Enquête sur l'utilisation des lidars avec les UAV et la cartographie souterraine

Enquête sur l'utilisation des lidars avec les UAV et la cartographie souterraine

Cette enquête présente une vue générale des projets utilisant des lidars (Technologie de mesure de distance et détection par laser) sur des UAV (Véhicule Aérien Autonome).

De nos jours le nombre de projets utilisant des UAV avec des lidars est en forte augmentation. Du fait de leurs capacités à accéder à des endroits inaccessibles pour l’homme et de leur facilité de déploiement et d’utilisation, les UAV sont plus à même de donner des points de vue différents intéressant que les UGV (Véhicule Terrestre Autonome). Cependant, l’utilisation de lidar sur les UAV reste encore un défi en soi et beaucoup de problèmes restent encore à surmonter. L’estimation de la position de l’UAV, sa vitesse et son altitude, les caractéristiques de ses équipements et les algorithmes utilisés influencent significativement la précision des mesures de cartographie. Dans cette enquête, nous présentons une liste des articles utilisant les lidars sur les UAV et donnons quelques détails à propos des équipements et algorithmes utilisés pour leur projet. L’objectif est de fournir des éléments de comparaison sur les équipements utilisés dans les différents projets afin de faciliter le choix d’un lidar pour la cartographie avec des UAV. Étant donné le nombre important d’articles sur le sujet, nous divisons cette enquête en sept catégories:

  1. cartographie souterraine,
  2. mesure avec dirigeable,
  3. estimation de la position et trajectoire avec lidar,
  4. mesure de quelques caractéristiques du paysage,
  5. mesure d’objets,
  6. test de lidar sur UAV, et finallement
  7. algorithmes pour l’odométrie et comparaison entre lidar sur UAV et lidar sur robot terrestre.

Cette enquête est en cours de rédaction. Elle sera régulièrement mise à jour. Nous espérons que ces informations serons utiles à la communauté scientifique. Si vous remarquer l’absence de l’un de vos articles ou une erreur, n’hésitez pas à nous contacter.

Légende: “O” signifie présent et “-“ signifie absent de l’article.

Cartographie souterraine

Article Sujet UAV lidar Caméra GPS IMU GNSS INS Test Notes
(Michael et al., 2012) Cartographie 3D d'un bâtiments endommagé par un tremblement de terre en utilisant une collaboration entre un robot terrestre et aérien Pelican quadrotor Hokuyo TM-30LX Microsoft Kinect - O - - Intérieur UAV peut se déployer à partir de l'UGV, ICP pour cartographie, SLAM pour navigation
(Liu, Mohta, Shen, & Kumar, 2015) Multiple UAV pour cartographie 3D Pelican quadrotor Hokuyo UTM-30LX - - O - - Simulation et test intérieur SLAM pour navigation et plannification de trajectoire
(Ajay Kumar, Patil, Patil, Park, & Chai, 2017) Reconstruction d'intérieur de bâtiment et classification de tuyaux Phantom 3 quadcopter avancé Hokuyo UTM-30LX, Hokuyo URG-04LX-UG01 - - O - - Intérieur ICP pour fusionner les données, utilisation d'un filtre de Kalman pour avoir la position, classification des tuyaux en calculant leur courbature
(Edwards, 2017) Scan d'un tunnel de mine Asctec Hummingbird Z+F Imager S010 3D (terrestrial) Xtion Pro live - - - - Intérieur Comparaison entre l'algorithme Microsoft Kinect Fusion et un lidar terrestre
(Vempati, Gilitschenski, Nieto, Beardsley, & Siegwart, 2017) Cartographie 3D intérieur en temps-réel avec UAV DJI M100 Leica Multistation MS50 (sert de référence) Intel RealSense R200 - capteur DUO-MLX visual-inertial - - Simulation and test intérieur SLAM avec GPU parallélisé pour gérer ses ressources mémoire, 5mm de résolution à 60Hz, filtre de Kalman étendu, ICP pour cartographie
(Ozaslan et al., 2017) Inspection de tunnel et pipeline avec UAV DJI F550 Velodyne Puck Lite MChameleon 3 caméra - PickHawk - - Intérieur Cartographie local pour l'estimation de la pose
(Mascarich et al., 2018) Inspection de site nucléaire et tunnel avec UAV O Capteur de profondeur de type Time of flight Chameleon 3 caméra - O - - Intérieur Détection des radiations et de leur localisation
(Papachristos, Khattak, Mascarich, & Alexis, 2019) Exploration autonome et cartographie de mines souterraines Quadrotor O O - O - - Intérieur -

Mesure avec dirigeable

Article Subject UAV lidar Camera GPS IMU GNSS INS Test Note
(Pan et al., 2015) Système pour suivre les lignes éléctriques afin de détecter des problèmes Petit dirigeable à l'hélium O - O - - - Extérieur -
(Koska et al., 2017) Comparaison entre Lidar sur dirigeable et caméra sur UAV Dirigeable ACC15X, 12m de long, 2.8m de diamètre (57m^3), 15kg de charge Sick LD-LRS1000 (2D avec rotation) Canon EOS 100D, FLIR SC645 IMAR iTracer-F200 - - O Extérieur Dirigeable crée par AirshipClub.com, problème de précision, problème avec la structure mais plus précis avec le dirigeable sur de larges zones qu'avec l'UAV

