下载文档原格式
激光slam技术的原理和应用激光SLAM技术的原理和应用激光SLAM（Simultaneous Localization and Mapping）技术是一种基于激光雷达的同时定位和建图技术，它通过使用激光雷达扫描环境，实时获取周围的地理信息，并利用这些信息进行自主定位和建立环境地图。
激光SLAM技术的原理可以概括为以下几个步骤：1. 数据获取：激光雷达通过发射激光束并接收反射回来的光线，利用光的传播速度和接收时间差计算出距离信息。
通过旋转或调整激光雷达的角度，可以获取周围环境的三维点云数据。
2. 特征提取：从激光雷达获取的点云数据中，提取出具有代表性的特征点，如角点、平面点等。
这些特征点可以用来进行地图的构建和定位。
3. 地图构建：通过特征点的集合，可以构建环境的地图。
构建地图的算法可以根据特征点的位置和特征进行优化和调整，以减少地图的误差。
常见的地图表示方式有栅格地图、拓扑地图和点云地图等。
4. 定位更新：在地图构建的同时，激光SLAM技术还可以实时进行自主定位。
通过与地图进行匹配，可以确定机器人当前的位置。
定位更新可以通过滤波算法（如卡尔曼滤波、粒子滤波等）来实现，以提高定位的准确性。
激光SLAM技术的应用非常广泛，以下列举几个常见的应用领域：1. 自动驾驶：激光SLAM技术是实现自动驾驶的关键技术之一。
通过激光雷达扫描周围环境，实时构建高精度的地图，并实现精确定位，可以使自动驾驶车辆在复杂道路条件下实现精确的定位和路径规划。
2. 无人机导航：激光SLAM技术在无人机导航中也有广泛的应用。
通过激光雷达扫描周围地形，可以构建高精度的地图，并实现无人机的自主定位和避障，实现精确的飞行路径规划。
3. 室内导航：激光SLAM技术可以应用于室内导航系统中。
通过激光雷达扫描室内环境，构建室内地图，并实现用户的定位和导航。
这对于大型建筑物、商场等复杂环境的室内导航非常有用。
4. 智能仓储：激光SLAM技术可以应用于智能仓储系统中，实现自动化的货物搬运和仓库管理。
机载三维激光雷达(LIDAR)扫描测量技术在长输管道测量中的应用摘要：本文论述了机载三维激光雷达扫描测量技术在长输管道测量中的应用，并结合实际论述了该技术的方法和特点，该方法在管道测量中充分体现了其高精度、高密度、高效率、产品丰富等特点，为今后该技术在长输管道勘察设计中的应用提供了有力的技术支持。
关键词：机载激光雷达；激光点云；正射影响；数字高程模型1机载LIDAR技术简介机载三维激光雷达扫描测量(以下简称机载LIDAR- Light Detection and Ranger)技术是继GPS以来在测绘遥感领域的又一场技术革命。
LIDAR是一种集激光、全球定位系统(GPS)和惯性导航系统(INS)三种技术与一身的系统，用于获得数据并生成精确的DEM。
机载激光扫描可以获取更小的目标信息，如高压线，可以穿透植被等覆盖物获得地面点数据，而且可实时得到地表大范围内目标点的三维坐标，同时它也是目前唯一能测定森林覆盖地区地面高程的可行技术，可以快速、低成本、高精度地获取三维地形地貌、航空数码影像及其它方面的海量信息。
特别是对长输管网工程地处山区密林、植被茂密、无人进入的区域，传统的测量技术无法满足工期的要求，而且人员进入测区非常困难，因此，本项目的测绘工作，采用了机载三维激光雷达扫描测量。
2技术内容2.1获取数据的方法和原理机载激光雷达测量系统设备主要包括三大部件：机载激光扫描仪、航空数码相机、定向定位系统POS(包括全球定位系统GPS和惯性导航仪IMU)。
其中机载激光扫描仪部件采集三维激光点云数据，测量地形同时记录回波强度及波形；航空数码相机部件拍摄采集航空影像数据；定向定位系统POS部件测量设备在每一瞬间的空间位置与姿态，由GPS确定空间位置，由IMU测量仰俯角、侧滚角和航向角数据。
激光雷达工作原理图LIDAR系统包括一个单束窄带激光器和一个接收系统。
激光器产生并发射一束光脉冲，打在物体上并反射回来，最终被接收器所接收。
