CN104914446A - 基于光子计数的三维距离图像时域实时去噪方法 - Google Patents
基于光子计数的三维距离图像时域实时去噪方法 Download PDFInfo
- Publication number
- CN104914446A CN104914446A CN201510347138.3A CN201510347138A CN104914446A CN 104914446 A CN104914446 A CN 104914446A CN 201510347138 A CN201510347138 A CN 201510347138A CN 104914446 A CN104914446 A CN 104914446A
- Authority
- CN
- China
- Prior art keywords
- photon
- time
- signal
- target
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
- G01S7/4876—Extracting wanted echo signals, e.g. pulse detection by removing unwanted signals
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于光子计数的三维距离图像时域实时去噪方法,该方法首先利用噪声光子和信号光子的飞行时间所具有的不同特性,改进传统的基于最大似然估计算法的成像模型;然后利用该先验知识作为判断信号光子和噪声光子的判别标准,对探测器后续探测到的光子进行顺序检测,同时利用后续探测到的被判定为信号光子的飞行时间,对该标准进行实时更新;最后,利用探测到的信号光子数K作为每个像素点停止采样的阈值条件,自适应决定每个像素点的最佳距离信息,并重构出目标清晰的三维距离图像。本发明不仅能够抑制光子计数过程固有泊松噪声的影响,而且避免了传统的基于最大似然估计算法成像模型需要生成光子计数直方图的过程,减少了成像时间。
Description
技术领域
本发明适用于光子计数三维成像激光雷达系统,特别是一种基于光子计数的三维距离图像时域实时去噪方法。
背景技术
距离图像采用三维影像模式描述感兴趣的目标区域,其数据立方中包含了目标的几何不变特性,可以避免二维图像中的扭曲和混淆,广泛应用于机器视觉、工业模具设计和军事目标的自动识别与跟踪等领域。目前,已知有若干技术途径可以用于获取目标的距离图像。其中,采用工作于光子计数模式下的Gm-APD作为其激光回波信号光子探测器的光子计数三维成像激光雷达系统,是以光子飞行模式实现对目标的高时间分辨率测量。
成像精度和成像时间是光子计数三维成像激光雷达系统的两个重要的性能参数。传统的基于最大似然估计算法的成像模型,是以单个探测光子为最小单元,通过信号累积生成光子计数直方图的方式,逐点估计目标的距离信息—对应光子计数直方图的峰值位置。为了克服单光子探测过程中固有泊松噪声的影响,每个像素点需要足够长的采样积分时间;而且,每个像素点的采样积分时间为预设固定值。然而,对于未知特性的复杂目标场景来说,无法直接准确估计每个像素点所需要的采样积分时间,且不同反射率特性的目标区域所需要的采样积分时间也不相同。因此,在目标特性未知的情况下,距离估计值要么出现采样不足或是采样饱和的现象,即距离估计精度受噪声影响严重,或是在采样积分时间增加到某一值后,距离估计精度趋于某一值附近变化,且不依赖至少不明显依赖于采样积分时间。
目前,解决上述问题的方法,已知有两种技术途径:一是Hyunjung Shim和Seungkyu Lee等人通过采用一种新型的成像模式,即采用多种曝光时间的混合曝光技术,描述距离估计中出现的采样不足和采样饱和的现象,自适应决定每个像素点的最佳距离值,提高成像质量(1.Hyunjung Shim and Seungkyu Lee,Hybridexposure for depth imaging of a time-of-flight depth sensor.Optical Express,2014,vol.22(11),pp:13393-13402.2.T.Mertens and J.Kautz and F.Van Reeth,ExposureFusion,IEEE Pacific Conference on Computer Graphics and Applications,2007,382-390.)。二是Ahmed Kirmani等人通过建立单光子探测过程的概率统计模型,并结合目标相邻像素点间的空间相关性,利用第一个探测到回波光子信息,估计目标的三维图像(3.Ahmed kirmani,et al,First-Photon Imaging,Science,2014,vol.343,pp:58-61.4.Ahmed kirmani,et al,Spatio-temporal regularization for rangeimaging with high photon efficiency.SPIE,2013.)。这两种技术途径均需要较复杂的后续算法处理,不适用于实时的应用场合;其中,第二种方法在目标场景的低反射率区域,特别是边缘细节部分容易引起平滑现象。
发明内容
