CN111934652B - 一种面向水深提取的光子计数激光雷达自适应滤波算法 - Google Patents

一种面向水深提取的光子计数激光雷达自适应滤波算法 Download PDF

Info

Publication number
CN111934652B
CN111934652B CN202011090713.3A CN202011090713A CN111934652B CN 111934652 B CN111934652 B CN 111934652B CN 202011090713 A CN202011090713 A CN 202011090713A CN 111934652 B CN111934652 B CN 111934652B
Authority
CN
China
Prior art keywords
photon
elevation
water surface
ellipse
points
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.)
Active
Application number
CN202011090713.3A
Other languages
English (en)
Other versions
CN111934652A (zh
Inventor
谌一夫
王力哲
乐源
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
Publication of CN111934652A publication Critical patent/CN111934652A/zh
Priority to US17/134,561 priority Critical patent/US11448765B2/en
Application granted granted Critical
Publication of CN111934652B publication Critical patent/CN111934652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G01C13/008—Surveying specially adapted to open water, e.g. sea, lake, river or canal measuring depth of open water
    • 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
    • G01S7/4811—Constructional features, e.g. arrangements of optical elements common to transmitter and receiver
    • G01S7/4813—Housing arrangements
    • 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)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种面向水深提取的光子计数激光雷达自适应滤波算法，包括如下步骤：S1：自适应获取水面光子信号椭圆密度滤波参数，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数；S2：确定水下光子信号滤波参数与光子信号高程值的关系；S3：对水面光子信号与水下光子信号进行滤波以及提取，获取连续的水深提取结果。

Description

一种面向水深提取的光子计数激光雷达自适应滤波算法
技术领域
本发明涉及模型算法技术领域，具体来说，涉及一种面向水深提取的光子计数激光雷达自适应滤波算法。
背景技术
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，相比传统的激光雷达，光子计数激光雷达具有更高的脉冲发射重复频率，并采用极高灵敏度的接受器件，将传统的器件接受数百甚至数千光子的回波包络幅值探测转化为对单个光子的探测，因此具有距离远、高重频、高效率、轻量化等优势，同时克服了传统激光器体积大、质量大、可靠性低，以及脉冲能量和重复频率之间矛盾等问题。光子计数激光雷达在设计思想和数据处理方法上有较大区别。获取有效信号时，它不再专注于用高能量发射获取高信噪比的波形，而是注重利用有限的资源，充分利用回波信号中的每一个光子。通过改进数据处理的方法，在低信噪比的信号中也能做到有效信号的提取。基于光子计数探测的激光测高技术已然成为一种激光探测技术未来发展趋势和方向。
当前的诸多研究表明，光子计数雷达具有一定的水深探测能力，但当光子计数激光雷达探测目标区域为水体时，激光点云数据会呈现与陆地探测数据不同的特点。目前国内外并没有针对光子数据在水深提取方面的研究，因此传统的算法在处理水体数据时滤波效果不佳，无法有效将水面与水底光子信号同时提取并计算水深。
针对光子计数数据处理存在的问题，目前并未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题，本发明提出一种面向水深提取的光子计数激光雷达自适应滤波算法，能够克服现有技术的上述不足。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种面向水深提取的光子计数激光雷达自适应滤波算法，包括如下步骤：
S1：自适应获取水面光子信号椭圆密度滤波参数，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数；
S2：确定水下光子信号滤波参数与光子信号高程值的关系；
S3：对水面光子信号与水下光子信号进行滤波以及提取，获取连续的水深提取结果。
进一步的，所述步骤S1中，自适应获取水面光子信号椭圆密度滤波参数的步骤包括：
S11：获取光子计数激光雷达原始点云数据
Figure 584903DEST_PATH_IMAGE001
：
Figure 106845DEST_PATH_IMAGE002
，
其中，
Figure 910722DEST_PATH_IMAGE003
为每一个光子信号的沿轨距离，
Figure 325523DEST_PATH_IMAGE004
为每一个光子信号的高程，
Figure 64809DEST_PATH_IMAGE005
为原始点云数据包含的光子数量；
S12：以
Figure 565060DEST_PATH_IMAGE006
为高程方向切片间隔，将原始数据在高程方向切分为
Figure 47994DEST_PATH_IMAGE007
个切片单元：
Figure 51722DEST_PATH_IMAGE008
；
S13：对于S12中切分的
Figure 758647DEST_PATH_IMAGE007
个切片单元，统计每个切片单元中的光子信号数量
Figure 418299DEST_PATH_IMAGE009
：
Figure 439344DEST_PATH_IMAGE010
，
其中，
Figure 359896DEST_PATH_IMAGE011
为每个高程切片中心高程，
Figure 113088DEST_PATH_IMAGE009
为切片单元中的光子信号数量；
S14：利用正态分布曲线对高程切片中心高程与切片单元中的光子信号数量
Figure 328212DEST_PATH_IMAGE011
之间的关系进行拟合，得到拟合关系
Figure 215266DEST_PATH_IMAGE012
为：
Figure 193586DEST_PATH_IMAGE013
，
其中，
Figure 383259DEST_PATH_IMAGE014
表示包含光子信号最多的高程切片中的光子信号数量，
Figure 814240DEST_PATH_IMAGE015
表示该切片的中心高程，
Figure 973826DEST_PATH_IMAGE016
为正态分布标准差，
Figure 9915DEST_PATH_IMAGE017
为正态分布自变量；
S15：以S4中的
Figure 229544DEST_PATH_IMAGE015
为中心，两倍正态分布标准差为左右阈值，确定水面光子高程分界线，同时确定搜索椭圆的短半轴长度b：
Figure 147821DEST_PATH_IMAGE018
Figure 986464DEST_PATH_IMAGE019
其中，
Figure 1694DEST_PATH_IMAGE020
为水面光子高程下限，
Figure 267590DEST_PATH_IMAGE021
为水面光子高程上限；
S16：以水面光子高程下限
Figure 469901DEST_PATH_IMAGE020
和上限
Figure 174552DEST_PATH_IMAGE021
为界，获取每个水面光子的高程，形成水面光子数据集
Figure 654075DEST_PATH_IMAGE022
和水下光子数据集
Figure 481085DEST_PATH_IMAGE023
：
Figure 46059DEST_PATH_IMAGE024
，
其中，
Figure 554401DEST_PATH_IMAGE025
表示水面光子数据集中某个光子的沿轨距离，
Figure 13064DEST_PATH_IMAGE026
表示水面光子数据集中某个光子的高程，
Figure 620763DEST_PATH_IMAGE027
为原始数据集中满足下列条件的光子的数量：
Figure 63245DEST_PATH_IMAGE028
，
Figure 47382DEST_PATH_IMAGE029
表示水下光子数据集中某个光子的沿轨距离，
Figure 563814DEST_PATH_IMAGE030
表示水下光子数据集中某个光子的高程，
Figure 467048DEST_PATH_IMAGE031
为原始数据集中满足下列条件的光子的数量：
Figure 6614DEST_PATH_IMAGE032
；
S17：在水面光子数据集
Figure 749153DEST_PATH_IMAGE033
中，在沿轨方向上以光子计数激光雷达沿轨方向分辨率的长度
Figure 57774DEST_PATH_IMAGE034
为分界，将水面光子放入
Figure 335172DEST_PATH_IMAGE035
个数据集
Figure 486668DEST_PATH_IMAGE036
中：
Figure 812607DEST_PATH_IMAGE037
，
Figure 303631DEST_PATH_IMAGE038
；
S18：统计
Figure 814247DEST_PATH_IMAGE035
个集合中光子在高程方向的最大差值
Figure 328405DEST_PATH_IMAGE039
，并获取均值
Figure 520352DEST_PATH_IMAGE040
，从而获取长半轴长度a：
Figure 928199DEST_PATH_IMAGE041
，
Figure 485083DEST_PATH_IMAGE042
，
Figure 548853DEST_PATH_IMAGE043
，
其中，
Figure 341229DEST_PATH_IMAGE040
为搜索椭圆的长轴与短轴的比值；
S19：在水面光子数据集
Figure 744528DEST_PATH_IMAGE033
中，遍历所有数据点，以该点为中心，a为搜索椭圆的长轴，b为搜索椭圆的短轴构建搜索区域，统计搜索区域内的点数
Figure 331368DEST_PATH_IMAGE044
，并计算点数均值，获取初始最小点数
Figure 882435DEST_PATH_IMAGE045
：
Figure 88288DEST_PATH_IMAGE046
；
S110：遍历水面光子数据集
Figure 470728DEST_PATH_IMAGE033
中的每一个点，以该点
Figure 697310DEST_PATH_IMAGE047
为中心，以a、b分别作为椭圆搜索区域长半轴、短半轴，判断水面光子数据集
Figure 673356DEST_PATH_IMAGE033
中其余的点
Figure 541955DEST_PATH_IMAGE048
是否位于搜索区域：
Figure 654267DEST_PATH_IMAGE049
，
若
Figure 786172DEST_PATH_IMAGE050
，则点
Figure 108568DEST_PATH_IMAGE048
位于以
Figure 921804DEST_PATH_IMAGE047
为中心的椭圆搜索区域中，统计搜索区域中所有的信号点数；若
Figure 19116DEST_PATH_IMAGE051
，则将
Figure 587500DEST_PATH_IMAGE047
标记为信号点，否则为噪点。
进一步的，对于所述步骤S2，水下光子信号滤波参数与光子信号高程值的关系确定方法为：
S21：水面光子滤波完成后，以S13形成的数据集
Figure 6980DEST_PATH_IMAGE052
为基础，确定水下光子随着水深的变化情况，得到二者的关系系数
Figure 748540DEST_PATH_IMAGE053
；
S22：在水下光子数据集
Figure 569866DEST_PATH_IMAGE054
中，以点
Figure 309152DEST_PATH_IMAGE055
为中心，椭圆搜索长半轴
Figure 606141DEST_PATH_IMAGE056
、短半轴
Figure 89075DEST_PATH_IMAGE057
、最小点数阈值
Figure 30486DEST_PATH_IMAGE058
均分别与与水面光子滤波椭圆长轴、短轴、最小点数阈值初始值、关系系数相关：
Figure 737411DEST_PATH_IMAGE059
，
以
Figure 459379DEST_PATH_IMAGE060
为间隔将搜索椭圆绕x轴逆时针旋转形成
Figure 152529DEST_PATH_IMAGE061
个方向不同的椭圆搜索区域：
Figure 73080DEST_PATH_IMAGE062
。
进一步的，对于所述步骤S3，水深提取结果获取方法为：
S31：遍历水下光子数据集
Figure 154169DEST_PATH_IMAGE063
中的每一个点，以该点
Figure 301116DEST_PATH_IMAGE064
为中心，以
Figure 922590DEST_PATH_IMAGE065
为长半轴、短半轴的椭圆，判断水下光子数据集
Figure 900911DEST_PATH_IMAGE063
中其余的点
Figure 559425DEST_PATH_IMAGE066
是否位于第
Figure 318303DEST_PATH_IMAGE067
个椭圆搜索区域；
Figure 353255DEST_PATH_IMAGE068
，
式子中：
Figure 451661DEST_PATH_IMAGE069
，
若
Figure 405710DEST_PATH_IMAGE070
<1，则点
Figure 527250DEST_PATH_IMAGE071
位于以
Figure 490527DEST_PATH_IMAGE072
为中心的旋转椭圆搜索区域中，统计该旋转椭圆搜索区域中所有的信号点数
Figure 172001DEST_PATH_IMAGE073
；选取所有旋转椭圆中，包含光子点数最大的椭圆作为该点的滤波椭圆；
Figure 765793DEST_PATH_IMAGE074
，
若
Figure 171367DEST_PATH_IMAGE075
大于最小点数
Figure 203914DEST_PATH_IMAGE076
，则将
Figure 11333DEST_PATH_IMAGE077
标记为信号点，否则为噪点。
进一步的，步骤S11中，光子计数激光雷达原始点云数据
Figure 448130DEST_PATH_IMAGE078
为一个二维点集。
进一步的，步骤S13中，通过以每个高程切片中心高程
Figure 403317DEST_PATH_IMAGE079
为横轴，切片单元中的光子信号数量
Figure 911659DEST_PATH_IMAGE080
为纵轴，来构建二者之间的关系。
本发明的有益效果：本发明提出一种光子计数激光雷达自适应阈值滤波算法，可以有效地对光子信号噪声较大、水面与水下光子信号分布不均匀的情况，自适应选择滤波阈值，实现自动、快速、高效的点云有效数据提取，自动进行水面与水下有效光子信号的分离并获取连续水深数据。该方法可对航天和航空光子计数激光雷达获取的日间和夜间中不同水体环境下的数据进行处理。
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是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的光子计数激光雷达原始数据分布图；
图2是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的光子高程方向分块后光子数量统计分布直方图
图3是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的确定初始椭圆搜索区域短轴长度分布图；
图4是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的确定初始椭圆搜索区域长轴长度与短轴长度的比值分布图；
图5是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的随光子高度变化的搜索椭圆示意图；
图6是根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法的滤波结果分布图。
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所获得的所有其他实施例，都属于本发明保护的范围。
如图1-6所示，根据本发明实施例所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，包括如下步骤：
1）光子计数激光雷达原始点云原始数据为一个二维点集：
Figure 245688DEST_PATH_IMAGE081
（1）
其中
Figure 978021DEST_PATH_IMAGE082
为每一个光子信号的沿轨距离，
Figure 295869DEST_PATH_IMAGE083
为每一个光子信号的高程，
Figure 139060DEST_PATH_IMAGE084
为原始点云数据包含的光子数量。
2）以为高程方向切片间隔，将原始数据在高程方向切分为个单元：
Figure DEST_PATH_IMAGE085
（2）
3）对于分割的
Figure 389913DEST_PATH_IMAGE086
个切片单元，统计每个切片单元中的光子信号数量
Figure 558726DEST_PATH_IMAGE087
。以每个高程切片中心高程
Figure 895030DEST_PATH_IMAGE088
为横轴，切片单元中的光子信号数量
Figure 10753DEST_PATH_IMAGE087
为纵轴，构建二者之间的关系。
Figure 709588DEST_PATH_IMAGE089
（3）
4）利用正态分布曲线对第3步中高程切片中心高程
Figure 252565DEST_PATH_IMAGE088
与切片单元中的光子信号数量
Figure 607323DEST_PATH_IMAGE087
之间的关系进行拟合，得到如下拟合关系：
Figure 532597DEST_PATH_IMAGE090
（4）
其中
Figure 492462DEST_PATH_IMAGE091
表示包含光子信号最多的高程切片中的光子数量，
Figure 206340DEST_PATH_IMAGE092
表示该切片的中心高程。
5）以
Figure 641870DEST_PATH_IMAGE092
为中心，两倍正态分布标准差为左右阈值，确定水面光子高程分界线。得到水面光子高程下限
Figure 692871DEST_PATH_IMAGE093
上限
Figure 710506DEST_PATH_IMAGE094
，同时确定搜索椭圆的短半轴长度b。
Figure 657602DEST_PATH_IMAGE095
（5）
Figure 252532DEST_PATH_IMAGE096
（6）
6）以水面高程上限下限值为界，获取每个水面光子的高程，形成水面光子数据集
Figure 841645DEST_PATH_IMAGE097
和水下光子数据集
Figure 307261DEST_PATH_IMAGE098
。
Figure 300625DEST_PATH_IMAGE099
（7）
其中
Figure 117271DEST_PATH_IMAGE100
为原始数据集中满足下列条件的光子的数量：
Figure 713338DEST_PATH_IMAGE101
（8）
其中
Figure 316618DEST_PATH_IMAGE102
为原始数据集中满足下列条件的光子的数量：
Figure 339938DEST_PATH_IMAGE103
（9）
7）在水面光子数据集
Figure 378301DEST_PATH_IMAGE097
中，在沿轨方向上以光子计数激光雷达沿轨方向分辨率的长度
Figure 450162DEST_PATH_IMAGE104
为分界，将水面光子放入
Figure 421529DEST_PATH_IMAGE105
个集合
Figure 146908DEST_PATH_IMAGE106
中。
Figure 610251DEST_PATH_IMAGE107
（10）
Figure 751382DEST_PATH_IMAGE108
（11）
8）统计
Figure 46097DEST_PATH_IMAGE105
个集合中光子在高程方向的最大差值
Figure 614482DEST_PATH_IMAGE109
Figure 424175DEST_PATH_IMAGE110
（12）
计算沿轨方向分辨率
Figure 368997DEST_PATH_IMAGE111
与
Figure 455902DEST_PATH_IMAGE112
的比值，并获取均值
Figure 195188DEST_PATH_IMAGE113
，该值即为搜索椭圆的长轴与短轴的比值，从而获取长半轴长度a。
Figure 492177DEST_PATH_IMAGE114
（13）
Figure 381635DEST_PATH_IMAGE115
（14）
9）在水面光子数据集中，遍历所有数据点，以该点为中心，a，b分别为搜索椭圆的长轴与短轴构建搜索区域，统计搜索区域内的点数
Figure 650943DEST_PATH_IMAGE116
，并计算点数均值，获取初始最小点数
Figure 357868DEST_PATH_IMAGE117
。
Figure 751940DEST_PATH_IMAGE118
（15）
10）遍历水面光子数据集
Figure 778845DEST_PATH_IMAGE119
中的每一个点，以该点
Figure 964976DEST_PATH_IMAGE120
为中心，以a，b分别作为椭圆搜索区域长半轴、短半轴，判断水面光子数据集
Figure 46064DEST_PATH_IMAGE119
中其余的点
Figure 193012DEST_PATH_IMAGE121
是否位于搜索区域：
Figure 752169DEST_PATH_IMAGE122
（16）
若
Figure 996068DEST_PATH_IMAGE123
<1，则点
Figure 310375DEST_PATH_IMAGE121
位于以为中心的椭圆搜索区域中。统计搜索区域中所有的信号点数，若该值大于最小点数
Figure 272515DEST_PATH_IMAGE124
，则将
Figure 635363DEST_PATH_IMAGE120
标记为信号点，否则为噪点。
11)水面光子滤波完成后，以第三步形成的数据集
Figure 733769DEST_PATH_IMAGE126
为基础，确定水下光子随着水深的变化情况，得到二者的关系系数
Figure 94343DEST_PATH_IMAGE128
：
12）在水下光子数据集
Figure 278200DEST_PATH_IMAGE130
中，以点
Figure 241477DEST_PATH_IMAGE132
为中心，椭圆搜索长半轴
Figure 194389DEST_PATH_IMAGE134
、短半轴
Figure 725865DEST_PATH_IMAGE136
、最小点数阈值
Figure 131438DEST_PATH_IMAGE138
与水面光子滤波椭圆长轴、短轴、最小点数阈值初始值、变化系数相关。
Figure 898406DEST_PATH_IMAGE140
（17）
13）以
Figure 643508DEST_PATH_IMAGE142
为间隔将搜索椭圆绕x轴逆时针旋转形成
Figure 204939DEST_PATH_IMAGE144
个方向不同的椭圆搜索区域：
Figure 97809DEST_PATH_IMAGE146
（18）
14）遍历水下光子数据集
Figure 278255DEST_PATH_IMAGE130
中的每一个点，以该点
Figure 199900DEST_PATH_IMAGE132
为中心，以
Figure 401074DEST_PATH_IMAGE134
，
Figure 843557DEST_PATH_IMAGE136
为长半轴、短半轴的椭圆，判断水下光子数据集中其余的点
Figure 562114DEST_PATH_IMAGE148
是否位于第
Figure 344125DEST_PATH_IMAGE150
个椭圆搜索区域
Figure 512939DEST_PATH_IMAGE152
（19）
式子中：
Figure 52504DEST_PATH_IMAGE154
（20）
15）若
Figure 902649DEST_PATH_IMAGE156
<1，则点
Figure 335904DEST_PATH_IMAGE148
位于以
Figure 550985DEST_PATH_IMAGE132
为中心的旋转椭圆搜索区域中，统计该旋转椭圆搜索区域中所有的信号点数
Figure 436901DEST_PATH_IMAGE158
。选取所有旋转椭圆中，包含光子点数最大的椭圆作为该点的滤波椭圆。
Figure 90736DEST_PATH_IMAGE160
（21）
若
Figure 519444DEST_PATH_IMAGE162
大于最小点数
Figure 764480DEST_PATH_IMAGE164
，则将标记
Figure 606534DEST_PATH_IMAGE132
为信号点，否则为噪点。
为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
在具体使用时，根据本发明所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，整个算法包含：水面光子信号椭圆密度滤波参数自适应获取、水下光子信号滤波参数与光子信号高程值的关系确定、水面与水底信号滤波以及提取三个部分。首先自适应获取水面光子信号椭圆密度滤波参数，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数，将原始光子信号在高程方向上进行切片，通过分析各个切片区域内光子的统计特性，确定水面与水下信号点的分界线，并自适应获取初始椭圆搜索区域的长轴、短轴以及密度滤波的初始最小点数阈值；然后确定水下光子信号滤波参数与光子信号高程值的关系，通过分析随着信号光子高程值的变化，高程切片内光子数量的变化特征，确定搜索椭圆的长轴、短轴以及密度滤波的最小点数阈值与水深之间的变化关系；最后对水面光子信号与水下光子信号进行滤波以及提取，获取连续的水深提取结果，在椭圆密度滤波的基础上，根据第一步中确定的水面与水下信号点的分界线，将水面信号与水底信号进行分离，基于拟合方法，分别拟合水面与水底信号，形成连续的水深提取结果。该方法可对航天和航空光子计数激光雷达获取的日间和夜间中不同水体环境下的数据进行处理，可以有效地对光子信号噪声较大、水面与水下光子信号分布不均匀的情况，自适应选择滤波阈值，实现自动、快速、高效的点云有效数据提取，自动进行水面与水下有效光子信号的分离并获取连续水深数据。
综上所述，本发明基于光子计数激光雷达探测技术理论以及水体中光子信号的数据特点，为克服光子计数数据处理存在的问题，提出了一种光子计数激光雷达自适应阈值滤波算法，可以有效地对光子信号噪声较大、水面与水下光子信号分布不均匀的情况，自适应选择滤波阈值，实现自动、快速、高效的点云有效数据提取，自动进行水面与水下有效光子信号的分离并获取连续水深数据。本发明的方法可对航天和航空光子计数激光雷达获取的日间和夜间中不同水体环境下的数据进行处理。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，包括如下步骤：
S1：将原始光子信号在高程方向上进行切片，通过分析各个切片区域内光子的统计特性，确定水面与水下信号点的分界线，并自适应获取初始椭圆搜索区域的长半轴、短半轴以及密度滤波的初始最小点数阈值，并根据水面光子信号椭圆密度滤波参数得到水下光子信号椭圆密度滤波参数；
步骤S1具体为：
S11：获取光子计数激光雷达原始点云数据
Figure 69927DEST_PATH_IMAGE001
：
Figure 987068DEST_PATH_IMAGE002
，
其中，
Figure 829122DEST_PATH_IMAGE003
为每一个光子信号的沿轨距离，
Figure 788113DEST_PATH_IMAGE004
为每一个光子信号的高程，
Figure 602485DEST_PATH_IMAGE005
为原始点云数据包含的光子数量；
S12：以
Figure 487265DEST_PATH_IMAGE006
为高程方向切片间隔，将原始点云数据在高程方向切分为
Figure 816615DEST_PATH_IMAGE007
个切片单元：
Figure 15515DEST_PATH_IMAGE008
；
S13：对于S12中切分的
Figure 746710DEST_PATH_IMAGE007
个切片单元，统计每个切片单元中的光子信号数量
Figure 303856DEST_PATH_IMAGE009
：
Figure 58185DEST_PATH_IMAGE010
，
其中，
Figure 857514DEST_PATH_IMAGE011
为每个高程切片中心高程，
Figure 443216DEST_PATH_IMAGE009
为切片单元中的光子信号数量；
S14：利用正态分布曲线对高程切片中心高程
Figure 873061DEST_PATH_IMAGE011
与切片单元中的光子信号数量
Figure 177003DEST_PATH_IMAGE009
之间的关系进行拟合，得到拟合关系
Figure 15908DEST_PATH_IMAGE012
为：
Figure 659379DEST_PATH_IMAGE013
，
其中，
Figure 56862DEST_PATH_IMAGE014
表示包含光子信号最多的高程切片中的光子信号数量，
Figure 785784DEST_PATH_IMAGE015
表示该切片的中心高程，
Figure 926915DEST_PATH_IMAGE016
为正态分布标准差，
Figure 487210DEST_PATH_IMAGE017
为正态分布自变量；
S15：以S14中的
Figure 258857DEST_PATH_IMAGE015
为中心，两倍正态分布标准差为左右阈值，确定水面光子高程分界线，同时确定搜索椭圆的短半轴长度b：
Figure 773277DEST_PATH_IMAGE018
Figure 718099DEST_PATH_IMAGE019
其中，
Figure 70583DEST_PATH_IMAGE020
为水面光子高程下限，
Figure 75448DEST_PATH_IMAGE021
为水面光子高程上限；
S16：以水面光子高程下限
Figure 575700DEST_PATH_IMAGE020
和上限
Figure 996317DEST_PATH_IMAGE021
为界，获取每个水面光子的高程，形成水面光子数据集
Figure 32668DEST_PATH_IMAGE022
和水下光子数据集
Figure 146118DEST_PATH_IMAGE023
：
Figure 133665DEST_PATH_IMAGE024
，
其中，
Figure 357973DEST_PATH_IMAGE025
表示水面光子数据集中某个光子的沿轨距离，
Figure 481787DEST_PATH_IMAGE026
表示水面光子数据集中某个光子的高程，
Figure 766138DEST_PATH_IMAGE027
为原始数据集中满足下列条件的光子的数量：
Figure 240981DEST_PATH_IMAGE028
，
Figure 268980DEST_PATH_IMAGE029
表示水下光子数据集中某个光子的沿轨距离，
Figure 14345DEST_PATH_IMAGE030
表示水下光子数据集中某个光子的高程，
Figure 204018DEST_PATH_IMAGE031
为原始数据集中满足下列条件的光子的数量：
Figure 166157DEST_PATH_IMAGE032
；
S17：在水面光子数据集
Figure 732268DEST_PATH_IMAGE033
中，在沿轨方向上以光子计数激光雷达沿轨方向分辨率的长度
Figure 96253DEST_PATH_IMAGE034
为分界，将水面光子放入
Figure 456827DEST_PATH_IMAGE035
个数据集
Figure 906263DEST_PATH_IMAGE036
中：
Figure 276065DEST_PATH_IMAGE037
，
Figure 166660DEST_PATH_IMAGE038
；
S18：统计
Figure 539215DEST_PATH_IMAGE035
个集合中光子在高程方向的最大差值
Figure 148051DEST_PATH_IMAGE039
，并获取均值
Figure 383861DEST_PATH_IMAGE040
，从而获取长半轴长度a：
Figure 394542DEST_PATH_IMAGE041
，
Figure 424815DEST_PATH_IMAGE042
，
Figure 520947DEST_PATH_IMAGE043
，
其中，
Figure 294868DEST_PATH_IMAGE040
为搜索椭圆的长轴与短轴的比值；
S19：在水面光子数据集
Figure 160056DEST_PATH_IMAGE033
中，遍历所有数据点，以该点为中心，a为搜索椭圆的长半轴，b为搜索椭圆的短半轴构建搜索区域，统计搜索区域内的点数
Figure 862695DEST_PATH_IMAGE044
，并计算点数均值，获取初始最小点数
Figure 446123DEST_PATH_IMAGE045
：
Figure 758155DEST_PATH_IMAGE046
；
S110：遍历水面光子数据集
Figure 743429DEST_PATH_IMAGE033
中的每一个点，以该点
Figure 115504DEST_PATH_IMAGE047
为中心，以a、b分别作为椭圆搜索区域长半轴、短半轴，判断水面光子数据集
Figure 186229DEST_PATH_IMAGE033
中其余的点
Figure 301952DEST_PATH_IMAGE048
是否位于搜索区域：
Figure 141732DEST_PATH_IMAGE049
，
若
Figure 186174DEST_PATH_IMAGE050
，则点
Figure 478615DEST_PATH_IMAGE048
位于以
Figure 398029DEST_PATH_IMAGE051
为中心的椭圆搜索区域中，统计搜索区域中所有的信号点数；若
Figure 92316DEST_PATH_IMAGE052
，则将
Figure 806194DEST_PATH_IMAGE051
标记为信号点，否则为噪点；
S2：通过分析随着信号光子高程值的变化，高程切片内光子数量的变化特征，确定搜索椭圆的长半轴、短半轴以及密度滤波的最小点数阈值与水深之间的变化关系；
步骤S2具体为：
S21：水面光子滤波完成后，以S13形成的数据集
Figure 851510DEST_PATH_IMAGE053
为基础，确定水下光子随着水深的变化情况，得到二者的关系系数
Figure 309036DEST_PATH_IMAGE054
；
S22：在水下光子数据集
Figure 857830DEST_PATH_IMAGE055
中，以点
Figure 509653DEST_PATH_IMAGE056
为中心，椭圆搜索长半轴
Figure 776686DEST_PATH_IMAGE057
、短半轴
Figure 37903DEST_PATH_IMAGE058
、最小点数阈值
Figure 441203DEST_PATH_IMAGE059
均分别与水面光子滤波椭圆长半轴、短半轴、最小点数阈值初始值、关系系数相关：
Figure 762463DEST_PATH_IMAGE060
，
以
Figure 516792DEST_PATH_IMAGE061
为间隔将搜索椭圆绕x轴逆时针旋转形成
Figure 316121DEST_PATH_IMAGE062
个方向不同的椭圆搜索区域：
Figure 839506DEST_PATH_IMAGE063
；
S3：在椭圆密度滤波的基础上，根据S1中确定的水面与水下信号点的分界线，将水面信号与水底信号进行分离，基于拟合方法，分别拟合水面与水底信号，形成连续的水深提取结果；
步骤S3具体为：
S31：遍历水下光子数据集
Figure 833132DEST_PATH_IMAGE064
中的每一个点，以该点
Figure 809178DEST_PATH_IMAGE065
为中心，以
Figure 412198DEST_PATH_IMAGE066
为长半轴、短半轴的椭圆，判断水下光子数据集
Figure 55669DEST_PATH_IMAGE064
中其余的点
Figure 453152DEST_PATH_IMAGE067
是否位于第
Figure 182074DEST_PATH_IMAGE068
个椭圆搜索区域；
Figure 323205DEST_PATH_IMAGE069
，
式子中：
Figure 821183DEST_PATH_IMAGE070
，
若
Figure 327250DEST_PATH_IMAGE071
<1，则点
Figure 107250DEST_PATH_IMAGE072
位于以
Figure 989755DEST_PATH_IMAGE073
为中心的旋转椭圆搜索区域中，统计该旋转椭圆搜索区域中所有的信号点数
Figure 404556DEST_PATH_IMAGE074
；选取所有旋转椭圆中，包含光子点数最大的椭圆作为该点的滤波椭圆；
Figure 347104DEST_PATH_IMAGE075
，
若
Figure 847356DEST_PATH_IMAGE076
大于最小点数
Figure 267973DEST_PATH_IMAGE077
，则将
Figure 802859DEST_PATH_IMAGE078
标记为信号点，否则为噪点。
2.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，步骤S11中，光子计数激光雷达原始点云数据
Figure 650730DEST_PATH_IMAGE079
为一个二维点集。
3.根据权利要求1所述的一种面向水深提取的光子计数激光雷达自适应滤波算法，其特征在于，步骤S13中，通过以每个高程切片中心高程
Figure 139742DEST_PATH_IMAGE011
为横轴，切片单元中的光子信号数量
Figure 364050DEST_PATH_IMAGE009
为纵轴，来构建二者之间的关系。
CN202011090713.3A 2020-02-06 2020-10-13 一种面向水深提取的光子计数激光雷达自适应滤波算法 Active CN111934652B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/134,561 US11448765B2 (en) 2020-02-06 2020-12-28 Adaptive filtering method of photon counting lidar for bathymetry

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2020100818260 2020-02-06
CN202010081826.0A CN111277243A (zh) 2020-02-06 2020-02-06 一种面向水深提取的光子计数激光雷达自适应滤波算法

Publications (2)

Publication Number Publication Date
CN111934652A CN111934652A (zh) 2020-11-13
CN111934652B true CN111934652B (zh) 2021-02-12

Family

ID=71000218

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010081826.0A Pending CN111277243A (zh) 2020-02-06 2020-02-06 一种面向水深提取的光子计数激光雷达自适应滤波算法
CN202011090713.3A Active CN111934652B (zh) 2020-02-06 2020-10-13 一种面向水深提取的光子计数激光雷达自适应滤波算法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202010081826.0A Pending CN111277243A (zh) 2020-02-06 2020-02-06 一种面向水深提取的光子计数激光雷达自适应滤波算法

Country Status (2)

Country Link
US (1) US11448765B2 (zh)
CN (2) CN111277243A (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111708005A (zh) * 2020-08-24 2020-09-25 中国地质大学（武汉） 单光子激光雷达水下光子位移校正、测深方法及装置
CN112433227B (zh) * 2021-01-28 2021-05-18 中国地质大学（武汉） 一种水容量变化监测方法、系统、终端设备及存储介质
CN113253240B (zh) * 2021-05-31 2021-09-24 中国人民解放军国防科技大学 一种基于光子探测的空间目标识别分法、存储介质和系统
CN113124834B (zh) * 2021-06-17 2021-10-12 中国地质大学（武汉） 一种结合多源数据的区域网平差方法、系统及存储介质
CN113780085B (zh) * 2021-08-11 2023-07-07 同济大学 一种近海单光子去噪分类方法
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
CN116243273B (zh) * 2023-05-09 2023-09-15 中国地质大学（武汉） 一种针对植被冠层提取的光子计数激光雷达数据滤波方法
CN116953661B (zh) * 2023-09-20 2023-12-15 中国地质大学（武汉） 一种光子计数激光雷达自适应核密度估计滤波方法及装置
CN117237430B (zh) * 2023-11-10 2024-03-08 中国地质大学（武汉） 一种高精度多时序水深反演方法、计算设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2866052A1 (en) * 2013-10-23 2015-04-29 Ladar Limited A system for monitoring a maritime environment
CN110488292A (zh) * 2019-08-23 2019-11-22 长沙天仪空间科技研究院有限公司 一种基于卫星编队的遥感系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104613944B (zh) * 2015-01-27 2017-01-18 电子科技大学 一种基于gwr和bp神经网络的分布式水深预测方法
CN106125088B (zh) * 2016-08-29 2018-09-18 天津大学 基于激光雷达测深系统确定海水深度的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2866052A1 (en) * 2013-10-23 2015-04-29 Ladar Limited A system for monitoring a maritime environment
CN110488292A (zh) * 2019-08-23 2019-11-22 长沙天仪空间科技研究院有限公司 一种基于卫星编队的遥感系统

Also Published As

Publication number Publication date
US20210116570A1 (en) 2021-04-22
CN111934652A (zh) 2020-11-13
CN111277243A (zh) 2020-06-12
US11448765B2 (en) 2022-09-20

Similar Documents

Publication Publication Date Title
CN111934652B (zh) 一种面向水深提取的光子计数激光雷达自适应滤波算法
CN112505648B (zh) 基于毫米波雷达回波的目标特征提取方法
KR101221773B1 (ko) 이중편파 레이더를 이용한 기상 및 비기상 에코 분류 방법
CN108490410B (zh) 一种两坐标雷达对海目标联合检测跟踪方法
CN103487788B (zh) 一种序列脉冲信号快速自动提取方法
CN111524084B (zh) 基于多峰高斯拟合的光子计数激光雷达点云去噪方法
CN102692627B (zh) 用于处理多普勒测量信号的仪器和方法
CN111257905B (zh) 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
CN108872962A (zh) 基于分数阶傅里叶变换的激光雷达微弱信号提取和分解方法
CN109100697B (zh) 一种基于地面监视雷达系统的目标凝聚方法
CN110580705B (zh) 一种基于双域图信号滤波检测建筑物边缘点的方法
WO2018000252A1 (zh) 高分辨遥感海洋图像的海背景建模与抑制的方法及系统
CN110031854A (zh) 一种实时的高精度激光多回波距离提取方法
CN103292792A (zh) 一种适用海底探测与假地形处理的实测svp重构方法
CN114355367A (zh) 一种基于星载单光子激光雷达数据测量浅海水深的方法
CN116828354B (zh) 一种用于领夹无线麦克风的收音质量优化方法及系统
WO2019205725A1 (zh) 一种基于电成像测井分形维数的火山岩岩性识别方法
CN108983194B (zh) 一种基于地面监视雷达系统的目标提取及凝聚方法
CN112904302B (zh) 网格化frft域雷达目标检测与多级联合虚警剔除方法
Fu et al. Nearshore ship detection on SAR image based on YOLOv5
CN115952410B (zh) 一种基于深度学习的滑坡灾害检测系统
CN108269268B (zh) 基于微波散射计数据自动提取台风高风速云系区域方法
CN115825920A (zh) 一种顾及冰川形态的ICESat-2光子去噪方法
CN114594454A (zh) 基于多级滤波的小光斑光子计数激光雷达水面探测方法和程序产品
Kolchev et al. Application of techniques for separating anomalous samples during the processing of SW LFM signal

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