般的に1,064 nmのダイオード励起YAGレーザーが用いられる一方、測深（水中深度調査）システムでは、一般的に532 nmの周波数2倍ダイオード励起YAGレーザーが用いられる。これは、532 nmは1,064 nmよりも水中への透過減衰がはるかに少ないためである。レーザー設定には、レーザー繰り返し周波数（データ収集速度を制御する）が含まれる。パルス長は、一般的にレーザーキャビティ長、ゲインマテリアル（YAG、YLFなど）を通過する回数、およびQスイッチ（パルス）速度によって決まる。ライダー受信機の検出器と電子機器に十分な帯域幅があれば、より短いパルスでより良いターゲット解像度が得られる。[6]

フェーズドアレイは、個々のアンテナを微細に配列することで、あらゆる方向を照射することができます。各アンテナのタイミング（位相）を制御することで、特定の方向にコヒーレントな信号を誘導します。フェーズドアレイは1940年代からレーダーに利用されてきました。特定の方向における特定の大きさの放射パターンを観測するために、約100万個の光アンテナが用いられます。これを実現するために、個々のアンテナ（エミッター）の位相は精密に制御されます。ライダーで同じ技術を用いることは、可能だとしても非常に困難です。主な問題は、すべてのエミッターがコヒーレント（技術的には同じ「マスター」発振器またはレーザー光源から発信されている）でなければならないこと、そして点光源として動作するために、放射光の波長（1ミクロン程度）程度の寸法でなければならないことです。これらのエミッターの位相は高精度に制御されます。

微小電気機械ミラー（MEMS）は完全な固体ではありません。しかし、その小型フォームファクタは、MEMSと同様のコストメリットを多く提供します。単一のレーザーは単一のミラーに照射され、ミラーの向きを変えることで、対象領域の任意の部分を観察できます。ミラーは高速で回転します。しかし、MEMSシステムは一般的に単一平面（左から右）で動作します。2次元目を追加するには、通常、上下に移動する2つ目のミラーが必要です。あるいは、別のレーザーを別の角度から同じミラーに照射することもできます。MEMSシステムは衝撃や振動によって動作が中断される可能性があり、繰り返しのキャリブレーションが必要になる場合があります。[32]

スキャナーと光学系

画像展開速度はスキャン速度に影響されます。方位角と仰角をスキャンする方法としては、デュアル振動平面鏡、ポリゴンミラーとの組み合わせ、二軸スキャナーなどがあります。光学系の選択によって、検出可能な角度分解能と範囲が変わります。戻り信号を収集する方法としては、ホールミラーまたはビームスプリッターがあります。

光検出器および受信機の電子機器

ライダーには主に2つの光検出器技術が用いられています。シリコンアバランシェフォトダイオードなどの固体光検出器と光電子増倍管です。受信機の感度も、ライダー設計においてバランスを取る必要があるもう一つのパラメータです。

位置およびナビゲーションシステム

飛行機や衛星などの移動プラットフォームに搭載されるLIDARセンサーは、センサーの絶対位置と向きを決定するための計測機器を必要とします。このようなデバイスには通常、全地球測位システム（GPS）受信機と慣性計測ユニット（IMU）が含まれます。

センサー

ライダーは、独自の光源を供給するアクティブセンサーを使用します。エネルギー源が物体に当たると、反射エネルギーがセンサーによって検出・測定されます。物体までの距離は、送信パルスと反射パルス間の時間を記録し、光速を用いて移動距離を計算することで決定されます。[33]フラッシュライダーは、カメラがより大きなフラッシュを発光し、反射エネルギーを用いて対象領域の空間的な関係と寸法を感知できるため、3Dイメージングを可能にします。これにより、撮影したフレームをつなぎ合わせる必要がなくなり、システムがプラットフォームの動きの影響を受けないため、より正確なイメージングが可能になります。その結果、歪みが少なくなります。[34]

3Dイメージングは​​、走査型システムと非走査型システムの両方を用いて実現できます。「3Dゲートビューイングレーザーレーダー」は、パルスレーザーと高速ゲートカメラを用いた非走査型レーザー測距システムです。デジタル光処理（DLP）技術を用いた仮想ビームステアリングの研究も始まって​​います。

イメージングライダーは、高速検出器アレイや変調感度検出器アレイを用いて実現することもできます。これらのアレイは通常、相補型金属酸化膜半導体（CMOS）やCMOS/電荷結合素子（CCD）ハイブリッド製造技術を用いて単一チップ上に構築されます。これらのデバイスでは、各ピクセルが復調やゲーティングなどのローカル処理を高速で実行し、信号をビデオレートにダウンコンバートすることで、アレイをカメラのように読み取ることができます。この技術を用いることで、数千ものピクセル／チャンネルを同時に取得することが可能です。[35]高解像度3Dライダーカメラは、電子CCDまたはCMOSシャッターを用いたホモダイン検出方式を採用しています。[36]

コヒーレントイメージングライダーは合成アレイヘテロダイン検出を使用して、単一要素受信機をイメージングアレイであるかのように動作させることを可能にする。[37]

2014年、リンカーン研究所は16,384以上のピクセルを持つ新しい画像チップを発表した。各ピクセルは単一の光子を画像化でき、1枚の画像で広い範囲を捉えることができる。2010年1月のハイチ地震の後、米軍は4分の1のピクセル数を持つ以前の世代の技術を配備した。ポルトープランス上空3,000メートル（10,000フィート）をビジネスジェット機で1回通過しただけで、都市の600メートル（2,000フィート）四方の瞬間スナップショットを30センチメートル（1フィート）の解像度で撮影し、街の通りに散らばった瓦礫の正確な高さを表示した。[38]新しいシステムは10倍優れており、はるかに大きな地図をより迅速に作成できる。このチップはインジウムガリウムヒ素（InGaAs）を使用しており、比較的長波長の赤外線スペクトルで動作するため、より高い出力とより長い範囲が可能になる。自動運転車など多くの用途において、この新システムはチップの照準に機械部品を必要としないため、コスト削減につながります。InGaAsは、可視波長で動作する従来のシリコン検出器よりも危険性の低い波長を使用します。[39] 赤外線単一光子計数ライダーの新技術は急速に進歩しており、様々な半導体および超伝導プラットフォームを用いたアレイやカメラなどが挙げられます。[40]

分類

LIDARは、天底、天頂、または横方向に向けることができます。例えば、LIDAR高度計は下向き、大気LIDARは上向き、LIDARベースの衝突回避システムは側方を向いています。

ライダーのレーザー投影は、スキャン効果を生み出すために様々な方法とメカニズムを使用して操作できます。標準的なスピンドル型ライダーは回転して360度の視野を提供します。ソリッドステートライダーは固定された視野を持ちますが可動部品がなく、MEMSまたは光フェーズドアレイを使用してビームを操縦できます。フラッシュライダーは、信号が検出器に跳ね返る前に広い視野に光のフラッシュを広げます。[41]

LiDARの用途は、航空機搭載型と地上搭載型に分けられます。[42]どちらのタイプも、データの目的、取得対象エリアの広さ、測定範囲、機器コストなどに応じて、仕様の異なるスキャナーを必要とします。宇宙搭載型プラットフォームも利用可能です。衛星レーザー高度測定を参照してください。

航空機ライダー（航空機レーザースキャンとも呼ばれる）は、飛行中の航空機に取り付けられたレーザースキャナーが地形の3D点群モデルを作成するものです。これは現在、写真測量法に代わる、最も詳細かつ正確なデジタル標高モデル作成方法です。写真測量法と比較した大きな利点の1つは、点群モデルから植生の反射を除去し、樹木に隠れている河川、小道、文化遺産などの地表を表すデジタル地形モデルを作成できることです。航空機ライダーのカテゴリー内では、高高度用と低高度用が区別されることもありますが、主な違いは、高高度で取得されたデータの精度と点密度の両方が低下することです。航空機ライダーは浅瀬の水深モデル作成にも使用できます。[43]

航空機ライダーの主な構成要素は、数値標高モデル（DEM）と数値表層モデル（DSM）です。点群と地表点は離散点のベクトルであり、DEMとDSMは離散点を補間したラスターグリッドです。このプロセスでは、デジタル航空写真の撮影も行われます。例えば、植生、崖、張力亀裂、倒れた木などに覆われた深層地滑りを解析するために、航空機ライダーが使用されます。航空機ライダーの数値標高モデルは、森林の樹冠を透過して観測し、崖、浸食、電柱の傾斜などを詳細に測定することができます。[44]

航空機ライダーデータは、ライダーデータフィルタリングおよび地形調査ソフトウェアであるToolbox for Lidar Data Filtering and Forest Studies (TIFFS) [45]を用いて処理されます。このソフトウェアを用いて、データは数値地形モデルに補間されます。レーザーをマッピング対象領域に照射し、各点の地上高は、対応する数値地形モデルの標高から元のZ座標を差し引くことで算出されます。この地上高に基づいて、建物、送電線、飛翔中の鳥、昆虫などの非植生データが得られます。残りの点は植生として扱われ、モデリングとマッピングに使用されます。これらの各プロットにおいて、平均、標準偏差、歪度、パーセンタイル、二次平均などの統計量を計算することで、ライダー指標が算出されます。[45]

マルチコプターUAVによるLIDARスキャン

現在、無人航空機（UAV）向けの複数の商用LIDARシステムが市場に出回っています。これらのプラットフォームは、広大な地域を体系的にスキャンしたり、小規模なスキャン作業においては有人航空機に代わる安価な代替手段を提供したりすることができます。[46]

空中ライダー測深技術 - 高解像度のマルチビームライダー地図は、海底の地質が断層や変形により著しく変化した様子を、陰影と深度による色分けで表示します。

航空機搭載型LIDAR水深測定技術システムは、信号源からセンサーに戻るまでの信号の飛行時間を測定する。データ取得技術には、海底マッピングコンポーネントと、ビデオトランセクトとサンプリングを含むグラウンドトゥルースコンポーネントが含まれる。このシステムは、緑色スペクトル（532nm）のレーザービームを使用する。 [47] 2本のビームが高速回転ミラーに投影され、点の配列が形成される。ビームの1本は水面を貫通し、好条件下では水底表面も検出する。

ライダーで測定可能な水深は、水の透明度と使用する波長の吸収によって決まります。水は緑色と青色の光に対して最も透明であるため、きれいな水ではこれらの光が最も深くまで浸透します。[48]周波数倍増固体赤外線レーザー出力によって生成される 532 nm の青緑色光は、航空機による水深測定の標準です。この光は水を貫通しますが、パルス強度は水中を移動する距離とともに指数関数的に減衰します。 [47]ライダーは、約 0.9 ～ 40 メートル (3 ～ 131 フィート) の深さを 15 センチメートル (6 インチ) 程度の垂直精度で測定できます。表面反射により、約 0.9 メートル (3 フィート) より浅い水は分解が困難になり、吸収によって最大深度が制限されます。濁度は散乱を引き起こし、ほとんどの状況で分解できる最大深度を決定する上で重要な役割を果たします水深測量ライダーは沿岸地図作成において、水深0～10m（0～33フィート）の範囲で最も有用である。[47]

平均して、比較的透明な沿岸海水ではライダーは約7メートル（23フィート）、濁った水では最大約3メートル（10フィート）まで浸透します。Saputraら（2021）が算出した平均値によると、インドネシア海域では緑色レーザー光はセッキー深度の約1.5倍から2倍まで浸透します。水温と塩分濃度は屈折率に影響を与え、水深計算にもわずかに影響します。[49]

得られたデータは、海底に露出している陸地の全範囲を示しています。この技術は、主要な海底マッピング計画において重要な役割を果たすため、非常に有用です。このマッピングにより、陸上の地形だけでなく水中の標高も得られます。海底反射率イメージングは​​、このシステムのもう一つのソリューションであり、水中生息地のマッピングに役立ちます。この技術は、水路測量ライダーを用いたカリフォルニア海域の3次元画像マッピングに使用されています。[50]

航空機搭載型ライダーシステムは、伝統的に、少数のピークリターンしか取得できなかったが、最近のシステムでは、反射信号全体を取得しデジタル化します。[51]科学者は、ガウス分解を使用してピークリターンを抽出するための波形信号を分析しました。[52] Zhuang et al, 2017 は、このアプローチを使用して地上バイオマスを推定しました。[53]膨大な量のフル波形データの処理は困難です。そのため、波形のガウス分解は、データを削減し、3Dポイントクラウドの解釈をサポートする既存のワークフローでサポートされているため、効果的です。最近の研究では、ボクセル化が調査されました。波形サンプルの強度は、スキャンされた領域の 3D 表現を構築するボクセル化された空間 (3Dグレースケール画像) に挿入されます。 [51]その後、関連するメトリックと情報は、そのボクセル化された空間から抽出できます。構造情報は、地域から3Dメトリックを使用して抽出することができ、オーストラリアで枯死したユーカリの木を検出するためにボクセル化アプローチを使用したケーススタディがあります。[54]