loam角点提取Loam 角点提取Loam 角点提取是一种用于三维环境感知中的重要算法。
它可以在点云数据中提取出物体的角点，并用于建立地图、导航和避障等应用。
本文将介绍 Loam 角点提取的原理、实现方法以及应用场景。
一、Loam 角点提取原理Loam（Lidar Odometry and Mapping）是一种激光雷达建图与定位的算法。
其中的角点提取是指从激光雷达采集到的点云数据中提取出物体的角点信息。
角点是指物体表面的边缘或变化明显的点，具有明显的曲率。
通过提取角点，可以获得物体的几何特征，进而实现建图和定位。
Loam 角点提取的原理是基于点云数据的曲率计算。
曲率是指点云数据表面在某一点的变化率，可以用于判断该点是否为角点。
具体而言，Loam 角点提取通过计算每个点的曲率来判断其是否为角点。
曲率计算可以使用不同的方法，常见的有基于邻域点的曲率计算和基于点云曲率特征描述子的计算。
通过对每个点进行曲率计算，并设定一个阈值来判断其是否为角点，从而实现角点的提取。
二、Loam 角点提取实现方法Loam 角点提取的实现方法有多种，下面介绍其中两种常见的方法。
1. 基于邻域点的曲率计算基于邻域点的曲率计算是一种常见的角点提取方法。
它通过选择每个点的邻域点，并计算邻域点的曲率来判断该点是否为角点。
常用的邻域点选择方法有固定邻域点和自适应邻域点两种。
固定邻域点是指选择固定数量的邻域点，如选择每个点周围的几个点作为邻域点。
自适应邻域点是指根据点云密度和点云分布情况，自动选择邻域点。
计算邻域点的曲率可以使用不同的方法，如最小二乘法、高斯曲率等。
2. 基于点云曲率特征描述子的计算基于点云曲率特征描述子的计算是另一种常见的角点提取方法。
它通过计算每个点的曲率特征描述子来判断其是否为角点。
曲率特征描述子是一种对点云曲率进行描述的特征向量，可以用于判断点云的几何特征。
常用的曲率特征描述子有法线、曲率张量等。
通过计算每个点的曲率特征描述子，并设置一个阈值来判断其是否为角点。
激光雷达数据处理与地形图制作工具软件比较激光雷达（Lidar）是一种能够高效获取地球表面三维信息的技术。
它结合了激光技术和雷达原理，通过向地面发送激光束并测量反射返回时间来获取地形表面的点云数据。
这种数据可以用来生成高精度的地形图，用于各种应用领域，如地质勘探、城市规划、环境监测等。
为了对激光雷达数据进行处理和地形图的制作，科研工作者和工程师们开发了许多不同的软件工具。
本文将对几种常用的激光雷达数据处理与地形图制作工具软件进行比较。
首先，我们来介绍一种常用的激光雷达数据处理工具，即LASTools。
LASTools是一个开源的软件套件，提供了一系列用于激光雷达数据处理的工具。
它支持常见的激光雷达数据格式，如LAS和LAZ，并提供了各种功能，包括数据过滤、分类、点云修复、DEM生成等。
LASTools具有用户友好的界面和丰富的文档，使得用户可以轻松地进行数据处理和图形化展示。
另一个值得一提的激光雷达数据处理工具是FUSION。
FUSION是一个功能强大且广泛使用的软件包，特别适用于森林资源管理和生态学研究领域。
FUSION与LASTools类似，支持多种激光雷达数据格式，并提供了许多数据处理和分析功能。
它的主要特点之一是可以进行全球定位系统（GPS）和惯性测量单元（IMU）数据的处理和点云配准，这对于精确地获取地形数据非常重要。
除了以上两种工具之外，还有一种受欢迎的激光雷达数据处理和地形图制作工具是CloudCompare。
与LASTools和FUSION不同，CloudCompare是一个开源的三维点云处理软件，支持多种点云数据格式。
它具有强大的点云处理和分析功能，包括数据滤波、配准、重建等。
CloudCompare还支持多种数据可视化和导出方式，使用户能够更方便地进行数据展示和分析。
除了上述的激光雷达数据处理工具之外，还有一些专门用于地形图制作的软件。
其中一种是Global Mapper，这是一款功能强大的地理信息系统（GIS）软件，广泛用于地理数据的处理和分析。
激光雷达在地形测图中的应用随着测绘技术的发展，有些传统测绘的方法无法满足一些测绘项目的要求，传统全站仪人工测量山地效率低下，通视条件极差，一个测站只能近距离测几个点，用RTK测量山地，相比全站仪跑点方便了些，但GPS信号难保证，且野外地形险恶，人身安全得不到保证，激光能的效地穿透森林冠层，大幅提高林下地形的精确提取精度。
随着激光雷达技术的推出，能完好得解决此类问题。
2022年6月我们在国外有个1：1000的地形测绘的项目（项目要求能精确测出探矿区的地貌，结合物探算出矿产储量），地形南北低中间高，起伏较大，最大高程约920m，最小高程约400m，高差达520m。
另外，测区内大部分区域为原始森林，树木高大、茂盛，森林覆盖率达 98%，树下灌木丛生、荆棘满布，峡谷、河流、冲沟密集，这些给测量工作的通行、通视带来较大困难。
此次测量工作较为困难和复杂。
经过考查研究，激光雷达技术是首选技术，选择了国内较为成熟的设备华测AS-900HL低空机载激光雷达。
激光雷达技术简介与工作原理:激光雷达是激光探测与测距系统的简称，它通过测定传感器发出的激光在传感器与目标物体之间的传播距离，分析目标地物表面的反射量大小，反射波谱的幅度，频率和相位等信息，进行目标定位信息的精确解算，从而呈现目标精确的三维结构信息。
R=1/2C*T (其中R为传感的目标的距离，C为光在空气传播中的速度，T为激光的往返时间)。
无人机激光雷达系统由：激光测距系统、POS系统（由全球定位系统，惯性测量单元组成）及控制系统。
POS系统是激光雷达机载平台获取移动状态下的位置和姿态数据的主要途径，GPS获取实时的位置坐标，并结合IMU获取的平台的姿态变化，以解算获取机载激光雷达系统的运动轨迹及姿态信息，以此支持三维激光点云解算。
1 技术标准和坐标系统1.1 技术标准1.1.1 《工程测量规范》GB 50026-2007；1.1.2 《地质矿产勘查测量规范》GB/T 18341-2001；1.1.3 《全球定位系统（GPS）测量规范》GB/T 18314-2009；1.1.4 《国家三、四等水准测量规范》GB/T 12898-2009；1.1.5 《低空数字航空摄影测量外业规范》CH/Z 3004-2010；1.1.6 《低空数字航空摄影测量内业规范》CH/Z 3003-2010；1.1.7 《国家基本比例尺地图图式第1部分：1：500 1：1000 1：2000地形图图式》GB/T 20257.1-2017；1.1.8 《测绘成果质量检查与验收》GB/T 24356-2009；1.1.9 《测绘作业人员安全规范》CH 1016-2008。
利用TerraSolid软件处理后的机载激光雷达数据生成油气长输管道纵断面图王军【摘要】文中针对长距离油气管道线路走向多为带状,尤其当管道经过诸如沙漠等困难地区时,采用从机载激光雷达(LiDAR)系统获得的激光点数据中分类出的地面点数据来生成长:距离油气管道的带状数字高程模型(DEM)；带状数字正射影像图(DOM)；带状数字线化图(DLG)及中线纵断面数据和等高线；通过对上述数据的套合制作成纵断面图,为长距离油气管道设计提供了更加详实的基础资料.【期刊名称】《矿山测量》【年(卷),期】2013(000)001【总页数】2页(P28-29)【关键词】LiDAR;TerraSolid;油气长输管道;纵断面图【作者】王军【作者单位】西安长庆科技工程有限责任公司,陕西西安710018【正文语种】中文【中图分类】P288.4油气长输管道纵断面图是集线路纵断面图、DOM、DLG的一体图，其制作方法通常是外业采用工测或航空摄影测量方式来获测量数据，内业应用测图软件来制作完成纵断面图。
但由于长距离油气管道受到投资和工期影响，尤其是当管道经过诸如沙漠、高山等地貌复杂地段时，采用这种方法存在诸多困难，为了克服这些困难，减少现场测量人员的劳动强度，提供工作效率，在外业采用机载激光雷达技术(LiDAR)来获得野外数据，内业应用TerraSolid软件的方法来制作纵断面图。