Estimation de la position et trajectoire avec lidar

Article Sujet UAV lidar Caméra GPS IMU GNSS INS Test Notes
(Downs, Madhavan, & Hong, 2004) Meilleure estimation de la position de l'UAV avec un lidar que par GPS Flying Eye LADAR system (UAV)/LMS-Z420i au sol - - - - - Extérieur ICP pour traiter 2 séries de mesure, comparaison des données de UAV à celles au sol pour mesurer la précision
(Hwang & Tahk, 2012) Mesure de la position d'un UAV avec lidar Simualation d'un avion O - - O - - Simulation afin de comparer 2 algorithmiques pour localisation Le lidar mesure le relief, comparaison entre le filtre de Kalman et la Cross Correlation
(Han et al., 2012) Problème de la mesure de la position d'une cible par apport à un drone Petit avion O - O O - - Extérieur Images extraites d'une base de données pour tester l'algorithme de détection de contours, GPS+IMU pour estimer la position de l'UAV, ICP pour traiter les données, discussion sur le nombre de cycle d'ICP et leur influence sur les résultats
(Gee, James, Van Der Mark, Delmas, & Gimel’Farb, 2017) Fusion de plusieurs nuages de points issus d'un lidar en vue d'utiliser l'algorithme SLAM DJI Phantom Quadcopter Velodyne puck VLP-16 GoPro Hero 3+ - - - - Extérieur Reconstruction des données, lidar statique au sol (caméra sur UAV), approximation de trajectoires avec les points puis ICP et SLAM
(Shetty & Gao, 2017) Fusion des données GPS et lidar pour corriger l'erreur du GPS dans un environnement urbain Quadrotor Velodyne VLP-16 puck lite - LEA-6T GPS Xsens-Mti-30 IMU - - Extérieur Modélisation de l'erreur de covariance du nuage de point, pose de l'UAV par Unscented Kalaman filter, matching des données lidar avec modèle 3D d'une ville, ICP pour faire correspondre les nuages de points
(Zhen & Scherer, n.d.) Test une méthode multi-plateforme avec lidar et l'algorithme SLAM pour UAV (2D-3D) DJI M100 DJI M600 Rotating Hokuyo Rotating Velodyne VLP-16 - - - - - Simulation et en extérieur Kalman filter (ESKF), Gaussian Particle Filter (GPF), vitesse faible pour éviter erreur de position
(Youn, Kim, Kim, Yoo, & Lee, 2018) Détection de l'environnement 3D pour plannifier, se déplacer et surveiller le traffic dans le ciel Cessma 208B ALS50-III - O - - O Extérieur Découpage du monde en cube de certaines tailles (différents niveaux de découpage suivant 20 degré de lattitude), 20 niveaux au total
(Gomes, Guerreiro, Cunha, Silvestre, & Oliveira, 2018) Mesure de la déviation de trajectoire avec des données issues d'un lidar sur UAV Mikrokopter Quadro XL Hokuyo UTM30LX - - Microstrain IMU - - Intérieur Méthode de detection de contours avec nuage de points, estimation de la position

Mesure de quelques caractéristiques du paysage

Article Sujet UAV lidar Caméra GPS IMU GNSS INS Test Notes
(Liu, Li, Lei, Liu, & Wu, 2011) Analyse du sol avec UAV et lidar pour détecter et anticiper des glissements de terrain Helicoptère lidar sur helicoptère O DGPS O - - Extérieur Traitement sur point cloud et images
(Durst, Baylot, & McKinley, 2011) Utilisation d'un drone et lidar pour l'étude des propiétés des routes (type de véhicule, courbature, taille,...) Buckeye drone O O - - - - Extérieur Le lidar fait la mesure de l’élévation, le chemin est repéré par un traitement sur image
(Wallace, Lucieer, Watson, & Turner, 2012) Recherches pour détecter des arbres dans une forêt (taille, position, diamètre) Oktokopter Droidworsc/Micropter AD-8 (terraLuma) Ibeo LUX laser scanner O O O - - Extérieur Filtre de Kalman pour donner la position
(Wallace, Lucieer, & Watson, 2012) Mesure des effets de l'environnement au sol et des paramètres de mesures pour la prise de données sur des arbres Drone TerraLuma Ibeo LUX laser scanner O O O - - Extérieur -
(Candigliota, Immordino, Moretti, & Indirli, 2012) Analyse de la structure d'une ville après un tremblement de terre pour éviter de futures dégâts Quadrotor Leica Geosystems HDS 3000 - DGPS O - - Extérieur ICP pour traiter les données
(Zhou et al., 2013) Utilisation de différentes altitude et vitesse pour prendre des données sur un paysage O O - O - - O Extérieur -
(Wallace, 2013) Test de nouvelles caractéristiques pour l'analyse de la structure d'une forêt de manière probabilistique Drone TerraLuma Ibeo LUX laser scanner O O O - - Extérieur -
(Roca, Armesto, Lagüela, & Díaz-Vilariño, 2014) Test d'un UAV avec lidar pour la mesure du sol Hisystems GmbH Hokuyo UTM-30LX - O O - - Extérieur Filtre de Kalman pour la position, test effectué sur une maison
(Esposito et al., 2014) Mesure des caractéristiques des arbres (taille, forme,...) pour valider le fonctionnement d'un lidar sur un UAV Ultralight helicoptère YellowScan lidar - O - - O Extérieur -
(Wallace, Lucieer, & Watson, 2014) Mesure l'influence des algorithmes de détection et de la densité de points sur la précision de la détection des arbres et de leurs caractéristiques Drone TerraLuma Ibeo LUX laser scanner O O O - - Extérieur -
(Ni, Liu, Zhang, Sun, & Yang, 2015) Fait l'inventaire d'une forêt avec UAV et lidar Yun-5 aircraft Leica ALS 60 - - - - - Extérieur -
(Mandlburger et al., 2015) Analyse les caractéristiques d'un cours d'eau avec UAV et lidar (dynamique, délimitation,...) Ricopter UAV Riegl VUX-Sys, VUX-1, VQ-880-G Sony Alpha 6000 RGB - O O - Extérieur -
(Reiss et al., 2016) Cartographie et enregistrement de ruines avec lidar sur UAV Asctec Falcon 8, Sensefly e-Bee Faro Focus 3D S-120 (UAV), Optec 3D-HD ILRIS (terrestre) Sony Alpha 6000 RGB - - - - Extérieur Fusion des données terrestre et aérienne par photogramétrie
(Guo et al., 2017) Cartographie de forêt avec UAV et lidar 8 rotor UAV Velodyne puck VLP-16 - O Novatel IMU - - Extérieur Calibration des équipements, obtention des différentes caractéristiques sur la forêt
(Wei, Yang, Jiang, Cao, & Wu, 2017) Filtrer les effets de la végétation sur les mesures de paysage 8 rotor UAV Riegl VUX-1 - O Trimble Applanix AP20-IMU - - Extérieur -
(Chiang, Tsai, Li, & El-Sheimy, 2017) Reconstruction d'un bâtiment avec UAV et lidar Petit hélicoptère Velodyne lidar VLP-16 - C-Migits III O - - Extérieur Nouvelle stratégie ICP afin de traiter la déformation des points, Filtre de Kalman pour données, comparaison avec lidar terrestre
(Chen, McDermid, Castilla, & Linke, 2017) Mesure de la végétation boréale avec UAV et lidar Quadcoptère O - - - O - Extérieur Hauteur de la végétation mesurée, RTK GNSS pour la position, utilisation de données lidar dans base de données, croisements des données pour générer une carte des mesures
(Sankey, Donager, McVay, & Sankey, 2017) Cartographie d'une forêt avec lidar sur UAV Octocoptère Velodyne HDL-32E (UAV), Riegl VZ-1000(terrestre) - O - - O Extérieur Comparaison via le lidar terrestre, détermination des espéces d'arbres présent grâce à la réflexance du laser, limiter par la densité de peuplement des arbres
(Christiansen, Laursen, Jørgensen, Skovsen, & Gislum, 2017) Cartographie et mesure de la taille de culture avec UAV et lidar DJI Matrice-100 quadcoptère Velodyne VLP-16 - - VN-200 IMU Trimble BD920 GNSS - Extérieur Traitement des données pour isoler le champ puis mesurer sa hauteur, dépend grandement des valeurs du GPS
(Gawel et al., 2017) Fait la cartographie d'une zone sinistré avec UAV et lidar, puis envoi ensuite les données à des robots terrestres pour utiliser l'algorithme SLAM O O - - O - - Extérieur Filtre de étendu Kalman, ICP pour fusionner les données, robot mobile avec lidar, fusion des données UAV et UGV
(Elaksher, Bhandari, Carreon Limones, & Lauf, 2017) Cartographie de champs avec UAV et lidar DJI S900 hexacoptère Velodyne VLP-16 - O O - - Extérieur Classification des points (sol ou végétation)
(Putut Ash Shidiq et al., 2017) Topographie de forêt avec UAV et lidar afin de différencier le sol des arbres DJI Matrice-600 YellowScan lidar - O - - - Extérieur -
(Morsdorf et al., 2017) Topographie de forêt avec lidar sur UAV et comparaison avec lidar terrestre Scout B1-100 helicoptère Riegl VUX-1UAV (drone), Riegl VZ1000 (terrestre) - xTS xNAV550 GPS O - - Extérieur 4 m/s de vitesse, erreur de 1m sur la hauteur des arbres
(Thiel & Schmullius, 2017) Comparaison entre les nuages de points obtenus par camera sur UAV et lidar sur UGV, pour trouver des caractéristiques sur les forêts Geocopter X8000 Riegl VZ 1000 TLS (terrestre) Sony NEX-7 RGB DGPS - - - Extérieur Trame des maxima, taille canopé et niveau de détection, 8 m/s pour UAV, comparaison avec lidar terrestre, traitement des données pour avoir des caractéristiques sur les forêts
(Huang, Yeh, Tseng, & Hsu, 2018) Mesure les propriétés des vagues de la mer, du changement du littoral et des marées avec UAV et lidar DJI S1000 Hokuyo UTM-30LX - - Xsens-Mti-30 IMU O - Extérieur RTK GNSS, calibration et mesure des données, comparaison des données lidar avec capteur de pression Doppler Velocimetry (Son Tek ADV-Oceans)
(Cramer, Haala, Laupheimer, Mandlburger, & Havel, 2018) Mesure du sol et paysage avec un lidar haute précision sur UAV(3-5mm) Ricopter multi-copter pateforme Riegl VUX-1LR Sony Alpha 6000 RGB - O O - Extérieur 8 m/s de vitesse, 50m de hauteur, comparaison avec mesure au sol (tacheometrie)
(Govedarica, Jakovljevic, & Álvarez Taboada, 2018) Étude du risque d'inondation avec UAV et lidar WingtraOno drone LMS-Q680i-Full (avion) 42 MP Sony RX1RII O O - - Extérieur Technique DEM (digital elevation models), lidar comme référence pour caméra
(Hinterhofer et al., 2018) Utilisation d'un UAV et lidar sur un site nucléaire sinistré Ricopter-M Riegl VUX-1UAV - - O O - Extérieur Cartographier le terrain et mesurer le taux gamma de radiation
(Yan et al., 2018) Mesure de la prodution forestière par UAV et lidar GV 1300 multirotor Velodyne VLP-16E - O IMU-IGM-S1 - - Extérieur Segmentation des arbres par algorithme
(Liu, Shen, Cao, Wang, & Cao, 2018) Mesure de la strutcure d'une forêt avec UAV et lidar GV 1900 multi-rotor UAV Velodyne puck VLP-16 - O IMU-IGM-S1 - - Extérieur -
(Polewski, Yao, Cao, & Gao, 2019) Méthode pour obtenir la position des arbres en utilisant un nuage de points obtenu avec UAV et lidar Quadrotor Velodyne puck VLP-16 (UAV), velodyne puck VLP-16 (UGV) - GPS Novatel (UAV) IMU Novatel SPAN-MEMS (UAV) - POS (UGV) Extérieur lidar terrestre porté par une personne sur sac à dos pendant les tests

Mesure d'objets

Article Sujet UAV lidar Caméra GPS IMU GNSS INS Test Notes
(Lin & West, 2014) Mesure et cartographie d'objets avec une géométrie oblique Microdrone md4-200 Sensei MLS system (UAV), Ibeo Lux Laser (véhicule terrestre) O O O - - Extérieur Fusion des données entre UAV et UGV
(Gu & Zhang, 2015) Localisation d'objets avec une plateforme UAV rapide O O - O O - - Extérieur Augmente la rapidité avec des algorithmes (K-d tree, AK-d tree), altitude trop élevée implique de moins bonne performance
(Moore et al., 2017) Inspection de lignes éléctriques avec UAV Octorotor O - O - - - Extérieur Ajout d'un lidar pour éviter une collision et plannifier un chemin, utilisation de plusieurs drones pour parcourir la ligne, transformation des données lidar en forme polygominale, évitement de collision des drones en temps réel
(Teng et al., 2017) Inspection de lignes éléctriques avec UAV Hexarotor O - O - - - Extérieur Isole les vibrations de l'UAV du lidar, détection des lignes hautes tensions affaisées
(Nikolov & Madsen, 2017) Inspection de pâles d'éoliennes avec UAV et lidar O RPlidar - - BNO055g-DOF IMU - - Extérieur Simplification en 2D de la forme des pâles, analyse de celles-ci
(Chen, Yang, Song, Peng, & Huang, 2018) Mesure de la distance entre les lignes éléctriques et le sol en vue de détecter des problèmes Drone mini helicoptère Riegl VZ400 - O O - POS Extérieur Algorithme de différentiation sol et câble, mesure courbure des câbles

Test de lidar sur UAV

Article Sujet UAV lidar Caméra GPS IMU GNSS INS Test Notes
(Li, Yan, Jing, & Zhao, 2015) Analyse des vibrations de différents UAV pour l'utilisation d'un lidar sur ceux-ci Gasoline helicoptère HDL-32 lidar - - O - - Extérieur Sélection d'un rotor adapté, mesure et tentative d'atténuation des vibrations avec IMU
(Tulldahl, Bissmarck, Larsson, Grönwall, & Tolt, 2015) Évaluation de la précision d'un lidar sur UAV Tarot-810 hexacoptère Velodyne HDL-32E - - - - O Extérieur Traitement des données (calibration dynamique)
(Yang & Chen, 2015) Utilisation d'un lidar sur un mini-UAV Rotor wing mini UAV Riegl LMS-Q160 - - - - - Extérieur Traitement des données pour avoir la forme des objets repérés par le lidar (ICP), fusion de la forme, des points et images obtenu par la pose de l'UAV et lidar
(Kasturi, Milanovic, Atwood, & Yang, 2016) Développement d'un mini scanner pour drone avec MEMS (composants optique et miroirs) DJI Phantom II Playzer - - - - - Intérieur Test du prototype, différents mode de scan par laser, différents mode de prise de mesure, tracking d'objets par laser, contrôle android du Playzer via Bluetooth
(Mastrangelo, von Niederhausern, Nelson, & Fuller, 2018) Obtention et accès à des images 3D en temps réel depuis UAV LASE drone ASC TigerCub camera, Arete AirTrac laser, Sentech color camera, Hood Tech gimbal - - - - - Extérieur Acquisition des données avec correction de la pose
(Torresan et al., 2018) Intégration d'un lidar sur UAV pour mesurer ses performances Hexarotor LUX 4L - O - VN-300 GNSS O Extérieur Filtre de Kalman étendu, calibration des mesures, étude accès sur la précision et l'efficacité du GNSS
(Nasrollahi, Bolourian, Zhu, & Hammad, 2018) Construction d'UAV équippé d'un lidar pour l'inspection de structure DJI Matrice 100 Hokuyo UTM-30LX - - - - - Intérieur Mode stationnaire pour tester la cartographie 3D

Algorithmes pour l'odométrie et comparaison entre lidar sur UAV et lidar sur robot terrestre

Article Sujet UAV lidar Caméra GPS IMU GNSS INS Test Notes
(Tulldahl & Larsson, 2014) Comparaison de données de lidar sur UAV avec lidar terrestre Tarot-810 hexacoptère Velodyne HDL-32E - O MEMS-IMU - - Extérieur Comparaison de données via lidar terrestre sur véhicule et statique
(Yousif, Bab-Hadiashar, & Hoseinnezhad, 2015) Description des algorithmes et stratégies utilisés pour l'odométrie - - - - - - - - Enquête
(Lawson, 2015) Fusion de nuages de points obtenus par de multiple UAV Quadrocoptère construit - Kinect RGB - - - - Intérieur avec 2 drones Génération d'un nuage de points donné à un algorithme de fusion de données utilisant ICP, besoin de plusieurs superpositions pour avoir de meilleurs résultats
(Petras, Petrasova, Jeziorska, & Mitasova, 2016) Utilisation de données obtenues par UAV et lidar via un logiciel appelé Grass GIS Avion O Microsoft Kinect - - - - Extérieur Plus accès sur le traitement de données, densité des points testés pour réduire les points redondants
(Gašparović, Seletković, Berta, & Balenović, 2017) Évaluation de données prises par UAV et lidar durant des conditions non-optimales (vent, nuages, densité de points, ...) DJI Phantom 4 Pro, avion Pilatus P6 Optech ALTM Gemini 167 (airplane) FC6310 caméra (drone) - - O - Extérieur Corrélation photo et lidar, comparaison données lidar avec nuages de points issus de photo
(Persad & Armenakis, 2017) Comparaison d'approche de fusion de données collectées par différents systèmes (lidar sur UAV et lidar terrestre) Geo-X8000 O - - - - - Extérieur Les résultats dépendent beaucoup de la configuration et des paramètres des nuages de points
(Kwon, Park, Moon, Jung, & Park, 2017) Fusion rapide de données 3D atypiques dans différentes situations sur des chantiers de constructions (lidar sur UAV and lidar terrestre) DJI Phantom 3 avanced O - - - - - Extérieur RTK pour estimation de position
(Fuad et al., 2018) Influence de l'altitude sur la précision des mesures AL3 S1000 AL3-32 - O - - - Extérieur Plus l'altitude augmente (20m, 40m, 60m), plus la précision diminue (RMS 0.323m, 0.450m, 0.616m)
(Park, Kim, Cho, & Kang, 2019) Fusion de données obtenues par différentes plateformes et différents capteurs (UAV et UGV) Quadrotor et UGV lidar (UGV) Caméra (UAV) O O - - Extérieur ICP pour traiter les données, SLAM pour UGV, élimination des points redondants puis ICP, le drone doit prendre des images entre 30 degré et 90 degré pour optimiser les résultats

Références

  1. Polewski, P., Yao, W., Cao, L., & Gao, S. (2019). Marker-free coregistration of UAV and backpack LiDAR point clouds in forested areas. ISPRS Journal of Photogrammetry and Remote Sensing, 147(July 2018), 307–318. https://doi.org/10.1016/j.isprsjprs.2018.11.020 Bibtex source
  2. Papachristos, C., Khattak, S., Mascarich, F., & Alexis, K. (2019). Autonomous Navigation and Mapping in Underground Mines Using Aerial Robots. Bibtex source
  3. Park, J., Kim, P., Cho, Y. K., & Kang, J. (2019). Framework for automated registration of UAV and UGV point clouds using local features in images. Automation in Construction, 98(November 2018), 175–182. https://doi.org/10.1016/j.autcon.2018.11.024 Bibtex source
  4. Cramer, M., Haala, N., Laupheimer, D., Mandlburger, G., & Havel, P. (2018). Ultra-High Precision Uav-Based Lidar and Dense Image Matching, XLII(October), 10–12. Bibtex source
  5. Gomes, A., Guerreiro, B. J., Cunha, R., Silvestre, C., & Oliveira, P. (2018). Sensor-based 3-D pose estimation and control of rotary-wing UAVs using a 2-D LiDAR. Advances in Intelligent Systems and Computing, 693, 718–729. https://doi.org/10.1007/978-3-319-70833-1_58 Bibtex source
  6. Hinterhofer, T., Ullrich, A., Hofstätter, M., Pfennigbauer, M., Schraml, S., & Rothbacher, D. (2018). UAV-based LiDAR and gamma probe with real-time data processing and downlink for survey of nuclear disaster locations. Chemical, Biological, Radiological, Nuclear, and Explosives (CBRNE) Sensing XIX, (May 2018), 11. https://doi.org/10.1117/12.2304353 Bibtex source
  7. Mastrangelo, J., von Niederhausern, K., Nelson, R. D., & Fuller, D. (2018). Real-time LIDAR from ScanEagle UAV. Ground/Air Multisensor Interoperability, Integration, and Networking for Persistent ISR IX, (May 2018), 33. https://doi.org/10.1117/12.2304393 Bibtex source
  8. Fuad, N. A., Ismail, Z., Majid, Z., Darwin, N., Ariff, M. F. M., Idris, K. M., & Yusoff, A. R. (2018). Accuracy evaluation of digital terrain model based on different flying altitudes and conditional of terrain using UAV LiDAR technology. IOP Conference Series: Earth and Environmental Science, 169(1). https://doi.org/10.1088/1755-1315/169/1/012100 Bibtex source
  9. Youn, J., Kim, D., Kim, T., Yoo, J. H., & Lee, B. J. (2018). Development of Uav Air Roads By Using 3D Grid System. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-4(October), 731–735. https://doi.org/10.5194/isprs-archives-XLII-4-731-2018 Bibtex source
  10. Liu, K., Shen, X., Cao, L., Wang, G., & Cao, F. (2018). Estimating forest structural attributes using UAV-LiDAR data in Ginkgo plantations. ISPRS Journal of Photogrammetry and Remote Sensing, 146(November), 465–482. https://doi.org/10.1016/j.isprsjprs.2018.11.001 Bibtex source
  11. Huang, Z. C., Yeh, C. Y., Tseng, K. H., & Hsu, W. Y. (2018). A UAV-RTK lidar system for wave and tide measurements in coastal zones. Journal of Atmospheric and Oceanic Technology, 35(8), 1557–1570. https://doi.org/10.1175/JTECH-D-17-0199.1 Bibtex source
  12. Yan, W., Guan, H., Cao, L., Yu, Y., Gao, S., Lu, J. Y., … Lu, J. Y. (2018). An Automated Hierarchical Approach for Three-Dimensional Segmentation of Single Trees Using UAV LiDAR Data. Remote Sensing, 10(12), 1999. https://doi.org/10.3390/rs10121999 Bibtex source
  13. Chen, C., Yang, B., Song, S., Peng, X., & Huang, R. (2018). Automatic clearance anomaly detection for transmission line corridors utilizing UAV-Borne LIDAR data. Remote Sensing, 10(4). https://doi.org/10.3390/rs10040613 Bibtex source
  14. Govedarica, M., Jakovljevic, G., & Álvarez Taboada, F. (2018). Flood risk assessment based on LiDAR and UAV points clouds and DEM. Remote Sensing for Agriculture, Ecosystems, and Hydrology XX, (October 2018), 102. https://doi.org/10.1117/12.2513278 Bibtex source
  15. Torresan, C., Berton, A., Carotenuto, F., Chiavetta, U., Miglietta, F., Zaldei, A., & Gioli, B. (2018). Development and performance assessment of a low-cost UAV laser scanner system (LasUAV). Remote Sensing, 10(7), 1–17. https://doi.org/10.3390/rs10071094 Bibtex source
  16. Mascarich, F., Wilson, T., Khattak, S., Dang, T., Papachristos, C., & Alexis, K. (2018). WM2018 Conference, March 18 – 22, 2018, Phoenix, Arizona, USA Autonomous 3D and Radiation Mapping in Tunnel Environments Using Aerial Robots – 18156 Frank Mascarich, Taylor Wilson, Shehryar Khattak, Tung Dang, Christos Papachristos, Kostas Alexis Universi, 1–12. Bibtex source
  17. Nasrollahi, M., Bolourian, N., Zhu, Z., & Hammad, A. (2018). Designing LiDAR-equipped UAV Platform for Structural Inspection. Proceedings of the 35th International Symposium on Automation and Robotics in Construction (ISARC), (July). https://doi.org/10.22260/isarc2018/0152 Bibtex source
  18. Teng, G. E., Zhou, M., Li, C. R., Wu, H. H., Li, W., Meng, F. R., … Ma, L. (2017). Mini-UAV LIDAR for power line inspection. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, 42(2W7), 297–300. https://doi.org/10.5194/isprs-archives-XLII-2-W7-297-2017 Bibtex source
  19. Morsdorf, F., Eck, C., Zgraggen, C., Imbach, B., Schneider, F. D., & Kükenbrink, D. (2017). UAV-based LiDAR acquisition for the derivation of high-resolution forest and ground information. The Leading Edge, 36(7), 566–570. https://doi.org/10.1190/tle36070566.1 Bibtex source
  20. Gawel, A., Dube, R., Surmann, H., Nieto, J., Siegwart, R., & Cadena, C. (2017). 3D registration of aerial and ground robots for disaster response: An evaluation of features, descriptors, and transformation estimation. SSRR 2017 - 15th IEEE International Symposium on Safety, Security and Rescue Robotics, Conference, 27–34. https://doi.org/10.1109/SSRR.2017.8088136 Bibtex source
  21. Gašparović, M., Seletković, A., Berta, A., & Balenović, I. (2017). The Evaluation of Photogrammetry-Based DSM from Low-Cost UAV by LiDAR-Based DSM. South-East European Forestry, 8(2). https://doi.org/10.15177/seefor.17-16 Bibtex source
  22. Christiansen, M. P., Laursen, M. S., Jørgensen, R. N., Skovsen, S., & Gislum, R. (2017). Designing and testing a UAV mapping system for agricultural field surveying. Sensors (Switzerland), 17(12), 1–19. https://doi.org/10.3390/s17122703 Bibtex source
  23. Ajay Kumar, G., Patil, A. K., Patil, R., Park, S. S., & Chai, Y. H. (2017). A LiDAR and IMU integrated indoor navigation system for UAVs and its application in real-time pipeline classification. Sensors (Switzerland), 17(6). https://doi.org/10.3390/s17061268 Bibtex source
  24. Sankey, T., Donager, J., McVay, J., & Sankey, J. B. (2017). UAV lidar and hyperspectral fusion for forest monitoring in the southwestern USA. Remote Sensing of Environment, 195, 30–43. https://doi.org/10.1016/j.rse.2017.04.007 Bibtex source
  25. Chen, S., McDermid, G. J., Castilla, G., & Linke, J. (2017). Measuring vegetation height in linear disturbances in the boreal forest with UAV photogrammetry. Remote Sensing, 9(12). https://doi.org/10.3390/rs9121257 Bibtex source
  26. Nikolov, I., & Madsen, C. (2017). LiDAR-based 2D Localization and Mapping System using Elliptical Distance Correction Models for UAV Wind Turbine Blade Inspection. Proceedings of the 12th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, (Visigrapp), 418–425. https://doi.org/10.5220/0006124304180425 Bibtex source
  27. Kwon, S., Park, J. W., Moon, D., Jung, S., & Park, H. (2017). Smart Merging Method for Hybrid Point Cloud Data using UAV and LIDAR in Earthwork Construction. Procedia Engineering, 196(June), 21–28. https://doi.org/10.1016/j.proeng.2017.07.168 Bibtex source
  28. Elaksher, A., Bhandari, S., Carreon Limones, C. A., & Lauf, R. (2017). Potential of UAV lidar systems for geospatial mapping. Lidar Remote Sensing for Environmental Monitoring 2017, (August 2017), 20. https://doi.org/10.1117/12.2275482 Bibtex source
  29. Putut Ash Shidiq, I., Wibowo, A., Kusratmoko, E., Indratmoko, S., Ardhianto, R., & Prasetyo Nugroho, B. (2017). Urban forest topographical mapping using UAV LIDAR. IOP Conference Series: Earth and Environmental Science, 98(1). https://doi.org/10.1088/1755-1315/98/1/012034 Bibtex source
  30. Guo, Q., Su, Y., Hu, T., Zhao, X., Wu, F., Li, Y., … Wang, X. (2017). An integrated UAV-borne lidar system for 3D habitat mapping in three forest ecosystems across China. International Journal of Remote Sensing, 38(8-10), 2954–2972. https://doi.org/10.1080/01431161.2017.1285083 Bibtex source
  31. Wei, L., Yang, B., Jiang, J., Cao, G., & Wu, M. (2017). Vegetation filtering algorithm for UAV-borne lidar point clouds: a case study in the middle-lower Yangtze River riparian zone. International Journal of Remote Sensing, 38(8-10), 2991–3002. https://doi.org/10.1080/01431161.2016.1252476 Bibtex source
  32. Thiel, C., & Schmullius, C. (2017). Comparison of UAV photograph-based and airborne lidar-based point clouds over forest from a forestry application perspective. International Journal of Remote Sensing, 38(8-10), 2411–2426. https://doi.org/10.1080/01431161.2016.1225181 Bibtex source
  33. Gee, T., James, J., Van Der Mark, W., Delmas, P., & Gimel’Farb, G. (2017). Lidar guided stereo simultaneous localization and mapping (SLAM) for UAV outdoor 3-D scene reconstruction. International Conference Image and Vision Computing New Zealand, 1–6. https://doi.org/10.1109/IVCNZ.2016.7804433 Bibtex source
  34. Persad, R. A., & Armenakis, C. (2017). Comparison of 2d and 3D approaches for the alignment of UAV and lidar point clouds. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, 42(2W6), 275–279. https://doi.org/10.5194/isprs-archives-XLII-2-W6-275-2017 Bibtex source
  35. Chiang, K. W., Tsai, G. J., Li, Y. H., & El-Sheimy, N. (2017). Development of LiDAR-Based UAV System for Environment Reconstruction. IEEE Geoscience and Remote Sensing Letters, 14(10), 1790–1794. https://doi.org/10.1109/LGRS.2017.2736013 Bibtex source
  36. Moore, A. J., Schubert, M., Rymer, N., Balachandran, S., Consiglio, M., Munoz, C., … Schneider Georgia Power, P. (2017). UAV Inspection of Electrical Transmission Infrastructure with Path Conformance Autonomy and Lidar-based Geofences NASA Report on UTM Reference Mission Flights at Southern Company Flights November 2016 NASA STI Program . . . in Profile. Bibtex source
  37. Edwards, A. S. (2017). Autonomous 3D Mapping and Surveillance of Mines with MAVs, (March). Bibtex source
  38. Shetty, A., & Gao, G. X. (2017). Covariance Estimation for GPS-LiDAR Sensor Fusion for UAVs, 1–5. Bibtex source
  39. Koska, B., Jirka, V., Urban, R., Křemen, T., Hesslerová, P., Jon, J., … Fogl, M. (2017). Suitability, characteristics, and comparison of an airship UAV with lidar for middle size area mapping. International Journal of Remote Sensing, 38(8-10), 2973–2990. https://doi.org/10.1080/01431161.2017.1285086 Bibtex source
  40. Vempati, A. S., Gilitschenski, I., Nieto, J., Beardsley, P., & Siegwart, R. (2017). Onboard real-time dense reconstruction of large-scale environments for UAV. IEEE International Conference on Intelligent Robots and Systems, 2017-September, 3479–3486. https://doi.org/10.1109/IROS.2017.8206189 Bibtex source
  41. Ozaslan, T., Taylor, C. J., Kumar, V., Keller, J., Wozencraft, J. M., Loianno, G., & Hood, T. (2017). Autonomous Navigation and Mapping for Inspection of Penstocks and Tunnels With MAVs. IEEE Robotics and Automation Letters, 2(3), 1740–1747. https://doi.org/10.1109/lra.2017.2699790 Bibtex source
  42. Petras, V., Petrasova, A., Jeziorska, J., & Mitasova, H. (2016). Processing UAV and LiDAR point clouds in grass GIS. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, 41(July), 945–952. https://doi.org/10.5194/isprsarchives-XLI-B7-945-2016 Bibtex source
  43. Kasturi, A., Milanovic, V., Atwood, B. H., & Yang, J. (2016). UAV-borne lidar with MEMS mirror-based scanning capability, (May 2016), 98320M. https://doi.org/10.1117/12.2224285 Bibtex source
  44. Reiss, M. L. L., Da Rocha, R. S., Ferraz, R. S., Cruz, V. C., Morador, L. Q., Yamawaki, M. K., … Mezzomo, W. (2016). Data integration acquired from micro-UAV and terrestrial laser scanner for the 3D mapping of jesuit ruins of são miguel das missões. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, 41(July), 315–321. https://doi.org/10.5194/isprsarchives-XLI-B5-315-2016 Bibtex source
  45. Lawson, A. (2015). Cooperative 3-D Map Generation Using Multiple UAVs. University Scholar Projects. Bibtex source
  46. Liu, S., Mohta, K., Shen, S., & Kumar, V. (2015). Towards Collaborative Mapping and Exploration Using Multiple Micro Aerial Robots BT - Experimental Robotics: The 14th International Symposium on Experimental Robotics. Experimental Robotics III. https://doi.org/10.1007/bfb0027579 Bibtex source
  47. Pan, W. W., Dou, Y. J., Wang, G. L., Wu, M. X., Ren, R. G., & Xu, X. (2015). Development and test of blimp-based compact LIDAR powewr-line inspection system. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, 40(3W2), 155–159. https://doi.org/10.5194/isprsarchives-XL-3-W2-155-2015 Bibtex source
  48. Li, Z., Yan, Y., Jing, Y., & Zhao, S. G. (2015). The design and testing of a LiDAR platform for a UAV for heritage mapping. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, 40(1W4), 17–24. https://doi.org/10.5194/isprsarchives-XL-1-W4-17-2015 Bibtex source
  49. Yousif, K., Bab-Hadiashar, A., & Hoseinnezhad, R. (2015). An Overview to Visual Odometry and Visual SLAM: Applications to Mobile Robotics. Intelligent Industrial Systems, 1(4), 289–311. https://doi.org/10.1007/s40903-015-0032-7 Bibtex source
  50. Gu, T., & Zhang, N. (2015). Application of iterative closest point algorithm in automatic flight of speedy UAV. 2014 IEEE Chinese Guidance, Navigation and Control Conference, CGNCC 2014, 1456–1459. https://doi.org/10.1109/CGNCC.2014.7007407 Bibtex source
  51. Mandlburger, G., Pfennigbauer, M., Riegl, U., Haring, A., Wieser, M., Glira, P., & Winiwarter, L. (2015). Complementing airborne laser bathymetry with UAV-based lidar for capturing alluvial landscapes, (October 2015), 96370A. https://doi.org/10.1117/12.2194779 Bibtex source
  52. Tulldahl, H. M., Bissmarck, F., Larsson, H., Grönwall, C., & Tolt, G. (2015). Accuracy evaluation of 3D lidar data from small UAV, 964903(October 2015), 964903. https://doi.org/10.1117/12.2194508 Bibtex source
  53. Yang, B., & Chen, C. (2015). Automatic registration of UAV-borne sequent images and LiDAR data. ISPRS Journal of Photogrammetry and Remote Sensing, 101, 262–274. https://doi.org/10.1016/j.isprsjprs.2014.12.025 Bibtex source
  54. Ni, W., Liu, J., Zhang, Z., Sun, G., & Yang, A. (2015). Evaluation of UAV-based forest inventory system compared with LiDAR data. International Geoscience and Remote Sensing Symposium (IGARSS), 2015-Novem, 3874–3877. https://doi.org/10.1109/IGARSS.2015.7326670 Bibtex source
  55. Esposito, S., Mura, M., Fallavollita, P., Balsi, M., Chirici, G., Oradini, A., & Marchetti, M. (2014). Performance evaluation of lightweight LiDAR for UAV applications. International Geoscience and Remote Sensing Symposium (IGARSS), 792–795. https://doi.org/10.1109/IGARSS.2014.6946543 Bibtex source
  56. Roca, D., Armesto, J., Lagüela, S., & Díaz-Vilariño, L. (2014). LIDAR-equipped UAV for building information modelling. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, 40(5), 523–527. https://doi.org/10.5194/isprsarchives-XL-5-523-2014 Bibtex source
  57. Tulldahl, H. M., & Larsson, H. (2014). Lidar on small UAV for 3D mapping, 925009(October 2014), 925009. https://doi.org/10.1117/12.2068448 Bibtex source
  58. Wallace, L., Lucieer, A., & Watson, C. S. (2014). Evaluating tree detection and segmentation routines on very high resolution UAV LiDAR ata. IEEE Transactions on Geoscience and Remote Sensing, 52(12), 7619–7628. https://doi.org/10.1109/TGRS.2014.2315649 Bibtex source
  59. Lin, Y., & West, G. (2014). Attempt of UAV oblique images and MLS point clouds for 4D modelling of roadside pole-like objects, 9262(November 2014), 92620Q. https://doi.org/10.1117/12.2068287 Bibtex source
  60. Zhou, G., Yang, B., Zhang, W., Tao, X., Zhao, W., Yue, T., … Yang, C. (2013). Simulation study of new generation of airborne scannerless LiDAR system. International Geoscience and Remote Sensing Symposium (IGARSS), (February 2015), 524–527. https://doi.org/10.1109/IGARSS.2013.6721208 Bibtex source
  61. Wallace, L. (2013). Assessing the stability of canopy maps produced from UAV-LiDAR data. International Geoscience and Remote Sensing Symposium (IGARSS), (Figure 1), 3879–3882. https://doi.org/10.1109/IGARSS.2013.6723679 Bibtex source
  62. Wallace, L. O., Lucieer, A., & Watson, C. S. (2012). Assessing the Feasibility of Uav-Based Lidar for High Resolution Forest Change Detection. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXIX-B7(September), 499–504. https://doi.org/10.5194/isprsarchives-XXXIX-B7-499-2012 Bibtex source
  63. Wallace, L., Lucieer, A., Watson, C., & Turner, D. (2012). Development of a UAV-LiDAR system with application to forest inventory. Remote Sensing, 4(6), 1519–1543. https://doi.org/10.3390/rs4061519 Bibtex source
  64. Michael, N., Shen, S., Motha, K., Mulgaonkar, Y., Kumar, V., Nagatani, K., … Tadokoro, S. (2012). Collaborative mapping of an earthquake‐damaged building via ground and aerial robots. \Ldots of Field Robotics, 29(5), 832–841. https://doi.org/10.1002/rob Bibtex source
  65. Hwang, Y., & Tahk, M.-jea. (2012). Terrain Referenced UAV Navigation with Lidar – a Comparison of Sequential Processing and Batch Processing Algorithms. 28th INTERNATIONAL CONGRESS OF THE AERONAUTICAL SCIENCES, 1–7. Bibtex source
  66. Candigliota, E., Immordino, F., Moretti, L., & Indirli, M. (2012). Remote sensing, laser scanner survey and GIS integrated method for assessment and preservation of historic centers: the example of Arsita. In Proceedings of the 15th World Conference on Earthquake Engineering - WCEE, 1–9. Bibtex source
  67. Han, K., Aeschliman, C., Park, J., Kak, A. C., Kwon, H., & Pack, D. J. (2012). UAV vision: Feature based accurate ground target localization through propagated initializations and interframe homographies. Proceedings - IEEE International Conference on Robotics and Automation, 944–950. https://doi.org/10.1109/ICRA.2012.6225073 Bibtex source
  68. Durst, P. J., Baylot, A., & McKinley, B. (2011). Techniques for inferring terrain parameters related to ground vehicle mobility using UAV born IFSAR and LIDAR data. Proceedings of SPIE - The International Society for Optical Engineering, 8020(May 2011). https://doi.org/10.1117/12.883510 Bibtex source
  69. Liu, C., Li, W., Lei, W., Liu, L., & Wu, H. (2011). Architecture planning and geo-disasters assessment mapping of landslide by using airborne lidar data and UAV images, (October 2011), 82861Q. https://doi.org/10.1117/12.912525 Bibtex source
  70. Downs, A., Madhavan, R., & Hong, T. (2004). Registration of range data from unmanned aerial and ground vehicles. Proceedings - Applied Imagery Pattern Recognition Workshop, 2003-Janua, 45–50. https://doi.org/10.1109/AIPR.2003.1284247 Bibtex source
  71. Zhen, W., & Scherer, S. A Unified 3D Mapping Framework using a 3D or 2D LiDAR. Robotics, 1–10. Bibtex source