本发明的目的在于提供一种实现快速提取目标清晰无噪的基于光子计数的三维距离图像时域实时去噪方法。
实现本发明目的的技术解决方案为:一种基于光子计数的三维距离图像时域实时去噪方法,步骤如下:
第一步,估计目标距离的初步先验信息,在目标场景的每个像素点探测过程中,利用噪声光子和信号光子的不同特性改进传统的基于最大似然估计算法的成像模型,即利用连续探测到的N个相邻光子为单元,并以该N个光子的飞行时间均值作为目标距离的初步先验信息估计;
第二步,时域实时去噪,抑制噪声光子的影响,在每个像素点探测过程中,利用上述第一步得到的目标距离的初步先验信息,作为判断信号光子响应和噪声光子响应的判别标准,结合噪声光子和信号光子的飞行时间所具有的不同特性,对探测器后续响应到的光子进行顺序检测,并对这信号光子和噪声光子采取不同的处理方法:忽略被判定为噪声的光子响应,仅保留被判定为信号的光子响应,并利用其光子飞行时间对目标距离的初步先验信息进行实时更新,即对目标距离的初步先验信息进行增强,使其逐渐趋近目标距离的真实值;
第三步,逐点估计目标的距离信息,重构出目标的三维距离图像,利用上述第二步在每个像素点处采集得到的信号光子计数K,作为每个像素点停止采样的阈值条件,即在每个像素点处探测过程中,当探测器响应到K个信号光子响应时,则转移到下一像素点重复这一过程,直到扫描完整个目标场景为止;并利用该K个信号光子的飞行时间的加权平均值作为该像素点的距离估计,重构出目标清晰的三维距离图像。
本发明与现有技术相比,其显著优点:(1)不仅能够抑制光子计数过程固有泊松噪声,包括背景噪声光子和暗电流噪声光子的影响,而且避免了生成光子计数直方图的过程,从而减少了成像时间,提高系统的光子效率;(2)首先利用噪声光子和信号光子的不同特性,改进传统的基于最大似然估计算法的成像模型,以连续探测到的N个相邻光子为单元,估计目标距离初步先验信息,并利用后续探测到的信号光子信息对该初步先验信息进行实时更新,使目标距离估计逐渐收敛于距离真实值;(3)接下来利用目标距离初步先验信息作为判别标准,并利用采集得到的信号光子计数K作为阈值条件,自适应决定每个像素点的采样积分时间,能够避免传统的基于最大似然估计算法的成像模型中出现的采样不足和采样饱和的现象,从而提高成像精度;(4)由于忽略噪声光子计数,仅对信号光子处理,因此本发明性能较为稳定,在不同强度噪声环境中,都能获得较为稳定的成像质量,且不增加系统对硬件的要求。
下面结合附图对本发明作进一步详细描述。
附图说明
图1是用于验证本发明的实验目标场景图:图中区域1为高反射率区域(墙),区域2为低反射率区域(表面覆盖黑布的纸箱)。
图2是传统的基于最大似然估计算法的成像方法在采样积分时间为1ms时获取的目标距离图像:图(b)对应图(a)中的区域1,图(c)对应区域2。
图3是传统的基于最大似然估计算法的成像方法在采样积分时间为5ms时获取的目标距离图像:图(b)对应图(a)中的区域1,图(c)对应区域2。
图4是传统的基于最大似然估计算法的成像方法在采样积分时间为20ms时获取的目标距离图像:图(b)对应图(a)中的区域1,图(c)对应区域2。
图5是本发明基于光子计数三维距离图像时域实时去噪方法的流程图。
图6是本发明选取N=3个相邻光子为单元得到的目标距离的初步先验信息。
图7是本发明选取阈值K=10得到的目标三维距离图像。
具体实施方式
结合图1和图5,本发明基于光子计数的三维距离图像时域实时去噪方法,步骤如下:
第一步,估计目标距离的初步先验信息,在目标场景的每个像素点探测过程中,利用噪声光子和信号光子的不同特性改进传统的基于最大似然估计算法的成像模型(传统的成像模型是以单个探测光子为单元,忽略噪声光子和信号光子间的区别,对这两类光子响应采取同样的处理策略,通过长时间信号累积生成光子计数直方图的方式,估计目标的距离信息),即利用连续探测到的N个相邻光子为单元(时域N-领域),并以该N个光子的飞行时间均值作为目标距离的初步先验信息估计;N>1,K≥1。
估计目标距离的初步先验信息步骤如下:
光子计数过程固有泊松噪声,包括背景噪声和暗电流噪声,其光子飞行时间在整个探测周期时间区间[0,Tr]内服从均匀分布,且相互独立,其中Tr为激光脉冲重复周期;而目标反射激光脉冲回波光子计数,即信号光子计数,其飞行时间集中分布在相对较窄的时间区间内,且时间相关,其中为像素点(i,j)处的目标反射激光脉冲回波光子的飞行时间的真实值,Tp为激光脉冲宽度,且Tp<<Tr;
基于噪声光子和信号光子的这一不同特性,在像素点(i,j)处探测过程中,本发明以连续探测到的N个相邻光子(时域N-领域)为单元,其光子飞行时间集记为其飞行时间均值:其顺序绝对偏差(Rank-OrderedAbsolute Difference,ROAD)则根据如下二元假设检验,判断该光子单元的光子飞行时间均值是否落在区间内,即可以判断其为噪声光子响应还是信号光子响应:
If ROAD(i,j)≤(N-1)Tp,Signal-Detection
If ROAD(i,j)>(N-1)Tp,Noise-Detection
Signal-Detection是指信号光子响应,Noise-Detection是指噪声光子响应。
以初始探测到的满足上述二元假设检验的光子单元,估计目标距离的初步先验信息,并以其总的光子飞行时间均值:作为目标距离的初步先验信息估计,如图6所示,为选取N=3个相邻光子为单元时得到的目标距离的初步估计。
