CN110501716A - 基于单光子激光雷达背景噪声率的地表分类方法 - Google Patents
基于单光子激光雷达背景噪声率的地表分类方法 Download PDFInfo
- Publication number
- CN110501716A CN110501716A CN201910690511.3A CN201910690511A CN110501716A CN 110501716 A CN110501716 A CN 110501716A CN 201910690511 A CN201910690511 A CN 201910690511A CN 110501716 A CN110501716 A CN 110501716A
- Authority
- CN
- China
- Prior art keywords
- rate
- noise rate
- photon
- ambient noise
- formula
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Astronomy & Astrophysics (AREA)
- Multimedia (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于单光子激光雷达背景噪声率的地表分类方法,首先根据镜面反射理论提出了水面光子反射噪声率的表达式,随后结合系统参数、环境参数与目标特性参数,建立了背景噪声率模型,分别给出了陆地背景噪声率与水体背景噪声率的数学表达式,最后计算得到地表分类噪声率阈值。根据陆地与水体背景噪声率的显著差异,可通过代入激光雷达原始点云数据的统计噪声率与噪声率阈值进行比较,判断地表类型。该分类方法不依赖于传统方法中需要用到的数字地形图或高分辨率遥感影像,采用的辅助数据易于获取,具有快速、高效的优点,可在沿海地区实现高精度的地表类型分类。将该方法应用于MABLE原始点云数据中,分类效果优异。
Description
技术领域
本发明涉及地表分类技术领域,具体涉及一种基于单光子激光雷达背景噪声率的地表分类方法。
背景技术
由于光子计数器和微脉冲激光器分别具有更高的检测灵敏度和更高的重频,光子计数雷达可以获得比传统全波形雷达更密集的光子点云数据。因此,为了对地球表面进行更精确的观测,美国国家航空航天局于2018年底发射了ICESat-2 (Ice,Cloud,and landElevation Satellite-2),并为其配备了一个光子计数雷达。然而由于光子计数雷达对信号光子和主要来源于太阳背景光的反射的噪声光子均非常敏感,这使得单光子原始点云数据具有大量的噪声,因此,如何从原始点云数据中区分信号光子是光子计数雷达的关键。
准确的地表类型信息对于选择合适的方法从原始点云数据中提取信号光子十分重要,尤其在沿海地区,由于不同地表类型的表面特征不同,因此信号光子在水面上的分布与地面上的分布具有较大差异。现有技术中,利用NCLD (National Center for LearningDisabilities),从卫星光学图像中获取激光测高仪沿轨道的地表类型。
本申请发明人在实施本发明的过程中,发现现有技术的方法,至少存在如下技术问题:
现有方法需要提取出信号光子后与高分辨率影像作比对进行分类,NLCD辅助数据是必不可少的;并且根据原始点云数据中背景噪声率进行水冰分类的噪声率阈值是基于经验公式,同时,目前对于地表光子反射噪声率的理论公式是基于地球表面是一个郎伯体的假设,然而该假设不适用于水面,关于水面光子反射噪声率的理论公式也未见完整资料给出。
由此可知,现有技术中存在准确性不高和效率不高的技术问题。
发明内容
本发明主要利用新推导的水面光子反射噪声率分析表达式,结合系统参数、环境参数和目标特性参数,建立了背景噪声率模型,精确计算得到用于地表分类的噪声率阈值,提供了一种基于单光子激光雷达背景噪声率的地表类型分类方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
本发明提供了一种基于单光子激光雷达背景噪声率的地表分类方法,包括:
步骤S1:获取单光子激光雷达的系统参数、测量时的环境参数以及目标特性参数;
步骤S2:根据系统参数、环境参数以及目标特性参数,计算地面光子反射噪声率fL、水面光子反射噪声率fW和大气后向散射噪声率fA;
步骤S3:根据地面光子反射噪声率fL和大气后向散射噪声率fA,计算陆地背景噪声率fnL,根据水面光子反射噪声率fW和大气后向散射噪声率fA,计算水体背景噪声率fnW;
步骤S4:根据陆地背景噪声率fnL与水体背景噪声率fnW,计算地面和水面分类的噪声率阈值P;
步骤S5:读取机载激光测高仪的点云数据,统计仅含噪声光子事件的预设高程范围内的背景噪声率fnS;
步骤S6:计算预设高程范围内的背景噪声率fnS与水体背景噪声率fnW的比值;
步骤S7:根据背景噪声率fnS与水体背景噪声率fnW的比值与噪声率阈值P 的关系,判断该点云数据所对应的地表类型。
在一种实施方式中,系统参数包括激光波长、接收望远镜有效面积、望远镜接收半视场角、窄带滤光片带宽、光电系统综合效率,环境参数包括太阳辐亮度、单程大气透过率、太阳天顶角和风速;目标特性参数包括地面坡度、地面反射率、风浪坡度和水面反射率,步骤S2具体包括:
分别根据公式(1)和(2)计算地面光子反射噪声率fL、大气后向散射噪声率fA,公式(1)和(2)的具体形式为:
公式(1)和(2)中,Nλ 0为太阳辐亮度,Δλ为窄带滤光片带宽,h为普朗克常数,v为光子频率,为光速除以光子波长λ,θr为望远镜接收半视场角,η为光电系统综合效率,Ar为接收望远镜有效面积,βL为地面反射率,Ta为单程大气透过率,θs为太阳天顶角,ψ为太阳光线与地表法线的夹角,可以表示为公式(3),
式(3)中,σL为地面坡度,为激光测高仪飞行方向与坡面方向的方位角;
根据公式(4)计算水面光子反射噪声率fW,公式(4)的具体形式为:
式(4)中,ρ为镜面点与光轴的距离,z为激光测高仪飞行高度,βw为水面反射率,βw变为关于ρ的表达式βW(ρ):
式(5)中,风浪斜率的概率密度函数为高斯函数,s2为其均方斜率, s2=0.003+0.00512w,w为平均风速。
在一种实施方式中,步骤S3具体包括:
将地面光子反射噪声率fL和大气后向散射噪声率fA的和作为陆地背景噪声率fnL,将水面光子反射噪声率fW和大气后向散射噪声率fA的和作为水体背景噪声率fnW。
在一种实施方式中,步骤S4具体包括根据公式(6)
计算地面和水面分类的噪声率阈值P:
在一种实施方式中,步骤S5中预设高程范围为400~900m。
在一种实施方式中,步骤S7具体包括:
当统计噪声率fnS与水体背景噪声率fnL的比值小于噪声率阈值P时,判定该区域的类型为水体;当统计噪声率fnS与水体背景噪声率fnL的比值大于噪声率阈值P时,判定该区域的类型为陆地。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明提供的一种基于单光子激光雷达背景噪声率的地表分类方法,首先,获取单光子激光雷达的系统参数、测量时的环境参数以及目标特性参数;然后,根据系统参数、环境参数以及目标特性参数,计算地面光子反射噪声率fL、水面光子反射噪声率fW和大气后向散射噪声率fA;接着,根据地面光子反射噪声率 fL和大气后向散射噪声率fA,计算陆地背景噪声率fnL,根据水面光子反射噪声率 fW和大气后向散射噪声率fA,计算水体背景噪声率fnW;接下来,根据陆地背景噪声率fnL与水体背景噪声率fnW,计算地面和水面分类的噪声率阈值P;然后,读取机载激光测高仪的点云数据,统计仅含噪声光子事件的预设高程范围内的背景噪声率fnS;再计算预设高程范围内的背景噪声率fnS与水体背景噪声率fnW的比值;最后,根据背景噪声率fnS与水体背景噪声率fnW的比值与噪声率阈值P 的关系,判断该点云数据所对应的地表类型。
由于本发明提供的方法,可以结合系统参数、环境参数与目标特性参数,建立背景噪声率模型,并可以计算得出陆地背景噪声率与水体背景噪声率,进而计算得到地表分类噪声率阈值,最后通过根据背景噪声率fnS与水体背景噪声率fnW的比值与噪声率阈值P的关系,判断对应的地表类型,为地表类型分类提供了可靠的依据;并且,该地表类型分类方法仅需要使用易于获得的噪声光子,而并不需要对信号光子进行提取,同时也不依赖于传统方法中需要用到的数字地形图或高分辨率遥感影像,因此可以实现在运算量小、运算速度快的同时,完成对沿海地区地表类型的高准确度分类。同时,该分类方法在高纬度海冰地区的地表类型探测方面具有很大的应用潜力。
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为本发明一种基于单光子激光雷达背景噪声率的地表分类方法的流程示意图;
图2为水面风浪反射太阳光至激光测高仪接收视场的几何示意图;
图3是地面光子反射噪声率fL与水面光子反射噪声率fW之比P1和大气后向散射噪声率fA与水面光子反射噪声率fW之比P2随太阳天顶角θs增大的变化曲线;
图4为不同的太阳天顶角θs、大气透过率Ta和地面反射率βL组合时噪声率阈值P的分布图;
图5为具体应用中本发明的流程图;
图6为高分辨率卫星图像上的MABLE轨道(使用实心曲线),(b)为MABLE 捕捉的原始点云数据;
图7为具体示例中高分辨率图像,(b)为捕捉的原始点云数据。
具体实施方式
本发明的目的在于针对现有技术中存在的准确性不高和效率不高的技术问题,提供的一种基于单光子激光雷达背景噪声率的地表分类方法,以达到提高分类效果和分类准确性的技术效果。
为达到上述目的,本发明的主要构思如下:
本发明基于单光子激光雷达在不同地表类型的背景噪声率具有显著差异的特点,根据原始点云数据中的统计噪声率判断地表类型的分类方法。针对地面与水面不同的特性参数,同时结合单光子激光雷达系统参数以及测量环境参数,推导出水面光子反射噪声率表达式,并计算得到噪声率阈值。通过原始点云数据中的统计噪声率的比较,判断地表类型,是一种快速、高效的地表类型分类方法。
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
实施例一
本实施例提供了一种基于单光子激光雷达背景噪声率的地表分类方法,请参见图1,该方法包括:
步骤S1:获取单光子激光雷达的系统参数、测量时的环境参数以及目标特性参数。
具体来说,单光子激光雷达系统参数可以包括激光波长λ,接收望远镜有效面积Ar,望远镜接收半视场角θr,窄带滤光片带宽Δλ,光电系统综合效率η;测量时环境参数包括:太阳辐亮度Nλ 0,单程大气透过率Ta,太阳天顶角θs,风速w;目标特性参数包括地面坡度σL,地面反射率βL,风浪坡度σW,水面反射率βW。
其中,太阳辐亮度Nλ 0、太阳天顶角θs通过易于测量的经纬度、时间的经验公式求得,水面反射率可以通过公式(6)计算得出,其他的参数都可以直接获取或者通过测量获得。
步骤S2:根据系统参数、环境参数以及目标特性参数,计算地面光子反射噪声率fL、水面光子反射噪声率fW和大气后向散射噪声率fA。
其中,步骤S2具体包括:
分别根据公式(1)和(2)计算地面光子反射噪声率fL、大气后向散射噪声率fA,公式(1)和(2)的具体形式为:
公式(1)和(2)中,Nλ 0为太阳辐亮度,Δλ为窄带滤光片带宽,h为普朗克常数,v为光子频率,为光速除以光子波长λ,θr为望远镜接收半视场角,η为光电系统综合效率,Ar为接收望远镜有效面积,βL为地面反射率,Ta为单程大气透过率,θs为太阳天顶角,ψ为太阳光线与地表法线的夹角,可以表示为公式 (3),
式(3)中,σL为地面坡度,为激光测高仪飞行方向与坡面方向的方位角;
根据公式(4)计算水面光子反射噪声率fW,公式(4)的具体形式为:
式(4)中,ρ为镜面点与光轴的距离,z为激光测高仪飞行高度,βw为水面反射率,βw变为关于ρ的表达式βW(ρ):
式(5)中,风浪斜率的概率密度函数为高斯函数,s2为其均方斜率, s2=0.003+0.00512w,w为平均风速。
具体来说,本发明的方法是基于下述理论基础来实现的:
首先是,太阳背景噪声率理论模型
光子计数雷达所装载的单光子探测器件(SPD)在一个时间柄中,探测到一个或多个光子,只能产生一个光子事件。单光子探测器输出的平均光子事件数N 可以表示为N=ηq(Nn+Ns),其中ηq为探测器量子效率,Nn和Ns分别为入射到探测器光敏面上的平均信号光子数和平均噪声光子数。由信号光子触发的光子事件称为信号光子事件,主要分布在剖面的目标附近,而由噪声光子触发的光子事件称为噪声光子事件,其一般均匀分布在距离门内。一段短时间间隔τ内的平均噪声光子Nn可以用平均噪声率fn计算,即Nn=τ·fn。因此对于机载或星载激光测高仪而言,想要从全部光子事件中精确区分出信号光子事件和噪声光子事件是较为困难的。
单光子激光测高仪系统噪声的主要来源是太阳光引起的背景噪声和单光子器件的固有噪声,其中单光子器件的固有噪声由暗电流造成的暗计数产生,其相对较小,可以被忽略。而由太阳辐射引起的背景噪声是噪声的主要来源。太阳辐射引起的背景噪声主要由大气散射的太阳辐射和目标表面反射的太阳辐射组成。因此,在同一地区,由于大气环境相同,不同地表类型反射的噪声率的差异可以作为目标分类的依据。
因此,对于地面反射的太阳辐射噪声,其理论光子反射噪声率fL可以表示为公式(1),对于大气散射的太阳辐射噪声,其理论噪声率fA可以表示为公式(2)。
式(1)中对地面光子反射率fL的计算是基于地球表面为朗伯体的假设,本申请发明人通过大量的实践与研究发现,这一假设并不适用于水面。因此,需要对水面反射的太阳辐射噪声进行重新表示。
图2为水面风浪反射太阳光至激光测高仪接收视场的几何示意图,其中p 是反射点与接收视场的距离,θr是接收半视场角,θsr为经反射进入激光测高仪的太阳光线与光轴的夹角,n是反射点的法线方向,ω是反射角。在水面上,通过反射点与接收视场角的距离p和天顶角θs建立极坐标系。
水体引起的太阳背景辐射由水面反射的太阳辐射和水中粒子散射的太阳辐射组成。其中,水面反射的太阳辐射是背景噪声的主要来源。水面对太阳辐射的反射可以用镜面反射理论进行计算,当水面平静时,只有一个反射点反射的太阳辐射可以进入激光测高仪接收系统。但由于水面存在风浪,当风浪的坡度满足一定的角度时,也可以让反射的太阳辐射进入接收系统。根据平面几何位置关系,可以得出风浪坡度σW和太阳天顶角的关系方程:
式中,θs为太阳天顶角,θsr为经反射进入激光测高仪的太阳光线与光轴的夹角,σW为风浪坡度,ω为太阳入射光线与法线的夹角。因此,当接收视场内风浪的坡度σW满足σW=(θs-θsr)/2时,风浪反射的太阳辐射会被激光测高仪接收。
根据波谱理论,水面可以表示为多个不同幅度、不同波长和不同相位的正弦或余弦函数的叠加。这些风浪主要由水面上空的风驱动。假设风浪斜率的概率密度函数为高斯函数,其均方斜率为s2=0.003+0.00512w,其中w为忽略毛细波和地球自转等影响的理想情况下,海面上方12.5米处的平均风速。每个镜面点的散射可以看作是一个正切球,球半径等于镜面点表面的长轴半径ra和短轴半径 rb的几何平均,其光学散射截面表示为SRCS=πδ<|rarb|>,其中<>为均值函数,δ为水面与大气之间的镜面反射率(激光波长为532nm和1064nm时大约为2%),水面反射率可以表示为公式(8)
式中,ρ为镜面点与光轴的距离,z为激光测高仪飞行高度。由于反射进入激光测高仪的太阳光线与光轴的夹角θsr通常很小,因此θsr≈tanθsr=ρ/z。当接收视场内风浪的坡度σW满足σW=(θs-ρ/z)/2时,水面反射率βw变为关于ρ的表达式,即公式(5)。
经过水面反射,能够进入接收视场的太阳辐亮度可以表示为
将式(9)代入经过改写的激光雷达方程:
式中f为光子计数率,E0为发射能量,θt为激光发散角(全角),β为目标反射率,Г为目标散射截面,ηt,ηr和ηq分别为发射系统效率,接收系统效率和探测器量子效率。在计算太阳辐射引起的背景噪声时,可以用太阳辐亮度替换激光脉冲能量,即4E0ηt/(πθt·z2)=Nλ 0·Δλ。假设接收系统的光轴指向天底方向,太阳辐射引起的水面光子噪声反射率可以表示为公式(4):
式中,θ为水面上的方位角。在式(4)的第一行中,使用了水面反射率βW(ρ) 替换了式(1)中的βLcosψ。式(4)中积分的上限表明了只有光子计数雷达接收视场中的太阳辐照度被纳入考虑。需要注意的是,在计算式(4)时,由于接收望远镜的视场角极小,因而光斑尺寸很小,满足ρ/z<<1,故可以采用arctan(ρ/z)≈ρ/z, (1+ρ/z)2≈1。
步骤S3:根据地面光子反射噪声率fL和大气后向散射噪声率fA,计算陆地背景噪声率fnL,根据水面光子反射噪声率fW和大气后向散射噪声率fA,计算水体背景噪声率fnW。
其中,步骤S3具体包括:
将地面光子反射噪声率fL和大气后向散射噪声率fA的和作为陆地背景噪声率fnL,将水面光子反射噪声率fW和大气后向散射噪声率fA的和作为水体背景噪声率fnW。
步骤S4:根据陆地背景噪声率fnL与水体背景噪声率fnW,计算地面和水面分类的噪声率阈值P。
其中,步骤S4具体包括:根据公式(6)计算地面和水面分类的噪声率阈值 P:
具体来说,本发明还构建了基于背景噪声率的地表分类模型。
请参见3~图4,图3是地面光子反射噪声率fL与水面光子反射噪声率fW之比P1和大气后向散射噪声率fA与水面光子反射噪声率fW之比P2随太阳天顶角θs增大的变化曲线。设定大气透过率Ta=0.8,地面反射率βL=0.5,风速w=8m/s,风浪坡度σW=5°,太阳方位角
图4是不同的太阳天顶角θs、大气透过率Ta和地面反射率βL组合时噪声率阈值P的分布图。可以看出,当太阳天顶角θs>20°,大气透过率Ta>0.7,地表反射率βL>0.35时,激光测高仪在陆地上空接收到的噪声率是水体上空的4倍以上。
根据式(1)、(2)和(3)所求得的地面、大气和水面光子反射噪声率,可以通过比较它们之间的强弱关系,设置合理的阈值来实现水面和地面的分类。水面和地面的光子反射噪声率之比P1表示为
水面光子反射噪声率和大气后向散射噪声率之比P2表示为
通过计算不同太阳天顶角时的P1和P2,可以得到在大气透过率Ta为0.8,地面坡度σL为5°,方位角为0°,地面反射率βL为0.5时,当太阳天顶角小于20°,水面光子反射噪声率fW与大气后向散射噪声率fA处于同一数量级,而地面光子噪声反射率fL则比水面光子反射噪声率fW和大气后向散射噪声率fA高约5~10 倍,并且该倍率随着太阳天顶角的增加而增加,当太阳天顶角超过40°时,由水面反射太阳辐射的噪声影响可以忽略不记。
当激光测高仪位于同一区域时,激光测高仪在水体目标上空接收到的背景噪声率表示为
而在陆地目标上空接收到的背景噪声率表示为
此时可以进一步求解陆地背景噪声率与水体背景噪声率的比值:
其中,比值P可以作为地面和水面分类的噪声率阈值。在计算中,当风速 w=8m/s,地表反射率βL=0.5,太阳天顶角θs>20°,大气透过率Ta>0.7时可以发现,激光测高仪在陆地上空接收到的噪声率是水体上空的4倍以上;当风速w=8m/s,大气透过率为Ta=0.8,太阳天顶角θs处于20°-75°范围内,地表反射率βL>0.35时,激光光测高仪在陆地上空接收到的噪声率也达到了水体上方的4倍以上。综上,在大气透过率Ta高于0.7,地表反射率βL高于0.35的区域,太阳天顶角θs处于 20°~75°范围内,可以利用陆地和水体上空星载激光测高仪接收到的噪声率的差异,进行快速、高效的地面和水面地形分类。
步骤S5:读取机载激光测高仪的点云数据,统计仅含噪声光子事件的预设高程范围内的背景噪声率fnS。
其中,步骤S5中预设高程范围为400~900m。
步骤S6:计算预设高程范围内的背景噪声率fnS与水体背景噪声率fnW的比值;
步骤S7:根据背景噪声率fnS与水体背景噪声率fnW的比值与噪声率阈值P 的关系,判断该点云数据所对应的地表类型。