ライダー（地上レーザースキャンとも呼ばれる）の地上アプリケーションは地球の表面で行われ、固定式または移動式です。固定式の地上スキャンは、従来の地形測量、モニタリング、文化遺産の記録、法医学などの調査方法として最も一般的です。[42]これらのタイプのスキャナーから取得された3Dポイントクラウドは、スキャナーの位置からスキャンされたエリアで撮影されたデジタル画像と照合して、他の技術と比較して比較的短時間でリアルな3Dモデルを作成できます。ポイントクラウドの各ポイントには、そのポイントを作成したレーザービームと同じ位置と方向で撮影された画像のピクセルの色が与えられます。

地上ライダーマッピングには、占有グリッドマップ生成プロセスが含まれます。このプロセスでは、セルの配列をグリッドに分割し、ライダーデータがそれぞれのグリッドセルに収束した際に高さの値を保存する処理を行います。その後、セル値に特定の閾値を適用することでバイナリマップが作成され、さらに処理が行われます。次のステップでは、各スキャンから得られた半径距離とZ座標を処理し、指定されたグリッドセルに対応する3Dポイントを特定し、データ形成プロセスへと進みます。[55]

モバイル LIDAR（モバイル レーザー スキャンとも呼ばれる）は、移動中の車両に 2 台以上のスキャナーを取り付けて、経路に沿ってデータを収集します。これらのスキャナーは、ほとんどの場合、GNSS受信機やIMUなどの他の種類の機器と組み合わせて使用​​されます。アプリケーションの一例としては、送電線、正確な橋の高さ、隣接する木々など、すべてを考慮する必要がある道路の測量があります。現場でタキメーターを使用してこれらの測定値を個別に収集する代わりに、収集されたデータの品質に応じて、必要なすべての測定を行うことができるポイント クラウドから 3D モデルを作成できます。これにより、モデルが利用可能で信頼性が高く、適切なレベルの精度がある限り、測定を忘れるという問題がなくなります。

アプリケーション

この移動ロボットは、LIDAR を使用して地図を作成し、障害物を回避します。

以下に挙げた用途に加え、LIDARの用途は多岐にわたります。これは、国のLIDARデータセットプログラムでよく言及されている通りです。これらの用途は、有効な物体検出範囲、解像度（LIDARが物体をどれだけ正確に識別・分類できるか）、そして反射率の混同（反射標識や明るい太陽など、明るい物体が存在する状況でLIDARがどれだけ正確に物体を認識できるか）によって大きく左右されます。[41]

企業はライダーセンサーのコスト削減に取り組んでおり、現在約1,200ドルから12,000ドル以上となっています。価格が下がれば、ライダーは新規市場においてより魅力的なものになるでしょう。[56]

農業

異なる作物収穫率を示すLIDARリターンのグラフ
LiDAR は農地の収穫率を分析するために使用されます。

農業用ロボットは、種子や肥料の散布、センシング技術、雑草防除のための作物の偵察など、さまざまな目的で使用されています。

LIDARは、高価な肥料をどこに散布すべきかを判断するのに役立ちます。圃場の地形図を作成し、農地の傾斜や日照状況を明らかにすることができます。農業研究局の研究者たちは、この地形データと過去の農地収穫量データを用いて、土地を収穫量の多い地域、中程度の地域、少ない地域に分類しました。[57]これにより、収穫量を最大化するためにどこに肥料を散布すべきかが分かります。

ライダーは現在、野外での昆虫のモニタリングに利用されています。ライダーを用いることで、個々の飛翔昆虫の動きや行動を検知し、性別や種まで識別することが可能です。[58] 2017年には、この技術に関する特許出願が米国、欧州、中国で公開されました。[59]

もう 1 つの用途は、果樹園やブドウ園での作物のマッピングで、葉の成長や剪定やその他のメンテナンスの必要性を検出したり、果物の生産量の変動を検出したり、植物の数を数えたりするために使用します。

LiDARは、ナッツや果物の果樹園など、GNSSが利用できない状況で役立ちます。これらの状況では、本来であれば正確なGNSS測位を利用する農業機械にとって、葉が干渉の原因となります。LiDARセンサーは、列、植物、その他のマーカーの相対位置を検出・追跡できるため、GNSS測位が再確立されるまで農業機械の稼働を継続できます。

雑草を防除するには、植物種を特定する必要があります。これは、3Dライダーと機械学習を用いることで実現できます。[60]ライダーは、距離と反射率の値を含む「点群」として植物の輪郭を生成します。このデータは変換され、そこから特徴が抽出されます。植物種が既知の場合は、その特徴が新しいデータとして追加されます。植物種にはラベルが付けられ、その特徴は実環境における植物種の識別のための例として最初に保存されます。この手法は、低解像度のライダーと教師あり学習を用いるため効率的です。植物のサイズに依存しない共通の統計的特徴を含む、計算が容易な特徴セットが含まれています。[60]

空港運営

パスポートコントロールで個々の乗客をリアルタイムで追跡する LiDAR ベースの空間インテリジェンス システム。
パスポートコントロールで個々の乗客をリアルタイムで追跡する LiDAR ベースの空間インテリジェンス システム。

2025年4月、ダラスフォートワース国際空港は、乗客と車両の流れをリアルタイムで監視するためのLiDARベースのプラットフォームを導入すると発表しました。[61]

考古学

考古学において、ライダーはフィールド調査の計画、森林樹冠下の地形のマッピング、地面と区別がつかない広範で連続した地形の概観など、様々な用途に利用されています。[62]ライダーは高解像度のデータセットを迅速かつ安価に作成できます。ライダーから得られたデータは、分析や解釈のために地理情報システム（GIS）に容易に統合できます。

イギリス、ノーサンバーランドのエピアカムローマ砦の LIDAR 画像。

LIDARは、考古学遺跡の高解像度の数値標高モデル（DEM）作成にも役立ち、植生に隠れている微地形を明らかにすることができます。返されたLIDAR信号の強度は、特に赤外線スペクトルを使用してマッピングする場合、畑などの平坦な植生面の下に埋もれている地物を検出するために使用できます。これらの地物の存在は植物の成長に影響を与え、したがって反射される赤外線の量に影響を与えます。[63]たとえば、カナダのボーセジュール砦– カンバーランド砦国定史跡では、LIDARは1755年の砦の包囲に関連する考古学的特徴を発見しました。地上や航空写真では区別できなかった地物は、さまざまな角度からの人工照明で作成されたDEMの丘の陰影を重ね合わせることで識別されました。別の例としては、アーレン・チェイスと妻のダイアン・ザイノ・チェイスによるカラコルでの研究があります。[64] 2012年、ホンジュラスのジャングル、ラ・モスキティア地域にある伝説の都市、ラ・シウダ・ブランカ（「猿神の都市」）の探索にライダーが使用されました。7日間の測量期間中に、人工構造物の証拠が発見されました。[65] [66] 2013年6月、マヘンドラパルヴァタの都市の再発見が発表されました。[67]ニューイングランド南部では、ライダーを用いて、石垣、建物の基礎、廃道、その他の景観の特徴が、航空写真ではこの地域の密林に覆われて見えにくくなっていたことが明らかになりました。 [68] [69] [70]カンボジアでは、ダミアン・エヴァンスとローランド・フレッチャーがライダーデータを用いて、アンコール遺跡の景観における人為的変化を明らかにしました。[71]

2012年、LIDARはメキシコのミチョアカン州アンガムコのプレペチャ集落に今日のマンハッタンとほぼ同じ数の建物があったことを明らかにしました。[72]また、2016年には、グアテマラ北部の古代マヤの土手道をマッピングするためにLIDARが使用され、古代都市エルミラドールと他の遺跡を結ぶ17の高架道路が明らかになりました。[73] [74] 2018年、LIDARを使用した考古学者はマヤ生物圏保護区で6万以上の人工構造物を発見しました。これは、マヤ文明がこれまで考えられていたよりもはるかに大規模であったことを示す「大きな進歩」でした。[75] [76] [77 ] [78] [ 79] [80] [81] [82 ] [83 ] [84 ] [85] 2024年、LIDARを使用した考古学者はウパノ渓谷の遺跡を発見しました。[86] [87]

自動運転車

ルーフに5つのVelodyne LiDARユニットを搭載したCruise Automationの自動運転車
SICK LMC LiDARセンサーを使用した予測3Dレーザーシステム

自律走行車は、環境内を安全に移動するために、障害物の検知と回避にLIDARを使用する場合があります。[7] [88] LIDARの導入は、 DARPAグランドチャレンジを初めて成功させた自律走行車であるスタンレーの実現に大きく貢献した重要な出来事でした。[89] LIDARセンサーから出力される点群データは、ロボットソフトウェアが環境内の潜在的な障害物がどこに存在するか、そしてロボットがそれらの潜在的な障害物に対してどこに位置しているかを判断するために必要なデータを提供します。シンガポールのシンガポール-MIT研究技術連合（SMART）は、自律走行LIDAR車両の技術開発を積極的に行っています。[90]

自動車のアダプティブクルーズコントロールシステムの最初の世代では、 LIDARセンサーのみが使用されていました。

交通システムにおいて、車両と乗客の安全を確保し、運転者を支援する電子システムを開発するには、車両とその周囲環境を理解することが不可欠です。LIDARシステムは、交通システムの安全性において重要な役割を果たします。アダプティブクルーズコントロール（ACC）、緊急ブレーキアシスト、アンチロックブレーキシステム（ABS）など、運転者支援と車両の安全性を強化する多くの電子システムは、自律的または半自律的に動作するために、車両の周囲環境の検知に依存しています。LIDARマッピングと推定は、これを実現します。

現在のライダーシステムは、レーザービームを分割する回転六角形ミラーを使用しています。上部の3つのビームは前方の車両と障害物に使用され、下部のビームは車線と道路の特徴を検出するために使用されます。[91]ライダーを使用する主な利点は、空間構造が得られ、このデータをレーダーなどの他のセンサーと融合することで、環境内に存在する物体の静的および動的特性の観点から、車両環境のより良い画像を取得できることです。一方、ライダーの大きな問題は、悪天候下での点群データの再構築が難しいことです。例えば、大雨の場合、ライダーシステムから放射された光パルスは雨滴で部分的に反射され、「エコー」と呼ばれるノイズがデータに追加されます。[92]

Kun Zhouら[93]が提案したライダーを使用した障害物検出と道路環境認識は、物体の検出と追跡に焦点を当てているだけでなく、車線区分線と道路の特徴も認識します。前述のように、ライダーシステムは、レーザービームを6つのビームに分割する回転六角形ミラーを使用します。上部の3層は、車両や路側物などの前方物体を検出するために使用されます。センサーは耐候性材料で作られています。ライダーによって検出されたデータは、いくつかのセグメントにクラスタ化され、カルマンフィルタによって追跡されます。ここでのデータのクラスタリングは、車両、看板などの異なるオブジェクトを区別するオブジェクトモデルに基づく各セグメントの特性に基づいて行われます。これらの特性には、物体の寸法などが含まれます。車両の後端にある反射器は、車両を他の物体と区別するために使用されます。物体追跡は、追跡の安定性と物体の加速運動を考慮した2段カルマンフィルタを用いて行われる[91]。また、ライダー反射強度データは、遮蔽に対処するロバスト回帰を用いて縁石検出にも用いられる。路面標示は、粗面と光沢面を区別する改良大津法を用いて検出される[94] 。

車線境界を示す路肩反射板は、様々な理由で見えにくい場合があります。そのため、道路境界を認識するには他の情報が必要です。この方法で使用されるLIDARは、物体からの反射率を測定できます。したがって、このデータを使用して道路境界も認識できます。また、耐候性ヘッドを備えたセンサーを使用することで、悪天候下でも物体を検出することができます。洪水前後の樹冠高モデルはその良い例です。LIDARは、非常に詳細な樹冠高データと道路境界を検出できます。LIDAR測定は、障害物の空間構造を識別するのに役立ちます。これは、サイズに基づいて物体を区別し、その上を走行した場合の影響を推定するのに役立ちます。[95] LIDARシステムは、より優れた範囲と広い視野を提供するため、カーブ上の障害物の検出に役立ちます。これは、視野が狭いレーダーシステムに対する大きな利点の1つです。LIDAR測定とさまざまなセンサーを融合することで、システムは堅牢になり、リアルタイムアプリケーションで使用できるようになります。これは、LIDARに依存するシステムでは、検出された物体に関する動的な情報を推定できないためです。[95]ライダーは操作可能であり、自動運転車が回避行動を取るように誘導できることが示されています。[96]

生態学と保全

原生林（右）と新しい植林地（左）を比較したライダー画像

ライダーは、森林、湿地、[97]、草原といった自然景観や人工景観のマッピングにも広く応用されています。航空機搭載型ライダーシステムを用いることで、樹冠高、バイオマス測定、葉面積などを調べることができます。[98] [99] [100] [101]同様に、ライダーはエネルギー・鉄道業界や運輸省など多くの産業で、測量の迅速化手段として利用されています。ライダーから地形図を容易に作成することもでき、オリエンテーリングマップの作成といったレクリエーション用途にも活用されています。[102]ライダーは、植物、菌類、動物の生物多様性の推定と評価にも応用されています。[103] [104] [105]ニュージーランドのミナミブルケルプを用いて、沿岸ライダーマッピングデータと集団ゲノムの証拠を比較することで、先史時代の地震隆起の発生時期に関する仮説を立てています。[106]