第二步,时域实时去噪,抑制噪声光子的影响,在每个像素点探测过程中,利用上述第一步得到的目标距离的初步先验信息作为判断信号光子响应和噪声光子响应的判别标准,结合噪声光子和信号光子的飞行时间所具有的不同特性,对探测器后续响应到的光子进行顺序检测,并对这信号光子和噪声光子采取不同的处理方法:忽略被判定为噪声的光子响应,仅保留被判定为信号的光子响应,并利用其光子飞行时间对目标距离的初步先验信息进行实时更新,即对目标距离的初步先验信息进行增强,使其逐渐趋近目标距离的真实值。
上述时域实时去噪,抑制噪声光子响应步骤如下:
步骤1,利用目标距离的初步先验信息作为判断信号光子和噪声光子的判别标准,结合信号光子和噪声光子的飞行时间所具有的不同特性,对探测器后续探测到的光子进行顺序检测,即若后续探测到的光子的飞行时间满足下式:
则判定其为信号光子响应,否则判定其为信号光子响应;
步骤2,对上述步骤1中的信号光子和噪声光子这两类不同光子响应采取不同的处理方法:忽略被判定为噪声的光子响应,仅保留被判定为信号的光子响应,并利用其光子的飞行时间信息对目标距离初步先验信息进行实时更新: 使其逐渐逼近目标距离的真实值。
第三步,逐点估计目标的距离信息,重构出目标的三维距离图像,利用上述第二步在每个像素点(i,j)处采集得到的信号光子计数K,作为每个像素点停止采样的阈值条件,即在每个像素点处探测过程中,当探测器响应到K个信号光子响应时,则转移到下一像素点重复这一过程,直到扫描完整个目标场景为止;并利用该K个信号光子的飞行时间的加权平均值作为该像素点的距离估计,重构出目标清晰的三维距离图像。
上述逐点估计目标距离信息,重构目标三维距离图像步骤如下:
步骤1,逐点估计目标的距离信息,利用在像素点(i,j)处采集得到的信号光子计数K,作为每个像素点停止采样的阈值条件,直到采集到K个信号光子时,才转移到下一像素点采样,记采集得到的信号光子飞行时间集为则像素点(i,j)的距离估计为:
其中,pl为信号光子的权值,由于对目标距离的初步先验信息,即判别标准进行实时迭代更新,使其逐渐接近目标距离的真实值,因此后续判定为信号光子的权值越来越大,即pl≤pl+1;
步骤2,重构目标的三维距离图像,在每个像素点处重复步骤1,直到扫描完整个目标场景为止,就可以得到目标清晰的三维距离图像,如图7所示,其中图(a)为选取N=3,阈值为信号光子计数K,阈值为10时得到的目标三维距离图像;图(b)为对应的每个像素点的采样积分时间分布,图(c)、图(d)分别为区域1和区域2的细节部分。
表1是传统方法与本发明方法性能对比,结合图2、图3、图4和图7可以看出,在相同采样时间下,本发明能够取得较好的成像质量,而传统方法无法准确估计目标的距离信息;而在相似成像精度下,传统成像方法需要较长的采样时间。
表1.传统方法与本发明方法效果对比
Claims (4)
1.一种基于光子计数的三维距离图像时域实时去噪方法,其特征在于步骤如下:
第一步,估计目标距离的初步先验信息,在目标场景的每个像素点探测过程中,利用噪声光子和信号光子的不同特性改进传统的基于最大似然估计算法的成像模型,即利用连续探测到的N个相邻光子为单元,并以该N个光子的飞行时间均值作为目标距离的初步先验信息估计;
第二步,时域实时去噪,抑制噪声光子的影响,在每个像素点探测过程中,利用上述第一步得到的目标距离的初步先验信息,作为判断信号光子响应和噪声光子响应的判别标准,结合噪声光子和信号光子的飞行时间所具有的不同特性,对探测器后续响应到的光子进行顺序检测,并对这信号光子和噪声光子采取不同的处理方法:忽略被判定为噪声的光子响应,仅保留被判定为信号的光子响应,并利用其光子飞行时间对目标距离的初步先验信息进行实时更新,即对目标距离的初步先验信息进行增强,使其逐渐趋近目标距离的真实值;
第三步,逐点估计目标的距离信息,重构出目标的三维距离图像,利用上述第二步在每个像素点处采集得到的信号光子计数K,作为每个像素点停止采样的阈值条件,即在每个像素点处探测过程中,当探测器响应到K个信号光子响应时,则转移到下一像素点重复这一过程,直到扫描完整个目标场景为止;并利用该K个信号光子的飞行时间的加权平均值作为该像素点的距离估计,重构出目标清晰的三维距离图像。
2.根据权利要求1所述的基于光子计数的三维距离图像时域实时去噪方法,其特征在于第一步中的估计目标距离的初步先验信息步骤如下:
光子计数过程固有泊松噪声,包括背景噪声和暗电流噪声,其光子飞行时间在整个探测周期时间区间[0,Tr]内服从均匀分布,且相互独立,其中Tr为激光脉冲重复周期;而目标反射激光脉冲回波光子计数,即信号光子计数,其飞行时间集中分布在相对较窄的时间区间内,且时间相关,其中为像素点(i,j)处的目标反射激光脉冲回波光子的飞行时间的真实值,Tp为激光脉冲宽度,且Tp<<Tr;
在像素点(i,j)处探测过程中,以连续探测到的N个相邻光子为单元,其光子飞行时间集记为其飞行时间均值:其顺序绝对偏差则根据如下二元假设检验,判断该光子单元的光子飞行时间均值是否落在区间内,即可以判断其为噪声光子响应还是信号光子响应:
If ROAD(i,j)≤(N-1)Tp,Signal-Detection
If ROAD(i,j)>(N-1)Tp,Noise-Detection
以初始探测到的满足上述二元假设检验的光子单元,估计目标距离的初步先验信息,并以其总的光子飞行时间均值:作为目标距离的初步先验信息估计。
3.根据权利要求1或2所述的基于光子计数的三维距离图像时域实时去噪方法,其特征在于第二步中时域实时去噪,抑制噪声光子响应步骤如下:
步骤1,利用目标距离的初步先验信息作为判断信号光子和噪声光子的判别标准,结合信号光子和噪声光子的飞行时间所具有的不同特性,对探测器后续探测到的光子进行顺序检测,即若后续探测到的光子的飞行时间满足下式:
则判定其为信号光子响应,否则判定其为信号光子响应;
步骤2,对上述步骤1中的信号光子和噪声光子这两类不同光子响应采取不同的处理方法:忽略被判定为噪声的光子响应,仅保留被判定为信号的光子响应,并利用其光子的飞行时间信息对目标距离初步先验信息进行实时更新:使其逐渐逼近目标距离的真实值。
4.根据权利要求1所述的基于光子计数的三维距离图像时域实时去噪方法,其特征在于第三步中,逐点估计目标距离信息,重构目标三维距离图像步骤如下:
步骤1,逐点估计目标的距离信息,利用在像素点(i,j)处采集得到的信号光子计数K,作为每个像素点停止采样的阈值条件,直到采集到K个信号光子时,才转移到下一像素点采样,记采集得到的信号光子飞行时间集为则像素点(i,j)的距离估计为:
其中,pl为信号光子的权值,由于对目标距离的初步先验信息,即判别标准进行实时迭代更新,使其逐渐接近目标距离的真实值,因此后续判定为信号光子的权值越来越大,即pl≤pl+1;
步骤2,重构目标的三维距离图像,在每个像素点处重复步骤1,直到扫描完整个目标场景为止,就可以得到目标清晰的三维距离图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510347138.3A CN104914446B (zh) | 2015-06-19 | 2015-06-19 | 基于光子计数的三维距离图像时域实时去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510347138.3A CN104914446B (zh) | 2015-06-19 | 2015-06-19 | 基于光子计数的三维距离图像时域实时去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104914446A true CN104914446A (zh) | 2015-09-16 |
CN104914446B CN104914446B (zh) | 2017-06-27 |
Family
ID=54083678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510347138.3A Active CN104914446B (zh) | 2015-06-19 | 2015-06-19 | 基于光子计数的三维距离图像时域实时去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104914446B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105954733A (zh) * | 2016-06-17 | 2016-09-21 | 南京理工大学 | 基于光子飞行时间相关性的时域滤波方法 |
CN107025637A (zh) * | 2017-03-10 | 2017-08-08 | 南京理工大学 | 基于贝叶斯估计的光子计数集成成像迭代重构方法 |
CN107576969A (zh) * | 2017-08-08 | 2018-01-12 | 中国科学院西安光学精密机械研究所 | 基于gpu并行计算的大场景隐藏目标成像系统与方法 |
CN109407104A (zh) * | 2017-08-15 | 2019-03-01 | 三星电子株式会社 | 通过避免直方图化增加tof传感器的深度分辨率和深度精度 |
US10620300B2 (en) | 2015-08-20 | 2020-04-14 | Apple Inc. | SPAD array with gated histogram construction |
CN111323765A (zh) * | 2020-03-10 | 2020-06-23 | 北京空间机电研究所 | 一种星载光子计数激光雷达回波信号处理及目标提取方法 |
CN111868556A (zh) * | 2018-02-13 | 2020-10-30 | 感应光子公司 | 用于高分辨率远程闪速lidar的方法和系统 |
US10830879B2 (en) | 2017-06-29 | 2020-11-10 | Apple Inc. | Time-of-flight depth mapping with parallax compensation |
CN112305560A (zh) * | 2020-10-30 | 2021-02-02 | 中国科学院光电技术研究所 | 一种基于首光子组的单光子激光雷达快速成像方法 |
US10955234B2 (en) | 2019-02-11 | 2021-03-23 | Apple Inc. | Calibration of depth sensing using a sparse array of pulsed beams |
US10955552B2 (en) | 2017-09-27 | 2021-03-23 | Apple Inc. | Waveform design for a LiDAR system with closely-spaced pulses |
CN113205462A (zh) * | 2021-04-06 | 2021-08-03 | 武汉大学 | 一种基于神经网络学习先验的光子反射率图像去噪方法 |
CN113272684A (zh) * | 2019-01-04 | 2021-08-17 | 感觉光子公司 | 具有信号相关有效读出率的高动态范围直接飞行时间传感器 |
CN113406665A (zh) * | 2021-06-15 | 2021-09-17 | 哈尔滨工业大学 | 一种基于多回波提取的激光雷达三维距离像高分辨重构方法及装置 |
US11500094B2 (en) | 2019-06-10 | 2022-11-15 | Apple Inc. | Selection of pulse repetition intervals for sensing time of flight |
CN115616608A (zh) * | 2022-12-19 | 2023-01-17 | 中国科学院西安光学精密机械研究所 | 一种单光子三维成像距离超分辨方法及系统 |
US11555900B1 (en) | 2019-07-17 | 2023-01-17 | Apple Inc. | LiDAR system with enhanced area coverage |
US11681028B2 (en) | 2021-07-18 | 2023-06-20 | Apple Inc. | Close-range measurement of time of flight using parallax shift |
US11733359B2 (en) | 2019-12-03 | 2023-08-22 | Apple Inc. | Configurable array of single-photon detectors |
US11852727B2 (en) | 2017-12-18 | 2023-12-26 | Apple Inc. | Time-of-flight sensing using an addressable array of emitters |
US12038510B2 (en) | 2020-01-03 | 2024-07-16 | Sense Photonics, Inc. | High dynamic range direct time of flight sensor with signal-dependent effective readout rate |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2322953A1 (en) * | 2008-07-30 | 2011-05-18 | National University Corporation Shizuoka University | Distance image sensor and method for generating image signal by time-of-flight method |
CN102510282A (zh) * | 2011-10-25 | 2012-06-20 | 中国科学院空间科学与应用研究中心 | 一种时间分辨单光子计数二维成像系统及方法 |
CN103064076A (zh) * | 2012-12-26 | 2013-04-24 | 南京理工大学 | 光子计数三维成像激光雷达距离行走误差校正系统及方法 |
-
2015
- 2015-06-19 CN CN201510347138.3A patent/CN104914446B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2322953A1 (en) * | 2008-07-30 | 2011-05-18 | National University Corporation Shizuoka University | Distance image sensor and method for generating image signal by time-of-flight method |
CN102510282A (zh) * | 2011-10-25 | 2012-06-20 | 中国科学院空间科学与应用研究中心 | 一种时间分辨单光子计数二维成像系统及方法 |
CN103064076A (zh) * | 2012-12-26 | 2013-04-24 | 南京理工大学 | 光子计数三维成像激光雷达距离行走误差校正系统及方法 |
Non-Patent Citations (2)
Title |
---|
尹文也 等: "时间相关单光子计数型激光雷达距离判别法", 《光子学报》 * |
杨春沪 等: "光子累计方法在成像激光雷达中的应用研究", 《红外与激光工程》 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10620300B2 (en) | 2015-08-20 | 2020-04-14 | Apple Inc. | SPAD array with gated histogram construction |
CN105954733A (zh) * | 2016-06-17 | 2016-09-21 | 南京理工大学 | 基于光子飞行时间相关性的时域滤波方法 |
CN107025637B (zh) * | 2017-03-10 | 2019-06-25 | 南京理工大学 | 基于贝叶斯估计的光子计数集成成像迭代重构方法 |
CN107025637A (zh) * | 2017-03-10 | 2017-08-08 | 南京理工大学 | 基于贝叶斯估计的光子计数集成成像迭代重构方法 |
US10830879B2 (en) | 2017-06-29 | 2020-11-10 | Apple Inc. | Time-of-flight depth mapping with parallax compensation |
CN107576969B (zh) * | 2017-08-08 | 2019-06-28 | 中国科学院西安光学精密机械研究所 | 基于gpu并行计算的大场景隐藏目标成像系统与方法 |
CN107576969A (zh) * | 2017-08-08 | 2018-01-12 | 中国科学院西安光学精密机械研究所 | 基于gpu并行计算的大场景隐藏目标成像系统与方法 |
CN109407104A (zh) * | 2017-08-15 | 2019-03-01 | 三星电子株式会社 | 通过避免直方图化增加tof传感器的深度分辨率和深度精度 |
CN109407104B (zh) * | 2017-08-15 | 2023-07-18 | 三星电子株式会社 | 通过避免直方图化增加tof传感器的深度分辨率和深度精度 |
US10955552B2 (en) | 2017-09-27 | 2021-03-23 | Apple Inc. | Waveform design for a LiDAR system with closely-spaced pulses |
US11852727B2 (en) | 2017-12-18 | 2023-12-26 | Apple Inc. | Time-of-flight sensing using an addressable array of emitters |
CN111868556A (zh) * | 2018-02-13 | 2020-10-30 | 感应光子公司 | 用于高分辨率远程闪速lidar的方法和系统 |
CN113272684A (zh) * | 2019-01-04 | 2021-08-17 | 感觉光子公司 | 具有信号相关有效读出率的高动态范围直接飞行时间传感器 |
US10955234B2 (en) | 2019-02-11 | 2021-03-23 | Apple Inc. | Calibration of depth sensing using a sparse array of pulsed beams |
US11500094B2 (en) | 2019-06-10 | 2022-11-15 | Apple Inc. | Selection of pulse repetition intervals for sensing time of flight |
US11555900B1 (en) | 2019-07-17 | 2023-01-17 | Apple Inc. | LiDAR system with enhanced area coverage |
US11733359B2 (en) | 2019-12-03 | 2023-08-22 | Apple Inc. | Configurable array of single-photon detectors |
US12038510B2 (en) | 2020-01-03 | 2024-07-16 | Sense Photonics, Inc. | High dynamic range direct time of flight sensor with signal-dependent effective readout rate |
CN111323765A (zh) * | 2020-03-10 | 2020-06-23 | 北京空间机电研究所 | 一种星载光子计数激光雷达回波信号处理及目标提取方法 |
CN112305560B (zh) * | 2020-10-30 | 2022-06-14 | 中国科学院光电技术研究所 | 一种基于首光子组的单光子激光雷达快速成像方法 |
CN112305560A (zh) * | 2020-10-30 | 2021-02-02 | 中国科学院光电技术研究所 | 一种基于首光子组的单光子激光雷达快速成像方法 |
CN113205462B (zh) * | 2021-04-06 | 2022-07-19 | 武汉大学 | 一种基于神经网络学习先验的光子反射率图像去噪方法 |