1 TerraSolid 软件介绍TerraSolid 软件是芬兰TerraSolid公司基于MicroStation平台开发的机载激光雷达点云数据处理软件，包括TerraScan、TerraModel、TerraPhoto、TerraMatch、TerraSurvey 等模块，可根据不同需求供用户选择使用。
该软件在数据处理过程中需要操作人员输入大量参数，这就要求操作人员要有一定的工作实践经验，同时还要熟悉MicroStation的操作才能更好的使用该软件。
激光雷达所用到的算法1概述激光雷达是无人驾驶领域不可或缺的一种传感器，它可以高效地获取周围的三维点云数据。
然而，这些点云数据不仅数量庞大，而且复杂度高，需要运用多个算法来进行处理、分析和使用。
2数据滤波算法激光雷达采集的数据中包含了很多噪音和无效数据，需要进行数据滤波处理。
常用的滤波算法包括高斯滤波、中值滤波和平滑滤波等。
3特征提取算法特征提取旨在从点云数据中识别出一些与场景信息相关的特征，如路面、墙面、车辆等。
其中，最常用的特征包括曲率、高度、法向量等。
算法包括Hough变换、RANSAC算法等。
4物体检测算法物体检测的目的是在三维点云中检测到有趣的目标。
这类算法在无人驾驶车辆中广泛应用，在视觉SLAM等领域也有不少研究。
常见的物体检测算法包括3D Faster R-CNN、PointRCNN、PV-RCNN、Deformable DETR和MM3D等。
5定位与标定算法定位与标定是无人驾驶领域中关键的问题。
在进行定位前，需要通过对激光雷达内部参数和外部参数进行标定，这样才能够确定车辆在世界坐标系中的位置和方向。
RMS、ICP等算法可以实现这一任务。
6地图构建算法地图构建旨在将激光雷达采集的点云数据转化为3D地图。
这些地图通常分为栅格地图和基于点的地图。
主要的算法有octomap、ESF、SHOT等。
7路径规划算法完成地图构建后，无人驾驶车辆需要从地图中找到合适的行驶路径。
算法可以分为局部路径规划和全局路径规划。
最常用的全局路径规划算法有Dijkstra、Astar、RRT等。
局部路径规划常常采用速度优化算法，如速度采样和规划的方法。
8总结综上所述，激光雷达在无人驾驶领域中应用非常广泛。
众多的算法不断推动着其应用范围的扩大。
这些算法主要包括数据滤波算法、特征提取算法、物体检测算法、定位与标定算法、地图构建算法、路径规划算法。
在未来，随着技术的不断发展，这些算法也将不断完善和更新，为无人驾驶提供更多的可能性。
激光雷达测量精度实验分析李现坤;李泷杲;李栋;邓正平【摘要】激光雷达非接触式测量不需要使用目标靶球,激光点直接射到测量物体表面.其测量精度不仅与测量距离有关,并且和激光束与测量点法向夹角有关.介绍了激光雷达的测量原理和影响测量精度的主要原因.设计制造高精度平面模拟件,通过正交实验测量获得不同法向夹角和距离下平面模拟件的测量点云.通过平面度大小评估激光雷达的测量精度与法向夹角和距离的变化规律,为激光雷达现场非接触式测量提供参考.【期刊名称】《机械制造与自动化》【年(卷),期】2018(047)003【总页数】4页(P190-193)【关键词】测量精度;法向夹角;距离【作者】李现坤;李泷杲;李栋;邓正平【作者单位】南京航空航天大学机电学院,江苏南京210016;南京航空航天大学机电学院,江苏南京210016;中航工业江西洪都航空工业集团有限责任公司,江西南昌330024;南京航空航天大学机电学院,江苏南京210016【正文语种】中文【中图分类】TN2480 引言激光雷达是近些年兴起的新型数字化设备，一般由激光发射器、工作站、通信单元以及其他附属测量设备等组成。
激光雷达工作波段红外光、可见光和紫外光，由于工作波段较短，激光雷达的分辨能力和抗干扰性能远远超过普通的微波雷达。
与激光跟踪仪不同，激光雷达可以不使用目标靶球实现非接触测量，摆脱了现有的非接触系统大部分都需将传感器或扫描头尽可能靠近被测物体的表面，且测量范围较小的局限，其在航空制造领域的应用越来越多[1-3]。
然而与接触式测量不同，激光雷达的非接触式测量精度影响因素较多，其不仅与测量距离有关，还和激光束与激光点法向夹角有关(以下均称为入射角)。
目前激光雷达的非接触测量主要应用于产品质量检测、逆向工程以及异形曲面扫描等方面[4]。
然而这些应用没有考虑现场条件对激光雷达测量精度的影响，单纯的以厂家给定性能参数为参考依据，而厂家提供的性能参数过于简单，仅有接触式测量精度与测量距离的关系，不能全面反映现场情况，尤其是在空间大角度范围测量情况下。
机载LiDAR在1：1000地形图测图中的应用发布时间：2021-05-28T11:28:00.157Z 来源：《基层建设》2021年第3期作者：苏晨阳[导读] 摘要：随着无人机技术的飞速发展，测绘行业近几年发生了翻天覆地的变化，现如今，无人机结合机载LiDAR技术成为了高效采集数据的一种方法。
广东省核工业地质局测绘院广东省广州市 510400摘要：随着无人机技术的飞速发展，测绘行业近几年发生了翻天覆地的变化，现如今，无人机结合机载LiDAR技术成为了高效采集数据的一种方法。
机载LiDAR系统集合了激光雷达，GPS导航系统和惯性导航系统三种系统，可以快速、大面积获取测区内的高密度点云数据，为DEM，DSM，DLG等成果生产提供了快速、可靠的数据依据。
本文以惠东某县的开发区地形测量为例，利用机载LiDAR结合航空摄影测量，对该开发区进行线划图的生产，并进行成果检测，结果表明，LiDAR技术可以满足1：1000比例尺地形图生产的需求。
关键词：LiDAR；无人机；线划图；测绘；Application of airborne LiDAR in 1：1000 topographic mappingSU Chenyang（Surveying and Mapping Institute of Guangdong Province Nuclear Industry Geological Bureau，GuangZhou Guangdong 510400）ABSTRACT：With the rapid development of UA V technology，great changes have taken place in the surveying and mapping industry in recent years.Nowadays，the combination of UA V and airborne LiDAR technology has become an efficient method to collect data.The airborne LiDAR system combines three systems：lidar，GPS navigation system and inertial navigation system.It can quickly and widely acquire high-density point cloud data in the measuring area.It provides fast and reliable data basis for production of DEM，DSM and DLG.Taking the topographic survey of a development area in Huidong as an example，this paper uses airborne LiDAR combined with aerial photogrammetry to produce the DLG of the development area and to test the results.The results show that the LiDAR technology can meet the requirements of 1：1000 scale topographic map production.Keywords：LiDAR；UA V；DLG；Surveying and mapping1引言激光雷达技术简称为LiDAR，是一种集激光雷达，GPS和惯性导航系统三种系统于一体的测量系统，为快速、精确的获取空间信息提供了简单有效手段。
激光雷达出图数据介绍
本文介绍的是能够从MPL或者是miniMPL上得到的探测数据信息，以及这些信息的重要性。
下面将逐步解说激光雷达，解释软件每一项设置和每一组出图的意义。
1 打开历史数据
本文所示抽样数据是一台MPL仪器在2010年10月9日周末期间的监测数据。
打开电脑SigmaMPL软件，点击File-Open文件选项，导航到存储数据的文件夹，MPL激光雷达所有可用的数据就会按照日期和时间的顺序被显示在右边的Open Files对话框里面，如图1所示。
在图1界面左下角是关于数据文件选择的一些信息，如积分时间、分辨率、打开数据所需内存以及可用内存等信息。
关于需求内存和可用内存的信息在我们打开数据量大的信息时是非常重要的，一定要使所需求的内存小于可用内存，从而避免系统崩溃。
如果我们需要打开一周或者是一个月的数据，需求的内存很可能大于可用内存，SIGMA公司的MPL软件提供了down-sampling选项，在图1右下方所示。
down-sampling选项可以让用户选择平均时间较长、空间分辨率粗糙或集中在一小段范围内的数据，这种方式可以减少数据对内存的需求。
图1 Open Files对话框
2 数据介绍
2.1 原始数据
根据打开的文件，你看到的第一组数据是原始数据、R2修正数据和SNR（信噪比）数据。
在图2里面，X轴是UTC时间，Y轴指示的是地面高度范围。
返回的信号用人工的彩色显示来标注，它的颜色条在右侧。
原始数据包含我们所得到的所有信息但不是很直观的。
进一步加工之前必须将有用信息提取出来。
我们看到三个蓝带，代表白天。
图2 原始数据
2.2 SNR信噪比数据
我们从原始数据里面就可以直接得到信噪比，SNR决定了我们数据的质量和可靠性。
图3和图4展示了用不同颜色条设置来显示用人工彩色显示SNR。
当SNR很高的时候(SNR>=10)，Mini MPL的检测范围在白天使5km,在晚上是9km范围内。
当平均SNR(SNR>=1)足够的时候，Mini MPL的检测范围在白天是9km，在晚上是14km。
作为比较，在一个晴天，一个标准的MPL可以检测范围达到白天15km，晚上24km的范围。
图3 SNR的极限值为10
图4 SNR的极限值为1
2.3 R2修正数据
下一步来自于原始数据的是R2修正数据，背景减去原始数据，然后再乘上检测范围的平方，如图5所示，这是一个折中的校准方法，来修正远场信号丢失。
R2修正数据可以很清楚的显示出远场的气溶胶结构和云层，这是在校准结束之后相当相似的结果。
我们一般使用实时的R2修正数据很快的检测出系统是否在
正常的运行。
图5 R2修正数据
2.4 NRB归一化相对后向散射处理数据
勾选NRB选项，在后脉冲、重叠因子和饱和因子校准修正之后，我们得到
了相对标准化的后向散射NRB数据，如图6所示。
这些数据是分仪器独立的。
R2修正数据与NRB数据最主要的区别是在近场。
注意：图6与图5相比，1km
以下有大量丰富的气溶胶。
图6 NRB数据
至今为止，我们检测过的数据都是正交偏振的，MPL发射的激光束平行于一个预先定义的偏振平面。
返回的偏振光束，能够平行或垂直于发射出去的偏振光束。
通常的偏振光束都是有组分的。
根据气溶胶或云的特性，激光同偏、正
交偏振组分的范围可以从几乎为零到可比价值的组成部分，如图7。
图7 NRB数据（正交偏振）
先进的NRB数据信号处理能够给揭示我们周围大气的很多有趣的信息。
SigmaMPL软件的第一个特征是云或者是羽状云的检测。
在这里我们用粉红色的三角来标注检测到的云基。
注意在图8的视图区域里，是软件检测到的4km高和10km高的云。
不像云高计那样，MPL/Mini MPL能够在激光的能量完全的消
失之前检测到三层以上的云。
图8 云检测，粉红色三角指示的是云基
2.5 边界层PBL数据
另一个重要的特征是地表边界层（PBL），注意，PBL（如图9被红色方框覆盖着的部分）在白天期间的高度要比晚上的高。
这是已在城市地区既有趣又普遍存在的现象。
不像一些云高计，它不能正确识别PBL有云的时候，我们的软件的使用先进的算法测量PBL存在的高度，即使在有云的时候，SigmaMPL软件也可以在同一剖面上测多层的PBL。
图10显示的是在设置参数中勾选PBL多层检测选项的视图，比较图9和图10红框里的两个PBL会发现后者显示更清晰些。
图11为区域放大后的图像，从中可以看到两层PBL在此逐渐融合成一层。
图9 多层检测选项关闭的PBL检测
图10 多层检测选项打开的PBL检测
图11 PBL检测
2.6 气溶胶观测数据
SigmaMPL软件还可显示连续的气溶胶观测。
从地平面开始，气溶胶的密度逐步地减少，直到气溶胶消散到与分子消散相比微不足道。
图12红色区域显示的是接近地面的连续气溶胶上边界。
图12 连续气溶胶层
2.7 退偏比
我们在图6和图7中提到了同偏振和正交偏振的测量，在这里我们再重新回顾一下图13中显示的退偏比分布。
如果我们将退偏比图与NRB数据相比较，我们会发现一些有趣的差异：
如图13所示，比较14点和19点左右的黑色和红色椭圆形区域，上图中两者的NRB同偏信号都相差不多，然而退偏比却相当的不同。
这揭示了红色椭圆里的气溶胶的性质是不同于黑色椭圆里的。
如果退偏比选项不可用的话，我们是不可能得到这些重要信息的。
将10km处的黄色方框区域和5km处的红色方框区域进行比较，我们发现在
红色方框区域的云在退偏比的图中消失了，而黄色椭圆区域的云在两幅图中却保持不变。
其原因是在海拔高度近10km地方的卷积云通常含有大量的典型的冰粒子，这种冰晶很重要，它能够返回正交偏正信息。
作为比较，红框里面低水平的云中包含很少的冰晶，因此它显示出去退偏比几乎为零。
NRB
退偏比
图13 NRB和退偏比
2.8 消光系数
上面提到的气溶胶散射数据仍然取决于高度范围。
然而近场的信号密度比远场的信号密度强，并不意味着近场气溶胶的密度或散射比远场的要更强。
为了解决这个不明确的地方，Level2数据的雷达方程被引入SigmaMPL数据处理软件。
消光系数和反向散射系数配置文件都是Level2的产品，见图14。
图14 气溶胶消光系数分布
整合消光系数可以得到气溶胶光学厚度（AOD）。
AOD是大气清洁程度的一
个重要指标，大气污染严重趋向于显示很大的AOD，见图15。
图15 气溶胶光学厚度AOD
2.9 操作维护数据
最后我们来看一下操作维护数据，见图16。
从中可以看出MPL/MiniMPL
工作是否正常。
首先是激光能量输出，MPL正常的能量水平应该是6-8 uJ
MiniMPL是3.5-4 uJ，在操作期间能量波动范围+/- 10%。
激光头、检测器和望远镜的操作温度应维持在10-35℃之间。
MiniMPL的脉冲重复率是唯一的，它应该总是4KHZ，大的MPL自动设置到2.5KHZ。
在返回的信号里面，太阳背景噪声的同偏振和正交偏振是主要的噪声来源，夜间噪声会减少，并且存在有季节性的模式，若违反了这些模式的话，可能是出现极端天气，也可能是系统未校准或精
度降低。
图16 操作维护数据表
3 结论
本文举了几个例子来解释如何分析MPL/MiniMPL采集的数据，我们相信在大气研究中使用雷达数据来分析大气结构会得到更多的应用。
另外，随着许多新的应用、新的算法和选择的加入，可更进一步的提高MPL/MiniMPL的遥感能力。
SIGMA公司鼓励客户与其讨论关于仪器使用的评论，潜在的需求，或者是更多其它方面的合作。
SIGMA公司也将会继续发展MPL的硬件和软件来积极的应对
社会对大气研究和管理的不断增长的需求。
