机载激光雷达(Lidar)点云数据滤波是Lidar 数据后处理研究的重点和难点之一，也是首要解决的问题。传统曲面约束滤波算法利用最小二乘法拟合地形曲面，易受种子点粗差影响。针对这一问题，引入抗差估计理论改善曲面拟合效果，并设计自适应阈值确定的方法区分地面点与地物点。使用国际摄影测量与遥感学会(ISPRS)测试数据进行实验，与传统的8 种经典滤波方法进行对比，实验结果表明，抗差估计能得到更为合理的拟合曲面，获取的滤波结果非常可靠，对各种地形的适应性较强，具备较高实用价值。

GprSoft 探地雷达显示和处理软件，其中带有地形校正和3D显示的功能，不过为试用版，可以用半个月

77GHz毫米波雷达数据手册及通信协议.pdf

学习雷达数据处理的一部经典书籍，何友主编，希望可以帮到有需要的朋友

使用新版(Version 3.01)星载激光雷达CALIPSO Level 1剖面数据和Level 2的大气气溶胶光学厚度(AOD)数据反演全球海面风速。将AOD数据用于大气双程透射率的校正。对CALIPSO 所采集的2007年1月、4月、7月和10月532 nm 波长无云激光测量数据进行应用计算，采用532 nm退偏比经验修正海面白帽及水下次表层水体散射的影响，同时选用准同步的AMSR-E海面风速测量值为真值进行对比。对应2007年的4个月，由CALIPSO星载激光雷达532 nm单脉冲测量数据反演海面风速的标准偏差分别为1.24、1.24、1.24、1.20 m/s，由5 km滚动平均数据反演海面风速的标准偏差分别为0.98、1.02、0.98、0.94 m/s。结果表明，采用的数据反演方法可行且数据利用率得到提高。

匹辛拉德 解码CINRAD（中国新一代天气雷达）数据并可视化。 example文件夹包含详细的示例！ 安装 PyCINRAD支持Python 3.5及更高版本。 pip install cinrad 您也可以从github页面下载并从源代码构建 python setup.py install 模组 cinrad.io 解码CINRAD雷达数据。 from cinrad . io import CinradReader , StandardData f = CinradReader ( your_radar_file ) #Old version data f = StandardData ( your_radar_file ) #New standard data f . get_data ( tilt , drange , dtype ) #Get data f . get_ra

完整代码，可直接运行

将雷达测到的原始数据进行解析，得到雷达跟踪目标的物理信息。

本书系统地介绍了国内外多年来雷达数据自理技术的研究进展情况及作者们的研究成果。全书由15章组成。主要内容有：雷达数据自理的研究目的、意义、应用领域、历史和现状，状态估计与线性滤波方法，非线性滤波方法，量测数据预处理技术，多目标跟踪中的航迹起始，极大似然类多目标数据互联方法，贝叶斯类多目标数据互联方法，机动目标跟踪，多目标跟踪终结理论与航迹质量管理，无源雷达数据处理技术，相控阵雷达和脉冲多普勒雷达数据处理技术，雷达网数据处理技术，雷达数据处理仿真技术，雷达数据处理的实际应用，以及本书的回顾、建议与展望。 　　本书可供从事信息工程、C3I系统、雷达工程、电子对抗、红外、声纳、军事指挥等专业的科技人员阅读和参考，还可作为上述专业的高年级本科生或研究生教材。同时也可供从事激光、机器人、遥感、遥测等领域的工程技术人员参考。

采用高度差法对雷达数据进行障碍物识别