CN111766600A - 一种光子计数激光雷达自适应噪声判断、滤波方法及装置 - Google Patents

一种光子计数激光雷达自适应噪声判断、滤波方法及装置 Download PDF

Info

Publication number
CN111766600A
CN111766600A CN202010911909.8A CN202010911909A CN111766600A CN 111766600 A CN111766600 A CN 111766600A CN 202010911909 A CN202010911909 A CN 202010911909A CN 111766600 A CN111766600 A CN 111766600A
Authority
CN
China
Prior art keywords
noise
photon
signal data
voxel
determining
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.)
Pending
Application number
CN202010911909.8A
Other languages
English (en)
Inventor
乐源
谌一夫
王力哲
陈刚
陈伟涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Geosciences
Original Assignee
China University of Geosciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Geosciences filed Critical China University of Geosciences
Priority to CN202010911909.8A priority Critical patent/CN111766600A/zh
Publication of CN111766600A publication Critical patent/CN111766600A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4816—Constructional features, e.g. arrangements of optical elements of receivers alone
    • 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
    • G01S7/4861—Circuits for detection, sampling, integration or read-out
    • 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

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

本发明提供了一种光子计数激光雷达自适应噪声判断、滤波方法及装置，涉及激光探测技术领域，包括：获取原始三维点云数据，根据原始三维点云数据的统计分布特征确定其中的噪声集中分布区域；根据噪声集中分布区域内的激光光束和光子信号数据点，确定平均噪声密度；根据平均噪声密度和每个光子信号数据点对应的体素激光光束，确定每个光子信号数据点的体素噪声密度；根据对应的体素光子统计数和对应的体素噪声密度，确定每个光子信号数据点为噪声信号或有效光子信号。本发明利用激光光束跟踪噪声的方式，有效确定原始三维点云数据中的噪声信号和有效光子信号，以此达到有效滤波的目的。