林業

ライダー点群から個々の樹木または区画レベルで森林情報を導出する典型的なワークフロー[107]

ライダーシステムは林業管理の改善にも活用されています。[108]測定値は森林区画の目録作成や、個々の樹高、樹冠幅、樹冠直径の計算に利用されています。その他の統計分析では、ライダーデータを用いて、樹冠容積、平均樹高、最小樹高、最大樹高、植生被覆率、バイオマス、炭素密度といった区画全体の情報を推定しています。[107]航空ライダーは、2020年初頭にオーストラリアで発生した森林火災の地図作成に使用されました。このデータは、露出した土地を可視化し、健全な植生と焼失した植生を特定するために操作されました。[109]

地質学と土壌科学

航空機搭載型および固定型のライダーによって生成される高解像度のデジタル標高地図は、地形学（地球表層の起源と進化を扱う地球科学の一分野）に大きな進歩をもたらしました。ライダーは、河床段丘や河川河岸などの微細な地形的特徴の検出、[110]氷河地形の検出、[111]植生冠下の地表標高の測定、標高の空間微分値の精度向上、落石検知、[112] [113]繰り返し調査間の標高変化の検出[114]などが可能であり、景観を形成する物理的・化学的プロセスに関する多くの斬新な研究を可能にしました。[115] 2005年には、モンブラン山塊のトゥール・ロンドが、気候変動と高地の永久凍土の崩壊が原因とされる大規模な岩壁での深刻な落石の増加を監視するためにライダーが使用された最初のアルプス山脈となりました。[116]

ライダーは構造地質学や地球物理学でも、航空機搭載ライダーとGNSSの組み合わせとして、断層の検出や研究、隆起の測定に使用されています。[117] 2つの技術の出力により、地形の極めて正確な標高モデルを作成できます。このモデルでは、木々を透過して地表の高さを測定することもできます。この組み合わせは、米国ワシントン州のシアトル断層の位置を見つけるために使用されたことで最も有名です。 [118]この組み合わせでは、2004年の隆起の前後のデータを使用して、セントヘレンズ山の隆起も測定されています。 [119]航空機搭載ライダーシステムは氷河を監視し、わずかな成長や減少を検出する機能があります。衛星ベースのシステムであるNASA ICESatには、この目的のためのライダーサブシステムが含まれています。 NASA の航空機搭載地形図作成装置[ 120]も、氷河を監視し、海岸の変化を分析するために広く使用されています。詳細な地形モデリングにより、土壌科学者は土壌の空間関係のパターンを示す傾斜の変化や地形の断絶を確認できます。

雰囲気

ポーランド、ワルシャワの地球物理学研究所の近距離ライダー

当初はルビーレーザーをベースにして、レーザーの発明直後に気象学用のライダーが構築され、レーザー技術の初期の応用例の1つとなっています。ライダー技術はそれ以来、機能が大幅に拡張され、ライダーシステムは雲のプロファイリング、風の測定、エアロゾルの研究、さまざまな大気成分の定量化など、さまざまな測定に使用されています。大気成分は、地表気圧（酸素または窒素の吸収を測定することにより）、温室効果ガス排出量（二酸化炭素およびメタン）、光合成（二酸化炭素）、火災（一酸化炭素）、湿度（水蒸気）などの有用な情報を提供します。大気ライダーは、測定の種類に応じて、地上ベース、航空機搭載型、衛星ベースのいずれかになります。

大気ライダーリモートセンシングは2 つの方法で機能します。

  1. 大気からの後方散乱を測定することによって、
  2. 地上（LIDAR が空中にある場合）またはその他の硬い表面からの散乱反射を測定することによって。

大気からの後方散乱は、雲やエアロゾルの測定値を直接的に提供します。風や巻雲の氷晶など、後方散乱から得られる他の測定値は、検出する波長や偏光を慎重に選択する必要があります。ドップラーライダーとレイリー・ドップラーライダーは、後方散乱光の周波数を測定することで、ビームに沿った温度と風速を測定するために使用されます。運動中の気体のドップラー広がりは、結果として生じる周波数シフトを介して特性を決定することを可能にします。[121] NASAの円錐走査型HARLIEなどの走査型ライダーは、大気の風速を測定するために使用されています。[122] ESAの風力ミッションADM-Aeolusには、鉛直風のプロファイルを全球的に測定するために、ドップラーライダーシステムが搭載されます。[123]ドップラーライダーシステムは、 2008年夏季オリンピックのヨット競技中の風況を測定するために使用されました。 [124]

ドップラーライダーシステムは、再生可能エネルギー分野でも風速、乱流、風向、風速シアーのデータを取得するために、現在、効果的に活用され始めています。パルス波と連続波の両方のシステムが利用されています。パルス波システムは信号のタイミングを利用して垂直距離分解能を得るのに対し、連続波システムは検出器の焦点合わせに依存します。

エオリックという用語は、数値流体力学シミュレーションとドップラーライダー測定を用いた風の共同的かつ学際的な研究を説明するために提案された。[125]

航空機搭載ライダーの地表反射は、ライダー波長における地表反射率（大気透過率が既知であると仮定）の測定値を提供しますが、地表反射は通常、大気の吸収測定に用いられます。「差分吸収ライダー」（DIAL）測定では、2つ以上の近接した（1nm未満の）波長を用いて、地表反射率やその他の透過損失を除外します。これらの要因は波長の影響を比較的受けにくいためです。特定のガスの適切な吸収線に調整することで、DIAL測定を用いて大気中のそのガスの濃度（混合比）を測定できます。これは、ライダーの経路全体にわたる積分吸収を測定するため、積分経路差分吸収（IPDA）アプローチと呼ばれます。IPDAライダーは、パルス型[126] [127]または連続波型[128]のいずれかで、通常は2つ以上の波長を使用します。[129] IPDAライダーは二酸化炭素[126] [127] [128]およびメタンのリモートセンシングに使用されている。[130]

合成アレイライダーは、アレイ検出器を必要とせずにライダーの画像化を可能にする。ドップラー速度測定の画像化、超高速フレームレート画像化（1秒あたり数百万フレーム）、そしてコヒーレントライダーにおけるスペックル低減に利用できる。 [37]大気圏および水圏応用のための広範なライダー文献は、Grantによって提供されている。 [131]

洪水予測

日本では、気候変動によってますます頻繁かつ激化する気象現象に対応して、洪水予報や降雨予測の精度を向上させるために、差分吸収ライダー（DIAL）とラマンライダーの技術が開発されています。

内閣府の研究開発とSociety 5.0の橋渡しプログラム（BRIDGEプログラム）の一環として、九州大学を中心とし、英弘精機株式会社、京都大学、複数の国立大学・研究所を含む多機関研究コンソーシアムが、国土交通省九州地方整備局に選定され、気象センシングと洪水リスクモデリングに関する先進的な研究を実施しています。BRIDGE

長崎県福江島におけるEKO Instruments社製LIDARおよびDIALの設置。

このプロジェクトの焦点は次のとおりです。

  • LIDARを使用して水蒸気、温度、風向、風速の垂直分布を観測します。
  • このデータを衛星観測および高層気象図と統合して新しい気象データセットを作成します。
  • 国家予測システムの改善と災害耐性の向上に貢献することを目的として、人工知能モデルを適用し、降水量、河川流量、洪水リスクをシミュレートおよび予測します。

2025年5月、EKO Instrumentsは、米国立大気研究センター（NSF NCAR）から提供されたマイクロパルスDIALライダーシステムを用いて、長崎県五島列島福江島で現地調査を開始しました。この調査では、DIALの性能と既存のラマンライダーシステムを比較します。

さらに、EKO Instruments社は2025年2月に、モンタナ州立大学、NSF NCAR、NASAと、DIAL関連の主要特許を対象とする技術ライセンス契約を締結しました。同社は、2026年までに小型で効率的なLIDARシステムの商用化を目指しています。EKOテクノロジーライセンス

2025年6月までの活動は、主に九州などの日本の洪水多発地域に焦点を当てていますが、EKO Instruments株式会社は、異常気象や洪水がますます頻発している米国や欧州など、他の脆弱な地域をターゲットに、世界的な洪水耐性の向上に貢献する意向を表明しています。その目標は、高度な大気ライダーとAI予測システムの応用を拡大し、国際的な災害への備えと軽減の取り組みを支援することです。

この取り組みは、NHK福岡や日刊工業新聞などでも取り上げられるなど全国的に注目を集めており、次世代の気象予報インフラ整備に重要な役割を果たすことが期待されています。

法執行機関

ライダースピードガンは、警察が速度制限の取り締まりのために車両の速度を測定するために使用されています。さらに、鑑識分野では犯罪現場の捜査を支援するためにも使用されています。現場のスキャン画像は、物体の位置、血液、その他の重要な情報を正確に記録し、後で検証できるようにします。また、銃撃事件の際には、これらのスキャン画像を使用して弾丸の軌道を特定することもできます。

軍隊

軍事用途で使用されている事例は少なく、機密扱いとなっている（AGM-129 ACMステルス核巡航ミサイルのライダーによる速度測定など）。しかし、画像撮影への利用については、相当な研究が行われている。高解像度システムは、戦車などの標的を識別するのに十分な詳細情報を収集する。ライダーの軍事用途としては、アレテ・アソシエイツ社による対機雷戦用の空中レーザー機雷探知システム（ALMDS）が挙げられる。[132]

NATO報告書（RTO-TR-SET-098）は、生物兵器の識別を目的としたスタンドオフ検知の潜在的技術を評価した。評価対象となった潜在的技術は、長波赤外線（LWIR）、微分散乱（DISC）、紫外線レーザー誘起蛍光（UV-LIF）である。報告書は次のように結論づけている。「上記で試験・議論されたライダーシステムの結果に基づき、タスクグループは、スタンドオフ検知システムの短期的（2008～2010年）な適用においてはUV-LIFが最良の選択肢であると推奨する。 [ 133]しかし、長期的には、スタンドオフラマン分光法などの他の技術が生物兵器の識別に有用となる可能性がある。」

レーザー誘起蛍光（LIF）に基づく短距離コンパクト分光ライダーは、スタジアム、地下鉄、空港といった重要な屋内、半密閉空間、屋外施設上空におけるエアロゾル状の生物学的脅威の存在に対処します。このほぼリアルタイムの能力により、バイオエアロゾルの放出を迅速に検知し、居住者を保護し、汚染の範囲を最小限に抑えるための対策をタイムリーに実施することが可能になります。[134]

長距離生物スタンドオフ検知システム（LR-BSDS）は、生物兵器攻撃の早期警戒を目的として、米陸軍向けに開発された。これはヘリコプターで搭載され、生物兵器および化学兵器を含む合成エアロゾル雲を長距離から検知する空中システムである。検知範囲は30km以上で、1997年6月に配備された。[135]ドイツのSICK AG社製の5基のライダーユニットは、 2005年のDARPAグランドチャレンジで優勝した自律走行車「スタンレー」の短距離検知に使用された。

ロボットのボーイングAH-6は、 2010年6月にLIDARを使用して障害物を回避するなど、完全な自律飛行を行った。[136] [137]

鉱業

鉱石量の計算は、鉱石採取区域を定期的に（毎月）スキャンし、表面データを前回のスキャンと比較することによって行われます。[138]

LiDARセンサーは、リオティントの未来の鉱山で使用されている コマツ自律走行車運搬システム（AHS） [139]などのロボット鉱山車両の障害物検知と回避にも使用される可能性があります。

物理学と天文学

世界中の観測所ネットワークがライダーを使って月面に設置された反射鏡までの距離を測定し、月の位置をミリメートル単位の精度で測定し、一般相対性理論を検証することを可能にしている。火星周回レーザー高度計（MOLA ）は、火星を周回する衛星（NASAマーズ・グローバル・サーベイヤー）にライダー機器を搭載し、赤い惑星の驚くほど正確な地球規模の地形調査を実施した。レーザー高度計は、火星、月（月周回衛星レーザー高度計（LOLA））、水星（水星レーザー高度計（MLA）、NEAR-シューメーカーレーザー距離計（NLR））の全球標高モデルを作成した。[140]将来のミッションには、木星氷衛星探査（JUICE）ミッションの一環としてガニメデレーザー高度計（GALA）などのレーザー高度計実験も含まれる予定である。[140]

2008年9月、NASAのフェニックス着陸船はLIDARを使用して火星の大気中の雪を検出しました。[141]

大気物理学において、ライダーは、カリウム、ナトリウム、分子状窒素、酸素など、中層大気および上層大気の特定の構成物質の密度を測定するための遠隔検出機器として用いられています。これらの測定値は気温の計算に利用できます。また、ライダーは風速の測定やエアロゾル粒子の垂直分布に関する情報の提供にも利用できます。[142]

英国オックスフォードシャー州アビンドン近郊のJET 核融合研究施設では、ライダートムソン散乱を利用してプラズマの電子密度と温度プロファイルを測定している。[143]

岩石力学

ライダーは、岩盤の特性評価や斜面変化の検出など、岩盤力学分野において広く利用されています。ライダーによって取得された3D点群からは、岩盤の重要な地質力学的特性を抽出することができます。これらの特性には、以下のようなものがあります。

  • 不連続方向[144] [145] [146]
  • 不連続間隔とRQD [146] [147] [148]
  • 不連続開口部
  • 不連続性の持続[146] [148] [149]
  • 不連続粗さ[148]
  • 水の浸入

これらの特性の一部は、RMR指数を用いて岩盤の地質力学的品質を評価するために利用されてきました。さらに、既存の手法を用いて不連続面の方向を抽出できるため、SMR指数を用いて岩盤斜面の地質力学的品質を評価することも可能になります。[150]さらに、異なる時期に取得された斜面の異なる3D点群を比較することで、研究者は落石やその他の地すべり現象によって、その期間内に現場に生じた変化を研究することができます。[151] [152] [153]

トール

THORは地球の大気の状態を測定するために設計されたレーザーです。レーザーは雲層[154]に入り、反射ハローの厚さを測定します。センサーには7ミクロンの幅の光ファイバー開口部があります。+戻り光を測定するのに使用される 1 ⁄ 2インチ (19 cm)。

ロボット工学

ライダー技術は、ロボット工学において、環境認識や物体分類に利用されている。 [155]ライダー技術は、地形の3次元標高マップ、地面までの高精度距離、接近速度を提供できるため、ロボットや有人車両を高精度で安全に着陸させることができる。[10]ライダーは、ロボット工学において、同時位置推定と地図作成にも広く利用されており、ロボットシミュレータにも容易に統合できる。[156]その他の例については、上記の軍事セクションを参照のこと。

宇宙飛行

ライダーは、宇宙船の接近運用や軌道維持における測距や相対速度の軌道要素計算にますます利用されています。また、宇宙からの大気研究にも利用されています。宇宙船から発射された短いレーザー光パルスは、大気中の微粒子に反射し、宇宙船のレーザー光と一直線に並んだ望遠鏡に戻ります。ライダーの反射波のタイミングを正確に計り、望遠鏡が受信するレーザー光の量を測定することで、科学者は微粒子の位置、分布、性質を正確に特定することができます。その結果、雲粒から産業汚染物質に至るまで、他の手段では検出が困難な大気中の成分を研究するための革新的な新ツールが誕生しました。[157] [158]

レーザー高度測定法は、火星の火星軌道レーザー高度計（ MOLA）地図作成、 [159] 、月の月軌道レーザー高度計（LOLA）[160]と月高度計（LALT）地図作成、水星の水星レーザー高度計（MLA）地図作成など、惑星のデジタル標高地図作成に使用されています。[161]また、火星の地形上を記録飛行したヘリコプター「インジェニュイティ」の航行にも使用されています。[8]

測量

このTomTomマッピング バンには、ルーフ ラックに 5 つの LIDAR センサーが取り付けられています。

航空機搭載型ライダーセンサーは、リモートセンシング分野の企業で利用されています。航空機搭載型ライダーセンサーは、DTM（デジタル地形モデル）またはDEM（デジタル標高モデル）の作成に使用できます。航空機は3～4km（2～2km）の広域データを取得できるため、より広い範囲では非常に一般的な手法です。+1回の高架飛行で約1.5マイル（約1.5 キロメートル）の幅の帯状の測量を行うことができる。森林内でも、より低い高架飛行であれば、地上標高だけでなく樹冠高も測定できるため、50mm（2インチ）未満の垂直精度を実現できる。通常、地理参照された基準点上に設置されたGNSS受信機は、 WGS（世界測地系）とデータをリンクさせる必要がある。 [162]

ライダーは水路測量にも利用されています。水の透明度に応じて、ライダーは0.9～40メートル（3～131フィート）の深さを、垂直精度15センチメートル（6インチ）、水平精度2.5メートル（8フィート）で測定できます。[163]

輸送

単一のOuster OS1ライダーを使用して走行中の車両から生成された点群

ライダーは、鉄道業界では資産管理のための資産健全性レポートの作成に、また運輸省では道路状況の評価に利用されています。CivilMaps.comはこの分野のリーディングカンパニーです。[164]ライダーは自動車のアダプティブクルーズコントロール（ACC）システムにも利用されています。シーメンス、ヘラ、オースター、セプトンなどのシステムは、車両のバンパーなど前部に取り付けられたライダー装置を用いて、自車両と先行車両との距離を監視します。[165]先行車両が減速したり、接近しすぎたりすると、ACCはブレーキをかけて車両を減速させます。前方の道路が安全であれば、ACCはドライバーが設定した速度まで車両を加速させます。その他の例については、上記の軍事セクションを参照してください。ライダーベースの装置であるシーロメーターは、世界中の空港で滑走路進入路の雲の高さを測定するために使用されています。[166]

風力発電所の最適化

ライダーは、風速や風の乱れを正確に測定することにより、風力発電所からのエネルギー出力を増加させるために使用できます。 [167] [168]実験的なライダーシステム[169] [170]は、風力タービンのナセル[171]に取り付けるか、回転スピナー[172]に統合して、向かってくる水平方向の風、[173]風力タービンの後流の風を測定し、[174]事前にブレードを調整してコンポーネントを保護し、出力を増加させることができます。 ライダーはまた、風力タービンの出力曲線を測定することにより、風力タービンの性能を検証するために、風力タービンの発電量と比較するための入射風資源の特性評価にも使用されます [175]。風力発電所の最適化は、応用風力学のトピックと考えることができます。 風力関連産業におけるライダーのもう1つの側面は、ライダースキャンされた表面上で計算流体力学を使用して風のポテンシャルを評価することです。[177]これを使用して、風力発電所を最適に配置することができます。

太陽光発電導入の最適化

LiDARは、都市レベルで太陽光発電システムを最適化する際に、適切な屋根の位置を決定する[178] [179]ことや日陰による損失[180]を決定することで、計画者や開発者を支援するためにも使用できます。最近の航空レーザースキャンの取り組みは、垂直の建物のファサードに当たる太陽光の量を推定する方法[181]や、植生や周囲のより広い地形の影響を考慮してより詳細な日陰による損失を組み込む方法に重点を置いています。[182]

ビデオゲーム

rFactor Pro、iRacing、Assetto Corsa、Project CARSなどの最近のシミュレーションレーシングゲームでは、LIDAR調査で取得した3Dポイントクラウドから再現されたレーストラックが登場することが増えており、ゲーム内の3D環境ではセンチメートルまたはミリメートルの精度で表面が複製されています。[183]​​ [184] [185]

Introversion Softwareによる2017 年の探索ゲーム「Scanner Sombre」では、LIDAR が基本的なゲーム メカニズムとして使用されています。

Build the Earthでは、LIDARを用いてMinecraft内の地形を正確にレンダリングし、デフォルト生成における誤差（主に標高に関する誤差）を補正します。Build the Earthへの地形レンダリング処理は、リージョン内で利用可能なデータ量と、ファイルをブロックデータに変換する速度によって制限されます。

その他の用途

第4世代iPad ProのLiDARスキャナ

レディオヘッドの2007年の曲「ハウス・オブ・カード」のビデオは、ミュージックビデオの撮影にリアルタイム3Dレーザースキャンが初めて使用されたと考えられています。ビデオ内の距離データは、構造化光スキャンも使用されているため、完全にLIDARから得られたものではありません。[186]

2020年、Appleは、拡張現実（AR）体験のために特別に開発されたLiDARセンサーをリアカメラモジュールに統合した第4世代iPad Proを発表しました。 [187]この機能は、後にiPhone 12 Proシリーズとその後のProモデルにも搭載されました。[188] Appleデバイスでは、LiDARにより、夜間モードでのポートレートモードの写真が強化され、オートフォーカスが高速化され、計測アプリの精度が向上します。

2022年、『ホイール・オブ・フォーチュン』は、ヴァナ・ホワイトがパズルボード上で手を動かして文字を表示する動きを追跡するために、LIDAR技術を導入しました。この技術が初めて使用されたエピソードは、シーズン40の初回放送でした。[189]

変種

フラッシュライダーでは、視野全体が単一パルスの広く拡散するレーザービームで照射されます。これは、従来のスキャニングライダーとは対照的です。従来のスキャニングライダーでは、コリメートされたレーザービームが一度に 1 点を照射し、ビームがラスタースキャンされて視野を点ごとに照射されます。この照射方法では、異なる検出方式も必要です。スキャニングライダーとフラッシュライダーの両方で、飛行時間型カメラを使用して、フレームごとに入射光の 3 次元位置と強度に関する情報を収集します。ただし、スキャニングライダーではこのカメラには点センサーのみが搭載されているのに対し、フラッシュライダーでは、カメラには 1 次元または 2 次元のセンサーアレイが搭載されており、各ピクセルが 3 次元位置と強度情報を収集します。どちらの場合も、深度情報はレーザーパルスの飛行時間（つまり、各レーザーパルスがターゲットに当たってセンサーに戻ってくるまでの時間）を使用して収集されます。そのため、レーザーのパルス照射とカメラによる画像取得を同期させる必要があります。[190]その結果、色ではなく距離を撮影するカメラが誕生しました。[32]フラッシュライダーは、カメラ、被写体、あるいはその両方が移動している場合、スキャンライダーと比較して特に有利です。なぜなら、被写体全体が同時に照射されるからです。スキャンライダーでは、動きによってレーザーが被写体上を走査する際の時間差により「ジッター」が生じる可能性があります。

あらゆる形態のライダーと同様に、搭載された光源によってフラッシュライダーは能動的なセンサーとなります。返送された信号は内蔵アルゴリズムによって処理され、センサーの視野内にある物体や地形のほぼ瞬時の3Dレンダリングを生成します。[191]レーザーパルスの繰り返し周波数は、高解像度かつ高精度の3Dビデオを生成するのに十分です。[190] [192]このセンサーは高いフレームレートを備えているため、高精度の遠隔着陸操作など、リアルタイム可視化のメリットが活かされる様々な用途に活用できます。[193]フラッシュセンサーは、目標地形の3D標高メッシュを即座に返すことで、自律型宇宙船の着陸シナリオにおいて最適な着陸地点を特定するために使用できます。[194]

遠くを見るには強力な光のバーストが必要です。その出力は人間の網膜に損傷を与えないレベルに制限されています。波長は人間の目に影響を与えてはなりません。しかし、安価なシリコンイメージングデバイスでは、目に安全なスペクトルの光を読み取ることができません。代わりに、ガリウムヒ素イメージングデバイスが必要となり、コストが20万ドルにまで上昇する可能性があります。[32]ガリウムヒ素は、通常宇宙用途で使用される高価で高効率な太陽電池パネルの製造に使用される化合物と同じです。

代替技術

コンピュータステレオビジョンは、近距離用途においてLIDARの代替として有望であることが示されています。適切な場合には、はるかに費用対効果が高いです。[195] [196]