具体地,本发明提供的基于单光子激光雷达背景噪声率的地表分类方法中,通过计算得到的水体背景噪声率fnW,噪声率阈值P和统计背景噪声率fnS,表征了在给定系统参数、环境参数和目标特性参数的条件下,单光子激光雷达的高程点云统计噪声率fnS与水体背景噪声率fnW的比值,与噪声率阈值P的比较结果,即可判断该点云数据所对应的地表类型。
其中,步骤S7具体包括:
当统计噪声率fnS与水体背景噪声率fnL的比值小于噪声率阈值P时,判定该区域的类型为水体;当统计噪声率fnS与水体背景噪声率fnL的比值大于噪声率阈值P时,判定该区域的类型为陆地。
具体来说,当获取星载激光雷达的原始点云数据后,由于沿海地区地表海拔高度一般低于400米,因此,对仅包含噪声光子时间的400~900米高度范围的原始点云数据进行统计,得到统计噪声率fnS。通过比较统计噪声率fnS与水体背景噪声率fnL的比值与噪声率阈值P的大小,判断地表类型:当统计噪声率fnS与水体背景噪声率fnL的比值小于噪声率阈值P时,该区域被分类为水体;当统计噪声率fnS与水体背景噪声率fnL的比值大于噪声率阈值P时,该区域被分类为陆地。
本发明提供的方法仅根据原始单光子点云数据中的噪声光子频率,和少量的辅助数据(即环境参数),而不需要提取信号光子,也不需要数字地图或高分辨率光学影像,便可以实现快速、高效的地表分类。
图5为具体应用中本发明的流程图;首先通过NCEP(National Centers forEnvironmental Prediction)数据集和MABLE数据集获取地区环境参数和目标特性参数,并结合激光雷达系统参数建立理论背景噪声率模型,并根据此模型计算噪声率阈值P。然后对原始点云数据进行每10米数据段、400~900米高度范围的噪声光子事件进行统计,计算得到统计噪声率fnS,最后通过比较统计噪声率fnS 与水体背景噪声率fnW的比值与噪声率阈值P的大小,判断地表类型。
下面通过一个具体的示例说明,基于单光子激光雷达背景噪声率的地表类型分类步骤。
对于一个参数已知的单光子激光雷达系统,根据单光子激光雷达背景噪声率的地表类型分类流程如下:
a.代入单光子激光雷达的系统参数(激光波长λ,接收望远镜有效面积Ar,望远镜接收半视场角θr,窄带滤光片带宽Δλ,光电系统综合效率η);设定测量时环境参数(太阳辐亮度Nλ 0,单程大气透过率Ta,太阳天顶角θs,风速w);设定目标特性参数(地面坡度σL,地面反射率βL,风浪坡度σW),根据公式(5)计算水面反射率βW。
b.结合系统参数、环境参数以及目标特性参数,代入公式(1)、(2)和(3),计算地面光子反射噪声率fL、大气后向散射噪声率fA和水面光子反射噪声率fW。
c.将计算得到的地面光子反射噪声率fL、大气后向散射噪声率fA和水面光子反射噪声率fW,代入式(13)和(14),计算陆地背景噪声率fnL与水体背景噪声率fnW。
d.将计算得到的陆地背景噪声率fnL与水体背景噪声率fnW,代入式(6),计算地面和水面分类的噪声率阈值P。
e.读取机载激光测高仪原始点云数据,统计仅含噪声光子事件的400~900m 高程范围内的背景噪声率fnS。
f.根据步骤c、步骤d和步骤e的计算得到的水体背景噪声率fnW,噪声率阈值P和统计背景噪声率fnS,通过比较统计噪声率fnS与水体背景噪声率fnL的比值与噪声率阈值P的大小,判断地表类型:当统计噪声率fnS与水体背景噪声率 fnL的比值小于噪声率阈值P时,该区域被分类为水体;当统计噪声率fnS与水体背景噪声率fnL的比值大于噪声率阈值P时,该区域被分类为陆地。实现了基于单光子激光雷达背景噪声率的地表类型分类。
图6中,上部分(a)为2012年9月21日,美国北卡罗莱纳州东海岸附近,高分辨率卫星图像上的MABLE轨道(使用实心曲线)。MABLE的飞行轨迹是首先在大西洋上空,然后飞过把克罗埃坦海峡和大西洋隔开的两岸,进入有许多岛屿和浅滩的克罗地亚海峡,接着穿过植被覆盖的土地进入东湖,最后飞过另一片植被覆盖的陆地。(b)为MABLE捕捉的原始点云数据,垂直的红色虚线对应于水体和陆地表面之间的分类边界。需要注意的是,所有数据光子的经纬度坐标都转换为沿轨迹距离。沿轨迹距离的原点设为MABEL轨迹的起点。可以看出,本发明能够准确对沿海地区进行地表分类。
图7中,对图7(a)中3公里至11公里轨道段放大后的高分辨率图像。在这段轨道中,MABLE在陆地上空飞行了6次。(b)MABLE在图7(a)中3公里至11 公里轨道段捕捉的原始点云数据,本发明成功地对陆地进行了6次分类,与高分辨率图像所捕捉到的地表类型十分吻合。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.基于单光子激光雷达背景噪声率的地表分类方法,其特征在于,包括:
步骤S1:获取单光子激光雷达的系统参数、测量时的环境参数以及目标特性参数;
步骤S2:根据系统参数、环境参数以及目标特性参数,计算地面光子反射噪声率fL、水面光子反射噪声率fW和大气后向散射噪声率fA;