CN113205462A (zh) * | 2021-04-06 | 2021-08-03 | 武汉大学 | 一种基于神经网络学习先验的光子反射率图像去噪方法 |
CN113406665B (zh) * | 2021-06-15 | 2022-11-08 | 哈尔滨工业大学 | 一种基于多回波提取的激光雷达三维距离像高分辨重构方法及装置 |
CN113406665A (zh) * | 2021-06-15 | 2021-09-17 | 哈尔滨工业大学 | 一种基于多回波提取的激光雷达三维距离像高分辨重构方法及装置 |
US11681028B2 (en) | 2021-07-18 | 2023-06-20 | Apple Inc. | Close-range measurement of time of flight using parallax shift |
CN115616608A (zh) * | 2022-12-19 | 2023-01-17 | 中国科学院西安光学精密机械研究所 | 一种单光子三维成像距离超分辨方法及系统 |
CN115616608B (zh) * | 2022-12-19 | 2023-08-11 | 中国科学院西安光学精密机械研究所 | 一种单光子三维成像距离超分辨方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104914446B (zh) | 2017-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104914446A (zh) | 基于光子计数的三维距离图像时域实时去噪方法 | |
CN109100737B (zh) | 用于测量到对象的距离的光电传感器和方法 | |
CN109100702B (zh) | 用于测量到对象的距离的光电传感器和方法 | |
CN106125053B (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
CN101509972B (zh) | 基于高分辨目标距离像修正相关矩阵的宽带雷达检测方法 | |
CN108304781B (zh) | 一种面阵盖革apd激光成像雷达图像预处理方法 | |
IL269984B (en) | Lidar range estimation with range velocity compensation | |
CN105954733A (zh) | 基于光子飞行时间相关性的时域滤波方法 | |
CN107798290A (zh) | 基于光子计数的三维图像信噪分离和混合正则化重构方法 | |
CN105676205A (zh) | 一种机载LiDAR波形数据高斯分解方法 | |
CN104316923A (zh) | 针对合成孔径雷达bp成像的自聚焦方法 | |
WO2021046768A1 (zh) | 一种目标物的反射率计算方法、装置及相关设备 | |
CN115453497A (zh) | 一种低信噪比稀疏雷达信号的滤波方法及系统 | |
CN113406594A (zh) | 一种基于双量估计法的单光子激光透雾方法 | |
CN107305252A (zh) | 主动提取目标深度细节的快速成像方法 | |
Shin et al. | Parametric Poisson process imaging | |
Rapp et al. | Dead time compensation for high-flux depth imaging | |
Słota | Decomposition techniques for full-waveform airborne laser scanning data | |
CN107315169B (zh) | 基于二阶统计量相似度的杂波协方差矩阵估计方法 | |
US11408998B2 (en) | Increase depth resolution and depth accuracy in ToF sensors by avoiding histogrammization | |
Kirmani et al. | Spatio-temporal regularization for range imaging with high photon efficiency | |
Zhang et al. | Smartrainnet: Uncertainty estimation for laser measurement in rain | |
CN115097484A (zh) | 一种基于双Gamma估计的单光子激光雷达透雾成像方法 | |
Hou et al. | Full waveform recovery method of moving target for photon counting lidar | |
Zhao et al. | Abnormal Noise Suppression and Detail Protection for High-Resolution Range Profile of GM-APD Lidar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |