CN105204032A - 一种用于运动目标三维成像的激光探测系统及成像方法 - Google Patents

Abstract

本发明一种用于运动目标三维成像的激光探测系统及成像方法，步骤如下：根据激光探测系统获得目标切片图像；从目标切片图像中选取基准图像；将基准图像和待配准图像进行互信息配准；判断是否配准成功，若成功则输出待配准图像相对于基准图像的偏移量和旋转量，根据偏移量和旋转量矫正待配准图像，与基准图像实现空间一致，否则继续采用粒子群搜索算法对偏移量和旋转量优化，变换待配准图像；求取目标所在区域每个像素点的时间延迟；根据互相关算法计算对应距离信息；根据每个像素对应的距离信息直接换算出目标三维图像。本发明针对运动目标距离选通切片图像，大大降低了对运动目标的成像难度，对于高速的目标适用范围更广。

Description

一种用于运动目标三维成像的激光探测系统及成像方法

技术领域

本发明属于激光成像探测技术领域，涉及一种用于运动目标三维成像的激光探测系统及成像方法。

背景技术

三维成像是判别物体姿态，识别真假目标的有效手段。在距离选通激光主动成像时，对于静止目标而言，可以通过对目标切片成像，获得不同选通距离的目标图像，进而通过算法获得目标的三维图像。而对于运动目标而言，在切片成像的同时，目标的空间位置会发生变化，因此需要对不同选通距离的目标图像进行配准，使目标的空间位置基本对齐，而后才能获得目标的三维图像。

其中两项关键技术就是激光图像配准和三维重构算法。由于激光图像存在噪声大，纹理信息不丰富，加上大气湍流造成的灰度的不规则变化，不同切片图像之间明暗变化大，因此特征的提取有一定的困难，很难提取出有效的特征点，因此很难采用点配准的方式。互信息配准算法不需要对原始图像做过多的图像预处理，不需要进行特征提取，只要根据基准图像和待配准图像对应像素的统计值计算相似性函数，进而获得最优配准结果。另外，在图像配准过程中，基准图像的选取对于配准能否成功有着至关重要的作用，尤其是对运动目标进行切片成像的过程中，图像质量起伏很大，并不是每一幅图像都可以作为基准图像，所以必须选择成像质量好的图像作为基准图像，进而对图像进行校准。获得目标的二维强度切片图像后，既可通过二维图像求取目标的距离信息，进而合成三维图像，常用的算法有二值化和质心算法，他们的本质都是通过切片图像间的帧间关系和灰度信息获得对应的距离信息。二值化算法对阈值的选取有很大的依赖性，阈值合适与否直接关系到目标的分割提取，在噪声较大或图像目标不明显时，造成三维图像难以反映实际结构特征。质心算法中假设每个像素值都有一个灰度峰值对应，但是在实际成像中，每个像素的灰度值与距离值并不能一一对应，灰度值出现平顶现象，另外由于噪声及大气等影响，灰度值可能会出现多个峰值的现象，最大灰度值与多个切片成像时刻对应，因此无法采用质心法推算出距离值。按照质心法原理分析，采用质心法三维重构时需要至少3幅切片图像，其三维重构精度随着图像数量的减少不断降低。

下述的文献涉及到了基于距离选通三维成像的激光主动成像技术应用：

(1)基于距离选通激光成像的实验研究(2010年哈尔滨工业大学硕士论文)。

文中主要介绍了距离选通门控切片激光成像实验和增益调制激光成像实验，并对实验数据分别采用质心法和二值化法进行处理合成3D像；分析了距离选通门控切片激光成像和增益调制激光成像的成像距离精度，门控切片成像在700m处的距离精度可以达到lm；增益调制激光成像在60m的距离精度好于lm。通过实验对两种成像方式进行了分析，距离选通门控切片成像适用于远距离成像，增益调制激光成像方式适用于近距离成像。

(2)双通道动态三维成像激光雷达的系统研究(2011年浙江大学硕士论文)

由于受限于成像激光雷达的测量原理，单通道成像系统测量时要求成像系统相对于场景保持静止，文中提出了双通道动态成像激光雷达的整体方案设计。经过像素级配准后的双通道成像系统克服了单通道只能静止拍摄的缺点，可以两个通道同时对目标场景拍摄，获取在恒定增益和线性增益调制下的灰度图像，进而计算得到距离图，获得目标的三维图像。

(3)距离选通激光成像系统三维重构方法研究(2013哈尔滨工业大学硕士论文)。

文中设计了距离选通成像系统三维重构的实验方案，门控切片技术选择高MCP门宽进行成像，在同一切片中包含了目标的所有信息，目标在不同切片中处于不同的成像回波强度分布，然后利用质心算法完成了目标的距离信息还原，完成了对近距离石膏人像和远距离建筑物的距离选通成像实验。

以上文献涉及距离选通激光主动三维成像，文献1是采用常规的质心法和二值化法，文献2采用2套成像系统，增加了系统的复杂性，文献3改进了门控切片技术，依然采用质心法进行三维重构。

发明内容

本发明的技术解决问题是：针对现有技术的不足，提供了一种用于运动目标三维成像的激光探测系统及成像方法，降低运动目标激光三维成像难度，提高三维成像精度。

本发明的技术解决方案：

一种用于运动目标三维成像的激光探测系统包括：激光发射模块、激光接收模块、ICCD成像阵列、激光测距模块、同步控制模块；

激光发射模块发射激光信号，经大气传输和目标反射后到达激光接收模块；

激光接收模块将接收到的激光信号在ICCD成像阵列上进行成像，形成目标切片图像；

激光测距模块测量目标距离，并将该距离信息传送至同步控制模块，用以同步激光发射模块和ICCD成像；

同步控制模块根据用户端发送的命令，产生特定时序的控制信号，发送至激光发射模块和ICCD成像阵列，实现激光发射模块和ICCD成像阵列的同步，同时同步控制模块用于实现对ICCD成像阵列增益电压的调节。

激光发射模块采用高功率脉冲半导体激光器并束光源。

激光接收模块采用折反式夜视镜头。

同步控制模块发送的控制信号包括发射激光的频率、脉冲宽度、距离波门宽度，ICCD增益、ICCD初始延时。

一种基于激光探测系统的运动目标三维成像方法，包括步骤如下：

(1)根据激光探测系统获得目标切片图像；

(2)从目标切片图像中选取基准图像；

(3)将基准图像和待配准图像进行互信息配准；

(4)判断是否配准成功，若成功则输出待配准图像相对于基准图像的偏移量和旋转量，根据偏移量和旋转量矫正待配准图像，与基准图像实现空间一致，否则继续采用粒子群搜索算法对偏移量和旋转量优化，变换待配准图像，并进入步骤(3)；

(5)求取目标所在区域每个像素点的时间延迟t_μ；

理想灰度曲线x(n)与实测灰度曲线y(n)的互相关r_xy(m)表示如下：

$r_{xy}\left(m\right)=\underset{n=-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\Σ}}x\left(n\right)y(n+m)$

则互相关值最大时对应于像素点(x,y)的时间延迟t_μ：

$t_{\mathrm{\μ}}=t_1+\frac{k}{2}\×\mathrm{\Δ}t$

其中，t₁表示实测灰度曲线中首个非零点对应延迟时间；k表示互相关最大值对应的横坐标值，kΔt/2表示对应于取得最大值的时间间隔；

(6)计算对应距离信息：

$R_i=c\frac{t}{2}=\frac{c}{2}\×(t_0+t_{\mathrm{\μ}})=\frac{c}{2}\×(t_0+(t_1+\left(k\×\mathrm{\Δ}t\right)/2\left)\right)$

其中，t₀表示激光脉冲发射时刻；

(7)根据每个像素对应的距离信息直接换算出目标三维图像。

基准图像选取方式如下：计算归一化亮度、信噪比、平均梯度和边缘强度之和，选取最大值对应的目标切片图，作为基准图像：

(1a)进行亮度评价，计算目标所在区域图像的灰度均值m：

$m=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}g(x,y)$

其中，g(x,y)表示原始图像，M、N分别对应行数和列数；

(1b)计算信噪比：

(1b1)对原始图像进行4×4区域分割处理；

(1b2)分别计算每个区域的标准差LSD，并求其平均值LSD_m；

(1b3)信噪比SNR＝m/LSD_m；

(1c)计算对比度C：

$C=\frac{|{\mathrm{\μ}}_T-{\mathrm{\μ}}_B|}{{\mathrm{\μ}}_T+{\mathrm{\μ}}_B}$

其中，μ_T表示原始图像中目标区域图像阈值在T内的灰度均值情况；μ_B是表示目标区域图像附近的背景图像的平均灰度情况；

(1d)计算平均梯度和边缘强度：

平均梯度：

$g=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}\sqrt{\[{\left(\frac{\∂g(x,y)}{\∂x}\right)}^2+{\left(\frac{\∂g(x,y)}{\∂y}\right)}^2\]/2}$

边缘强度：

$ei=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}\sqrt{g_a{(x,y)}^2+g_b{(x,y)}^2}$

其中，g(x,y)表示目标所在区域图像；M，N表示原始图像的行数及列数；g_a(x,y)²和g_b(x,y)²是g(x,y)经‘sobel’算子对图像进行边缘检测处理后所获得的检测图像。

本发明相对于现有技术的有益效果是：

(1)根据激光图像特点，提出了基于像质评价的激光图像互信息配准算法，选择成像质量好的切片图像作为基准图像，使算法配准过程中的配准误差降低，增加了配准成功率。

(2)采用互相关算法进行激光三维成像，实现了保证精度情况下最少采用2幅切片图像合成一幅三维图像的目标，避免了二值化算法精度不高和质心算法拟合一幅三维图像所需二维图像过多的缺点，大大降低了对运动目标的三维成像难度，进而可以对高速运动目标实现三维成像。

附图说明

图1为本发明方法流程图；

图2为本发明切片成像示意图；

图3a为本发明互相关算法理想灰度级曲线；图3b为本发明互相关算法实测曲线；图3c为本发明互相关算法互相关曲线；

图4为本发明获得的一组切片图像；

图5为本发明配准后切片图像；

图6为本发明不同数量切片图像的互相关法重构效果；

图7本发明2幅图像不同步进重构效果比较。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细的说明。

本发明有三个创新点，一个是距离选通激光主动成像系统；二是基于像质评价的图像配准算法；三是运动目标互相关三维成像算法。首先采用成像系统获得目标图像，而后采用像质评价挑选出质量较好的图像进行配准，最后采用互相关算法对运动目标进行三维成像。

本发明一种用于运动目标三维成像的激光探测系统包括：激光发射模块、激光接收模块、ICCD成像阵列、激光测距模块、同步控制模块；

激光发射模块发射激光信号，经大气传输和目标反射后到达激光接收模块；

激光接收模块将接收到的激光信号在ICCD成像阵列上进行成像，形成目标切片图像；

激光测距模块测量目标距离，并将该距离信息传送至同步控制模块，用以同步激光发射模块和ICCD成像；

同步控制模块根据用户端发送的命令，产生特定时序的控制信号，发送至激光发射模块和ICCD成像阵列，实现激光发射模块和ICCD成像阵列的同步，同时同步控制模块用于实现对ICCD成像阵列增益电压的调节。

激光发射模块采用高功率脉冲半导体激光器光源。

激光接收模块采用折反式夜视镜头。

同步控制模块发送的控制信号包括发射激光的频率、脉冲宽度、距离波门宽度，ICCD增益、ICCD初始延时。

如图1所示，一种基于激光探测系统的运动目标三维成像方法，包括步骤如下：

(1)根据激光探测系统获得目标切片图像，如图2所示；

(2)从目标切片图像中选取基准图像；

基准图像选取方式如下：计算归一化亮度、信噪比、平均梯度和边缘强度之和，选取最大值对应的目标切片图，作为基准图像：

(1a)进行亮度评价，计算目标所在区域图像的灰度均值m：

$m=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}g(x,y)$

其中，g(x,y)表示原始图像，M、N分别对应行数和列数；

(1b)计算信噪比：

(1b1)对原始图像进行4×4区域分割处理；

(1b2)分别计算每个区域的标准差LSD，并求其平均值LSD_m；

(1b3)信噪比SNR＝m/LSD_m；

(1c)计算对比度C：

$C=\frac{|{\mathrm{\μ}}_T-{\mathrm{\μ}}_B|}{{\mathrm{\μ}}_T+{\mathrm{\μ}}_B}$

其中，μ_T表示原始图像中目标区域图像阈值在T内的灰度均值情况；μ_B是表示目标区域图像附近的背景图像的平均灰度情况；

(1d)计算平均梯度和边缘强度：

平均梯度：

$g=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}\sqrt{\[{\left(\frac{\∂g(x,y)}{\∂x}\right)}^2+{\left(\frac{\∂g(x,y)}{\∂y}\right)}^2\]/2}$

边缘强度：

$ei=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}\sqrt{g_a{(x,y)}^2+g_b{(x,y)}^2}$

其中，g(x,y)表示目标所在区域图像；M，N表示原始图像的行数及列数；g_a(x,y)²和g_b(x,y)²是g(x,y)经‘sobel’算子对图像进行边缘检测处理后所获得的检测图像。

归一化处理本实施例中采用以下方式：一般情况下亮度是数值最大的参数，为了在同一水平下对比各个图像及参数，需要将原始数据进一步处理，最直接的办法是归一化。假定在等同参数和条件下，已获取到L组目标所在区域图像，而对于某项具体参数A(亮度、信噪比、平均梯度和边缘强度)，还需从已获取的L组数据中找出A_max、A_min，归一化过程如下：

$A^{\′}=\frac{A-A_{\min }}{A_{max}-A_{\min }}$

根据实验经验设置参数上下限：亮度：最大值255，最小值0；信噪比：最大值30dB，最小值5dB；平均梯度：最大值10，最小值0；边缘强度：最大值100，最小值0。

(3)将基准图像和待配准图像进行互信息配准；

(4)判断是否配准成功，若成功则输出待配准图像相对于基准图像的偏移量和旋转量，根据偏移量和旋转量矫正待配准图像，与基准图像实现空间一致，否则继续采用粒子群搜索算法对偏移量和旋转量优化，变换待配准图像，并进入步骤(3)；

配准后的图像，空间位置基本一致，然后才能进行三维拟合成像，目前常用的算法有二值化和质心算法，二值化算法精度不高，质心算法拟合一幅三维图像所需二维图像过多，目前报道最少采用3幅图像可获得一幅三维图像，本发明提出采用互相关算法进行三维成像，在保证精度的情况下最少采用2幅图像即可合成一幅三维图像。

(5)求取目标所在区域每个像素点的时间延迟t_μ，如图3a、3b、3c所示；

理想灰度曲线x(n)与实测灰度曲线y(n)的互相关r_xy(m)表示如下：

$r_{xy}\left(m\right)=\underset{n=-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\Σ}}x\left(n\right)y(n+m)$

则互相关值最大时对应于像素点(x,y)的时间延迟t_μ：

$t_{\mathrm{\μ}}=t_1+\frac{k}{2}\×\mathrm{\Δ}t$

其中，t₁表示实测灰度曲线中首个非零点对应延迟时间；k表示互相关最大值对应的横坐标值，kΔt/2表示对应于取得最大值的时间间隔；

(6)计算对应距离信息：

$R_i=c\frac{t}{2}=\frac{c}{2}\×(t_0+t_{\mathrm{\μ}})=\frac{c}{2}\×(t_0+(t_1+\left(k\×\mathrm{\Δ}t\right)/2\left)\right)$

其中，t₀表示激光脉冲发射时刻；

(7)根据每个像素对应的距离信息直接换算出目标三维图像。

下面以一个具体实施例对本发明的工作原理和工作过程作进一步解释和说明。

(1)根据激光探测系统获得目标切片图像。系统获得的一组运动目标切片图像如图4所示，目标实际水平移动了7个像素，没有垂直位移及旋转。

(2)从目标切片图像中选取基准图像。计算归一化亮度、信噪比、平均梯度和边缘强度之和，根据计算结果选择图像10为基准图像。配准参数如下所示，

表1配准各参数结果

通过以上实验可以看出，归一化的亮度、信噪比、平均梯度和边缘强度参数作为像质评价标准可以选取切片图像中质量好的图像，距离选通切片图像中选择成像质量好的图像作为基准图像，能够有效减少错误配准，精度达到0.01个像素，提出的算法精度高，可靠性高。

(3)将基准图像和待配准图像进行互信息配准，输出配准后的图像如图5所示。

(5)求取目标所在区域每个像素点的时间延迟，采用互相关法对图像三维重构。

(5a)不同数量切片图像的互相关法实验结果

按照质心法原理分析，采用质心法三维重构时需要至少3幅切片图像，采用互相关法三维重构时需要至少2幅切片图像，因此实验中首先采用15幅图像开始重构，依次减少图像数量，即分别采用15幅、10幅、6幅、3幅、2幅图像重构，实验结果如图6所示，图6a1为15副图互相关法侧视图、图6a2为互相关法三维视图；图6b1为10副图互相关法侧视图、图6b2为互相关法三维视图；图6c1为10副图互相关法侧视图、图6c2为互相关法三维视图；图6d1为10副图互相关法侧视图、图6d2为互相关法三维视图；图6e1为10副图互相关法侧视图、图6e2为互相关法三维视图。

从图中可以看出，互相关法都能表示出目标的相对距离，基本与目标的相对空间位置相符，明显的，其三维重构精度随着图像数量的减少不断降低，互相关法虽能求出三维图像，但是三维信息不明显，像素点的三维信息由缺失，因此下面着重分析采用互相关法利用2幅图像获得三维重构图像。

(5b)2幅图像的互相关法实验结果

采用不同间隔的2幅切片图像，选通距离间隔分别为10ns、20ns、30ns、40ns，对应的目标图像和三维重构效果如图7所示，图7a1为第一幅图像、图7a2为间隔10ns图像、图7a3为10ns侧视图、图7a4为10ns三维视图；图7b1为第一幅图像、图7b2为间隔20ns图像、图7b3为20ns侧视图、图7b4为20ns三维视图；图7c1为第一幅图像、图7c2为间隔30ns图像、图7c3为30ns侧视图、图7c4为40ns三维视图；图7d1为第一幅图像、图7d2为间隔40ns图像、图7d3为40ns侧视图、图7d4为40ns三维视图。

从图中可以看出，随着选通间隔的增大，三维重构效果越好，这是因为在求取每个像素的延迟时间t＝t₀+t_μ＝t₀+(t₁+(x×Δt)/2)时，选通间隔越大，插值的密度越大，相关峰值x的求取越精确。

本发明未公开的部分为本领域公知常识。

Claims (6)

1.一种用于运动目标三维成像的激光探测系统，其特征在于包括：激光发射模块、激光接收模块、ICCD成像阵列、激光测距模块、同步控制模块；

激光发射模块发射激光信号，经大气传输和目标反射后到达激光接收模块；

激光接收模块将接收到的激光信号在ICCD成像阵列上进行成像，形成目标切片图像；

激光测距模块测量目标距离，并将该距离信息传送至同步控制模块，用以同步激光发射模块和ICCD成像；

同步控制模块根据用户端发送的命令，产生特定时序的控制信号，发送至激光发射模块和ICCD成像阵列，实现激光发射模块和ICCD成像阵列的同步，同时同步控制模块用于实现对ICCD成像阵列增益电压的调节。

2.根据权利要求1所述的一种用于运动目标三维成像的激光探测系统，其特征在于：所述的激光发射模块采用高功率脉冲半导体激光器。

3.根据权利要求1所述的一种用于运动目标三维成像的激光探测系统，其特征在于：所述的激光接收模块采用折反式夜视镜头。

4.根据权利要求1所述的一种用于运动目标三维成像的激光探测系统，其特征在于：所述的同步控制模块发送的控制信号包括发射激光的频率、脉冲宽度、距离波门宽度，ICCD增益、ICCD初始延时。

5.一种基于权利要求1所述的激光探测系统的运动目标三维成像方法，其特征在于步骤如下：

(1)根据激光探测系统获得目标切片图像；

(2)从目标切片图像中选取基准图像；

(3)将基准图像和待配准图像进行互信息配准；

(4)判断是否配准成功，若成功则输出待配准图像相对于基准图像的偏移量和旋转量，根据偏移量和旋转量矫正待配准图像，与基准图像实现空间一致，否则继续采用粒子群搜索算法对偏移量和旋转量优化，变换待配准图像，并进入步骤(3)；

(5)求取目标所在区域每个像素点的时间延迟t_μ；

理想灰度曲线x(n)与实测灰度曲线y(n)的互相关r_xy(m)表示如下：

$r_{xy}\left(m\right)=\underset{n=-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\Σ}}x\left(n\right)y(n+m)$

则互相关值最大时对应于像素点(x,y)的时间延迟t_μ：

$t_{\mathrm{\μ}}=t_1+\frac{k}{2}\×\mathrm{\Δ}t$

其中，t₁表示实测灰度曲线中首个非零点对应延迟时间；k表示互相关最大值对应的横坐标值(互相关曲线r_xy(m)最大时，对应的横坐标)，，kΔt/2表示对应于取得最大值的时间间隔；

(6)计算对应距离信息：

$R_i=c\frac{t}{2}=\frac{c}{2}\×(t_0+t_{\mathrm{\μ}})=\frac{c}{2}\×(t_0+(t_1+(k\×\mathrm{\Δ}t)/2\left)\right)$

其中，t₀表示激光脉冲发射时刻；

(7)根据每个像素对应的距离信息直接换算出目标三维图像。

6.根据权利要求5所述运动目标三维成像方法，其特征在于步骤如下：步骤(2)所述的基准图像选取方式如下：计算归一化亮度、信噪比、平均梯度和边缘强度之和，选取最大值对应的目标切片图，作为基准图像：

(1a)进行亮度评价，计算目标所在区域图像的灰度均值m：

$m=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}g(x,y)$

其中，g(x,y)表示原始图像，M、N分别对应行数和列数；

(1b)计算信噪比：

(1b1)对原始图像进行4×4区域分割处理；

(1b2)分别计算每个区域的标准差LSD，并求其平均值LSD_m；

(1b3)信噪比SNR＝m/LSD_m；

(1c)计算对比度C：

$C=\frac{|{\mathrm{\μ}}_T-{\mathrm{\μ}}_B|}{{\mathrm{\μ}}_T+{\mathrm{\μ}}_B}$

其中，μ_T表示原始图像中目标区域图像阈值在T内的灰度均值情况；μ_B是表示目标区域图像附近的背景图像的平均灰度情况；

(1d)计算平均梯度和边缘强度：

平均梯度：

$g=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}\sqrt{\[{\left(\frac{\∂g(x,y)}{\∂x}\right)}^2+{\left(\frac{\∂g(x,y)}{\∂y}\right)}^2\]/2}$

边缘强度：

$ei=\frac{1}{\mathrm{\ω}}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}\sqrt{g_a{(x,y)}^2+g_b{(x,y)}^2}$

其中，g(x,y)表示目标所在区域图像；M，N表示原始图像的行数及列数；g_a(x,y)²和g_b(x,y)²是g(x,y)经‘sobel’算子对图像进行边缘检测处理后所获得的检测图像。