CN109799494A - 一种星载光子计数激光雷达数据快速去噪滤波方法 - Google Patents

Abstract

本发明公开了一种星载光子计数激光雷达数据快速去噪滤波方法，该方法包括粗去噪和精细去噪两个过程，粗去噪过程中是根据总体噪声水平对星载光子计数激光雷达数据进行去噪，精细去噪过程依次通过计算椭圆距离搜索函数、计算KNN邻近距离、计算第K距离邻域、计算局部可达密度函数以及计算局部椭圆距离离群因子，从而对粗去噪后的结果进行精细去噪。本发明提供的星载光子计数激光雷达数据快速去噪滤波方法具有较高的运算效率和准确度，可以在不必对现有星载光子计数激光雷达系统的硬件架构进行任何改造的情况下，有效消除日间获取数据的强烈背景噪声，从而节约系统成本。

Description

一种星载光子计数激光雷达数据快速去噪滤波方法

技术领域

本发明涉及激光雷达技术领域，具体而言，尤其涉及一种星载光子计数激光雷达数据快速去噪滤波方法。

背景技术

一般而言，激光雷达发射和接收信号的工作模式有两种，一种是脉冲模拟检测法(即全波形记录的激光雷达)，另一种是微脉冲光子计数法，这两种工作模式各有其优缺点，分别介绍如下：

脉冲模拟检测法首先发射能量较高，持续时间较长的信号(4～8ns)，然后激光接收器累积一定时间间隔内所有返回光子的能量，通过对累积能量的时间序列进行数模转换，得到激光雷达的全波形记录。基于脉冲模拟检测法的激光器需要发射高能量的脉冲，并通过在短间隔时间内累积大量光子能量的方式来保持接收信号较高的信噪比，该方法限制了仪器的发射频率，加快了仪器的损耗速率，制约着仪器的寿命，一般采用多个激光器件备份的方式实现长时间观测。

微脉冲光子计数激光雷达发射信号能量较低、持续时间较短(1ns)的激光脉冲(微脉冲)，并仅需记录返回的数以万计光子中的一个或几个。微脉冲光子计数方法与脉冲模拟检测方法不同之处是前者发射的脉冲能量更低，频率更高，并且记录返回信号时不进行光子能量累积、模拟信号波峰提取等过程，而是直接记录了光子坐标。光子计数能够更真实地记录地表信息，降低了脉冲模拟检测式激光雷达波形分解及离散点云记录的不确定性。

微脉冲光子计数技术采用更加灵敏的探测技术，能够做到单光子级别的探测。仪器发射脉冲的展宽小，且发射频率高，能充分利用光子信息获取更高密度、更真实的数据，并可延长激光器的寿命。光子计数激光雷达作为未来的发展趋势具有很大的研究前景和价值，但由于微脉冲光子计数方法检测的是弱信号，故相比脉冲模拟检测式激光雷达，其受噪声的影响更大。仪器在探测有效信息时也记录了大量的太阳背景噪声和仪器噪声等，尤其是白天观测时受太阳光干扰和大气噪声的影响很大。

目前，现有的三维机载点云滤波算法如不规则三角网滤波、坡度滤波、移动曲面滤波等均不能直接应用在星载光子计数激光雷达数据处理中。因此，如何开发出一种解决微脉冲机理造成的强烈背景噪声的快速去噪滤波方法，是目前亟待解决的问题。

发明内容

本发明提供一种星载光子计数激光雷达数据快速去噪滤波方法，用以从星载光子计数激光雷达数据中快速、正确检测到有用信号，过滤太阳背景噪声和仪器噪声。

为达到上述目的，本发明提供了一种星载光子计数激光雷达数据快速去噪滤波方法，其包括以下步骤：

S1：以单位距离为分割标准，对星载光子计数激光雷达数据D在高程方向上进行分割，共分割为n个分割单元；

S2：分别统计D中最前50块分割单元中的点个数H₁～H₅₀，并计算其均值P1和标准差σ1，

S3：分别统计D中最后50块分割单元中的点个数H_n-49～H_n，并计算其均值P2和标准差σ2，

S4：分别计算D中最前和最后50块分割单元信号起始平均噪声N1和信号结束平均噪声N2：

N1＝P1+α×σ1，

N2＝P2+α×σ2；

S5：计算总体噪声水平N_level：

S6：根据总体噪声水平N_level对星载光子计数激光雷达数据D进行粗去噪，得到粗去噪数据D′；

S7：设定椭圆长半轴a和椭圆短半轴b的值，并计算得到椭圆形状参数Aspect：

S8：定义一基于椭圆形状参数Aspect的椭圆距离搜索函数(a＞b＞0)；

S9：设定KNN邻近算法中k的值，利用椭圆距离搜索函数以及KNN邻近算法计算椭圆长半轴a和椭圆短半轴b对应的KNN邻近距离，并将该KNN邻近距离作为椭圆距离；

S10：以k的值作为限制条件，根据该椭圆距离迭代计算所有满足该限制条件的第K距离邻域，其中，任意两个点O、点P之间的第K可达距离定义为：

distances_MinPts(P，O)＝max{K-distances_MinPts(O)，d(P，O)}；

S11：根据第K距离邻域，迭代计算所有满足该限制条件的局部可达密度函数，任意一点P的局部可达密度函数如下式：

S12：根据局部可达密度函数，迭代计算粗去噪数据D′中每一点的局部椭圆距离离群因子，任意一点P的局部椭圆距离离群因子为点P的邻域点N_k(P)的局部可达密度与点P的局部可达密度之比的平均值；

S13：以上述局部椭圆距离离群因子的全部分数的T分位数为阈值，进行信号和噪声的划分，大于等于T分位数阈值的点即视为信号点，低于T分位数阈值的点即视为噪声点；

S14：根据T分位数阈值，对粗去噪数据D′进行精细去噪，得到精细去噪数据D″。

在本发明的一实施例中，星载光子计数激光雷达数据D的数据格式为科学数据格式HDF5或文本格式数据。

在本发明的一实施例中，步骤S1中，单位距离为1米。

在本发明的一实施例中，步骤S4中，α的值为1、2或3。

在本发明的一实施例中，步骤S9中，k为整数并且3≤k≤20。

在本发明的一实施例中，步骤S13中，T为95％。

本发明提供的星载光子计数激光雷达数据快速去噪滤波方法通过基于背景噪声阈值探测和改进的离群因子算法分别针对星载光子计数激光雷达数据进行粗去噪和精去噪，具有较高的运算效率和准确度，可以在不必对现有星载光子计数激光雷达系统的硬件架构进行任何改造的情况下，有效消除日间获取数据的强烈背景噪声，从而节约系统成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例的星载光子计数激光雷达数据D按照单位距离在高程方向上进行分割的示意图；

图2为本发明一实施例的粗去噪数据D′结果图；

图3为本发明一实施例的细去噪数据D″结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种星载光子计数激光雷达数据快速去噪滤波方法，其包括以下步骤：

S1：以单位距离为分割标准，对星载光子计数激光雷达数据D在高程方向上进行分割，共分割为n个分割单元；

本实施例中，星载光子计数激光雷达数据D的数据格式例如可以为科学数据格式HDF5或文本格式数据，这两种均是目前主流的光子计数激光雷达数据格式。

图1为星载光子计数激光雷达数据D按照单位距离在高程方向上进行分割的示意图，如图1所示，本实施例中的单位距离为1米，每个分割单元内存在多个点。在其他实施例中，单位距离可以根据实际情况设定为其他数值，不以上述1米为限制。

S2：分别统计D中最前50块分割单元中的点个数H₁～H₅₀，并计算其均值P1和标准差σ1，

S3：分别统计D中最后50块分割单元中的点个数H_n-49～H_n，并计算其均值P2和标准差σ2，

S4：分别计算D中最前和最后50块分割单元信号起始平均噪声N1和信号结束平均噪声N2：

N1＝P1+α×σ1，

N2＝P2+α×σ2；

α的取值需要考虑的因素为整体噪声水平的高低，因此，一般情况下α的值设定为1-3之间的整数，即1、2或3。

S5：计算总体噪声水平N_level：

S6：根据总体噪声水平N_level对星载光子计数激光雷达数据D进行粗去噪，得到粗去噪数据D′；

如图2所示为本发明一实施例的粗去噪数据D′结果图。

S7：设定椭圆长半轴a和椭圆短半轴b的值，并计算得到椭圆形状参数Aspect：

S8：定义一基于椭圆形状参数Aspect的椭圆距离搜索函数(a＞b＞0)；

S9：设定KNN邻近算法中k的值，利用椭圆距离搜索函数以及KNN邻近算法计算椭圆长半轴a和椭圆短半轴b对应的KNN邻近距离，并将该KNN邻近距离作为椭圆距离；

本步骤中，k较佳为整数并且3≤k≤20，在其他实施例中，k也可以取其他数值。

S10：以k的值作为限制条件，根据该椭圆距离迭代计算所有满足该限制条件的第K距离邻域，其中，任意两个点O、点P之间的第K可达距离定义为：

distances_MinPts(P，O)＝max{K-distances_MinPts(O)，d(P，O)}；

S11：根据第K距离邻域，迭代计算所有满足该限制条件的局部可达密度函数，任意一点P的局部可达密度函数如下式：

S12：根据局部可达密度函数，迭代计算粗去噪数据D′中每一点的局部椭圆距离离群因子，任意一点P的局部椭圆距离离群因子为点P的邻域点N_k(P)的局部可达密度与点P的局部可达密度之比的平均值；

S13：以上述局部椭圆距离离群因子的全部分数的T分位数为阈值，进行信号和噪声的划分，大于等于T分位数阈值的点即视为信号点，低于T分位数阈值的点即视为噪声点；

本实施例中，T较佳为95％。

S14：根据T分位数阈值，对粗去噪数据D′进行精细去噪，得到精细去噪数据D″。

如图3所示为本发明一实施例的细去噪数据D″结果图。

本发明提供的星载光子计数激光雷达数据快速去噪滤波方法通过基于背景噪声阈值探测和改进的离群因子算法分别针对星载光子计数激光雷达数据进行粗去噪和精去噪，具有较高的运算效率和准确度，可以在不必对现有星载光子计数激光雷达系统的硬件架构进行任何改造的情况下，有效消除日间获取数据的强烈背景噪声，从而节约系统成本。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (6)

1.一种星载光子计数激光雷达数据快速去噪滤波方法，其特征在于，包括以下步骤：

S1：以单位距离为分割标准，对星载光子计数激光雷达数据D在高程方向上进行分割，共分割为n个分割单元；

S2：分别统计D中最前50块分割单元中的点个数H₁～H₅₀，并计算其均值P1和标准差σ1，

S3：分别统计D中最后50块分割单元中的点个数H_n-49～H_n，并计算其均值P2和标准差σ2，

S4：分别计算D中最前和最后50块分割单元信号起始平均噪声N1和信号结束平均噪声N2：

N1＝P1+α×σ1，

N2＝P2+α×σ2；

S5：计算总体噪声水平N_level：

S6：根据总体噪声水平N_level对星载光子计数激光雷达数据D进行粗去噪，得到粗去噪数据D′；

S7：设定椭圆长半轴a和椭圆短半轴b的值，并计算得到椭圆形状参数Aspect：

S8：定义一基于椭圆形状参数Aspect的椭圆距离搜索函数(a＞b＞0)；

S9：设定KNN邻近算法中k的值，利用椭圆距离搜索函数以及KNN邻近算法计算椭圆长半轴a和椭圆短半轴b对应的KNN邻近距离，并将该KNN邻近距离作为椭圆距离；

S10：以k的值作为限制条件，根据该椭圆距离迭代计算所有满足该限制条件的第K距离邻域，其中，任意两个点O、点P之间的第K可达距离定义为：

distances_MinPts(P，O)＝max{K-distances_MinPts(O)，d(P，O)}；

S11：根据第K距离邻域，迭代计算所有满足该限制条件的局部可达密度函数，任意一点P的局部可达密度函数如下式：

S12：根据局部可达密度函数，迭代计算粗去噪数据D′中每一点的局部椭圆距离离群因子，任意一点P的局部椭圆距离离群因子为点P的邻域点N_k(P)的局部可达密度与点P的局部可达密度之比的平均值；

S13：以上述局部椭圆距离离群因子的全部分数的T分位数为阈值，进行信号和噪声的划分，大于等于T分位数阈值的点即视为信号点，低于T分位数阈值的点即视为噪声点；

S14：根据T分位数阈值，对粗去噪数据D′进行精细去噪，得到精细去噪数据D″。

2.根据权利要求1所述的星载光子计数激光雷达数据快速去噪滤波方法，其特征在于，星载光子计数激光雷达数据D的数据格式为科学数据格式HDF5或文本格式数据。

3.根据权利要求1所述的星载光子计数激光雷达数据快速去噪滤波方法，其特征在于，步骤S1中，单位距离为1米。

4.根据权利要求1所述的星载光子计数激光雷达数据快速去噪滤波方法，其特征在于，步骤S4中，α的值为1、2或3。

5.根据权利要求1所述的星载光子计数激光雷达数据快速去噪滤波方法，其特征在于，步骤S9中，k为整数并且3≤k≤20。

6.根据权利要求1所述的星载光子计数激光雷达数据快速去噪滤波方法，其特征在于，步骤S13中，T为95％。