Lidar
レーザーを用いた空間測定法

ライダー（LIDAR、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方法です。ライダーは固定方向（例：垂直）で動作することも、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、マーチング・ベアーズ・マウンド群のライダー画像
スターファイア光学レンジでライダーとレーザーガイド星の実験に使用されている周波数加算光放射源（FASOR）は、ナトリウムD2a線に調整され、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、建物や岩層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。ヘッドは水平に回転し、ミラーは垂直に傾きます。レーザービームは、その経路上の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の50kmの範囲のライダーデータを収集する飛行機を示しています。地表レベルの地物は、濃い茶色から黄褐色までの色の範囲で表示されます。植生の高さは緑の濃淡で示され、濃い緑は地面に最も近く、薄い緑は最も高くなります

LIDARには、地上、空中、モバイルの用途があります。[4] [5]測量、測地学、地理情報学、考古学、地理学、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用途で、高解像度の地図を作成するために一般的に使用されています。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表現を作成するために使用されますまた、自動運転車[7]の制御とナビゲーション、そして火星上空での記録的な飛行を行ったヘリコプター「インジェニュイティ」 [8]にもますます利用されています。ライダーはその後、大気研究や気象学に広く利用されてきました。航空機や衛星に搭載されたライダー機器は測量と地図作成を行います。最近の例としては、米国地質調査所の実験的先進航空機研究ライダーがあります。[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特定しました。[10]

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

歴史と語源

ライダーの基本的な概念は、1930年に強力なサーチライトを用いて大気圏を探査することを構想したE・H・シングによって考案されました。 [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最初の地上実用化は、1963年に製造された大型のライフルのようなレーザー距離計「コリダー・マークII」で、射程距離11km、精度4.5mで軍事目標の測定に使用されました。[17] [15] 1963年に「LIDAR」という単語が初めて単独で言及されたことは、「光」と「レーダー」を組み合わせた造語として生まれたことを示唆しています。「最終的には、レーザーは遠方の物体からの特定の波長の非常に高感度な検出器を提供できる可能性があります。一方、「LIDAR」（光レーダー）によって月の研究に使用されています…」[18] [19] 「フォトニックレーダー」 という名称は、LIDARのような可視スペクトル測距を意味するために使用されることがあります。[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提供はLIDARを使用する場合があります。[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異なる種類の散乱が使用されます。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、返送信号の強度における波長依存の変化を識別することで、大気の内容物を遠隔で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がありますが、 [20] [21]フォトニックレーダーは、より厳密には、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決定します。[28]

d ＝ c ⋅ t 2 {\displaystyle d={\frac {c\cdot t}{2}}}

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、検出器に戻るまでにかかる時間です。

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）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は一般的に光ヘテロダイン検出を使用します。[29]これは直接検出よりも感度が高く、はるかに低い電力で動作できますが、より複雑なトランシーバーが必要です

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組み合わせによって開発されました。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かなり少なく、多くの場合「目に安全」であるため、安全対策を講じずに使用できます。高出力システムは大気研究で一般的であり、雲の高さ、層構造、密度、雲粒子の特性（消衰係数、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）などの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

基本的なライダーシステムは、回転ミラーによって反射されるレーザー距離計（上）で構成されています。レーザーは、デジタル化されるシーンの周囲を1次元または2次元（中央）でスキャンし、指定された角度間隔（下）で距離測定値を収集します。

レーザー

600～  1000nmの レーザーは、非科学用途で最も一般的です。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オフにする自動遮断システムが使用されます。

一般的な代替手段の1つである1550nmレーザーは、この波長は水に強く吸収され、網膜にほとんど届かないため、比較的高い出力レベルで目に安全ですが、カメラセンサーは損傷を受ける可能性があります。[30] [31]ただし、現在の検出器技術はまだ進歩していないため、これらの波長は一般的に精度が低く、長距離で使用されます。1550nmは、より短い1000nm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使用されてきました。特定の方向にある特定のサイズ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使用されます。これを実現するために、個々のアンテナ（エミッター）の位相は正確に制御されます。ライダーで同じ技術を使用することは、可能であったとしても非常に困難です。主な問題は、すべての個々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、そして位相が高精度に制御された点光源として機能するためには、放射光の波長（1ミクロンの範囲）程度の寸法を持つ必要があることです

微小電気機械ミラー（MEMS）は完全に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の多くを提供します。1つのレーザーは1つのミラーに向けられ、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。ただし、MEMSシステムは通常、単一の平面（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、スキャン速度によって影響を受けます。方位角と仰角をスキャンするオプションには、デュアル振動平面鏡、ポリゴンミラーとの組み合わせ、および2軸スキャナーがあります。光学系の選択は、検出可能な角度分解能と範囲に影響します。戻り信号を収集するためのオプションとして、 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用電子機器

ライダーでは、主に2つの光検出器技術が使用されています。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。受信機の感度は、ライダー設計においてバランスを取る必要があるもう1つのパラメータです。

位置・航法システム

飛行機や衛星などの移動プラットフォームに搭載されたライダーセンサーは、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）受信機と慣性計測装置（IMU）が含まれます。

センサー

ライダーは、独自の照明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、送信パルスと後方散乱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放射し、返されたエネルギーで対象領域の空間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、キャプチャされたフレームをつなぎ合わせる必要がなく、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使用して実現できます。「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適用する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が始まっています