参照

参考文献

  1. ^ アメリカ海洋大気庁 (2021年2月26日). 「LIDARとは」. oceanservice.noaa.gov . 米国商務省. 2021年3月15日閲覧。
  2. ^ テイラー、トラヴィス・S.（2019年8月1日）。レーザー科学と工学入門。CRCプレス。ISBN 978-1-351-71375-7– Google ブックス経由。
  3. ^ Shan, Jie; Toth, Charles K. (2018年2月19日). 『地形レーザー測距とスキャン：原理と処理』第2版. CRC Press. ISBN 978-1-351-65042-7– Google ブックス経由。
  4. ^ 「ガリウムベースのライダーセンサーの採用が加速」www.argusmedia.com 2021年6月29日. 2021年7月14日時点のオリジナルよりアーカイブ。 2021年7月14日閲覧。
  5. ^ 「生態学者が森林植生モニタリングにおけるライダー技術の精度を比較：モバイルプラットフォームは森林の様々な特性をモニタリングする上で大きな可能性を秘めていることを示唆する研究結果」ScienceDaily . 2021年7月14日閲覧。
  6. ^ abcde クラックネル、アーサー・P.; ヘイズ、ラドソン (2007) [1991].リモートセンシング入門（第2版）. ロンドン: テイラー・アンド・フランシス. ISBN 978-0-8493-9255-9. OCLC  70765252。
  7. ^ ab Lim, Hazel Si Min; Taeihagh, Araz (2019). 「自動運転におけるアルゴリズムによる意思決定：スマートシティの倫理的・技術的懸念事項の理解」. Sustainability . 11 (20): 5791. arXiv : 1910.13122 . Bibcode :2019Sust...11.5791L. doi : 10.3390/su11205791 .
  8. ^ ab 「NASA​​が火星で自律飛行できるヘリコプターを設計した方法」IEEE Spectrum 2021年2月17日。2021年2月19日時点のオリジナルよりアーカイブ。2021年2月19日閲覧。
  9. ^ 「Experimental Advanced Advanced Research Lidar」、 USGS.gov。2007年8月8日閲覧。
  10. ^ ab Amzajerdian, Farzin; Pierrottet, Diego F.; Petway, Larry B.; Hines, Glenn D.; Roback, Vincent E. (2011-05-24). 「惑星体への精密航行と安全着陸のためのライダーシステム」.国際光電子検出・画像シンポジウム2011：レーザーセンシング・イメージング；および光子センシング・イメージングの生物学的・医学的応用. 第8192巻. p. 819202. Bibcode :2011SPIE.8192E..02A. doi :10.1117/12.904062. hdl : 2060/20110012163 . S2CID  28483836. 2011年5月24日閲覧.
  11. ^ ガレゴ・トロメ、リカルド;バルザンジェ、シャビル (2023)。 「量子レーダーと量子LiDARの進歩」。量子エレクトロニクスの進歩。93 100497.arXiv : 2310.07198。​土井：10.1016/j.pquantelec.2023.100497。
  12. ^ Philosophical Magazine and Journal of Science、1930年、シリーズ7、第9巻、第60号、pp.1014–1020。
  13. ^ Donegan, JF; The Life and Works of Edward Hutchinson Synge 、pp. 31, 67、（D. WeaireおよびP. Floridesとの共同編集）、Pöllauberg、オーストリア：Living Edition、 ISBN 3-901585-17-6。
  14. ^ 「新しいレーダーシステム」オデッサ・アメリカン、1961年2月28日。
  15. ^ ab Macomber, Frank (1963年6月3日). 「宇宙専門家、強力なレーザー光のためのハーネスを模索」. Bakersfield Californian . No. 5. Copley News Service . 2019年7月11日閲覧。
  16. ^ Stitch, ML; Woodburry, EJ; Morse, JH. (1961年4月21日). 「レーザー送信機を用いた光学測距システム」. Electronics . 34 : 51–53 .
  17. ^ 「レーザーで距離を測定」リンカーン・ジャーナル・スター第6号、1963年3月29日。
  18. ^ ジェームズ・リング、「天文学におけるレーザー」、pp.672-673、ニューサイエンティスト、1963年6月20日。
  19. ^ オックスフォード英語辞典. 2013年. p. 「lidar」の項目。
  20. ^ ab "Photonic Radar". Technion – Israel Institute of Technology . 2016年5月27日. 2018年8月13日時点のオリジナルよりアーカイブ。 2018年8月12日閲覧。
  21. ^ ab 「無線光学フェーズドアレイレーダー - 包括的な研究」Full Afterburner . 2018年8月12日閲覧。
  22. ^ Goyer, GG; R. Watson (1963年9月). 「レーザーと気象学への応用」.アメリカ気象学会誌. 44 (9): 564–575 [568]. Bibcode :1963BAMS...44..564G. doi : 10.1175/1520-0477-44.9.564 .
  23. ^ "CLICK". Lidar.cr.usgs.gov . 2015年9月16日. 2016年2月19日時点のオリジナルよりアーカイブ。 2016年2月22日閲覧。
  24. ^ 「NYTimes.com 検索」.ニューヨーク・タイムズ. 2017年4月7日閲覧。
  25. ^ 「ウェイモの自動運転部門、Uberに在籍するエンジニアをめぐり仲裁を申請」ニューヨーク・タイムズ2017年3月29日 . 2017年4月7日閲覧。
  26. ^ Carter, Jamie; Keil Schmid; Kirk Waters; Lindy Betzhold; Brian Hadley; Rebecca Mataosky; Jennifer Halleran (2012). 「Lidar 101：Lidar技術、データ、およびアプリケーション入門」(PDF) . NOAA Coastal Services Center . p. 14. 2022年10月9日時点のオリジナルよりアーカイブ(PDF) . 2017年2月11日閲覧。
  27. ^ P. Dakin, John; Brown, Robert (2017). 『オプトエレクトロニクスハンドブック：概念、デバイス、テクニック（第1巻）』CRC Press. p. 678. ISBN 978-1-4822-4179-2。
  28. ^ ポデスト、エリカ (2021-03-16). 「LiDAR の基礎」(PDF)。NASA 。2024-09-07に取得。
  29. ^ Rashid A. Ganeev (2013). レーザーと表面の相互作用. Springer Science & Business Media. p. 32. ISBN 978-94-007-7341-7。
  30. ^ 「CESのLIDARのレーザーがあまりにも強力で、1,998ドルのカメラを壊したと男性が語る」arstechnica.com . 2019年1月11日. 2025年5月26日閲覧。
  31. ^ 「自動運転：LiDARはスマートフォンのカメラに深刻なダメージを与える可能性がある」heise.de 2025年5月25日. 2025年5月26日閲覧。
  32. ^ abc Mokey, Nick (2018年3月15日). 「すべてのドライブウェイに自動運転車？ ソリッドステートLIDARが鍵」Digital Trends . 2018年6月15日閲覧。
  33. ^ 「リモートセンサー | Earthdata」. earthdata.nasa.gov . 2017年3月18日閲覧。 パブリックドメインこの記事には、パブリック ドメインであるこのソースからのテキストが組み込まれています。
  34. ^ 「Advanced Scientific Concepts Inc」. asc3d.com . 2022年7月3日閲覧。
  35. ^ 米国特許5081530、メディナ、アントニオ、「3次元カメラおよび距離計」、1992年1月14日発行、メディナ、アントニオに譲渡 
  36. ^ Medina A, Gayá F, Pozo F (2006). 「コンパクトレーザーレーダーと3次元カメラ」. Journal of the Optical Society of America A . 23 (4): 800– 805. Bibcode :2006JOSAA..23..800M. doi :10.1364/josaa.23.000800. PMID  16604759.
  37. ^ ab Strauss, CEM (1994). 「合成アレイヘテロダイン検出：単一素子検出器がアレイとして機能する」. Optics Letters . 19 (20): 1609– 1611. Bibcode :1994OptL...19.1609S. doi :10.1364/ol.19.001609. PMID  19855597.
  38. ^ 「世界で最も強力な3Dレーザーイメージャー」. technologyreview.com . 2014年2月13日. 2017年4月6日閲覧。
  39. ^ Talbot, David (2014年2月13日). 「新型光学チップが軍事・考古学航空画像を鮮明化する」MITテクノロジーレビュー. 2014年2月17日閲覧。
  40. ^ Hadfield, Robert H.; Leach, Jonathan; Fleming, Fiona; Paul, Douglas J.; Tan, Chee Hing; Ng, Jo Shien; Henderson, Robert K.; Buller, Gerald S. (2023). 「長距離イメージングおよびセンシングのための単一光子検出」. Optica . 10 (9): 1124. Bibcode :2023Optic..10.1124H. doi : 10.1364/optica.488853 . hdl : 20.500.11820/4d60bb02-3c2c-4f86-a737-f985cb8613d8 . 2023年8月29日閲覧。
  41. ^ ab 「自動車用LIDARのワイルドウェスト」spie.org . 2020年12月26日閲覧。
  42. ^ ab Vosselman, George; Maas, Hans-Gerd (2012).空中および地上レーザースキャン. Whittles Publishing. ISBN 978-1-904445-87-6。
  43. ^ Doneus, M.; Miholjek, I.; Mandlburger, G.; Doneus, N.; Verhoeven, G.; Briese, Ch.; Pregesbauer, M. (2015). 「浅瀬の水没考古学遺跡の記録のための空中レーザー測深」. ISPRS - 国際写真測量・リモートセンシング・空間情報科学アーカイブ. XL-5/W5: 99– 107. Bibcode :2015ISPArXL55...99D. doi : 10.5194/isprsarchives-xl-5-w5-99-2015 . hdl : 1854/LU-5933247 .
  44. ^ Chiu, Cheng-Lung; Fei, Li-Yuan; Liu, Jin-King; Wu, Ming-Chee. 「台湾の深層地滑りにおける国家航空ライダーマッピングと応用例」地球科学およびリモートセンシングシンポジウム（IGARSS）、2015 IEEE International。ISSN  2153-7003 。
  45. ^ ab Yuan, Zeng; Yujin, Zhao; Dan, Zhao; Bingfang, Wu. 「航空機データとハイパースペクトルデータを用いた森林生物多様性マッピング」.地球科学およびリモートセンシングシンポジウム（IGARSS）, 2016 IEEE International . ISSN  2153-7003.
  46. ^ Tang, Lina; Shao, Guofan (2015-06-21). 「森林研究と実践のためのドローンリモートセンシング」. Journal of Forestry Research . 26 (4): 791– 797. Bibcode :2015JFoR...26..791T. doi :10.1007/s11676-015-0088-y. ISSN  1007-662X. S2CID  15695164.
  47. ^ abc 「Nayegandhi Green Lidar」（PDF） 。 2022年10月9日時点のオリジナルよりアーカイブ（PDF） 。
  48. ^ ab "1.2.2 Bathymetric LiDAR". home.iitk.ac.in . 2023年1月15日閲覧。
  49. ^ Saputra, Romi; Radjawane, Ivonne; Park, H; Gularso, Herjuno (2021). 「空中LiDAR測深による深度データへの水域の濁度、水温、塩分の影響」. IOPカンファレンスシリーズ：地球環境科学. 925 (1) 012056. Bibcode :2021E&ES..925a2056S. doi : 10.1088/1755-1315/925/1/012056 . S2CID  244918525.
  50. ^ ウィルソン、ジェリー・C. (2008). 「カリフォルニア州水域のマッピングを支援するための航空水路測量LiDARの利用」OCEANS 2008 - MTS/IEEE 神戸テクノオーシャン. pp.  1– 8. doi :10.1109/OCEANSKOBE.2008.4530980. ISBN 978-1-4244-2126-8. S2CID  28911362。
  51. ^ ab Miltiadou, M.; Grant, Michael G.; Campbell, NDF; Warren, M.; Clewley, D.; Hadjimitsis, Diofantos G. (2019-06-27). 「オープンソースソフトウェアDASOS：フル波形ライダーの効率的な蓄積、分析、可視化」. Papadavid, Giorgos; Themistocleous, Kyriacos; Michaelides, Silas; Ambrosia, Vincent; Hadjimitsis, Diofantos G (編).第7回国際環境リモートセンシングおよび地理情報会議 (RSCy2019) . 第11174巻. 国際光学・光技術学会. pp. 111741M. Bibcode :2019SPIE11174E..1MM. doi :10.1117/12.2537915. ISBN 978-1-5106-3061-1. S2CID  197660590。
  52. ^ Wagner, Wolfgang; Ullrich, Andreas; Ducic, Vesna; Melzer, Thomas; Studnicka, Nick (2006-04-01). 「小型フットプリントのフル波形デジタル化航空機レーザースキャナーのガウス分解とキャリブレーション」 . ISPRS Journal of Photogrammetry and Remote Sensing . 60 (2): 100– 112. Bibcode :2006JPRS...60..100W. doi :10.1016/j.isprsjprs.2005.12.001. ISSN  0924-2716.
  53. ^ Zhuang, Wei; Mountrakis, Giorgos; Wiley, John J. Jr.; Beier, Colin M. (2015-04-03). 「波形ライダーデータのガウス分解に基づく指標を用いた地上森林バイオマス推定」. International Journal of Remote Sensing . 36 (7): 1871– 1889. Bibcode :2015IJRS...36.1871Z. doi :10.1080/01431161.2015.1029095. ISSN  0143-1161. S2CID  55987035.
  54. ^ Miltiadou, Milto; Campbell, Neil DF; Gonzalez Aracil, Susana; Brown, Tony; Grant, Michael G. (2018-05-01). 「オーストラリア原生林における生物多様性管理のための、樹木境界線の明示なしの立ち枯れユーカリ（Eucalyptus camaldulensis）の検出」. International Journal of Applied Earth Observation and Geoinformation . 67 : 135– 147. Bibcode :2018IJAEO..67..135M. doi : 10.1016/j.jag.2018.01.008 . hdl : 20.500.14279/19541 . ISSN  0303-2434.
  55. ^ Lee, Sang-Mook; Im, Jeong Joon; Lee, Bo-Hee; Leonessa, Alexander; Kurdila, Andrew (2010). 「画像解析技術を用いた地上ベース3D LIDARデータのリアルタイムグリッドマップ生成と物体分類」2010 IEEE International Conference on Image Processing . pp.  2253– 2256. doi :10.1109/ICIP.2010.5651197. ISBN 978-1-4244-7992-4。
  56. ^ 「LiDARレーザーセンシング技術：自動運転車からダンスコンテストまで」ロイター2020年1月7日
  57. ^ 「ARSの研究は農家が肥料を最大限に活用するのに役立つ」米国農務省農業研究局、2010年6月9日。
  58. ^ Gebru, Alem; Jansson, Samuel; Ignell, Rickard; Kirkeby, Carsten; Brydegaard, Mikkel (2017-05-14). 「マラリア病原体の種と性別判定のためのマルチスペクトル偏光変調分光法」レーザーと電気光学に関する会議. アメリカ光学会. doi :10.1364/CLEO_AT.2017.ATh1B.2. ISBN 978-1-943580-27-9. S2CID  21537355。
  59. ^ 「空中および水生動物のための光学リモートセンシングシステムの改良およびその使用」Google Patents . 2019年6月4日閲覧。
  60. ^ ab Weiss, Ulrich; Biber, Peter; Laible, Stefan; Bohlmann, Karsten; Zell, Andreas (2010). 「3D LIDARセンサーと機械学習を用いた植物種の分類」. 2010 International Conference on Machine Learning and Applications . ISBN 978-1-4244-9211-4。
  61. ^ 「ダラス・フォートワース国際空港、世界最大規模の3D LiDAR導入にOutsightを選択」Insights | Outsight . 2025年4月7日。
  62. ^ 「EID; キャノピーの下のクレーター」Unb.ca. 2013年2月18日. 2013年5月6日閲覧。
  63. ^ The Light Fantastic: 考古学調査における航空LIDARの活用。イングリッシュ・ヘリテッジ。2010年。45ページ。
  64. ^ ジョン・ノーベル・ウィルフォード (2010年5月10日). 「数日で古代文明を地図に」.ニューヨーク・タイムズ. 2010年5月11日閲覧。
  65. ^ ステファニー・パパス（2013年5月15日）「ホンジュラスの熱帯雨林の奥深くに失われた都市の遺跡が潜んでいる可能性」Live Science . 2013年5月15日閲覧。
  66. ^ ダグラス・プレストン (2015年3月2日). 「ホンジュラスの熱帯雨林で発見された失われた都市」ナショナルジオグラフィック. 2015年3月3日時点のオリジナルよりアーカイブ。 2015年3月3日閲覧。
  67. ^ 「ジャングルが失われた都市を放棄」Smh.com.au 2013年6月14日. 2016年2月22日閲覧。
  68. ^ ジョンソン、キャサリン・M; ウイメット、ウィリアム・B (2014). 「空中光検出・測距（LiDAR）を用いたニューイングランド南部の失われた考古学的景観の再発見」. Journal of Archaeological Science . 43 : 9– 20. Bibcode :2014JArSc..43....9J. doi :10.1016/j.jas.2013.12.004.
  69. ^ Edwin Cartlidge (2014年1月10日). 「レーザー探査でニューイングランドの失われた『アグロポリス』が発見される | Science | AAAS」. News.sciencemag.org . 2016年2月22日閲覧。
  70. ^ 「ハイテク考古学が明らかにした「失われた」ニューイングランド」News.nationalgeographic.com 2014年1月3日。2014年1月7日時点のオリジナルよりアーカイブ。 2016年2月22日閲覧。
  71. ^ Evans, DH; Fletcher, RJ; et al. (2013). 「LIDARを用いたアンコール遺跡の考古学的景観の解明」. PNAS . 110 (31): 12595– 12600. Bibcode :2013PNAS..11012595E. doi : 10.1073/pnas.1306539110 . PMC 3732978. PMID  23847206 . 
  72. ^ デイビス、ニコラ（2018年2月15日）「レーザースキャンにより、『失われた』古代メキシコ都市には『マンハッタンと同じ数の建物があった』ことが判明」ガーディアン紙– www.theguardian.comより。
  73. ^ 「LiDARスキャンでマヤ文明の高度な道路網が明らかに」smithsonianmag.com . 2018年2月28日閲覧。
  74. ^ 「グアテマラのジャングルで古代マヤのスーパーハイウェイが発見される」2017年1月27日。
  75. ^ 「この古代文明は中世イングランドの2倍の大きさだった」2018年2月1日。2018年2月1日時点のオリジナルよりアーカイブ。 2018年2月5日閲覧。
  76. ^ 「考古学者、レーザーを使って古代の失われた都市を発見」msn.com . 2019年9月8日閲覧。
  77. ^ 「この古代文明は中世イングランドの2倍の規模だった」ナショナルジオグラフィックニュース、2018年2月1日。2019年8月7日時点のオリジナルよりアーカイブ。 2019年9月8日閲覧。
  78. ^ 「グアテマラのジャングルの下に広がるマヤのネットワークを発見」2018年2月2日。
  79. ^ 「考古学者、レーザーを使ってグアテマラで古代マヤの失われた都市を発見」ニューズウィーク、2018年9月29日。
  80. ^ リトル、ベッキー. 「レーザーでグアテマラの古代マヤ遺跡6万ヶ所を解明」. History . 2019年9月8日閲覧。
  81. ^ 「グアテマラでレーザーを使って6万もの建造物を持つ隠された古代マヤの『メガロポリス』を発見」yahoo.com。2019年9月5日時点のオリジナルよりアーカイブ。2019年9月8日閲覧。
  82. ^ Berke, Jeremy (2018年2月2日). 「考古学者、グアテマラのジャングルで数千もの隠された建造物を発見 ― 人類の歴史を書き換える可能性」Business Insider . 2019年9月8日閲覧。
  83. ^ 「グアテマラでレーザーを使って6万の構造物を持つ隠された古代マヤの『メガロピス』を発見」ニューズウィーク、2018年2月2日。
  84. ^ Chukwurah, Precious (2018年9月30日). 「考古学者、レーザーを使ってグアテマラ北部で古代マヤの失われた都市を発見」.ナイジェリアのエンターテイメントニュース、音楽、ビデオ、ライフスタイル. 2019年9月5日時点のオリジナルよりアーカイブ。 2019年9月8日閲覧。
  85. ^ Wehner, Mike (2018年2月2日). 「考古学者、グアテマラのジャングルに隠された古代マヤの巨大都市を発見」BGR . 2019年9月8日閲覧。
  86. ^ 「エクアドルのアマゾンに1000年間存在した失われた都市群が地図に描かれる」AP通信、2024年1月11日。
  87. ^ ステファン・ロステイン;アントワーヌ・ドリソン。ジェフロワ・ド・ソーリュー。ハイコ・プリューマーズ。ジャン＝リュック・ル・ペネック。フェルナンド・メヒア・メヒア。アナ・マリッツァ・フレイレ。ハイメ・R・パガン＝ヒメネス。フィリップ・デスコラ (2024-01-11)。「アマゾン上流における二千年にわたる庭園都市化」。科学。383 (6679): 183–189。Bibcode :2024Sci...383..183R。土井：10.1126/science.adi6317。PMID  38207020。
  88. ^ Steve Taranovich著、EDN。「自律型自動車センサー：プロセッサアルゴリズムが入力を取得する方法」2016年7月5日。2016年8月9日閲覧。
  89. ^ 「自動運転車の誕生につながった過酷なロボットレース、DARPAチャレンジの口述歴史」Wired . ISSN  1059-1028 . 2020年12月24日閲覧。
  90. ^ 「フィリピン人が普通の車を自動運転車に変える - Motioncars」Motioncars.inquirer.net 2015年5月25日. 2016年2月22日閲覧。
  91. ^ ab 高木清和;森川勝弘；小川 隆史佐分利誠（2006）。 「車載LIDARを活用した道路環境認識」。2006 IEEE インテリジェント車両シンポジウム。ページ 120–125。土井:10.1109/IVS.2006.1689615。ISBN 978-4-901122-86-3. S2CID  15568035。
  92. ^ Hasirlioglu, Sinan; Kamann, Alexander; Doric, Igor; Brandmeier, Thomas (2016). 「自動車サラウンドセンサーへの雨の影響に関する試験方法論」2016 IEEE 第19回国際高度道路交通システム会議 (ITSC) . pp.  2242– 2247. doi :10.1109/ITSC.2016.7795918. ISBN 978-1-5090-1889-5. S2CID  2334608。
  93. ^ 周 坤; 王 希琴; 富塚 正善; 張 偉斌; チャント チンヤオ (2002). 「入力推定を用いた新しい操縦目標追跡アルゴリズム」. 2002年アメリカ制御会議論文集 (IEEE Cat. No.CH37301). 第1巻. pp.  166– 171. doi :10.1109/ACC.2002.1024798. ISBN 978-0-7803-7298-6. S2CID  114167319。
  94. ^ Y. Hata, Alberto; F. Wolf, Denis. 「多層LIDARを用いた都市環境における車両位置推定のための特徴検出」IEEE Transactions on Intelligent Transportation System . 17 (2). ISSN  1558-0016.
  95. ^ ab Lindner, Philipp; Wanielik, Gerd (2009). 「車両の安全性と環境認識のための3D LIDAR処理」. 2009 IEEE Workshop on Computational Intelligence in Vehicles and Vehicular Systems . pp.  66– 71. doi :10.1109/CIVVS.2009.4938725. ISBN 978-1-4244-2770-3. S2CID  18520919。
  96. ^ ギブス、サミュエル（2015年9月7日）「ハッカーは自動運転車を騙して回避行動を取らせることができる」ガーディアン紙。
  97. ^ Xu, Haiqing; Toman, Elizabeth; Zhao, Kaiguang; Baird, John (2022). 「深層畳み込みニューラルネットワークを用いたLiDARと航空画像の融合による湿地と水路の地図作成」 . Transportation Research Record . 2676 (12): 374– 381. doi :10.1177/03611981221095522. S2CID  251780248.
  98. ^ Naesset, Erik (1997年4月). 「航空レーザースキャナデータを用いた森林の平均樹高の測定」. ISPRS Journal of Photogrammetry and Remote Sensing . 52 (2): 49– 56. Bibcode :1997JPRS...52...49N. doi :10.1016/S0924-2716(97)83000-6.
  99. ^ ジョンソン、ルーカス、マホニー、マイケル、ベヴィラクア、エディ、ステマン、グラント、ドンケ、コリン・ベイヤー（2022年11月）。「LiDARカバレッジの時空間パッチワークを用いた高分解能ランドスケープスケールバイオマスマッピング」。国際 応用地球観測地理情報誌。114 103059。arXiv : 2205.08530。doi : 10.1016 / j.jag.2022.103059。S2CID 248834425。
  100. ^ Morsdorf, Felix; Kötz, Benjamin; Meier, Erich; Itten, KI; Allgöwer, Britta (2006年9月15日). 「ギャップ率に基づく小規模フットプリント航空レーザースキャンデータからのLAIおよび被覆率推定」.環境リモートセンシング. 104 (1): 50– 61. Bibcode :2006RSEnv.104...50M. doi :10.1016/j.rse.2006.04.019.
  101. ^ Zhao, Kaiguang; Popescu, Sorin (2009). 「米国南部の温帯林におけるLiDARを用いた葉面積指数のマッピングとGLOBCARBON衛星LAIプロダクトの検証への利用」 .環境リモートセンシング. 113 (8): 1628– 1645. Bibcode :2009RSEnv.113.1628Z. doi :10.1016/j.rse.2009.03.006.
  102. ^ 「マッピングに役立つLidarリンク」Lidarbasemaps.org . 2016年2月22日閲覧。
  103. ^ Clawges, Rick; Vierling, Kerri; Vierling, Lee; Rowell, Eric (2008年5月15日). 「航空ライダーを用いた松／アスペン林における鳥類の多様性、密度、および発生状況の評価」.環境リモートセンシング. 112 (5): 2064– 2073. Bibcode :2008RSEnv.112.2064C. doi :10.1016/j.rse.2007.08.023. ISSN  0034-4257.
  104. ^ モースルンド、イェスパー・エレンショルド;ズリンシュキー、アンドラーシュ。エジュルナス、ラスムス。ブルンビョルグ、アネ・カースティン。ブーチャー、ペダー・クリス。スヴェニング、イェンス・クリスチャン。ノルマン、シーニュ (2019-01-04)。 「LIDARは、複数の生息地と広い地理的範囲にわたる植物、菌類、地衣類、コケ植物の多様性を説明します。」bioRxiv 10.1101/509794。 
  105. ^ Simonson, William D.; Allen, Harriet D.; Coomes, David A. (2014-07-05). 「動物種の多様性評価における航空機LIDARの応用」. Methods in Ecology and Evolution . 5 (8): 719– 729. Bibcode :2014MEcEv...5..719S. doi : 10.1111/2041-210x.12219 . ISSN  2041-210X.
  106. ^ Vaux, Felix; Fraser, Ceridwen I.; Craw, Dave; Read, Stephen; Waters, Jonathan M. (2023). 「ケルプのゲノム解析と地質学的データの統合による古代地震の影響の解明」Journal of the Royal Society Interface . 20 (202) 20230105. doi :10.1098/rsif.2023.0105. PMC 10189309. PMID 37194268  . 
  107. ^ ab Zhao, Kaiguang; Suarez, Juan C; Garcia, Mariano; Hu, Tongxi; Wang, Cheng; Londo, Alexis (2018). 「森林と炭素モニタリングにおけるマルチテンポラルLIDARの有用性：樹木の成長、バイオマス動態、および炭素フラックス」 .環境リモートセンシング. 204 : 883– 897. Bibcode :2018RSEnv.204..883Z. doi :10.1016/j.rse.2017.09.007.
  108. ^ Wulder, Michael A; Bater, Christopher W; Coops, Nicholas C; Hilker, Thomas; White, Joanne C (2008). 「持続可能な森林管理におけるLiDARの役割」. The Forestry Chronicle . 84 (6): 807– 826. CiteSeerX 10.1.1.728.1314 . doi :10.5558/tfc84807-6. ISSN  0015-7546. 
  109. ^ “FIRES 2020 | airborne”. 2020年6月13日時点のオリジナルよりアーカイブ。2020年2月10日閲覧。
  110. ^ コネサ＝ガルシア、カルメロ;プイグ・メングアル、カルロス。リケルメ、アドリアン。トマス、ロベルト。マルティネス・カペル、フランシスコ。ガルシア＝ロレンソ、ラファエル。ホセ・L.牧師;ペレス・クティージャス、ペドロ。マルティネス＝サルバドール、アルベルト。カノ＝ゴンザレス、ミゲル（2022年2月）。 「イベント規模での河川パワーの変化と形態学的調整、および一時的な砂利床水路に沿った高い空間解像度」。地形学。398 108053。Bibcode :2022Geomo.39808053C。土井：10.1016/j.geomorph.2021.108053。hdl : 10251/190056 . ISSN  0169-555X.
  111. ^ Janowski, Lukasz; Tylmann, Karol; Trzcinska, Karolina; Rudowski, Stanislaw; Tegowski, Jaroslaw (2021). 「オブジェクトベース画像解析と数値標高モデルのスペクトルパラメータによる氷河地形の探査」IEEE Transactions on Geoscience and Remote Sensing . 60 : 1– 17. doi : 10.1109/TGRS.2021.3091771 .
  112. ^ トマス、R.;アベラン、A.カノ、M.リケルメ、A.テンザ・アブリル、AJ;バエザ・ブロトンズ、F.サヴァル、JM。ジャボエドフ、M. (2018-02-01)。 「都市の斜面に広がる岩石の調査のための学際的なアプローチ」。地滑り。15 (2): 199–217。ビブコード:2018Lands..15..199T。土井: 10.1007/s10346-017-0865-0。hdl : 10045/73318。ISSN  1612-5118。
  113. ^ Tonini, Marj; Abellan, Antonio (2014-06-30). 「地上LiDAR点群からの落石検知：Rを用いたクラスタリングアプローチ」. Journal of Spatial Information Science (8): 95– 110. doi :10.5311/josis.2014.8.123. ISSN  1948-660X.
  114. ^ 胡、リルル;ナバロ＝エルナンデス、マリア I.劉暁傑。トマス、ロベルト。唐、新明。ブルー、グアダルーペ;エスケロ、パブロ。青島、張（2022年10月）。 「オープンアクセス航空 LiDAR データセットを使用した、アルト グアダレンティン盆地 (スペイン) における地域的な大勾配地盤沈下の分析」。環境のリモートセンシング。280 113218。ビブコード:2022RSEnv.28013218H。土井：10.1016/j.rse.2022.113218。hdl : 10045/126163。ISSN  0034-4257。
  115. ^ Hughes, MW; Quigley, M. C; van Ballegooy, S.; Deam, BL; Bradley, BA; Hart, DE (2015). 「沈みゆく都市：ニュージーランド、クライストチャーチの地震による洪水被害増加」 . GSA Today . 25 (3): 4– 10. doi :10.1130/Geology . 2016年2月22日閲覧。
  116. ^ ラバテル, アントワーヌ; デライン, フィリップ; ジャイエ, ステファン; ラヴァネル, ルドヴィック (2008年5月28日). 「地上ライダー測定による高山岩壁の落石定量化：モンブラン地域における事例研究」.地球物理学研究論文集. 35 (10): L10502. Bibcode :2008GeoRL..3510502R. doi :10.1029/2008GL033424. S2CID  52085197.
  117. ^ Cunningham, Dickson; Grebby, Stephen; Tansey, Kevin; Gosar, Andrej; Kastelic, Vanja (2006). 「スロベニア、南東アルプスの森林に覆われた山岳地帯における地震発生断層のマッピングへの航空LiDARの応用」(PDF) . Geophysical Research Letters . 33 (20): L20308. Bibcode :2006GeoRL..3320308C. doi : 10.1029/2006GL027014 . ISSN 1944-8007. 2022年10月9日時点のオリジナルより アーカイブ(PDF) 。
  118. ^ 「LIDARが地震リスクが最も高い場所を示す」Seattlepi.com 2001年4月17日. 2016年2月22日閲覧。
  119. ^ 「セントヘレンズ山LIDARデータ」ワシントン州地理空間データアーカイブ（2006年9月13日）。2007年8月8日閲覧。
  120. ^ 「Airborne Topographic Mapper」NASA.gov. 2007年8月8日閲覧。
  121. ^ Li, T. (2011). 「長期レイリーライダー観測による中層大気の気温トレンドと太陽活動周期の解明」(PDF) . Journal of Geophysical Research . 116 D00P05. Bibcode :2011JGRD..116.0P05L. doi : 10.1029/2010jd015275 .
  122. ^ Thomas D. Wilkerson、Geary K. Schwemmer、Bruce M. Gentry。ドップラー法と非ドップラー法によるエアロゾル、雲、風のLIDARプロファイリング、NASA国際H2Oプロジェクト（2002年）Wayback Machineに2007年8月22日にアーカイブ。
  123. ^ 「地球探検家：ADM-Aeolus」ESA.org（欧州宇宙機関、2007年6月6日）。2007年8月8日閲覧。
  124. ^ 「ドップラーライダーがオリンピックのセーラーに優位性をもたらす」Optics.org (2008年7月3日). 2008年7月8日閲覧。
  125. ^ Clive, PJM, 「エオリックの出現」TEDx University of Strathclyde (2014). 2014年5月9日閲覧。
  126. ^ ab Koch, Grady J.; Barnes, Bruce W; Petros, Mulugeta; Beyon, Jeffrey Y; Amzajerdian, Farzin; Yu, Jirong; Davis, Richard E; Ismail, Syed; Vay, Stephanie; Kavaya, Michael J; Singh, Upendra N (2004). 「CO2のコヒーレント差分吸収ライダー測定」. Applied Optics . 43 (26): 5092– 5099. Bibcode :2004ApOpt..43.5092K. doi :10.1364/AO.43.005092. PMID  15468711.
  127. ^ Abshire, James B.; Ramanathan, Anand; Riris, Haris; Mao, Jianping; Allan, Graham R.; Hasselbrack, William E.; Weaver, Clark J.; Browell, Edward V. (2013-12-30). 「パルス式直接検出IPDAライダーを用いたCO2柱上濃度と距離の空中測定」.リモートセンシング. 6 (1): 443– 469.書誌コード:2013RemS....6..443A. doi : 10.3390/rs6010443 . hdl : 2060/20150008257 .
  128. ^ ab Campbell, Joel F. (2013). 「CWレーザーシステムを用いたCO2測定のための非線形スイープ周波数法」.応用光学. 52 (13): 3100– 3107. arXiv : 1303.4933 . Bibcode :2013ApOpt..52.3100C. doi :10.1364/AO.52.003100. PMID :  23669780. S2CID  : 45261286.
  129. ^ Dobler, Jeremy T.; Harrison, F. Wallace; Browell, Edward V.; Lin, Bing; McGregor, Doug; Kooi, Susan; Choi, Yonghoon; Ismail, Syed (2013). 「航空機搭載型強度変調連続波1.57 μmファイバーレーザーライダーによる大気CO2柱測定」. Applied Optics . 52 (12): 2874– 2892. Bibcode :2013ApOpt..52.2874D. doi :10.1364/AO.52.002874. PMID  23669700. S2CID  13713360.
  130. ^ Riris, Haris; Numata, Kenji; Li, Steve; Wu, Stewart; Ramanathan, Anand; Dawsey, Martha; Mao, Jianping; Kawa, Randolph; Abshire, James B. (2012-12-01). 「パルス積分パス差分吸収ライダーを用いた大気メタン濃度の空中測定」. Applied Optics . 51 (34): 8296– 305. Bibcode :2012ApOpt..51.8296R. doi :10.1364/AO.51.008296. ISSN  1539-4522. PMID  23207402. S2CID  207299203.
  131. ^ Grant, WB、「大気圏および水圏研究のためのライダー」、 Tunable Laser Applications、第 1 版、 Duarte, FJ Ed. (Marcel Dekker、ニューヨーク、1995 年) 第 7 章。
  132. ^ “Areté”. 2011年9月4日時点のオリジナルよりアーカイブ。
  133. ^ 「NATOレーザーによる生物兵器のスタンドオフ探知」Rta.nato.int。2011年7月20日時点のオリジナルよりアーカイブ。2013年5月6日閲覧。
  134. ^ 「短距離バイオエアロゾル脅威検知センサー（SR-BioSpectra）」. Ino.ca. 2013年10月15日時点のオリジナルよりアーカイブ。2013年5月6日閲覧。
  135. ^ 「防衛・安全保障情報・分析：IHS Jane's | IHS」Articles.janes.com . 2012年4月2日時点のオリジナルよりアーカイブ。 2016年2月22日閲覧。
  136. ^ Spice, Byron. 研究者がフルサイズの自律型ヘリコプターの開発に協力 Archived 2011-06-08 at the Wayback Machine Carnegie Mellon , 2010年7月6日. 2010年7月19日閲覧。
  137. ^ Koski, Olivia. フルサイズロボコプターが初めて人間の助けを借りずに飛行、有線、2010年7月14日。2010年7月19日閲覧。
  138. ^ 「体積測定」3dlasermapping.com. 2014年4月4日時点のオリジナルよりアーカイブ。2014年2月17日閲覧。
  139. ^ モジュラー採掘システム#自律運搬システム
  140. ^ ab Hargitai, Henrik; Willner, Konrad; Buchroithner, Manfred (2019), Hargitai, Henrik (ed.)「惑星地形図作成法：レビュー」、惑星地図作成とGIS、地理情報と地図作成の講義ノート、Springer International Publishing、pp.  147– 174、doi :10.1007/978-3-319-62849-3_6、ISBN 978-3-319-62849-3、S2CID  133855780
  141. ^ NASA. 「NASA​​火星着陸船が雪崩を観測、土壌データは液体の過去を示唆」NASA.gov (2008年9月29日) 2012年7月27日アーカイブ、Wayback Machine。2008年11月9日閲覧。
  142. ^ 「直交偏光雲エアロゾルライダー（CALIOP）」NASA . 2015年8月16日閲覧。
  143. ^ CW Gowers. 「Focus On: Lidar-Thomson Scattering Diagnostic on JET」JET.EFDA.org (日付不明). 2007年8月8日閲覧。2007年9月18日アーカイブ、Wayback Machineにて
  144. ^ Riquelme, AJ; Abellán, A.; Tomás, R.; Jaboyedoff, M. (2014). 「3D点群からの半自動岩盤節理認識のための新たなアプローチ」(PDF) . Computers & Geosciences . 68 : 38– 52. Bibcode :2014CG.....68...38R. doi :10.1016/j.cageo.2014.03.014. hdl : 10045/36557 .
  145. ^ Gigli, G.; Casagli, N. (2011). 「高解像度LIDAR点群からの岩盤構造データの半自動抽出」. International Journal of Rock Mechanics and Mining Sciences . 48 (2): 187– 198. Bibcode :2011IJRMM..48..187G. doi :10.1016/j.ijrmms.2010.11.009.
  146. ^ abc Slob, S. 2010. 3D地上レーザースキャナーを使用した自動岩盤特性評価、デルフ工科大学。
  147. ^ Riquelme, AJ; Abellán, A.; Tomás, R. (2015). 「3D点群を用いた岩盤の不連続間隔解析」. Engineering Geology . 195 : 185–195 . Bibcode :2015EngGe.195..185R. doi :10.1016/j.enggeo.2015.06.009. hdl : 10045/47912 .
  148. ^ abc Sturzenegger, M.; Stead, D. (2009). 「岩石切口における不連続性評価のための近距離地上デジタル写真測量と地上レーザースキャン」.工学地質学. 106 ( 3–4 ): 163– 182. Bibcode :2009EngGe.106..163S. doi :10.1016/j.enggeo.2009.03.004.
  149. ^ Riquelme, Adrián; Tomás, Roberto; Cano, Miguel; Pastor, José Luis; Abellán, Antonio (2018-05-24). 「3D点群を用いた岩盤上の不連続性持続性の自動マッピング」(PDF) . Rock Mechanics and Rock Engineering . 51 (10): 3005– 3028. Bibcode :2018RMRE...51.3005R. doi :10.1007/s00603-018-1519-9. ISSN  0723-2632. S2CID 135109573. 2022年10月9日時点のオリジナルより アーカイブ(PDF) 。
  150. ^ Riquelme, Adrián J.; Tomás, Roberto; Abellán, Antonio (2016-04-01). 「3D点群を用いた斜面質量評価による岩盤斜面の特性評価」. International Journal of Rock Mechanics and Mining Sciences . 84 : 165–176 . Bibcode :2016IJRMM..84..165R. doi :10.1016/j.ijrmms.2015.12.008. hdl : 10045/52313 .
  151. ^ Abellán, A.; Oppikofer, T.; Jaboyedoff, M.; Rosser, NJ; Lim, M.; Lato, MJ (2014). 「岩盤斜面不安定性の地上レーザースキャン」. Earth Surface Processes and Landforms . 39 (1): 80– 97. Bibcode :2014ESPL...39...80A. doi :10.1002/esp.3493. S2CID  128876331. 2019年11月7日時点のオリジナルよりアーカイブ。 2019年11月7日閲覧。
  152. ^ Abellán, A.; Vilaplana, JM; Martínez, J. (2006). 「長距離地上レーザースキャナーを用いたバル・デ・ヌリア（スペイン東部ピレネー山脈）における詳細な落石調査」. Engineering Geology . 88 ( 3–4 ): 136– 148. Bibcode :2006EngGe..88..136A. doi :10.1016/j.enggeo.2006.09.012.
  153. ^ トマス、R.;アベラン、A.カノ、M.リケルメ、A.テンザ・アブリル、AJ;バエザ・ブロトンズ、F.サヴァル、JM。ジャボエドフ、M. (2017-08-01)。 「都市の斜面に広がる岩石の調査のための学際的なアプローチ」。地滑り。15 (2): 199–217。ビブコード:2018Lands..15..199T。土井: 10.1007/s10346-017-0865-0。hdl : 10045/73318。ISSN  1612-510X。
  154. ^ 「LiDAR | NASA航空科学プログラム」airbornescience.nasa.gov . 2017年3月20日閲覧。
  155. ^ 「イフタス」.イフタス.de 。2013 年 5 月 6 日に取得。
  156. ^ 「WebotsのLiDARシミュレーションモデル」 。 2018年6月4日閲覧。
  157. ^ 「NASA​​ – Lidar In-space Technology Experiment (LITE)」Nasa.gov. 2011年8月25日。2007年7月5日時点のオリジナルよりアーカイブ。 2013年5月6日閲覧。
  158. ^ DM Winker; RH Couch; MP McCormick (2011-09-27). 「LITEの概要：NASAのLiDAR宇宙技術実験」. Proceedings of the IEEE . 84 (2): 164– 180. doi :10.1109/5.482227.
  159. ^ ブルース・バナード「軌道レーザー高度計」『火星年代記』第1巻第3号、NASA.gov。2019年3月11日閲覧。
  160. ^ NASA, LOLA. 2019年3月11日閲覧。
  161. ^ John F. Cavanaugh他「MESSENGERミッション向け水星レーザー高度計」、2020年9月14日アーカイブ、Wayback Machineにて公開、Space Sci Rev、doi :10.1007/s11214-007-9273-4、2007年8月24日。2019年3月11日閲覧。
  162. ^ シュルヴィッチ、ヤクブ;ブルジャコフスキ、パヴェウ。ヤノフスキー、アルトゥール。プシボルスキ、マレク。ティシエンツ、パヴェウ。ヴォイトヴィッチ、アレクサンダー。ホロドコフ、アルセム。マティシク、クシシュトフ。マティシク、マチェジ (2015)。 「空間データのソースとしての海洋レーザースキャン」。ポーランド海事研究。22 (4): 9–14。ビブコード:2015PMRes..22d...9S。土井：10.1515/pomr-2015-0064。
  163. ^ 「Bathymetric LiDAR」. home.iitk.ac.in . 2018年1月17日閲覧。
  164. ^ 「CivilMaps.com 道路・舗装状況調査の迅速化」Civil Maps. 2015年3月15日. 2015年4月2日時点のオリジナルよりアーカイブ。 2015年3月15日閲覧。
  165. ^ 「バンパーマウントレーザー」 Sciencedaily.com. 2007年2月27日. 2013年5月6日閲覧。
  166. ^ 米国商務省 (2008年11月14日). 「自動地表観測システム（ASOS）実施計画」(PDF) . weather.gov . 2022年10月9日時点のオリジナルよりアーカイブ(PDF) .
  167. ^ Clive, PJM、「Windpower 2.0: technology rises to the challenge」、2014年5月13日アーカイブ、Wayback Machine環境研究ウェブ、2008年。2014年5月9日閲覧。
  168. ^ Mikkelsen, Torben; et al. (2007年10月). 「12MW Horns Rev Experiment」(PDF) . Risoe. 2011年7月3日時点のオリジナル(PDF)からアーカイブ。 2010年4月25日閲覧。
  169. ^ 「風の打撃を受ける」エコノミスト誌2010年3月4日. 2010年4月25日閲覧。
  170. ^ 「ナセルベースLiDARシステムによる世界初の風力タービン制御」シュトゥットガルト大学コーポレートコミュニケーションズ2012年6月5日 . 2014年4月12日閲覧。
  171. ^ Andrew K. Scholbrock 他「NREL Controls Advanced Research Turbine National Renewable Energy Laboratory Data Baseにおける LIDAR ベースのフィードフォワード制御のフィールドテスト」 2014 年 4 月 12 日。2014 年 4 月 12 日閲覧。
  172. ^ ミケルセン、トーベン＆ハンセン、カスパー・ヨースほか。回転スピナーからのライダー風速測定デンマーク研究データベースおよびデンマーク工科大学、2010 年 4 月 20 日。取得日: 2010 年 4 月 25 日。
  173. ^ Asimakopolous, M., Clive, PJM, More, G., Boddington, R., Offshore compression zone measurement and visualisation Archived 2014-05-12 at the Wayback Machine European Wind Energy Association Annual Conference, 2014. 2014年5月9日閲覧。
  174. ^ Gallacher, D., and More, G., Lidar measurements and visualisation of turbulence and wake decay length Archived 2014-05-12 at the Wayback Machine European Wind Energy Association Annual Conference, 2014. 2014年5月9日閲覧。
  175. ^ Clive, PJM, et al., Offshore power curve tests for onshore costs: a real world case study Archived 2014-05-12 at the Wayback Machine European Wind Energy Association Annual Conference, 2014. 2014年5月9日閲覧。
  176. ^ Clive, PJM、「陸上コストを考慮したオフショア発電の性能評価」、Wayback Machineで2014年4月17日にアーカイブ。DEWEK (Deutsche Windenergie Konferenz)、2012年。2014年5月9日閲覧。
  177. ^ ルカチ、ニコ;シュトゥンベルガー・ゴラズド。ジャリク・ボルト (2017)。 「航空LiDARデータと平滑化粒子流体力学を使用した風資源評価」。環境モデリングとソフトウェア。95 : 1–12。Bibcode :2017EnvMS..95....1L。土井：10.1016/j.envsoft.2017.05.006。
  178. ^ Jochem, Andreas; Höfle Bernhard; Rutzinger Martin; Pfeifer Norbert (2009). 「太陽光ポテンシャル評価のための航空ライダー点群における屋根面自動検出と解析」. Sensors . 9 (7): 5241– 5262. Bibcode :2009Senso...9.5241J. doi : 10.3390/s90705241 . PMC 3274168. PMID  22346695 . 
  179. ^ Nguyen, Ha T.; Pearce, Joshua M.; Harrap, Rob; Barber, Gerald (2012). 「LiDARを用いた市町村単位の屋上太陽光発電導入ポテンシャル評価」. Sensors . 12 (4): 4534– 4558. Bibcode :2012Senso..12.4534N. doi : 10.3390/s120404534 . PMC 3355426. PMID  22666044 . 
  180. ^ Nguyen, Ha T.; Pearce, Joshua M. (2012). 「市町村規模の太陽光発電ポテンシャル評価における日陰損失の考慮」太陽エネルギー. 86 (5): 1245– 1260. Bibcode :2012SoEn...86.1245N. doi :10.1016/j.solener.2012.01.017. S2CID  15435496.
  181. ^ Jochem, Andreas; Höfle Bernhard; Rutzinger Martin (2011). 「太陽ポテンシャル評価のためのモバイルレーザースキャンデータからの垂直壁の抽出」.リモートセンシング. 3 (4): 650– 667. Bibcode :2011RemS....3..650J. doi : 10.3390/rs3030650 .
  182. ^ ルカチ、ニコ;ジラウス・ダニエル。せめせめ;ジャリク・ボルト。シュトゥンベルガー・ゴラズド (2013)。 「LiDARデータに基づく、太陽光発電の可能性と太陽光発電システムへの適合性に関する屋根の表面の評価」。応用エネルギー。102 : 803– 812。ビブコード:2013ApEn..102..803L。土井：10.1016/j.apenergy.2012.08.042。
  183. ^ 「rFactor Pro - レーザースキャン天国」VirtualR.net - 100%独立系シミュレーションレーシングニュース. 2011年7月15日. 2020年6月4日閲覧。
  184. ^ Marsh, William (2017年6月30日). 「rFactor ProがLIDARスキャンによるハンガロリンクの走行を披露」. Sim Racing Paddock . 2020年6月4日閲覧。
  185. ^ 「Project CARS 2の新コースはドローンでレーザースキャン」GTPlanet . 2017年2月8日. 2020年6月4日閲覧。
  186. ^ Nick Parish (2008年7月13日). 「OKコンピューターからロールコンピューターへ：レディオヘッドとジェームズ・フロスト監督がカメラを使わずにビデオを制作」Creativity. 2008年7月17日時点のオリジナルよりアーカイブ。
  187. ^ 「LiDAR vs. 3D ToFセンサー – Appleがスマートフォン向けARをどのように改善しているか」2020年3月31日. 2020年4月3日閲覧。
  188. ^ 「Apple、新デザイン、高性能カメラ、LiDAR搭載のiPhone 12 Proシリーズを発表」2020年10月13日. 2020年10月14日閲覧。
  189. ^ ホームズ、マーティン (2022年9月13日). 「『ホイール・オブ・フォーチュン』の新パズルボードにファンの反応は様々」TV Insider .
  190. ^ ab "Advanced Scientific Concepts Inc". advancedscientificconcepts.com . 2019年3月9日時点のオリジナルよりアーカイブ。2019年3月8日閲覧。
  191. ^ 「特許の詳細」. technology.nasa.gov . 2019年3月8日閲覧。
  192. ^ 「アナログからデジタルへの変換：サンプリング」cl.cam.ac.uk. 2019年3月8日閲覧。
  193. ^ 自律安全着陸および宇宙船近接運用のためのイメージングフラッシュライダー。AIAA Space 2016カンファレンス。NASA技術レポートサーバー。2019年5月7日。
  194. ^ ディートリッヒ、アン・ブラウン、「小天体近傍におけるフラッシュライダー画像による自律航行のサポート」（2017年）。コロラド大学ボルダー校 航空宇宙工学科学大学院論文集。178ページ。
  195. ^ Wang, Yan; Chao, Wei-Lun; Garg, Divyansh; Hariharan, Bharath; Campbell, Mark; Weinberger, Kilian Q. (2020-02-22). 「視覚的奥行き推定による擬似LiDAR：自動運転における3D物体検出のギャップを埋める」. arXiv : 1812.07179 [cs.CV].
  196. ^ 「LiDARとステレオビジョンの詳細」Ambarella . 2021年3月15日. 2025年8月24日閲覧。

さらに読む

  • ギル、エミリオ。ジョレンス、ジョルディ。ロップ、ジョルディ。ファブレガス、ザビエル。モントセラト州ギャラルト（2013）。 「ブドウ園への散布における漂流検出のための地上 LIDAR センサーの使用」。センサー。13 (1): 516–534。ビブコード:2013Senso..13..516G。土井：10.3390/s130100516。PMC  3574688。PMID  23282583。
  • Heritage, E. (2011). 遺跡のための3Dレーザースキャン. 考古学と建築におけるレーザースキャンに関するユーザーへのアドバイスとガイダンス。www.english-heritage.org.uk で入手可能。遺跡のための3Dレーザースキャン | Historic England.
  • Heritage, G., & Large, A. (編著). (2009). 環境科学のためのレーザースキャン. John Wiley & Sons. ISBN 1-4051-5717-8。
  • マルタモ, M., ネセット, E., ヴァウコネン, J. (2014). 航空レーザースキャンの林業応用：概念と事例研究（第27巻）. シュプリンガー・サイエンス＆ビジネス・メディア. ISBN 94-017-8662-3。
  • Shan, J., Toth, CK (編著). (2008). 地形レーザー測距とスキャン：原理と処理. CRC press. ISBN 1-4200-5142-3。
  • Vosselman, G., & Maas, HG (編著). (2010). 空中および地上レーザースキャン. Whittles Publishing. ISBN 1-4398-2798-2。
ウィキメディア コモンズには、 LIDARに関連するメディアがあります。
  • Outsight (2023年5月25日). 「3D LiDARテクノロジーの基礎を理解する」Outsight Insights .
  • アメリカ海洋大気庁（NOAA）（2020年4月15日）「LIDARとは？」NOAA国立海洋局
  • USGS LIDAR 情報調整および知識センター (CLICK) – 「科学的ニーズのための LIDAR リモート センシングのデータ アクセス、ユーザー調整、および教育を促進する」ことを目的とした Web サイト。