Description

一种光子计数激光雷达自适应噪声判断、滤波方法及装置
技术领域
本发明涉及激光探测技术领域，具体而言，涉及一种光子计数激光雷达自适应噪声判断、滤波方法及装置。
背景技术
传统线性探测体制激光雷达的探测数据是记录激光脉冲在整个传输过程的回波波形信号，该探测方法对激光脉冲的能量需求大，为了能探测更准确的目标回波信号，往往通过增大发射激光的能量的方式，因而对硬件的要求较为苛刻。
光子计数激光雷达是近年来发展出来的新型激光探测技术，其引入时间相关光子计数技术，极大地提高了系统的时间测量分辨率和探测灵敏度，同时也降低了对激光脉冲能量的要求。但是，由于光子计数激光雷达的传感器极其灵敏，在获取少量有效信号光子的同时，也会记录环境背景、探测器暗计数、多路径效应等导致的大量噪声。因此，如何有效判别光子计数激光雷达接收信号中的噪声，是目前亟待解决的问题。
发明内容
本发明解决的技术问题是如何有效判别光子计数激光雷达接收信号中的噪声，为达上述目的，第一方面，本发明提供了一种光子计数激光雷达自适应噪声判断方法，其包括：
获取原始三维点云数据，根据所述原始三维点云数据的统计分布特征确定噪声集中分布区域；
根据所述噪声集中分布区域内的激光光束和光子信号数据点，确定平均噪声密度；
根据所述平均噪声密度和所述原始三维点云数据中的每个所述光子信号数据点对应的体素激光光束，确定每个所述光子信号数据点对应的立体区域中的体素噪声密度，其中，以每个所述光子信号数据点为中心建立对应的所述立体区域，所述体素激光光束为对应的所述立体区域内的激光光束；
根据对应的体素光子统计数和对应的所述体素噪声密度，判断每个所述光子信号数据点是否为噪声信号，其中，所述体素光子统计数为对应的所述立体区域内的所述光子信号数据点的统计数量。
由此，本发明提供的光子计数激光雷达自适应噪声判断方法利用了原始三维点云数据的统计特征初步确定噪声信号集中分布的范围，即噪声集中分布区域；并利用光束跟踪噪声的原理，根据噪声集中分布区域内的激光光束和光子信号数据点，有效估计激光光束的平均噪声密度；最后，针对每个光子信号数据点所建立的立体区域，同样利用光束跟踪噪声的原理和该立体区域的光子信号数据点的统计特征，判别每个光子信号数据点是否为噪声信号。综上，本发明充分利用三维点云数据的统计特征和光束跟踪噪声的原理，确定了每一条激光光束的平均噪声密度，再根据平均噪声密度确定每个光子信号数据点所建立的立体区域的体素光子统计数和体素噪声密度，以此有效反映该区域的噪声分布特征，利用噪声分布特征达到有效判别每个光子信号数据点是否为噪声信号的目的，准确高效地判别了原始三维点云数据中的噪声。
进一步地，所述获取原始三维点云数据，根据所述原始三维点云数据的统计分布特征确定噪声集中分布区域包括：
通过比较每个切片单元内包含的所述光子信号数据点的统计数量，确定所述原始三维点云数据中的切片中心，其中，所述切片单元为所述原始三维点云数据沿着高程方向切分的基本单元；
根据切片高程距离和预设的偏移距离，确定所述原始三维点云数据中的所述噪声集中分布区域，其中，所述切片高程距离为所述切片中心的高程距离。
由此，通过比较每个切片单元内包含的所述光子信号数据点的统计数量，反映原始三维点云数据在高程方向的统计分布特征，以此有效确定噪声集中分布的范围。
进一步地，所述根据切片高程距离和预设的偏移距离，确定所述原始三维点云数据中的所述噪声集中分布区域包括：
根据所述切片高程距离和所述偏移距离之和，确定第一上限高程；
根据所述切片高程距离和所述偏移距离之差，确定第一下限高程；
将所述原始三维点云数据中高程距离大于所述第一上限高程的区域和高程距离小于所述第一下限高程的区域确定为所述噪声集中分布区域。
由此，噪声信号集中分布在较高的高程范围和较低的高程范围，因而根据原始三维点云数据在高程方向的统计分布特征，利用切片高程距离和偏移距离，在高程方向上大致划分噪声集中分布的范围，以此有效确定所述噪声集中分布区域。
进一步地，所述根据所述噪声集中分布区域内的激光光束和光子信号数据点，确定平均噪声密度包括：
获取第一光束的数量、第一噪声总数、最大高程值以及最小高程值，其中，所述第一光束为在第一间隔时间段中，探测系统发射的激光光束，所述第一噪声总数为在所述第一间隔时间段中，根据所述噪声集中分布区域的范围所确定的所述噪声信号的统计数量，所述最大高程值为所述噪声集中分布区域内的所述光子信号数据点达到的最大高程，所述最小高程值为在所述噪声集中分布区域内的所述光子信号数据点达到的最小高程；
根据所述最大高程值和所述最小高程值，确定第一路径长度，其中，所述第一路径长度为在所述第一间隔时间段中，所述第一光束在所述噪声集中分布区域内的路径长度；
根据所述第一光束的数量、所述第一噪声总数和所述第一路径长度，确定所述平均噪声密度。
由此，利用光束跟踪噪声的原理，确定激光光束在噪声集中分布区域通过的路径（即第一路径长度），根据第一光束的数量、第一噪声总数和第一路径长度，确定噪声沿着单位长度分布的特性，即有效确定了平均噪声密度，保证了平均噪声密度的准确性。
进一步地，所述根据所述最大高程值和所述最小高程值，确定第一路径长度包括：
根据所述最大高程值和所述最小高程值之差，确定第一高程差值；
根据所述第一高程差值和双倍偏移距离之差，确定所述第一路径长度，其中，所述双倍偏移距离为预设的偏移距离的两倍。
由此，利用噪声集中分布区域在高程上的分布特征，即可有效确定激光光束在噪声集中分布区域内通过的路径，以此保证平均噪声密度的准确性。
进一步地，所述根据所述第一光束的数量、所述第一噪声总数和所述第一路径长度，确定所述平均噪声密度包括：
根据所述第一光束的数量和所述第一路径长度的乘积，确定第一光子信号乘积数；
根据所述第一噪声总数和所述第一光子信号乘积数之商，确定所述平均噪声密度。
由此，根据第一噪声总数、第一噪声总数和第一路径长度，有效统计了每条第一光束上的噪声分布特征，以此准确确定了平均噪声密度。
进一步地，所述根据所述平均噪声密度和所述原始三维点云数据中的每个所述光子信号数据点对应的体素激光光束，确定每个所述光子信号数据点对应的立体区域中的体素噪声密度包括：
获取每个所述光子信号数据点对应的多个第二路径长度，其中，所述第二路径长度为每条所述体素激光光束在所述立体区域内的路径长度；
根据所述平均噪声密度和每个所述光子信号数据点对应的多个所述第二路径长度，确定每个所述光子信号数据点的所述体素噪声密度。
由此，根据平均噪声密度和第二路径长度，即可有效确定光子信号数据点相应的体素噪声密度，充分反映光子信号数据点对应的立体区域内的噪声分布特征。
进一步地，所述根据所述平均噪声密度和每个所述光子信号数据点对应的多个所述第二路径长度，确定每个所述光子信号数据点的所述体素噪声密度包括：
针对每个所述光子信号数据点，将对应的所述立体区域内的每条所述体素激光光束的所述第二路径长度和所述平均噪声密度分别相乘后，得到多个体素光子乘积；
对多个所述体素光子乘积进行叠加，确定对应的第一体素积分数；
根据对应的所述第一体素积分数和预设的第一体素体积之商，确定每个所述光子信号数据点的所述体素噪声密度，其中，所述第一体素体积为所述立体区域形成的体积。
由此，根据多条激光光束在立体区域内的分布特征，有效确定立体区域内整体噪声分布情况，保证了体素噪声密度的准确性。
进一步地，所述根据对应的体素光子统计数和对应的所述体素噪声密度，判断每个所述光子信号数据点是否为噪声信号包括：
根据对应的所述体素光子统计数和对应的所述体素噪声密度之商，确定每个所述光子信号数据点的第一光子比值；
根据对应的所述第一光子比值和预设的第一阈值，判断每个所述光子信号数据点是否为所述噪声信号。
由此，由于体素光子统计数和体素噪声密度充分反映了立体区域内的噪声分布特征，以此即可有效确定光子信号数据点是否为噪声信号。
进一步地，所述根据对应的所述第一光子比值和预设的第一阈值，判断每个所述光子信号数据点是否为所述噪声信号包括：
当对应的所述第一光子比值小于所述第一阈值时，则判断所述光子信号数据点为所述噪声信号。
由此，根据第一光子比值和预设的第一阈值，有效确定立体区域内整体噪声分布情况，保证了判别的准确性。
进一步地，所述立体区域包括球体区域，所述以每个所述光子信号数据点为中心建立对应的立体区域包括：
以每个所述光子信号数据点为中心，以第一半径为半径长度，建立对应的所述球体区域。
由此，有效建立每个光子信号数据点对应的球体区域，以此准确判断光子信号数据周围范围的噪声分布情况，保证判别光子信号数据点是否为噪声信号的准确性。
为达上述目的，第二方面，本发明提供了一种光子计数激光雷达自适应噪声判断装置，其包括：
第一获取模块，用于获取原始三维点云数据，根据所述原始三维点云数据的统计分布特征确定噪声集中分布区域；
第一处理模块，用于根据所述噪声集中分布区域内的激光光束和光子信号数据点，确定平均噪声密度；
第二处理模块，用于根据所述平均噪声密度和所述原始三维点云数据中的每个所述光子信号数据点对应的体素激光光束，确定每个所述光子信号数据点对应的立体区域中的体素噪声密度，其中，以每个所述光子信号数据点为中心建立对应的所述立体区域，所述体素激光光束为对应的所述立体区域内的激光光束；
判断模块，用于根据对应的体素光子统计数和对应的所述体素噪声密度，判断每个所述光子信号数据点是否为噪声信号，其中，所述体素光子统计数为对应的所述立体区域内的所述光子信号数据点的统计数量。
本发明提供的光子计数激光雷达自适应噪声判断装置，与如上所述的光子计数激光雷达自适应噪声判断方法具有类似的有益效果，在此不再赘述。
为达上述目的，第三方面，本发明提供了一种光子计数激光雷达自适应滤波方法，其包括：
获取原始三维点云数据中的噪声信号，其中，采用如上所述的光子计数激光雷达自适应噪声判断方法判断所述原始三维点云数据中包含的每个光子信号数据点是否为所述噪声信号；
剔除所述原始三维点云数据中的所述噪声信号，以进行滤波。
本发明充分利用三维点云数据的统计特征和光束跟踪噪声的原理，确定了每一条激光光束的平均噪声密度，再根据平均噪声密度确定每个光子信号数据点所建立的立体区域的体素光子统计数和体素噪声密度，以此有效反映该区域的噪声分布特征，利用噪声分布特征达到有效判别每个光子信号数据点是否为噪声信号的目的，准确高效地判别了原始三维点云数据中的噪声信号，并进行进一步的滤波，有效提取原始三维点云数据中除噪声信号之外的有效光子信号，保证了接收的探测信号的准确性，防止了噪声干扰的现象。
为达上述目的，第四方面，本发明提供了一种光子计数激光雷达自适应滤波装置，其包括：
第二获取模块，用于获取原始三维点云数据中的噪声信号，其中，采用如上所述的光子计数激光雷达自适应噪声判断方法判断所述原始三维点云数据中包含的每个光子信号数据点是否为所述噪声信号；
滤波模块，用于剔除所述原始三维点云数据中的所述噪声信号，以进行滤波。
本发明提供的光子计数激光雷达自适应滤波装置，与如上所述的光子计数激光雷达自适应滤波方法具有类似的有益效果，在此不再赘述。
为达上述目的，第五方面，本发明提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的光子计数激光雷达自适应噪声判断方法或实现如上所述的光子计数激光雷达自适应滤波方法。
本发明提供的非临时性计算机可读存储介质，与如上所述的光子计数激光雷达自适应噪声判断方法或与如上所述的光子计数激光雷达自适应滤波方法具有类似的有益效果，在此不再赘述。
为达上述目的，第六方面，本发明提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上所述的光子计数激光雷达自适应噪声判断方法或实现如上所述的光子计数激光雷达自适应滤波方法。
本发明提供的非临时性计算机可读存储介质，与如上所述的光子计数激光雷达自适应噪声判断方法或与如上所述的光子计数激光雷达自适应滤波方法具有类似的有益效果，在此不再赘述。
附图说明
图1所示为本发明实施例的光子计数激光雷达自适应噪声判断方法的流程示意图；
图2所示为本发明实施例的原始三维点云数据的示意图；
图3所示为本发明实施例的确定噪声信号数据的流程示意图；
图4所示为本发明实施例的根据切片高程距离和偏移距离确定噪声信号数据的流程示意图；
图5所示为本发明实施例的噪声集中分布区域范围的示意图；
图6所示为本发明实施例的确定平均噪声密度的流程示意图；
图7所示为本发明实施例的第一间隔时间段的信号示意图；
图8所示为本发明实施例的确定第一路径长度的流程示意图；
图9所示为本发明实施例的第一路径长度的示意图；
图10所示为本发明实施例的确定平均噪声密度的具体流程示意图；
图11所示为本发明实施例的确定体素噪声密度的流程示意图；
图12所示为本发明实施例的确定体素噪声密度的具体流程示意图；
图13所示为本发明实施例的球体区域的信号示意图；
图14所示为本发明实施例的判断每个光子信号数据点是否为噪声信号的流程示意图；
图15所示为本发明实施例的光子计数激光雷达自适应噪声判断装置的结构示意图；
图16所示为本发明实施例的光子计数激光雷达自适应滤波方法的流程示意图；
图17所示为本发明实施例的光子计数激光雷达自适应滤波装置的结构示意图。
具体实施方式
下面将参照附图详细描述根据本发明的实施例，描述涉及附图时，除非另有表示，不同附图中的相同附图标记表示相同或相似的要素。要说明的是，以下示例性实施例中所描述的实施方式并不代表本发明的所有实施方式。它们仅是与如权利要求书中所详述的、本发明公开的一些方面相一致的装置和方法的例子，本发明的范围并不局限于此。在不矛盾的前提下，本发明各个实施例中的特征可以相互组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
传统的线性探测体制激光雷达通过记录探测器接收激光脉冲在整个传输过程沿其几何路径产生的回波波形形状，从而确定测深数据。由于回波波形形状中的回波强度直接表示激光能量的振幅值，因而为了能探测更准确的目标回波信号，往往需要通过增大发射激光的能量的方式，这就要求复杂的电子元器件系统和先进的冷却系统，从而导致整个探测系统的体积、质量和功耗都比较大。由此，在传统的线性探测体制激光雷达探测方法中，更为准确的探测数据，就意味着更为昂贵的硬件成本和更大的功能消耗。
光子计数激光雷达是近年来发展出来的新型激光探测技术，它将发射的激光脉冲看作若干个光子信号，探测器能够以一定的概率响应不同时间到达的光子信号，通过对多个激光脉冲的光子信号进行统计，来获取有效的地面信息。这种新兴探测技术中的激光雷达采用灵敏度极高的单光子探测器，可以响应各种地物目标单个光子量级的信号，因此，具有低激光能量、高激光重复频率的特性，在提高探测灵敏度和探测效率的同时，也降低了对体积、质量和功耗的要求，非常适合在星载平台、无人机和无人船等轻小型化设备中的应用，已然成为一种激光探测技术未来发展的趋势和方向。
然而，虽然光子计数激光雷达具有探测灵敏度高的优势，但由于光子计数激光雷达的传感器极其灵敏，在获取少量信号光子的同时，会记录环境背景、探测器暗计数、多路径效应等导致的大量噪声信号，面临着低信噪比的挑战。为了保证探测的有效性，就必须高效判别光子计数激光雷达接收信号中的噪声信号。
本发明第一方面的实施例提供了一种光子计数激光雷达自适应噪声判断方法。图1所示为本发明实施例的光子计数激光雷达自适应噪声判断方法的流程示意图，包括步骤S1至S4，其中：
在步骤S1中，获取原始三维点云数据，根据原始三维点云数据的统计分布特征确定其中的噪声集中分布区域。其中，原始三维点云数据中包含的光子信号数据点为噪声信号或有效光子信号，噪声数据集包括噪声集中分布区域内的光子信号数据点。由此，利用原始三维点云数据的统计特征初步确定噪声信号集中分布的范围，即噪声集中分布区域。
结合图2来看，图2所示为本发明实施例的原始三维点云数据的示意图，其中，X、Y和Z分别为三个方向的坐标轴，构成特定坐标系统。在本发明实施例中，每一个光子信号数据点P，可表示为下式（1）：
Figure 321810DEST_PATH_IMAGE001
其中，
Figure 208120DEST_PATH_IMAGE002
表示光子信号数据点的横坐标，
Figure 866634DEST_PATH_IMAGE003
表示光子信号数据点的纵坐标，
Figure 969719DEST_PATH_IMAGE004
表示光子信号数据点的高程坐标（即高程距离），
Figure 739092DEST_PATH_IMAGE005
为原始三维点云数据中包含的光子信号数据点的总体数量。
其中，每一个光子信号数据点P可能为噪声信号，也可能为有效光子信号。若光子信号数据点P为噪声信号，则是原始三维点云数据中的干扰信号，一般情况下需要过滤，避免干扰；若光子信号数据点P为有效光子信号，则是原始三维点云数据中的有效信号，一般情况下需要提取，以保证探测数据的准确性。
结合图3来看，图3所示为本发明实施例的确定噪声信号数据的流程示意图，包括步骤S11至S12，其中：
在步骤S11中，通过比较每个切片单元内包含的光子信号数据点的统计数量，确定原始三维点云数据中的切片中心，其中，切片单元为原始三维点云数据沿着高程方向切分的基本单元。由此，通过比较每个切片单元内包含的光子信号数据点的统计数量，有效反映原始三维点云数据在高程方向的统计分布特征。
在本发明实施例中，以第一间隔高度
Figure 244023DEST_PATH_IMAGE006
为高程方向上的切片间隔，将原始三维点云数据沿高程方向切分为m个基本单元，即m个切片单元，对于分割的m个切片单元，切片单元的数量m可表示为下式（2）：
Figure 339018DEST_PATH_IMAGE007
其中，
Figure 693514DEST_PATH_IMAGE008
表示原始三维点云数据中的光子信号数据点所达到的最高高程，
Figure 998DEST_PATH_IMAGE009
表示原始三维点云数据中的光子信号数据点所达到的最低高程。
其中，第一间隔高度
Figure 626015DEST_PATH_IMAGE006
可以根据原始三维点云数据的特点进行确定，优选为0.1m，以此保证进行有效地切分。
可选地，上述通过比较每个切片单元内包含的光子信号数据点的统计数量，确定原始三维点云数据中的切片中心具体包括：通过比较每个切片单元内包含的光子信号数据点的统计数量，将其中包含光子信号数据点最多的切片单元设置为切片中心。由此，通过设置切片中心，有效确定光子信号数据点的集中区域。
在步骤S12中，根据切片高程距离和预设的偏移距离，确定原始三维点云数据中的噪声集中分布区域，其中，切片高程距离为切片中心的高程距离。由此，通过原始三维点云数据在高程方向的统计分布特征，初步划定噪声大致分布的范围，即可确定噪声集中分布区域。
可选地，偏移距离根据不同的环境因素进行设定，其中，环境因素包括平地、山地、植被高度、建筑物等不同地物类型。由此，由于偏移距离是与地物起伏形态相关的，因而根据不同的地物类型进行设定，保证探测的准确性。
结合图4来看，图4所示为本发明实施例的根据切片高程距离和偏移距离确定噪声信号数据的流程示意图，包括步骤S121至S123，其中：
在步骤S121中，根据切片高程距离和偏移距离之和，确定第一上限高程。由此，通过设置第一上限高程，保证有效划分较高的高程范围。
在步骤S122中，根据切片高程距离和偏移距离之差，确定第一下限高程。由此，通过设置第一下限高程，保证有效划分较低的高程范围。
在步骤S123中，将原始三维点云数据中高程距离大于第一上限高程的区域和高程距离小于第一下限高程的区域确定为噪声集中分布区域。由此，由于噪声信号集中分布在较高的高程范围和较低的高程范围，因而根据原始三维点云数据在高程方向的统计分布特征，利用切片高程距离和偏移距离，在高程方向上大致划分噪声集中分布的范围，以此有效确定噪声集中分布区域。
在本发明实施例中，根据切片高程距离和偏移距离将原始三维点云数据分为光子信号数据集SP和噪声数据集NP，其中，光子信号数据集SP包括初步划分的有效光子信号集中分布区域内的光子信号数据点，噪声数据集NP包括噪声集中分布区域内的光子信号数据点，表示为下式（3）：
Figure 95173DEST_PATH_IMAGE010
（3）
其中，
Figure 907271DEST_PATH_IMAGE011
表示切片高程距离，
Figure 51070DEST_PATH_IMAGE012
表示偏移距离，
Figure 530593DEST_PATH_IMAGE013
表示光子信号数据集SP中光子信号数据点的横坐标，
Figure 701811DEST_PATH_IMAGE014
表示光子信号数据集SP中光子信号数据点的纵坐标，
Figure 1206DEST_PATH_IMAGE015
表示光子信号数据集SP中光子信号数据点的高程坐标（即高程距离），
Figure 650493DEST_PATH_IMAGE016
表示噪声数据集NP中光子信号数据点的横坐标，
Figure 984522DEST_PATH_IMAGE017
表示噪声数据集NP中光子信号数据点的纵坐标，
Figure 90756DEST_PATH_IMAGE018
表示噪声数据集NP中光子信号数据点的高程坐标（即高程距离），
Figure 611867DEST_PATH_IMAGE019
表示第一上限高程，
Figure 64846DEST_PATH_IMAGE020
表示第一下限高程。
具体地，结合图5来看，图5所示为本发明实施例的噪声集中分布区域范围的示意图，其中，高程距离大于第一上限高程
Figure 518961DEST_PATH_IMAGE019
的光子信号数据点和高程距离小于第一下限高程
Figure 31982DEST_PATH_IMAGE021
的光子信号数据点共同构成了噪声集中分布区域内的光子信号数据点。一般而言，根据原始三维点云数据的统计分布特征，较高的高程范围和较低的高程范围内的光子信号数据点是噪声信号的概率较大，有效光子信号集中在第一上限高程
Figure 571547DEST_PATH_IMAGE019
和第一下限高程
Figure 595260DEST_PATH_IMAGE021
之间，因而根据高程距离范围可初步划分噪声集中分布的范围，以此有效确定噪声集中分布区域。
在步骤S2中，根据噪声集中分布区域内的激光光束和光子信号数据点，确定平均噪声密度。由此，利用光束跟踪噪声，根据噪声集中分布区域内的激光光束和光子信号数据点，有效估计激光光束的平均噪声密度，平均噪声密度反映了激光光束的光束带中噪声信号分布的情况。
结合图6来看，图6所示为本发明实施例的确定平均噪声密度的流程示意图，包括步骤S21至步骤S23，其中：
在步骤S21中，获取第一光束的数量、第一噪声总数、最大高程值以及最小高程值，其中，第一光束为在第一间隔时间段中，探测系统发射的激光光束，第一噪声总数为在第一间隔时间段中，根据噪声集中分布区域的范围所确定的噪声信号的统计数量，最大高程值为噪声集中分布区域内的光子信号数据点达到的最大高程，最小高程值为在噪声集中分布区域内的光子信号数据点达到的最小高程。由此，由于探测器能够以一定的概率响应不同时间到达的光子信号数据点，环境的变化导致的环境背景噪声、探测器暗计数（即噪声信号）在较短的时间间隔内不会发生显著变化，因而取较短的第一间隔时间段，根据第一间隔时间段内的发射的激光光束的跟踪噪声的特性，即可有效分析其中激光光束的噪声信号的分布情况。具体地，结合图7来看，图7所示为本发明实施例的第一间隔时间段的信号示意图，其中，
Figure 638303DEST_PATH_IMAGE022
表示第一间隔时间段，图7从三维视角表明了在较短的第一间隔时间段
Figure 587804DEST_PATH_IMAGE022
内的光子信号数据点的分布情况。
其中，根据噪声集中分布区域的区域范围，通过数量统计确定噪声集中分布区域内的光子信号数据点的数量（在此范围内的光子信号数据点都假定为噪声信号），以此有效确定第一间隔时间段的噪声信号总数，即第一噪声总数。在本发明实施例中，通过常规的数量统计方法，依据原始三维点云数据中噪声信号集中噪声集中分布区域的分布特征，统计噪声集中分布区域内的光子信号数据点，有效估计了第一间隔时间段内发射的激光光束内的第一噪声总数，以便后续有效分析激光光束内的噪声信号分布情况。
在本发明实施例中，第一光束的数量
Figure 349087DEST_PATH_IMAGE023
表示为下式（4）：
Figure 409447DEST_PATH_IMAGE024
其中，
Figure 572575DEST_PATH_IMAGE025
表示第一光束的数量，
Figure 692978DEST_PATH_IMAGE026
表示第一间隔时间段，
Figure 705671DEST_PATH_IMAGE027
表示第一间隔时间段内原始激光的原始发射频率，C表示原始激光在经过分光系统后的变化系数。以此，有效确定了在第一间隔时间段
Figure 304142DEST_PATH_IMAGE022
中，探测系统发射总共的激光光束。
在步骤S22中，根据最大高程值和最小高程值，确定第一路径长度，其中，第一路径长度为在第一间隔时间段中，第一光束在噪声集中分布区域内的路径长度。由此，根据噪声集中分布区域的高程范围，有效确定第一路径长度，即可确定第一光束通过噪声集中分布区域的长度。
结合图8来看，图8所示为本发明实施例的确定第一路径长度的流程示意图，包括步骤S221至步骤S222，其中：
在步骤S221中，根据最大高程值和最小高程值之差，确定第一高程差值。由此，根据最大高程值和最小高程值之差确定第一高程差值，保证第一路径长度的准确性。
在步骤S222中，根据第一高程差值和双倍偏移距离之差，确定第一路径长度，其中，双倍偏移距离为预设的偏移距离的两倍。由此，利用噪声集中分布区域在高程上的分布特征，即可有效确定在第一间隔时间段发射的激光光束在噪声集中分布区域内通过的路径，以此保证平均噪声密度的准确性。
在本发明实施例中，第一路径长度R表示为下式（5）：
Figure 321777DEST_PATH_IMAGE028
其中，R表示第一路径长度，
Figure 878660DEST_PATH_IMAGE029
表示最大高程值，
Figure 348956DEST_PATH_IMAGE030
表示最小高程值，
Figure 751118DEST_PATH_IMAGE031
为预设的偏移距离。第一高程差值为
Figure 623259DEST_PATH_IMAGE032
，双倍偏移距离为
Figure 840790DEST_PATH_IMAGE033
。
具体地，结合图9来看，图9所示为本发明实施例的第一路径长度的示意图，图中是XZ平面视角下的原始三维点云数据，其中，
Figure 798382DEST_PATH_IMAGE022
表示第一间隔时间段，
Figure 4235DEST_PATH_IMAGE034
表示切片高程距离，
Figure 996462DEST_PATH_IMAGE035
表示第一上限高程，
Figure 629568DEST_PATH_IMAGE036
表示第一下限高程，由于，高程距离大于第一上限高程
Figure 74456DEST_PATH_IMAGE037
的光子信号数据点和高程距离小于第一下限高程
Figure 316957DEST_PATH_IMAGE038
的光子信号数据点共同构成了噪声集中分布区域，因而，在第一间隔时间段
Figure 163690DEST_PATH_IMAGE022
内，探测器发射的激光光束通过噪声集中分布区域的长度包括以下的两个部分：
最大高程值
Figure 967698DEST_PATH_IMAGE039
和第一上限高程
Figure 899882DEST_PATH_IMAGE040
之间的路径长度；
最小高程值
Figure 447538DEST_PATH_IMAGE041
和第一下限高程
Figure 148777DEST_PATH_IMAGE042
之间的路径长度。
由此，以上两部分的路径长度之和构成第一路径长度，有效表示了第一间隔时间段
Figure 359572DEST_PATH_IMAGE022
内，发射的激光光束过噪声集中分布区域的路径长度，反映了在激光光束中的噪声分布的特性。根据其中原理，通过简单的加减运算即可得到公式（5），在此不再赘述。
在步骤S23中，根据第一光束的数量、第一噪声总数和第一路径长度，确定平均噪声密度。由此，根据每条第一光束上的噪声分布特征，确定相应的平均噪声密度。
结合图10来看，图10所示为本发明实施例的确定平均噪声密度的具体流程示意图，包括步骤S231至S232，其中：
在步骤S231中，根据第一光束的数量和第一路径长度的乘积，确定第一光子信号乘积数。由此，将第一光束的数量和第一路径长度相乘，有效利用了光束跟踪噪声的特性，确定所有第一光束通过噪声集中区域（即噪声集中分布区域的区域）的总体长度。
在步骤S232中，根据第一噪声总数和第一光子信号乘积数之商，确定平均噪声密度。由此，根据第一噪声总数、第一噪声总数和第一路径长度，先确定所有第一光束通过噪声集中分布区域的总体长度，再依据第一噪声总数和第一光子信号乘积数之商确定噪声信号在总体长度上的分布，有效统计了每条第一光束上的噪声分布特征，以此准确确定了平均噪声密度。
在本发明实施例中，平均噪声密度
Figure 779052DEST_PATH_IMAGE043
表示为下式（6）：
Figure 864820DEST_PATH_IMAGE044
其中，
Figure 420566DEST_PATH_IMAGE045
表示平均噪声密度，
Figure 300798DEST_PATH_IMAGE046
表示第一光束的数量，R表示第一路径长度，
Figure 847054DEST_PATH_IMAGE047
表示第一噪声总数。
在步骤S3中，根据平均噪声密度和原始三维点云数据中的每个光子信号数据点对应的体素激光光束，确定每个光子信号数据点对应的立体区域中的体素噪声密度，其中，以每个光子信号数据点为中心建立对应的立体区域，体素激光光束为对应的立体区域内的激光光束。由此，通过体素噪声密度有效判断每个光子信号数据点周围区域的噪声分布情况。
可选地，立体区域包括球体区域，以每个光子信号数据点为中心建立对应的立体区域包括：以每个光子信号数据点为中心，以第一半径为半径长度，建立对应的球体区域。由此，有效建立每个光子信号数据点对应的球体区域，以此准确判断光子信号数据周围范围的噪声分布情况，保证判别光子信号数据点是否为噪声信号的准确性。
结合图11来看，图11所示为本发明实施例的确定体素噪声密度的流程示意图，包括步骤S31至S32，其中：
在步骤S31中，获取每个光子信号数据点对应的多个第二路径长度，其中，第二路径长度为每条体素激光光束在立体区域内的路径长度。由此，同样根据光束跟踪噪声的特性，通过体素激光光束和第二路径长度，确定立体区域内的激光光束的噪声分布情况。
在步骤S32中，根据平均噪声密度和每个光子信号数据点对应的多个第二路径长度，确定每个光子信号数据点的体素噪声密度。由此，根据平均噪声密度和第二路径长度，即可有效确定光子信号数据点相应的体素噪声密度，充分反映光子信号数据点对应的立体区域内的噪声分布特征。
结合图12来看，图12所示为本发明实施例的确定体素噪声密度的具体流程示意图，包括步骤S321至S323，其中：
在步骤S321中，针对每个光子信号数据点，将对应的立体区域内的每条体素激光光束的第二路径长度和平均噪声密度分别相乘后，得到多个体素光子乘积。由此，每个体素光子乘积有效预估每条体素激光光束上的噪声信号的总数。
在步骤S322中，对多个体素光子乘积进行叠加，确定对应的第一体素积分数。由此，第一体素积分数有效预估所有体素激光光束上的噪声信号的总数。
在步骤S323中，根据对应的第一体素积分数和预设的第一体素体积之商，确定每个光子信号数据点的体素噪声密度，其中，第一体素体积为立体区域形成的体积。由此，根据多条激光光束在立体区域内的分布特征，有效确定立体区域内整体噪声分布情况，保证了体素噪声密度的准确性。
在本发明实施例中，当以光子信号数据点为中心建立，第一半径r为半径建立球体区域时，则立体区域中的光子信号数据点形成的集合，即体素数据集，表示为下式（7）：
Figure 736513DEST_PATH_IMAGE048
其中，
Figure 412345DEST_PATH_IMAGE049
表示体素数据集，
Figure 729057DEST_PATH_IMAGE050
表示光子信号数据点的横坐标，
Figure 123129DEST_PATH_IMAGE051
表示光子信号数据点的纵坐标，
Figure 52164DEST_PATH_IMAGE052
表示光子信号数据点的高程坐标，
Figure 848082DEST_PATH_IMAGE053
表示光子信号数据点和体素数据集
Figure 335695DEST_PATH_IMAGE049
中心的光子信号数据点之间的欧式距离，欧式距离
Figure 951484DEST_PATH_IMAGE053
表示为下式（8）：
Figure 182745DEST_PATH_IMAGE054
（8）
其中，
Figure 833169DEST_PATH_IMAGE055
表示体素数据集
Figure 255798DEST_PATH_IMAGE056
中心的光子信号数据点的横坐标，
Figure 93304DEST_PATH_IMAGE057
表示光立体区域
Figure 128256DEST_PATH_IMAGE058
中心的光子信号数据点的纵坐标，
Figure 367608DEST_PATH_IMAGE059
表示光子信号数据集
Figure 462603DEST_PATH_IMAGE060
中心的光子信号数据点的高程坐标。
具体地，结合图13来看，图13所示为本发明实施例的球体区域的信号示意图，图中是XZ平面视角下的原始三维点云数据，
Figure 52984DEST_PATH_IMAGE061
表示第一间隔时间段，虚线部分为球体区域的侧视图，
Figure 891627DEST_PATH_IMAGE062
为其中一条体素激光光束经过该球体区域的第二路径长度。由此，根据平均噪声密度即可预估经过该球体区域内的所有激光光束中的噪声信号的总数，根据光束跟踪噪声的原理，即可预估该球体区域内的噪声分布情况。
则体素噪声密度表示为下式（9）：
Figure 752529DEST_PATH_IMAGE063
其中，
Figure 18425DEST_PATH_IMAGE064
表示为体素噪声密度，
Figure 96103DEST_PATH_IMAGE065
表示平均噪声密度，
Figure 472857DEST_PATH_IMAGE062
为其中一条体素激光光束经过该球体区域的第二路径长度，
Figure 686801DEST_PATH_IMAGE066
表示该球体区域的体素激光光束的数目，球体区域的体积为
Figure 858019DEST_PATH_IMAGE067
。
在步骤S4中，根据对应的体素光子统计数和对应的体素噪声密度，判断每个光子信号数据点是否为噪声信号，其中，体素光子统计数为对应的立体区域内的光子信号数据点的统计数量。由此，针对每个光子信号数据点所建立的立体区域，利用光束跟踪噪声的原理和该立体区域的光子信号数据点的统计特征，有效判别每个光子信号数据点是否为噪声信号。
结合图14来看，图14所示为本发明实施例的判断每个光子信号数据点是否为噪声信号的流程示意图，包括步骤S41至步骤S42，其中：
在步骤S41中，根据对应的体素光子统计数和对应的体素噪声密度之商，确定每个光子信号数据点的第一光子比值。由此，根据体素光子统计数和体素噪声密度的比值，以此有效反应光子信号数据点周围的噪声分布特征。
在步骤S42中，根据对应的第一光子比值和预设的第一阈值，判断每个光子信号数据点为噪声信号或有效光子信号。由此，由于体素光子统计数和体素噪声密度充分反映了立体区域内的噪声分布特征，以此即可有效确定光子信号数据点是否为噪声信号。
可选地，上述根据对应的第一光子比值和预设的第一阈值，判断每个光子信号数据点是否为噪声信号包括：
当对应的第一光子比值大于或等于第一阈值时，则判断光子信号数据点为有效光子信号；
当对应的第一光子比值小于第一阈值时，则判断光子信号数据点为噪声信号。
由此，根据第一光子比值和预设的第一阈值，有效确定立体区域内整体噪声分布情况，保证了判别的准确性。
在本发明实施例中，判断结果表示为下式（10）：
Figure 921528DEST_PATH_IMAGE068
其中，Signal表示原始三维点云数据中的有效光子信号形成的集合，Noise表示原始三维点云数据中的噪声信号形成的集合，
Figure 836395DEST_PATH_IMAGE069
表示光子信号数据点的横坐标，
Figure 436003DEST_PATH_IMAGE070
表示光子信号数据点的纵坐标，
Figure 778123DEST_PATH_IMAGE071
表示光子信号数据点的高程坐标（即高程距离），
Figure 564813DEST_PATH_IMAGE072
表示体素光子统计数，
Figure 548950DEST_PATH_IMAGE073
表示体素噪声密度，
Figure 737486DEST_PATH_IMAGE074
表示第一光子比值，
Figure 29269DEST_PATH_IMAGE075
表示第一阈值。由此，以第一光子比值表征噪声统计特征，结合第一阈值
Figure 37677DEST_PATH_IMAGE075
有效判断点
Figure 559925DEST_PATH_IMAGE076
为有效光子信号还是噪声信号。
本发明提供的光子计数激光雷达自适应噪声判断方法利用了原始三维点云数据的统计特征初步确定噪声信号集中分布的范围，即噪声集中分布区域；并利用光束跟踪噪声的原理，根据噪声集中分布区域内的激光光束和光子信号数据点，有效估计激光光束的平均噪声密度；最后，针对每个光子信号数据点所建立的立体区域，同样利用光束跟踪噪声的原理和该立体区域的光子信号数据点的统计特征，判别每个光子信号数据点是否为噪声信号。综上，本发明充分利用三维点云数据的统计特征和光束跟踪噪声的原理，确定了每一条激光光束的平均噪声密度，再根据平均噪声密度确定每个光子信号数据点所建立的立体区域的体素光子统计数和体素噪声密度，以此有效反映该区域的噪声分布特征，利用噪声分布特征达到有效判别每个光子信号数据点是否为噪声信号的目的，准确高效地判别了原始三维点云数据中的噪声信号。
本发明第二方面的实施例提供了一种光子计数激光雷达自适应噪声判断装置。图15所示为根据本发明实施例的光子计数激光雷达自适应噪声判断装置1500的结构示意图，包括第一获取模块1501、第一处理模块1502、第二处理模块1503以及判断模块1504。
第一获取模块1501，用于获取原始三维点云数据，根据原始三维点云数据的统计分布特征确定噪声集中分布区域；
第一处理模块1502，用于根据噪声集中分布区域内的激光光束和光子信号数据点，确定平均噪声密度；
第二处理模块1503，用于根据平均噪声密度和原始三维点云数据中的每个光子信号数据点对应的体素激光光束，确定每个光子信号数据点对应的立体区域中的体素噪声密度，其中，以每个光子信号数据点为中心建立对应的立体区域，体素激光光束为对应的立体区域内的激光光束；
判断模块1504，用于根据对应的体素光子统计数和对应的体素噪声密度，判断每个光子信号数据点是否为噪声信号，其中，体素光子统计数为对应的立体区域内的光子信号数据点的统计数量。
光子计数激光雷达自适应噪声判断装置1500的各个模块的更具体实现方式可以参见对于本发明的光子计数激光雷达自适应噪声判断方法的描述，且具有与之相似的有益效果，在此不再赘述。
本发明第三方面的实施例提出了一种光子计数激光雷达自适应滤波方法。图16所示为本发明实施例的光子计数激光雷达自适应滤波方法的流程示意图，包括步骤S161至S162，其中：
在步骤S161中，获取原始三维点云数据中的噪声信号，其中，采用如上所述的光子计数激光雷达自适应噪声判断方法判断原始三维点云数据中包含的每个光子信号数据点是否为噪声信号；
在步骤S162中，剔除原始三维点云数据中的噪声信号，以进行滤波。
本发明充分利用三维点云数据的统计特征和光束跟踪噪声的原理，确定了每一条激光光束的平均噪声密度，再根据平均噪声密度确定每个光子信号数据点所建立的立体区域的体素光子统计数和体素噪声密度，以此有效反映该区域的噪声分布特征，利用噪声分布特征达到有效判别每个光子信号数据点是否为噪声信号的目的，准确高效地判别了原始三维点云数据中的噪声信号，并进行进一步的滤波，有效提取原始三维点云数据中除噪声信号之外的有效光子信号，保证了接收的探测信号的准确性，防止了噪声干扰的现象。
本发明第四方面的实施例提出了一种光子计数激光雷达自适应滤波装置。图17所示为本发明实施例的光子计数激光雷达自适应滤波装置1700的结构示意图，包括第二获取模块1701以及滤波模块1702。
第二获取模块1701，用于获取原始三维点云数据中的噪声信号，其中，采用如上所述的光子计数激光雷达自适应噪声判断方法判断原始三维点云数据中包含的每个光子信号数据点是否为噪声信号；
滤波模块1702，用于剔除原始三维点云数据中的噪声光子信号，以进行滤波。
光子计数激光雷达自适应滤波装置1700的各个模块的更具体实现方式可以参见对于本发明的光子计数激光雷达自适应滤波方法的描述，且具有与之相似的有益效果，在此不再赘述。
本发明第五方面的实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现根本发明第一方面所述的光子计数激光雷达自适应噪声判断方法或实现本发明第三方面所述的光子计数激光雷达自适应滤波方法。
一般来说，用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质，除了临时性地传播中的信号本身。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言，特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
本发明第六方面的实施例提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现本发明第一方面所述的光子计数激光雷达自适应噪声判断方法或实现本发明第三方面所述的光子计数激光雷达自适应滤波方法。
根据本发明第五、六方面的非临时性计算机可读存储介质和计算设备，可以参照根据本发明第一方面实施例或第三方面实施例具体描述的内容实现，并具有与本发明第一方面实施例所述的光子计数激光雷达自适应噪声判断方法或第三方面实施例所述的光子计数激光雷达自适应滤波方法具有类似的有益效果，在此不再赘述。
尽管上面已经示出和描述了本发明的实施例，应当理解的是，上述实施例是示例性的，不能解释为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (16)

1.一种光子计数激光雷达自适应噪声判断方法，其特征在于，包括：
获取原始三维点云数据，根据所述原始三维点云数据的统计分布特征确定噪声集中分布区域；
根据所述噪声集中分布区域内的激光光束和光子信号数据点，确定平均噪声密度；
根据所述平均噪声密度和所述原始三维点云数据中的每个所述光子信号数据点对应的体素激光光束，确定每个所述光子信号数据点对应的立体区域中的体素噪声密度，其中，以每个所述光子信号数据点为中心建立对应的所述立体区域，所述体素激光光束为对应的所述立体区域内的激光光束；
根据对应的体素光子统计数和对应的所述体素噪声密度，判断每个所述光子信号数据点是否为噪声信号，其中，所述体素光子统计数为对应的所述立体区域内的所述光子信号数据点的统计数量。
2.根据权利要求1所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述获取原始三维点云数据，根据所述原始三维点云数据的统计分布特征确定噪声集中分布区域包括：
通过比较每个切片单元内包含的所述光子信号数据点的统计数量，确定所述原始三维点云数据中的切片中心，其中，所述切片单元为所述原始三维点云数据沿着高程方向切分的基本单元；
根据切片高程距离和预设的偏移距离，确定所述原始三维点云数据中的所述噪声集中分布区域，其中，所述切片高程距离为所述切片中心的高程距离。
3.根据权利要求2所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述根据切片高程距离和预设的偏移距离，确定所述原始三维点云数据中的所述噪声集中分布区域包括：
根据所述切片高程距离和所述偏移距离之和，确定第一上限高程；
根据所述切片高程距离和所述偏移距离之差，确定第一下限高程；
将所述原始三维点云数据中高程距离大于所述第一上限高程的区域和高程距离小于所述第一下限高程的区域确定为所述噪声集中分布区域。
4.根据权利要求1所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述根据所述噪声集中分布区域内的激光光束和光子信号数据点，确定平均噪声密度包括：
获取第一光束的数量、第一噪声总数、最大高程值以及最小高程值，其中，所述第一光束为在第一间隔时间段中，探测系统发射的激光光束，所述第一噪声总数为在所述第一间隔时间段中，根据所述噪声集中分布区域的范围所确定的所述噪声信号的统计数量，所述最大高程值为所述噪声集中分布区域内的所述光子信号数据点达到的最大高程，所述最小高程值为在所述噪声集中分布区域内的所述光子信号数据点达到的最小高程；
根据所述最大高程值和所述最小高程值，确定第一路径长度，其中，所述第一路径长度为在所述第一间隔时间段中，所述第一光束在所述噪声集中分布区域内的路径长度；
根据所述第一光束的数量、所述第一噪声总数和所述第一路径长度，确定所述平均噪声密度。
5.根据权利要求4所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述根据所述最大高程值和所述最小高程值，确定第一路径长度包括：
根据所述最大高程值和所述最小高程值之差，确定第一高程差值；
根据所述第一高程差值和双倍偏移距离之差，确定所述第一路径长度，其中，所述双倍偏移距离为预设的偏移距离的两倍。
6.根据权利要求4所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述根据所述第一光束的数量、所述第一噪声总数和所述第一路径长度，确定所述平均噪声密度包括：
根据所述第一光束的数量和所述第一路径长度的乘积，确定第一光子信号乘积数；
根据所述第一噪声总数和所述第一光子信号乘积数之商，确定所述平均噪声密度。
7.根据权利要求1所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述根据所述平均噪声密度和所述原始三维点云数据中的每个所述光子信号数据点对应的体素激光光束，确定每个所述光子信号数据点对应的立体区域中的体素噪声密度包括：
获取每个所述光子信号数据点对应的多个第二路径长度，其中，所述第二路径长度为每条所述体素激光光束在所述立体区域内的路径长度；
根据所述平均噪声密度和每个所述光子信号数据点对应的多个所述第二路径长度，确定每个所述光子信号数据点的所述体素噪声密度。
8.根据权利要求7所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述根据所述平均噪声密度和每个所述光子信号数据点对应的多个所述第二路径长度，确定每个所述光子信号数据点的所述体素噪声密度包括：
针对每个所述光子信号数据点，将对应的所述立体区域内的每条所述体素激光光束的所述第二路径长度和所述平均噪声密度分别相乘后，得到多个体素光子乘积；
对多个所述体素光子乘积进行叠加，确定对应的第一体素积分数；
根据对应的所述第一体素积分数和预设的第一体素体积之商，确定每个所述光子信号数据点的所述体素噪声密度，其中，所述第一体素体积为所述立体区域形成的体积。
9.根据权利要求1所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述根据对应的体素光子统计数和对应的所述体素噪声密度，判断每个所述光子信号数据点是否为噪声信号包括：
根据对应的所述体素光子统计数和对应的所述体素噪声密度之商，确定每个所述光子信号数据点的第一光子比值；
根据对应的所述第一光子比值和预设的第一阈值，判断每个所述光子信号数据点是否为所述噪声信号。
10.根据权利要求9所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述根据对应的所述第一光子比值和预设的第一阈值，判断每个所述光子信号数据点是否为所述噪声信号包括：
当对应的所述第一光子比值小于所述第一阈值时，则判断所述光子信号数据点为所述噪声信号。
11.根据权利要求1-10任一项所述的光子计数激光雷达自适应噪声判断方法，其特征在于，所述立体区域包括球体区域，所述以每个所述光子信号数据点为中心建立对应的立体区域包括：
以每个所述光子信号数据点为中心，以第一半径为半径长度，建立对应的所述球体区域。
12.一种光子计数激光雷达自适应噪声判断装置，其特征在于，包括：
第一获取模块，用于获取原始三维点云数据，根据所述原始三维点云数据的统计分布特征确定噪声集中分布区域；
第一处理模块，用于根据所述噪声集中分布区域内的激光光束和光子信号数据点，确定平均噪声密度；
第二处理模块，用于根据所述平均噪声密度和所述原始三维点云数据中的每个所述光子信号数据点对应的体素激光光束，确定每个所述光子信号数据点对应的立体区域中的体素噪声密度，其中，以每个所述光子信号数据点为中心建立对应的所述立体区域，所述体素激光光束为对应的所述立体区域内的激光光束；
判断模块，用于根据对应的体素光子统计数和对应的所述体素噪声密度，判断每个所述光子信号数据点是否为噪声信号，其中，所述体素光子统计数为对应的所述立体区域内的所述光子信号数据点的统计数量。
13.一种光子计数激光雷达自适应滤波方法，其特征在于，包括：
获取原始三维点云数据中的噪声信号，其中，采用如权利要求1-11中任一项所述的光子计数激光雷达自适应噪声判断方法判断所述原始三维点云数据中包含的每个光子信号数据点是否为所述噪声信号；
剔除所述原始三维点云数据中的所述噪声信号，以进行滤波。
14.一种光子计数激光雷达自适应滤波装置，其特征在于，包括：
第二获取模块，用于获取原始三维点云数据中的噪声信号，其中，采用如权利要求1-11中任一项所述的光子计数激光雷达自适应噪声判断方法判断所述原始三维点云数据中包含的每个光子信号数据点是否为所述噪声信号；
滤波模块，用于剔除所述原始三维点云数据中的所述噪声信号，以进行滤波。
15.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现根据权利要求1-11中任一项所述的光子计数激光雷达自适应噪声判断方法，或实现根据权利要求13所述的光子计数激光雷达自适应滤波方法。
16.一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现根据权利要求1-11中任一项所述的光子计数激光雷达自适应噪声判断方法，或实现根据权利要求13所述的光子计数激光雷达自适应滤波方法。
CN202010911909.8A 2020-09-02 2020-09-02 一种光子计数激光雷达自适应噪声判断、滤波方法及装置 Pending CN111766600A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010911909.8A CN111766600A (zh) 2020-09-02 2020-09-02 一种光子计数激光雷达自适应噪声判断、滤波方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010911909.8A CN111766600A (zh) 2020-09-02 2020-09-02 一种光子计数激光雷达自适应噪声判断、滤波方法及装置

Publications (1)

Publication Number Publication Date
CN111766600A true CN111766600A (zh) 2020-10-13

Family

ID=72729278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010911909.8A Pending CN111766600A (zh) 2020-09-02 2020-09-02 一种光子计数激光雷达自适应噪声判断、滤波方法及装置

Country Status (1)

Country Link
CN (1) CN111766600A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115390047A (zh) * 2022-10-27 2022-11-25 中国科学院空天信息创新研究院 星载光子计数激光雷达数据去噪滤波方法及装置
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5241315A (en) * 1992-08-13 1993-08-31 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Micro pulse laser radar
CN109799494A (zh) * 2017-11-17 2019-05-24 中国林业科学研究院资源信息研究所 一种星载光子计数激光雷达数据快速去噪滤波方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5241315A (en) * 1992-08-13 1993-08-31 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Micro pulse laser radar
CN109799494A (zh) * 2017-11-17 2019-05-24 中国林业科学研究院资源信息研究所 一种星载光子计数激光雷达数据快速去噪滤波方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XIAO WANG 等: "An Adaptive Ellipsoid Searching Filter for Airborne Single-Photon Lidar", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115390047A (zh) * 2022-10-27 2022-11-25 中国科学院空天信息创新研究院 星载光子计数激光雷达数据去噪滤波方法及装置
CN115390047B (zh) * 2022-10-27 2023-01-13 中国科学院空天信息创新研究院 星载光子计数激光雷达数据去噪滤波方法及装置
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

Similar Documents

Publication Publication Date Title
Peureux et al. Note on the directional properties of meter-scale gravity waves
CN110031821B (zh) 一种车载避障激光雷达波形提取方法、激光雷达及介质
JP2008292449A (ja) 水中で対象物を検知し分類する自動目標識別システム
CN112513679B (zh) 一种目标识别的方法和装置
US8638641B2 (en) Real-time robust method for determining the trajectory of one or more cetaceans by means of passive acoustics, using a laptop computer
CN111766600A (zh) 一种光子计数激光雷达自适应噪声判断、滤波方法及装置
US20220082659A1 (en) Echo Signal Processing Method and Apparatus, System, and Storage Medium
CN111077536A (zh) 一种海洋激光雷达测探回波分类方法及装置
CN111999726B (zh) 一种基于毫米波雷达的人员定位方法
WO2020142939A1 (zh) 回波信号处理方法、设备及存储介质
CN113050071A (zh) 激光雷达数据处理方法、装置、设备及存储介质
CN116547562A (zh) 点云滤噪方法、系统和可移动平台
CN110135299B (zh) 一种用于浅水测深的单波段蓝绿激光波形分析方法及系统
CN117751301A (zh) 处理激光雷达点云的方法、装置、设备及存储介质
WO2023125322A2 (zh) 激光雷达回波信号的处理方法、装置及计算机设备
CN111665487A (zh) 单光子激光雷达水下光子位移校正、测深方法及装置
CN111308467A (zh) 探测方法及探测设备
CN111812670B (zh) 一种单光子激光雷达空间变换噪声判断、滤波方法及装置
CN113687321A (zh) 雷达目标探测距离评估方法和装置
WO2023004629A1 (zh) 激光雷达抗干扰方法、装置、可读存储介质及终端设备
CN112904312A (zh) 一种激光雷达抗干扰的方法与装置
CN116755112B (zh) 基于分层和迭代的多波长拉曼激光雷达反演方法及系统
CN116224280B (zh) 雷达目标检测方法、装置、雷达设备及存储介质
US20230114731A1 (en) Methods and system for generating virtual sensor data of a virtual single-photon avalanche diode (spad) lidar sensor of a virtual vehicle simulator
CN117538846A (zh) 信号处理方法、装置、计算机设备和存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201013

RJ01 Rejection of invention patent application after publication