博客
关于我
最新一代YellowScan测绘系统借助Velodyne激光雷达传感器来满足勘测专业人员的苛刻需求
阅读量:214 次
发布时间:2019-02-28

本文共 1035 字,大约阅读时间需要 3 分钟。

Velodyne激光雷达传感器助力YellowScan新一代移动测绘系统

加州圣何塞——Velodyne Lidar与YellowScan近日宣布,两款新一代YellowScan移动测绘系统将采用Velodyne的激光雷达传感器,为航空3D测绘提供高精度和准确性的支持。Velodyne的强大激光雷达传感器能够实时生成地理参考点云数据,从而帮助YellowScan系统实现精准测量和分析,减少人工勘测的时间和成本。

YellowScan新一代移动测绘系统是一款高密度、远距离测绘解决方案,配备先进传感器,适合垂直起降飞行器(VTOL)和直升机无人机等高速无人机使用。作为YellowScan最轻的系统,该款仅重1.6公斤(含电池),搭载传感器,设计初重量充分符合严格的飞行法规。该系统专为城市勘测设计,适用于对有效载荷有严格要求的飞行环境。

新一代YellowScan系统采用全新铝框设计,不仅提升了系统的结构可靠性,还优化了散热性能。该系统支持陆空双向使用,可快速部署于道路车辆或任何类型无人机中,车辆与无人机之间的系统交换仅需五分钟。系统还配备三色LED指示灯,提供更多状态信息,用户可直接将.t04文件存储至记忆棒,无需网络连接即可下载IMU数据。

YellowScan传播经理Morgane Selve表示:“新一代系统凭借其轻盈、紧凑的设计和多功能性,能够显著提升勘测效率。结合Velodyne的激光雷达传感器,系统具备全自动性能,能够快速安装于任何无人机中,为客户提供高密度级数据,满足苛刻的勘测需求。”

Velodyne Lidar欧洲、中东和非洲营销经理Dieter Gabriel补充道:“YellowScan新一代系统功能强大且可靠,能够在各种环境下高效工作。作为轻量级无人机激光雷达解决方案,它是满足3D测绘需求的最佳选择。”

Velodyne的激光雷达传感器凭借其高性能、广泛量程和紧凑外观,支持开发者根据移动测绘需求设计多功能系统。这些传感器能够生成高分辨率环视图像,为客户提供准确的环境测量和分析数据。

Velodyne Lidar成立于2005年,总部位于加州圣何塞。作为激光雷达技术的先驱,Velodyne以其突破性的传感器解决方案闻名,服务于自动驾驶、驾驶辅助、测绘、机器人和安防等多个领域。其产品系列包括Puck™、Ultra Puck™、Alpha Prime™、Velarray™和Vella™等多种型号,满足不同应用场景的需求。

转载地址:http://ervs.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>