步骤S3:根据地面光子反射噪声率fL和大气后向散射噪声率fA,计算陆地背景噪声率fnL,根据水面光子反射噪声率fW和大气后向散射噪声率fA,计算水体背景噪声率fnW;
步骤S4:根据陆地背景噪声率fnL与水体背景噪声率fnW,计算地面和水面分类的噪声率阈值P;
步骤S5:读取机载激光测高仪的点云数据,统计仅含噪声光子事件的预设高程范围内的背景噪声率fnS;
步骤S6:计算预设高程范围内的背景噪声率fnS与水体背景噪声率fnW的比值;
步骤S7:根据背景噪声率fnS与水体背景噪声率fnW的比值与噪声率阈值P的关系,判断该点云数据所对应的地表类型。
2.如权利要求1所述的方法,其特征在于,系统参数包括激光波长、接收望远镜有效面积、望远镜接收半视场角、窄带滤光片带宽、光电系统综合效率,环境参数包括太阳辐亮度、单程大气透过率、太阳天顶角和风速;目标特性参数包括地面坡度、地面反射率、风浪坡度和水面反射率,步骤S2具体包括:
分别根据公式(1)和(2)计算地面光子反射噪声率fL、大气后向散射噪声率fA,公式(1)和(2)的具体形式为:
公式(1)和(2)中,Nλ 0为太阳辐亮度,Δλ为窄带滤光片带宽,h为普朗克常数,v为光子频率,为光速除以光子波长λ,θr为望远镜接收半视场角,η为光电系统综合效率,Ar为接收望远镜有效面积,βL为地面反射率,Ta为单程大气透过率,θs为太阳天顶角,ψ为太阳光线与地表法线的夹角,可以表示为公式(3),
式(3)中,σL为地面坡度,为激光测高仪飞行方向与坡面方向的方位角;
根据公式(4)计算水面光子反射噪声率fW,公式(4)的具体形式为:
式(4)中,ρ为镜面点与光轴的距离,z为激光测高仪飞行高度,βw为水面反射率,βw变为关于ρ的表达式βW(ρ):
式(5)中,风浪斜率的概率密度函数为高斯函数,s2为其均方斜率,s2=0.003+0.00512w,w为平均风速。
3.如权利要求1所述的方法,其特征在于,步骤S3具体包括:
将地面光子反射噪声率fL和大气后向散射噪声率fA的和作为陆地背景噪声率fnL,将水面光子反射噪声率fW和大气后向散射噪声率fA的和作为水体背景噪声率fnW。
4.如权利要求1所述的方法,其特征在于,步骤S4具体包括根据公式(6)计算地面和水面分类的噪声率阈值P:
5.如权利要求1所述的方法,其特征在于,步骤S5中预设高程范围为400~900m。
6.如权利要求1所述的方法,其特征在于,步骤S7具体包括:
当统计噪声率fnS与水体背景噪声率fnL的比值小于噪声率阈值P时,判定该区域的类型为水体;当统计噪声率fnS与水体背景噪声率fnL的比值大于噪声率阈值P时,判定该区域的类型为陆地。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910690511.3A CN110501716B (zh) | 2019-07-29 | 2019-07-29 | 基于单光子激光雷达背景噪声率的地表分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910690511.3A CN110501716B (zh) | 2019-07-29 | 2019-07-29 | 基于单光子激光雷达背景噪声率的地表分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110501716A true CN110501716A (zh) | 2019-11-26 |
CN110501716B CN110501716B (zh) | 2021-03-16 |
Family
ID=68587652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910690511.3A Active CN110501716B (zh) | 2019-07-29 | 2019-07-29 | 基于单光子激光雷达背景噪声率的地表分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110501716B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007529A (zh) * | 2019-11-28 | 2020-04-14 | 武汉大学 | 一种全链路的光子计数激光测高仪点云的生成方法 |
CN111239713A (zh) * | 2020-03-18 | 2020-06-05 | 武汉大学 | 一种星载单光子激光雷达的最大测量深度评估方法 |
CN111257905A (zh) * | 2020-02-07 | 2020-06-09 | 中国地质大学(武汉) | 一种基于单光子激光点云密度分割的切片自适应滤波算法 |
CN112684458A (zh) * | 2021-03-17 | 2021-04-20 | 中国人民解放军国防科技大学 | 基于激光雷达通道线扫描特点的光子点云去噪方法和系统 |
CN113324915A (zh) * | 2021-05-24 | 2021-08-31 | 武汉大学 | 一种支持高分辨率气溶胶光学厚度反演的城市复杂地表反射率估算方法 |
CN117494538A (zh) * | 2023-12-28 | 2024-02-02 | 哈尔滨工业大学(威海) | 一种单光子激光雷达系统观测噪声模型建立方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011209780A (ja) * | 2010-03-29 | 2011-10-20 | Mitsubishi Space Software Kk | 変化領域特定装置および変化領域特定プログラム。 |
CN102759731A (zh) * | 2012-07-25 | 2012-10-31 | 武汉大学 | 基于星载激光测高仪回波的海洋表面风、浪特性反演方法 |
CN109711446A (zh) * | 2018-12-18 | 2019-05-03 | 中国科学院深圳先进技术研究院 | 一种基于多光谱影像和sar影像的地物分类方法及装置 |
-
2019
- 2019-07-29 CN CN201910690511.3A patent/CN110501716B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011209780A (ja) * | 2010-03-29 | 2011-10-20 | Mitsubishi Space Software Kk | 変化領域特定装置および変化領域特定プログラム。 |
CN102759731A (zh) * | 2012-07-25 | 2012-10-31 | 武汉大学 | 基于星载激光测高仪回波的海洋表面风、浪特性反演方法 |
CN109711446A (zh) * | 2018-12-18 | 2019-05-03 | 中国科学院深圳先进技术研究院 | 一种基于多光谱影像和sar影像的地物分类方法及装置 |
Non-Patent Citations (1)
Title |
---|
张蕾 等: "融合地表覆盖分类数据的LIDAR点云详细分类", 《江西测绘》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007529A (zh) * | 2019-11-28 | 2020-04-14 | 武汉大学 | 一种全链路的光子计数激光测高仪点云的生成方法 |
CN111007529B (zh) * | 2019-11-28 | 2021-09-14 | 武汉大学 | 一种全链路的光子计数激光测高仪点云的生成方法 |
CN111257905A (zh) * | 2020-02-07 | 2020-06-09 | 中国地质大学(武汉) | 一种基于单光子激光点云密度分割的切片自适应滤波算法 |
CN111257905B (zh) * | 2020-02-07 | 2022-03-04 | 中国地质大学(武汉) | 一种基于单光子激光点云密度分割的切片自适应滤波算法 |
CN111239713A (zh) * | 2020-03-18 | 2020-06-05 | 武汉大学 | 一种星载单光子激光雷达的最大测量深度评估方法 |
CN111239713B (zh) * | 2020-03-18 | 2022-03-04 | 武汉大学 | 一种星载单光子激光雷达的最大测量深度评估方法 |
CN112684458A (zh) * | 2021-03-17 | 2021-04-20 | 中国人民解放军国防科技大学 | 基于激光雷达通道线扫描特点的光子点云去噪方法和系统 |
CN112684458B (zh) * | 2021-03-17 | 2021-05-14 | 中国人民解放军国防科技大学 | 基于激光雷达通道线扫描特点的光子点云去噪方法和系统 |
CN113324915A (zh) * | 2021-05-24 | 2021-08-31 | 武汉大学 | 一种支持高分辨率气溶胶光学厚度反演的城市复杂地表反射率估算方法 |
CN117494538A (zh) * | 2023-12-28 | 2024-02-02 | 哈尔滨工业大学(威海) | 一种单光子激光雷达系统观测噪声模型建立方法 |
CN117494538B (zh) * | 2023-12-28 | 2024-03-22 | 哈尔滨工业大学(威海) | 一种单光子激光雷达系统观测噪声模型建立方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110501716B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110501716A (zh) | 基于单光子激光雷达背景噪声率的地表分类方法 | |
Nag et al. | Lightning locating systems: Insights on characteristics and validation techniques | |
Menzies et al. | Coherent Doppler lidar for measurements of wind fields | |
Dye et al. | An overview of the Stratospheric‐Tropospheric Experiment: Radiation, Aerosols, and Ozone (STERAO)‐Deep Convection experiment with results for the July 10, 1996 storm | |
Katsaros et al. | Microwave remote sensing of tropical cyclones from space | |
CN106407656A (zh) | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 | |
Harding | Pulsed laser altimeter ranging techniques and implications for terrain mapping | |
Bluestein et al. | Studies of the substructure of severe convective storms using a mobile 3-mm-wavelength Doppler radar | |
CN109061668A (zh) | 一种多视场偏振激光雷达探测系统及探测冰云的方法 | |
Yueh et al. | QuikSCAT geophysical model function for tropical cyclones and application to Hurricane Floyd | |
Sassen et al. | Cloud and aerosol research capabilities at FARS: The Facility for Atmospheric Remote Sensing | |
CN208798093U (zh) | 一种低空空域飞行器监视装置 | |
CN115855882A (zh) | 利用星载激光雷达背景噪声反演水体遥感反射率的方法 | |
Salles et al. | The optical spectropluviometer revisited | |
Sugimoto et al. | Observation of aerosols and clouds using a two-wavelength polarization lidar during the Nauru99 experiment | |
Quartly | Determination of oceanic rain rate and rain cell structure from altimeter waveform data. Part I: Theory | |
Schwiesow et al. | Waterspout velocity measurements by airborne Doppler lidar | |
Norton et al. | Boundary layer structure and decoupling from synoptic scale flow during NAMBLEX | |
Borfecchia et al. | Integrated GIS and remote sensing techniques to support pv potential assessment of roofs in urban areas | |
Yueh et al. | Dual-polarized Ku-band backscatter signatures of hurricane ocean winds | |
CN116106925A (zh) | 严密的光子计数机制激光雷达水下测深点坐标计算方法 | |
CN108132096A (zh) | 一种基于激光雷达的林窗太阳辐射监测方法 | |
CN210199315U (zh) | 一种基于能见度激光雷达的海雾探测装置 | |
Parrish et al. | Configuring an airborne laser scanner for detecting airport obstructions | |
Fliegel | Quality control and census of SMART-R observations from the DYNAMO/CINDY2011 field campaign |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |