CN105954733A - 基于光子飞行时间相关性的时域滤波方法 - Google Patents

Abstract

本发明公开了一种基于光子飞行时间相关性的时域滤波方法。首先利用激光雷达在信噪比比较低的条件下扫描获得光子飞行时间。然后利用光子之间飞行时间相关性，设定滤波条件对光子的飞行时间进行判定，区分出信号光子和噪声光子。接着，去除被判定为噪声光子的探测光子，只保留被判定为信号光子的探测光子。最后，对信号光子使用形心法，提取光子准确的飞行时间，从而得到距离信息。实验表明，在信噪比比较低的情况下，本发明能够有效的滤除三维成像激光雷达扫描得到的信号中的噪声光子，从而达到去噪的目的。

Description

基于光子飞行时间相关性的时域滤波方法

技术领域

本发明属于激光雷达三维成像领域，具体涉及一种适用于光子计数激光雷达系统的基于光子飞行时间相关性的时域滤波方法。

技术背景

准确的获取目标场景的三维结构具有广泛的应用。三维成像激光雷达系统以盖革模式下的雪崩二极管作为探测器，能够高灵敏度和高精度的获取目标场景的深度图像。激光雷达系统通过对目标场景积分采样，然后累积生成统计直方图，来获取目标场景的三维信息。

为了从统计直方图中提取准确的飞行时间，获得高精度的目标深度估计值，需要使用回波信号飞行时间提取算法如：峰值法、形心法、拟合法等。另一方面，当噪声较强、目标反射率较低或积分时间不足时，激光雷达系统累积探测得到的直方图可能堆积不起来，不会有明显的波峰。此时，使用形心法的话将引入较多的噪声带来误差，由于存在多个峰值甚至会可能没有峰值，峰值法也不适用，拟合法更不适用。所以在信噪比较低情况下，为了提高探测概率，就要首先进行滤波，滤除噪声光子，保留信号光子。

目前，解决上述问题的方法，已知的技术途径有：HongJin Kong等人采用两个工作在盖革模式下的APD对回波信号进行探测。将两个探测器的输出接入与逻辑结构来降低虚警率，获取清晰的三维距离图像。([11]Kong H J,Kim T H,Jo S E,et al.Smart three-dimensional imaging ladar using two Geiger-modeavalanche photodiodes[J].Optics express,2011,19(20):19323-19329.)罗韩君等人在理论上进一步研究了这种双探测器结构的探测性能，指出对于双探测器结构，与逻辑可以很好地抑制虚警率；或逻辑可提高目标探测概率；使用与逻辑和或逻辑相结合的双探测器结构，可以获得更高的目标探测概率和更低的虚警率。([19]罗韩君,詹杰,丰元,等.基于盖革模式APD的光子计数激光雷达探测距离研究[J].光电工程,2013,40(12):80-88.)

采用双探测的结构时，回波信号需要经分束器分别进入两个APD，当回波信号的强度较弱时，这样做可能会降低目标的探测概率；或逻辑虽然可以提高目标的探测概率，但也提高了虚警率；与逻辑和或逻辑相结合时将需要使用到4个探测器，这无疑会使系统的结构变得复杂，同时也会引入更多探测器时间抖动带来的误差。

发明内容

本发明的目的在于，在低信噪比的条件下，提供一种有效滤除噪声光子的时域滤波方法。

实现本发明的技术解决方案为：一种基于光子飞行时间相关性的时域滤波方法步骤如下：

第一步，在低信噪比的情况下，使用三维成像激光雷达系统对目标场景进行扫描，获得目标场景光子飞行时间分布三维图；

第二步，对光子的飞行时间信息进行处理，将当前光子与在它之前到达光子的飞行时间进行比较来滤波，并且每个像素点中，最早到达的几个光子与最后几个到达的光子进行比较，这样就能确保每个光子都有其它光子与之比较。计算出每个光子的P_sc(M,N)(信号光子在M个光子中和N个以上光子相关的概率)和P_nc(M,N)(噪声光子在M个光子中和N个以上光子相关的概率)，设定：P_sc(M,N)≥0.5，P_nc(M,N)≤0.1为滤波条件，对探测到的光子进行滤波；

第三步，滤除噪声光子，并使用形心法提取滤波后光子的飞行时间，从而得到目标场景的3D图。

利用上述三个步骤，本发明能够有效的滤除噪声光子。

本发明与现有技术相比，其显著优点：1)本发明利用光子之间的时间相关性来进行滤波，而不使用双探测器的结构，从而简化了系统的结构，避免了引入更多探测器时间抖动带来的误差。2)在时间上进行滤波，能快速的达到去噪的目的，提高了三维成像激光雷达系统的成像时间。3)本发明能有效地提高信号光子的探测概率，减小测距误差，提高成像的精度。

附图说明

图1是信噪比比较低时得到的直方图。

图2是在低信噪比条件下，对实验室白墙平面区域进行了100×100像素扫描后得到的光子飞行时间分布三维图。

图3是对图1的场景不同(M,N)取值时的滤波效果，(a)(M,N)＝(1,1)，(b)(M,N)＝(6,2)，(c)(M,N)＝(13,3)，(d)(M,N)＝(21,4)。

图4是实验目标场景，固定在墙上的‘N’形字母。

图5是图3场景滤波前的光子飞行时间分布三维图。

图6是图3场景滤波后光子飞行时间分布三维图。

图7是滤波前用形心法计算得到的距离图。

图8是滤波后用形心法计算得到的距离图。

具体实施方式：

当目标场景噪声较强、反射率较低或积分时间不足时，激光雷达系统累积探测得到的直方图可能堆积不起来，不会有明显的波峰。一些基于直方图的提取飞行时间的算法如峰值法、形心法、和拟合法将无法使用。因此，在信噪比比较低的情况下，需要首先对回波信号进行滤波。针对此问题，本发明利用时间相关单光子计数的原理，提出了一种基于光子之间时间相关性的时域滤波方法。首先利用激光雷达在信噪比比较低的条件下扫描获得光子飞行时间。然后利用光子之间飞行时间相关性，设定滤波条件对光子的飞行时间进行判定，区分出信号光子和噪声光子。接着，去除被判定为噪声光子的探测光子，只保留被判定为信号光子的探测光子。最后，对信号光子使用形心法，提取光子准确的飞行时间，从而得到距离信息。

下面结合附图对本发明作进一步详细描述。

第一步，在低信噪比的情况下，使用三维成像激光雷达系统对目标场景进行扫描，获得目标场景的光子飞行时间分布三维图。为了模拟信噪比较低的情况，一方面我们调节激光器的输出功率设置旋钮来降低激光脉冲的能量，另一方面我们将实验系统的光路暴露在实验室内的背景光下。图1所示的直方图就是用上述方法对实验室内白墙上某一定点积分5ms得到的。进一步，在图1的信噪比条件下，我们对该定点周围的平面区域进行了100×100像素的扫描，积分时间5ms，将每个像素点的光子飞行时间作图后，得到的光子飞行时间分布的三维图，如图2所示。

第二步，对光子的飞行时间信息进行处理，将当前光子与在它之前到达光子的飞行时间进行比较来滤波，并且每个像素点中，最早到达的几个光子与最后几个到达的光子进行比较，这样就能确保每个光子都有其它光子与之比较。计算出每个光子的Psc(M,N)(信号光子在M个光子中和N个以上光子相关的概率)和Pnc(M,N)(噪声光子在M个光子中和N个以上光子相关的概率)。由开关激光测得的数据可知，在距离门内Psig＝0.17，Pnoi＝0.83。同时，回波脉宽Tf＝800ps，PDL 800-B的激光脉冲波形呈近高斯分布，Tp≈3Tf，距离门持续时间Tgate＝20ns。代入计算得到Psc＝0.16，Pnc＝0.08。Psc和Pnc也即Psc(1,1)和Pnc(1,1)，由Psc和Pnc可以进一步计算出在前M个光子中探测到N个以上相关光子的概率Psc(M,N)和Pnc(M,N)。这里为了便于对比滤波后的效果，我们将Pnc(M,N)的值维持在Pnc(1,1)的水平左右。由此我们分别计算了(M,N)为(6,2)、(13,3)、(21,4)时的Psc(M,N)和Pnc(M,N)滤波后的效果如图3所示。从图3可以看出本发明有效的滤除了噪声光子，提高成像的质量。

上述实验是对白墙平面进行扫描，反射率单一，为了查看多反射率时的滤波效果，我们在白墙平面上固定了一个“N”形字母，如图4所示。字母距离墙面5cm左右，字母左半部分涂成绿色，反射率由高到低依次为墙面、字母白色部分、字母绿色部分，反射率之比大约为1.9:1.6:1。同样，我们扫描了100×100的像素点，每个像素点积分时间为5ms。

实验过程中的噪声水平与第一个实验相同，不开激光积分100ms，在135～155ns的距离门内接收到的光子数在3900个的水平。打开激光扫描后记录的光子总数为3062290个，则每个像素点返回光子数的平均值约为306个。以此均值计算得P_sig＝0.363，P_noi＝0.637，P_sc＝0.253，P_nc＝0.08。若以P_sc(M,N)≥0.5，P_nc(M,N)≤0.1为滤波条件，计算得(M,N)为(11,3)，P_sc(11,3)＝0.5528，P_nc(11,3)＝0.0519。图5、6分别给出了滤波前和滤波后光子飞行时间分布三维图。

第三步，滤除噪声光子，并使用形心法提取滤波后光子的飞行时间，从而得到目标场景的3D图像。图7、8分别给出了滤波前和滤波后在143～147ns的范围内用形心法计算得到的距离图。图7和图8相比较可以看出，本发明有效去除了噪声，并简化了系统的结构。

Claims (4)

1.一种基于光子飞行时间相关性的时域滤波方法，其特征在于步骤如下：

第一步，在低信噪比的情况下，使用三维成像激光雷达系统对目标场景进行扫描，获得目标场景光子飞行时间分布三维图；

第二步，将当前光子与在它之前到达的光子的飞行时间进行比较来滤波，并且每个像素点中，最早到达的几个光子与最后几个到达的光子进行比较，确保每个光子都有其它光子与之比较；计算出每个光子的P_sc(M,N)和P_nc(M,N)，P_sc(M,N)是信号光子在M个光子中和N个以上光子相关的概率，P_nc(M,N)是噪声光子在M个光子中和N个以上光子相关的概率，设定P_sc(M,N)≥0.5，P_nc(M,N)≤0.1为滤波条件，对探测到的光子进行滤波；

第三步，滤除噪声光子，并使用形心法提取滤波后光子的飞行时间，从而得到目标场景的3D距离图像。

2.根据权利要求1所述的基于光子飞行时间相关性的时域滤波方法，其特征在于：第一步所述低信噪比条件为信噪比小于1，目标回波信号淹没在背景噪声和探测器暗噪声中。

3.根据权利要求1所述的基于光子飞行时间相关性的时域滤波方法，其特征在于：所述第二步的具体步骤如下：

记时间单元大小为τ，距离门持续时间为T_gate，回波信号相对于距离门开始时的到达时间为T_d，回波脉宽为T_f，回波脉冲持续时间为T_p；定义：假如两个光子之间的飞行时间差小于回波脉宽T_f，则称这两个光子为相关光子；同时记积分时间为T_acq，经积分时间T_acq在距离门内探测到的噪声光子数和光子总数分别为N_noi和N_sum，则在距离门内，探测到噪声光子和信号光子的概率P_noi和P_sig表示为：

$\begin{array}{cc}{P}_{noi}=\frac{N_{noi}}{N_{sum}}& P_{sig}=\frac{N_{sum}-N_{noi}}{N_{sum}}\end{array}$

根据概率论，经推到得到信号光子与下一个光子相关的概率为：

$P_{sc}=P_{sig}\×\frac{2T_f{T}_p-T_f^2}{T_p^2}+P_{noi}\×\frac{2T_f}{T_{gate}}$

噪声光子与下一个光子相关的概率为：

$P_{nc}=P_{sig}\×\frac{2T_f}{T_{gate}}+P_{noi}\×\frac{2T_f{T}_{gate}-T_f^2}{T_{gate}^2}$

信号光子或噪声光子与其它任何一个光子相关的概率都为P_sc和P_nc，在M个光子中和N个光子相关的概率可以看成多重伯努利实验，对于信号光子在M个光子中和N个以上光子相关的概率为：

$P_{sc}(M,N)=\underset{n=N}{\overset{M}{\Σ}}{C}_M^n{P}_{sc}^n{(1-P_{sc})}^{M-n}$

对于噪声光子在M个光子中和N个以上光子相关的概率为：

$P_{nc}(M,N)=\underset{n=N}{\overset{M}{\Σ}}{C}_M^n{P}_{nc}^n{(1-P_{nc})}^{M-n}$

对于某一光子，如果在它前M个光子中存在N个以上的相关光子，则认为它是信号光子并保留它，P_sc(M,N)和P_nc(M,N)实际表征的是信号光子和噪声光子被保留的概率；选取的滤波条件为：P_sc(M,N)≥0.5，P_nc(M,N)≤0.1，取M＝11，N＝3。

4.根据权利要求1所述的基于光子飞行时间相关性的时域滤波方法，其特征在于：第三步中所述形心法即加权平均法，将直方图中所有点的横纵坐标相乘求和，再除以纵坐标之和，所求结果作为回波信号的飞行时间。