イメージングライダーは、高速検出器アレイと変調感度検出器アレイを使用して実行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）およびハイブリッドCMOS/電荷結合素子（CCD）製造技術を使用し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して、アレイをカメラのように読み取ることができます。この技術を使用することで、数千のピクセル/チャンネルを同時に取得できます。[35]高解像度3Dライダーカメラは、電子CCDまたはCMOSシャッターによるホモダイン検出を使用します。[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、凝視している単一要素受信機をイメージングアレイのように動作させます。[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。自動運転車などの多くの用途において、この新しいシステムはチップの向きを定めるための機械部品を必要としないため、コストを削減します。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、さまざまな半導体および超伝導プラットフォームのアレイやカメラなど、急速に進歩しています。[40]

分類

ライダーは、天底、天頂、または横方向に向けることができます。例えば、ライダー高度計は下を向き、大気ライダーは上を向き、ライダーベースの衝突回避システムは側方を向きます

ライダーのレーザー投影は、様々な方法とメカニズムを用いて操作することで、スキャン効果を生み出すことができます。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視野は固定されてい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、広い視野にフラッシュ光を広げます。[41]

ライダーの用途は、航空機搭載型と地上型に分けられます。[42]これら2つのタイプでは、データの目的、取得するエリアのサイズ、必要な測定範囲、機器のコストなどに基づいて、さまざまな仕様のスキャナーが必要です。宇宙搭載プラットフォームも可能です。 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には、数値標高モデル（DEM）と数値表層モデル（DSM）があります。点と地表点は離散点のベクトルであり、DEMとDSMは離散点の補間されたラスターグリッドです。このプロセスには、デジタル航空写真の撮影も含まれます。例えば、植生、崖、張力亀裂、または倒れた木々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、森林被覆の樹冠を透視し、崖、浸食、電柱の傾斜の詳細な測定を行うことができます。[44]

航空機搭載ライダーデータは、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用のToolbox for Lidar Data Filtering and Forest Studies (TIFFS) [45]と呼ばれるツールボックスを使用して処理されます。データはソフトウェアを使用してデジタル地形モデルに補間されます。レーザーはマッピングする領域に向けられ、各点の地上からの高さは、対応するデジタル地形モデルの標高から元のZ座標を差し引くことによって計算されます。この地上からの高さに基づいて、建物、送電線、飛翔中の鳥、昆虫などの物体を含む可能性のある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内で、平均、標準偏差、歪度、パーセンタイル、二次平均などの統計を計算することにより、ライダー指標が計算されます。[45]

マルチコプターUAVによるライダースキャン

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]

航空機搭載LIDAR水深測定技術 - 高解像度のマルチビームLIDARマップは、陰影付きのレリーフで、深度ごとに色分けされた、断層や変形が顕著な海底地質を示します。

航空機搭載型ライダー測深技術システムは、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し、データを取得します。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地上検証コンポーネントが含まれます。緑色スペクトル（532nm）のレーザービームを使用します。[47] 2本のビームが高速回転するミラーに投影され、点の配列が作成されます。ビームの1つは水を貫通し、良好な条件下では水底の表面も検出します。

ライダーで測定できる水深は、水の透明度と使用する波長の吸収に依存します。水は緑色と青色の光に対して最も透過性が高いため、きれいな水ではこれらの光が最も深く浸透します。[48]周波数逓倍固体赤外線レーザー出力によって生成される532nmの青緑色光は、航空機搭載型測深の標準ですこの光は水を透過しますが、パルスの強度は水中を移動する距離に応じて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。また、溶解した色素は波長に応じて吸収を増加させる可能性があります。[48]他の報告によると、水の浸透はセッキー深度の 2～3 倍になる傾向があります。水深測量ライダーは、沿岸地図作成において 0～10 メートル（0～33 フィート）の深度範囲で最も有効です。[47]

平均して、比較的澄んだ沿岸海水ではライダーは約7m（23フィート）、濁った水では最大約3m（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、深度計算にもわずかな影響を与えます。[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メトリックを用いて抽出することができ、オーストラリアでユーカリの立ち枯れ木を検出するためにボクセル化アプローチを用いた事例研究があります。 [54]

LIDAR（地上レーザースキャンとも呼ばれる）の地上応用は地球表面で行われ、固定式または移動式のいずれかです。固定式の地上スキャンは、従来の地形測量、モニタリング、文化遺産の文書化、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点群は、スキャナーの位置からスキャンされた領域で撮影されたデジタル画像と照合することで、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。点群内の各点には、その点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の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まったときに高さの値を保存するプロセスを採用します。次に、セル値に特定のしきい値を適用してバイナリマップを作成し、さらに処理します。次のステップは、各スキャンからの半径距離とZ座標を処理して、指定されたグリッドセルのそれぞれに対応する3Dポイントを特定し、データ形成プロセスに進むことです。[55]

モバイルLIDAR（モバイルレーザースキャンとも呼ばれる）とは、移動中の車両に2台以上のスキャナーを取り付け、経路に沿ってデータを収集することです。これらのスキャナーは、ほとんどの場合、GNSS受信機やIMUなどの他の機器と組み合わせて使用​​されます。一例として、電力線、橋の正確な高さ、隣接する樹木などをすべて考慮する必要がある道路の測量が挙げられます。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点群から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を備えている限り、測定を忘れるという問題がなくなります。

用途

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

下記の用途に加えて、国家ライダーデータセットプログラムでよく言及されているように、ライダーの用途は多岐にわたります。これらの用途は、主に有効な物体検出範囲、解像度（ライダーが物体をどれだけ正確に識別・分類できるか）、反射率の混同（反射標識や明るい太陽などの明るい物体がある場合にライダーがどれだけ正確に物体を認識できるか）によって決まります。[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、ライダーは新しい市場にとってより魅力的なものになるでしょう。[56]

農業

異なる作物収量率を示すライダーリターンのグラフ
ライダーは農地の収穫率を分析するために使用されます。

農業ロボットは、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偵察など、 さまざまな目的で使用されてきました

ライダーは、高価な肥料をどこに散布するかを決定するのに役立ちます。畑の地形図を作成し、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、この地形データと前年度の農地収穫量結果を用いて、土地を高収量、中収量、低収量ゾーンに分類しました。[57]これは、収量を最大化するためにどこに肥料を散布すべきかを示しています。

ライダーは現在、畑の昆虫の監視に使用されています。ライダーを使用することで、個々の飛翔昆虫の動きや行動を検出し、性別や種まで識別することができます。[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、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して追跡できるため、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、植物の種類を特定する必要があります。これは、3D LiDARと機械学習を使用することで実現できます。[60] LiDARは、距離と反射率の値を持つ「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。種が既知の場合は、特徴が新しいデータとして追加されます。種にはラベルが付けられ、その特徴は最初に実際の環境で種を識別するための例として保存されます。この方法は、低解像度のLIDARと教師あり学習を使用するため効率的です。植物のサイズに依存しない共通の統計的特徴を持つ、計算しやすい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の導入を発表しました。[61]

考古学

LiDARは考古学において、フィールドキャンペーンの計画、森林の樹冠下の地物のマッピング、地面と区別がつかない広範で連続した地物の概要把握など、多くの用途があります。[62] LiDAR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。LiDARから得られた製品は、分析と解釈のために地理情報システム（GIS）に簡単に統合できます。

イギリス、ノーサンバーランドにあるエピアカム・ローマ砦のライダー画像。

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]

自律走行車

ルーフに5台のVelodyneライダーユニットを搭載したCruise Automationの自動運転車
SICK LMCライダー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Stanleyの成功の鍵となった極めて重要な出来事でした。[89] LIDARセンサーからの点群出力は、ロボットソフトウェアが環境内の潜在的な障害物の位置と、それらの潜在的な障害物に対するロボットの位置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車両の技術を積極的に開発しています。[90]

自動車用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は、LIDARセンサーのみを使用していました

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]によって提案されたライダーを用いた障害物検出と道路環境認識は、物体の検出と追跡だけでなく、車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回転する六角形の鏡を用いてレーザービームを6本に分割する。上部3層は、車両や路肩の物体などの前方物体を検出するために使用される。センサーは耐候性材料で作られている。ライダーによって検出されたデータは複数のセグメントにクラスタリングされ、カルマンフィルタによって追跡される。ここでのデータのクラスタリングは、車両や標識などの異なる物体を区別する物体モデルに基づいて、各セグメントの特性に基づいて行われる。これらの特性には、物体の寸法などが含まれる。車両の後端にある反射板は、車両と他の物体を区別するために使用される。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]。ライダーの反射強度データは、遮蔽に対処するためのロバスト回帰を用いて縁石検出にも使用される。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] 、草原などの自然景観や人工景観のマッピングにも多くの用途が見出されています。航空機搭載ライダーシステムを用いて、樹冠高、バイオマス測定値、葉面積などを調査することができます。[98] [99] [100] [101]同様に、ライダーはエネルギー・鉄道などの多くの産業や運輸省でも、より迅速な測量方法として利用されています。地形図もライダーから容易に作成でき、オリエンテーリングマップの作成などのレクリエーション用途にも利用できます。[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し、先史時代の地震隆起イベントの発生と時期に関する仮説を立てています。[106]

林業

LIDAR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ための典型的なワークフロー[107]

LIDARシステムは、林業管理の改善にも応用されています。[108]測定値は、森林区画の目録作成や、個々の樹高、樹冠幅、樹冠直径の計算に使用されます。その他の統計分析では、LIDARデータを使用して、樹冠容積、平均・最小・最大樹高、植生被覆率、バイオマス、炭素密度などの区画全体の情報を推定します。[107]航空LIDARは、2020年初頭にオーストラリアで発生した山火事の地図を作成するために使用されました。データは、裸地を視覚化し、健康な植生と焼けた植生を識別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た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分野）に大きな進歩をもたらしました。河床段丘や河川河岸などの微妙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より正確な解析、落石の検出、[112] [113]繰り返し調査間の標高変化の検出[114]といったライダーの能力により、景観を形成する物理的および化学的プロセスに関する多くの革新的な研究が可能になりました。[115] 2005年、モンブラン山塊のトゥール・ロンドは、気候変動と高地の永久凍土の劣化によって引き起こされたとされる大規模な岩壁での深刻な落石の発生増加を監視するためにライダーが使用された最初の高山となりました。[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観察できます。

大気

ポーランド、ワルシャワ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た気象用途のライダーは、レーザーの発明直後に構築され、レーザー技術の最初の応用例の1つとなっています。ライダー技術はその後、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、さまざまな測定を行うため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）、温室効果ガスの排出量（二酸化炭素とメタン）、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、または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、そして
  2. 地面（ライダーが空中にある場合）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、風せん断のデータを取得するために、現在、効果的に適用され始めています。パルス波システムと連続波システムの両方が使用されています。パルス波システムは信号タイミングを使用して垂直距離分解能を取得しますが、連続波システムは検出器の焦点合わせに依存しています。

風力学（eolics）という用語は、計算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ています。[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します。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）、およびコヒーレントライダーにおけるスペックル低減に使用できます。 [37]大気圏および水圏アプリケーションのための広範なライダー参考文献は、Grantによって提供されています。 [131]

洪水予測

日本では、気候変動によって引き起こされる気象現象の頻度と深刻度が高まっていることに対応して、洪水予測と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）とラマンライダー技術が開発されています

内閣府の研究開発とSociety5.0の橋渡しプログラム（BRIDGEプログラム）の一環として、九州大学を筆頭に、英弘精機株式会社、京都大学、および複数の国立大学・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

日本の長崎県福江島にある英弘精機社のライダーとDIALの設置

このプロジェクトの焦点は以下のとおりです。

  • ライダーを用いて、水蒸気、気温、風向、風速の垂直分布を観測する
  • このデータを衛星観測や高層気象図と統合し、新しい気象データセットを作成します。
  • 人工知能モデルを適用して、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、国家予測システムの改善と災害への耐性向上に貢献します。

2025年5月、EKO Instrumentsは、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使用して、長崎県五島福江島で現地調査を開始しました。この研究では、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株式会社は、2025年2月にモンタナ州立大学、NSF NCAR、NASAと、主要なDIAL関連特許をカバーする技術ライセンス契約を締結しました。同社は、2026年までにコンパクトで効率的なライダーシステムの商用化を目指しています。EKO技術ライセンス

2025年6月までは、九州などの日本の洪水多発地域に重点的に取り組んでいますが、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、他の脆弱な地域を対象とし、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。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で報道されるなど、全国的な注目を集めており、次世代の気象予報インフラの開発において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、警察が速度制限の執行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、鑑識では犯罪現場の捜査を支援するために使用されています。現場のスキャンは、物体の配置、血液、その他の重要な情報の正確な詳細を記録し、後で確認するために行われます。これらのスキャンは、銃撃事件の場合、弾丸の軌道を特定するためにも使用できます。

軍事

軍事用途はほとんど知られておらず、機密扱いされています（AGM-129 ACMステルス核巡航ミサイルのライダーベースの速度測定など）が、画像化への使用についてはかなりの研究が進行中です。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を収集します。ライダーの軍事用途の例としては、Areté Associatesによる対機雷戦用の空中レーザー機雷探知システム（ALMDS）があります。[132]

NATO報告書（RTO-TR-SET-098）は、生物兵器の識別のためのスタンドオフ検出を行うための潜在的な技術を評価しました。評価された潜在的な技術は、長波赤外線（LWIR）、微分散乱（DISC）、および紫外線レーザー誘起蛍光（UV-LIF）でした。報告書は次のように結論付けています。「上記でテストおよび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、スタンドオフ検出システムの短期的（2008～2010年）な適用に最適な選択肢はUV-LIFであると推奨します。[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であることが証明される可能性があります。」

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、空港などの重要な屋内、半密閉型、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機能により、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できます。[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を用いた障害物回避を含む完全自律飛行を実施しました。[136] [137]

採掘

鉱石量の計算は、鉱石除去エリアを定期的に（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で行われます。[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の自律走行ダンプトラックシステム（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できます。

物理学と天文学

世界中の観測所ネットワークは、月に設置された反射鏡までの距離を測定するためにライダーを使用しており、月の位置をミリメートル単位の精度で測定し、一般相対性理論の検証を行うことができます。火星周回レーザー高度計（MOLA）は、火星周回衛星（NASAマーズ・グローバル・サーベイヤー）に搭載されたライダー機器を使用して、赤い惑星の驚くほど正確な地球規模の地形調査を行いました。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ました。[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ます。[140]

2008年9月、NASAのフェニックス着陸船は、ライダーを用い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成分の密度を測定するための遠隔検出機器として使用されています。これらの測定値は温度を計算するために使用できます。ライダーは風速を測定し、エアロゾル粒子の垂直分布に関する情報を提供するためにも使用できます。[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、ライダーのトムソン散乱を用いてプラズマの電子密度と温度プロファイルを決定しています。[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のために岩盤力学において広く使用されています。ライダーによって得られた3D点群から、岩盤のいくつかの重要な地質力学的特性を抽出できます。これらの特性の一部は次のとおりです

  • 不連続面の方向[144] [145] [146]
  • 不連続面間隔とRQD [146] [147] [148]
  • 不連続面の開口部
  • 不連続面の持続性[146] [148] [149]
  • 不連続面粗度[148]
  • 水の浸入

これらの特性のいくつかは、 RMR指標を通じて岩盤の地質力学的品質を評価するために使用されてきました。さらに、既存の方法論を用いて不連続面の方向を抽出できるため、SMR指標を通じて岩盤斜面の地質力学的品質を評価することが可能です。[150]これに加えて、異なる時期に取得された斜面からの異なる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プロセスの結果として、この期間中に現場で生じた変化を研究することができます。[151] [152] [153]

THOR

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、戻り光ハローの厚さを測定します。センサーには、幅7+1⁄2インチ（19cm） 。

ロボティクス

LIDAR技術は、ロボット工学において、環境の認識と物体の分類に使用されています。 [155] LIDAR技術は、地形の3次元標高マップ、地面までの高精度距離、および接近速度を提供する能力があり、ロボットおよび有人車両の安全な着陸を高精度で可能にします。[10] LIDARは、ロボット工学において同時位置推定とマッピングにも広く使用されており、ロボットシミュレータによく統合されています。[156]詳細な例については、上記の軍事セクションを参照してください。

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[161]など、惑星のデジタル標高地図作成に使用されています。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

このトムトムのマッピングバンには、ルーフラックに5つのライダーセンサーが搭載されています。

航空機搭載ライダーセンサーは、リモートセンシング分野の企業で使用されています。DTM（デジタル地形モデル）またはDEM（デジタル標高モデル）を作成するために使用できます。これは、飛行機で3～4 km（2～2）の地形を取得できるため、より広い地域では非常に一般的な方法です。+1回の高架道路で約1.5マイル（約1.5 キロメートル）幅の帯状の測量を行えます。森林内でも、より低い高架道路を使用すれば、50mm（2インチ）未満のより高い垂直精度を実現でき、樹冠の高さと地表標高が得られます。通常、地理参照された基準点上に構成されたGNSS受信機は、データをWGS（世界測地系）にリンクさせる必要があります。 [162]

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

交通

単一のOuster OS1ライダーを使用して、移動中の車両から生成された点群

LiDAR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、運輸部門では道路状況の評価に使用されています。CivilMaps.comはこの分野のリーディングカンパニーです。[164] LiDARは自動車のアダプティブクルーズコントロール（ACC）システムに使用されています。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に取り付けられたLIDARデバイスを使用して、車両と前方の車両との距離を監視します。[165]前方の車両が減速したり、接近しすぎたりした場合、ACCはブレーキをかけて車両を減速させます。前方の道路が空いている場合、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。LIDARベースのデバイスであるCeilometer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。

太陽光発電の導入最適化

LIDARは、適切な屋根の位置を決定し[178] [179] 、日陰による損失を決定することで、都市レベルで太陽光発電システムを最適化する計画者や開発者を支援するためにも使用できます。 [180]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]、または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[182]に焦点を当てています。

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点群から再現されたレーストラックがますます多く登場しており、ゲーム内の3D環境で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』は、LIDARを基本的なゲームメカニクスとして使用しています。

『Build the Earth』では、 Minecraft内で地形の正確なレンダリングを作成するためにLIDARが使用され、デフォルト生成における誤差（主に標高に関するもの）が補正されます。『Build the Earth』に地形をレンダリングするプロセスは、リージョン内で利用可能なデータの量と、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スキャナー

レディオヘッドの2007年の曲「 House of Cards」のビデオは、ミュージックビデオの録画にリアルタイム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から取得されているわけではありません。[186]

2020年、Appleは、拡張現実（AR）体験用に特別に開発されたLIDARセンサーを背面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モデルに搭載されました。[188] Appleデバイスでは、LIDARはポートレートモードの写真にナイトモードを追加し、オートフォーカスを高速化し、計測アプリの精度を向上させます。

2022年、Wheel of Fortuneは、ヴァンナ・ホワイトがパズルボードの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技術を使い始めました。この技術が初めて使用されたエピソードは、シーズン40の初回でした。[189]

バリエーション

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を損傷し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、低コストの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であり、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の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

コンピューターステレオビジョンは、近距離用途におけるライダー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、コスト効率が大幅に向上します。[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、トラビス・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. ^ シャン、ジー、チャールズ・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プレス。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調査結果」ScienceDaily 。 2021年7月14日閲覧。
  6. ^ abcde Cracknell, Arthur P.; Hayes, Ladson (2007) [1991]. Introduction to Remote Sensing (第2版). London: Taylor and Francis. ISBN 978-0-8493-9255-9 OCLC  70765252
  7. ^ ab Lim, Hazel Si Min; Taeihagh, Araz (2019). 「自動運転車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. オリジナルから2021年2月19日時点のアーカイブ。 2021年2月19日閲覧。
  9. ^ 「実験的高度先端研究ライダー」 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とイメージング、および光子センシングとイメージングの生物学的および医学的応用。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. ^ Gallego Torromé, Ricardo; Barzanjeh, Shabir (2023). 「量子レーダーと量子LiDARの進歩」. Progress in Quantum Electronics . 93 100497. arXiv : 2310.07198 . doi :10.1016/j.pquantelec.2023.100497.
  12. ^ Philosophical Magazine and Journal of Science , 1930, series 7, volume 9, issue 60, pp. 1014–1020.
  13. ^ Donegan, JF. The Life and Works of Edward Hutchinson Synge , pp. 31, 67, (D. WeaireおよびP. Floridesとの共編), Pöllauberg, Austria: 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 . 第5号. Copley News Service . 2019年7月11日閲覧.
  16. ^ Stitch, ML; Woodburry, EJ; Morse, JH. (1961年4月21日). 「光学測距システムはレーザー送信機を使用」. Electronics . 34 : 51–53 .
  17. ^ 「レーザーが距離を測定」。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」、672–673ページ、ニュー・サイエンティスト、1963年6月20日
  19. ^ Oxford English Dictionary. 2013. p. 「lidar」の項目
  20. ^ ab 「光子レーダー」。イスラエル工科大学テクニオン。2016年5月27日。 2018年8月13日にオリジナルからアーカイブ。 2018年8月12日閲覧。
  21. ^ ab 「電波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]。書誌コード:1963BAMS...44..564G。doi : 10.1175 / 1520-0477-44.9.564
  23. ^ 「クリック」。Lidar.cr.usgs.gov 。 2015年9月16日。2016年2月19日にオリジナルからアーカイブ。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って仲裁を模索」。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. ^ カーター、ジェイミー、キール・シュミット、カーク・ウォーターズ、リンディ・ベッツホールド、ブライアン・ハドリー、レベッカ・マタオスキー、ジェニファー・ハレラン (2012). 「ライダー101：ライダー技術、データ、およびアプリケーション入門」(PDF) . NOAA沿岸サービスセンター. 14ページ. 2022年10月9日時点のオリジナルからアーカイブ(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、および技術（第1巻）』CRC Press. p. 678. ISBN 978-1-4822-4179-2。
  28. ^ Podest, Erika (2021-03-16). 「LiDARの基礎」（PDF）NASA . 2024年9月7日閲覧
  29. ^ Rashid A. Ganeev (2013). レーザー - 表面相互作用. Springer Science & Business Media. p. 32. ISBN 978-94-007-7341-7。
  30. ^ 「CESのライダー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：ライダーはスマートフォンのカメラに深刻な損傷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 (2018-03-15). 「すべての私道に自動運転車？ ソリッドステートLIDARが鍵」Digital Trends . 2018-06-15閲覧.
  33. ^ 「リモートセンサー | Earthdata」earthdata.nasa.gov . 2017-03-18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情報源からのテキストが組み込まれています。
  34. ^ 「Advanced Scientific Concepts Inc」asc3d.com . 2022-07-03閲覧.
  35. ^ 米国特許5081530、Medina, Antonio、「3次元カメラおよび距離計」、1992-01-14発行、Medina, Antonioに譲渡 
  36. ^ Medina A, Gayá F, Pozo F (2006). 「小型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. ^ 「世界最強の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 (2014-02-13). "New Optical Chip Will Sharpen Military and Archeological Aerial Imaging". MIT Technology Review. Retrieved 2014-02-17.
  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 - 写真測量、リモートセンシング、空間情報科学の国際アーカイブ. XL-5/W5: 99–107 .書誌コード: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. ^ Yuan, Zeng; Yujin, Zhao; Dan, Zhao; Bingfang, Wu. 「航空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からアーカイブ(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の活用」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、および可視化」。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. 国際光学光工学会. 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). 「新型小型フル波形デジタル化航空レーザースキャナ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の推定」. 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を支援する」. 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). 「マラリア病原体ベクター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に関する、またはそれに関連する改良、ならびにその使用」。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年機械学習と応用に関する国際会議。ISBN   978-1-4244-9211-4。
  61. ^ 「ダラス・フォートワース国際空港、世界最大の3D LiDAR導入にOutsightを選択」。Insights | Outsight。2025年4月7日
  62. ^ 「EID：樹冠下のクレーター」。Unb.ca。2013年2月18日。 2013年5月6日閲覧。
  63. ^ 「ライト・ファンタスティック：考古学調査における航空ライダーの活用」。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). 「古代文明の地図作成、数日で」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」ライブサイエンス. 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失われた都市が発見」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からアーカイブ. 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. ^ エドウィン・カートリッジ (2014年1月10日). 「レーザーがニューイングランドの失われた『アグロポリス』を発掘 | Science | AAAS」News.sciencemag.org . 2016年2月22日閲覧
  70. ^ 「ハイテク考古学で明らかになる「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からアーカイブ。 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発見」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』古代メキシコ都市は『マンハッタンと同じ数の建物があった』ことが明らかに」ガーディアン紙– www.theguardian.com経由
  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倍の大きさだった」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からアーカイブ。 2019年9月8日閲覧。
  78. ^ 「グアテマラのジャングルの下に広大な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の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。「レーザーがグアテマラの6万の古代マヤの建造物を明らかに」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からアーカイブ。2019年9月8日閲覧。
  82. ^ Berke, Jeremy (2018年2月2日). 「考古学者がグアテマラのジャングルで数千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6万の建造物を持つ隠された古代マヤの『メガロピス』を発見」Newsweek。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からアーカイブ。 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で1000年間存続した失われた都市群が地図に」. 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. ^ スティーブ・タラノビッチ著、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. ^ 「DARPAチャレンジの口述歴史：自動運転車を生み出した過酷なロボットレース」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律走行車に変える - 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、佐分利誠 (2006). 「車載LIDARを用いた道路環境認識」2006 IEEE Intelligent Vehicles Symposium . pp.  120– 125. doi :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 正義; 張 偉斌; 張 清彌 (2002). 「入力推定による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. ^ エリック・ネセット（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写真測量およびリモートセンシングジャーナル52 ( 2): 49–56 .書誌コード: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解像度の景観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ジャーナル。114 103059。arXiv：2205.08530。doi ：10.1016 /j.jag.2022.103059。S2CID 248834425
  100. ^ モルスドルフ、フェリックス、ケッツ、ベンジャミン、マイヤー、エリック、イッテン、KI、アルゴワー、ブリッタ（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の航空機レーザースキャンデータからのLAIと被覆率の推定」環境リモートセンシング。104 (1): 50–61。書誌コード: 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製品の検証への利用」 .環境リモートセンシング. 113 (8): 1628–1645 .書誌コード:2009RSEnv.113.1628Z. doi :10.1016/j.rse.2009.03.006.
  102. ^ 「マッピングにおけるLIDARリンクの使用」. 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. ^ Moeslund, Jesper Erenskjold; Zlinszky, András; Ejrnæs, Rasmus; Brunbjerg, Ane Kirstine; Bøcher, Peder Klith; Svenning, Jens-Christian; Normand, Signe (2019-01-04). 「LIDARは、複数の生息地と広大な地理的範囲にわたる植物、菌類、地衣類、コケ類の多様性を説明します」bioRxiv 10.1101 /509794 
  105. ^ ウィリアム・D・サイモンソン、ハリエット・D・アレン、デビッド・A・クームズ (2014年7月5日). 「動物種の多様性評価における航空機ライダーの応用」生態学と進化の方法. 5 (8): 719– 729.書誌コード: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の地震の影響の解明」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多時期ライダーの有用性：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 .書誌コード: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 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. ^ Conesa-García, Carmelo; Puig-Mengual, Carlos; Riquelme, Adrián; Tomás, Roberto; Martínez-Capel, Francisco; García-Lorenzo, Rafael; Pastor, José L.; Pérez-Cutillas, Pedro; Martínez-Salvador, Alberto; Cano-Gonzalez, Miguel (2022年2月). 「一時的な砂利床河川におけるイベントスケールおよび高空間解像度における水力と地形調整の変化」. Geomorphology . 398 108053. Bibcode :2022Geomo.39808053C. doi :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. ^ Tomás, R.; Abellán, A.; Cano, M.; Riquelme, A.; Tenza-Abril, AJ; Baeza-Brotons, F.; Saval, JM; Jaboyedoff, M. (2018-02-01). 「都市斜面における岩盤の拡散調査のための学際的アプローチ」. Landslides . 15 (2): 199– 217. Bibcode :2018Lands..15..199T. doi : 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. ^ Hu, Liuru; Navarro-Hernández, María I.; Liu, Xiaojie; Tomás, Roberto; Tang, Xinming; Bru, Guadalupe; Ezquerro, Pablo; Zhang, Qingtao (2022年10月). 「オープンアクセス航空LiDARデータセットを用いたアルト・グアダレンティン盆地（スペイン）における広域大勾配地盤沈下の解析」Remote Sensing of Environment . 280 113218. Bibcode :2022RSEnv.28013218H. doi :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；デリン、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の定量化：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。書誌コード: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から アーカイブ(PDF) .
  118. ^ 「LIDARは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. ^ 「空中地形図作成装置」、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傾向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. ^ トーマス・D・ウィルカーソン、ギアリー・K・シュウェマー、ブルース・M・ジェントリー。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与える」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年）。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年12月30日). 「パルス式直接検出IPDAライダーを用いたCO2柱濃度と距離の航空機測定」.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周波数掃引法」.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1.57μm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. ^ リリス・ハリス；沼田健二；スティーブ・リー；スチュワート・ウー；アナンド・ラマナサン；マーサ・ドージー；ジャンピン・マオ；ランドルフ・カワ；ジェームズ・B・アブシャー（2012年12月1日）「パルス積分パス差分吸収ライダーを用いた大気メタン柱状濃度の航空機測定」応用光学51 ( 34): 8296–305 .書誌コード:2012ApOpt..51.8296R. doi :10.1364/AO.51.008296. ISSN  1539-4522. PMID  23207402. S2CID  207299203
  131. ^ Grant, WB, 大気および水圏研究のためのライダー、チューナブルレーザーアプリケーション、第1版、 Duarte, FJ編（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レーザーベースの生物兵器のスタンドオフ検出」。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出センサー（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日にオリジナルからアーカイブ。 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を支援。 2011年6月8日にWayback Machineにアーカイブ。 カーネギーメロン大学、2010年7月6日。2010年7月19日閲覧。
  137. ^ Koski, Olivia. フルサイズのロボコプターが初めて人間の助けを借りずに有線飛行。 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日にオリジナルからアーカイブ。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​​火星着陸船が降雪を観測、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にて。2008年11月9日閲覧。
  142. ^ 「直交偏波雲エアロゾルライダー（CALIOP）」NASA 。2015年8月16日閲覧。
  143. ^ CW Gowers. 「焦点：JETにおけるライダー・トムソン散乱診断」JET.EFDA.org (日付なし)。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用い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). 「岩盤切土における不連続性の特徴づけ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 .書誌コード:2009EngGe.106..163S. doi :10.1016/j.enggeo.2009.03.004
  149. ^ リケルメ、アドリアン、トマス、ロベルト、カノ、ミゲル、ホセ・ルイス・パストール、アベラン、アントニオ (2018年5月24日). 「3D点群を用いた岩盤上の不連続性の持続性の自動マッピング」(PDF) .岩石力学と岩石工学. 51 (10): 3005– 3028.書誌コード: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から 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). 「岩盤斜面の不安定性に関する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の応用によるヌリア渓谷（スペイン、ピレネー山脈東部）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. ^ Tomás, R.; Abellán, A.; Cano, M.; Riquelme, A.; Tenza-Abril, AJ; Baeza-Brotons, F.; Saval, JM; Jaboyedoff, M. (2017-08-01). 「都市斜面における岩盤の拡大調査のための学際的アプローチ」. Landslides . 15 (2): 199– 217. Bibcode :2018Lands..15..199T. doi : 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. ^ 「IfTAS」Iftas.de 。 2013年5月6日閲覧。
  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宇宙技術実験（LITE）」Nasa.gov。2011年8月25日。2007年7月5日にオリジナルからアーカイブ。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. ^ ジョン・F・キャバノー他、「メッセンジャー・ミッションのための水星レーザー高度計装置（Wayback Machineで2020年9月14日アーカイブ） 」、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. ^ Szulwic, Jakub; Burdziakowski, Paweł; Janowski, Artur; Przyborski, Marek; Tysiąc, Paweł; Wojtowicz, Aleksander; Kholodkov, Arthem; Matysik, Krzysztof; Matysik, Maciej (2015). 「空間データ源としての海洋レーザースキャン」. Polish Maritime Research . 22 (4): 9– 14. Bibcode :2015PMRes..22d...9S. doi : 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日にオリジナルからアーカイブ。2015年3月15日閲覧。
  165. ^ 「バンパー搭載レーザー」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日にオリジナルからアーカイブ（PDF） 。
  167. ^ Clive, PJM, Windpower 2.0: technology rises to the challenge（風力発電2.0：技術が課題に立ち向かう）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. オリジナル（PDF）から2011年7月3日にアーカイブ。2010年4月25日閲覧。
  169. ^ 「風力発電の脅威」. The Economist . 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. ^ Mikkelsen, Torben & Hansen, Kasper Hjorth et al. 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 & デンマーク工科大学、2010年4月20日。2010年4月25日閲覧。
  173. ^ Asimakopolous, M., Clive, PJM, More, G., Boddington, R., 沖合圧縮帯の測定と可視化 2014年5月12日アーカイブ、Wayback Machine欧州風力エネルギー協会年次会議、2014年。2014年5月9日閲覧。
  174. ^ Gallacher, D., More, G., ライダーによる乱流と後流減衰長の測定と可視化 2014年5月12日アーカイブ、Wayback Machine欧州風力エネルギー協会年次会議、2014年。2014年5月9日閲覧
  175. ^ Clive, PJM他「陸上コストのためのオフショア発電曲線テスト：実世界のケーススタディ」Wayback Machineに2014年5月12日アーカイブ。欧州風力エネルギー協会年次会議、2014年。2014年5月9日閲覧。
  176. ^ Clive, PJM「陸上コストのためのオフショア発電性能評価」Wayback Machineに2014年4月17日アーカイブ。DEWEK（ドイツ風力エネルギー会議）、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、ザリック・ボルト (2017). 「航空機LiDARデータと平滑化粒子流体力学を用いた風力資源評価」.環境モデリング＆ソフトウェア. 95 : 1–12 .書誌コード:2017EnvMS..95....1L. doi :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自動屋根面検出と解析」.  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への応用」 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 .書誌コード:2011RemS....3..650J. doi : 10.3390/ rs3030650
  182. ^ Lukač, Niko; Žlaus Danijel; Seme Seme; Žalik Borut; Štumberger Gorazd (2013). 「LiDARデータに基づく屋根面の太陽光ポテンシャルと太陽光発電システムへの適合性に関する評価」Applied Energy . 102 : 803–812 . Bibcode :2013ApEn..102..803L. doi :10.1016/j.apenergy.2012.08.042.
  183. ^ 「rFactor Pro - レーザースキャンの天国」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 (2017-06-30). 「rFactor Pro、LIDARスキャンされたハンガロリンクを披露」. Sim Racing Paddock . 2020-06-04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 . 2017-02-08 . 2020-06-04閲覧.
  186. ^ Nick Parish (2008-07-13). 「OK ComputerからRoll Computerへ：レディオヘッドと監督のジェームズ・フロストがカメラなしでビデオを制作」. Creativity. 2008-07-17時点のオリジナルからのアーカイブ.
  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. 2020-04-03閲覧
  188. ^ 「Apple、新デザイン、高性能カメラ、LiDARを搭載した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からアーカイブ。 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. ^ 「自律安全着陸と宇宙船近接運用のためのフラッシュライダー画像化」AIAA Space 2016会議。NASA技術レポートサーバー。2019年5月7日。
  194. ^ Dietrich, Ann Brown, 「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）. CU Boulder Aerospace Engineering Sciences Graduate Theses & Drsertations . 178
  195. ^ Wang, Yan; Chao, Wei-Lun; Garg, Divyansh; Hariharan, Bharath; Campbell, Mark; Weinberger, Kilian Q. (2020-02-22). 「視覚的奥行き推定からの疑似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 . 2021-03-15 . 2025-08-24閲覧.

さらに詳しく

  • Gil, Emilio; Llorens, Jordi; Llop, Jordi; Fàbregas, Xavier; Gallart, Montserrat (2013). 「ブドウ園の散布におけるドリフト検出のための地上LIDARセンサーの使用」. Sensors . 13 (1): 516–534 . Bibcode :2013Senso..13..516G. doi : 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
  • Heritage, G.、Large, A.（編）（2009年）。環境科学のためのレーザースキャン。John Wiley & Sons。ISBN   1-4051-5717-8。
  • Maltamo, M.、Næsset, E.、Vauhkonen, J.（2014年）。航空機搭載レーザースキャンの林業への応用：概念と事例研究（第27巻）。Springer Science & Business Media。ISBN   94-017-8662-3。
  • Shan, J.、Toth, CK（編）（2008年）。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）（2010年）。航空機搭載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技術の基礎を理解する」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ライダー情報調整・知識センター（クリック）– 「科学的ニーズのためのライダーリモートセンシングのデータアクセス、ユーザー調整、教育を促進する」ことを目的としたウェブサイト
「https://en.wikipedia.org/w/index.php?title=Lidar&oldid=1322518271#大気」より取得