CN111948669B - 一种基于激光雷达的高光谱数据信息获取系统 - Google Patents
一种基于激光雷达的高光谱数据信息获取系统 Download PDFInfo
- Publication number
- CN111948669B CN111948669B CN202010802500.2A CN202010802500A CN111948669B CN 111948669 B CN111948669 B CN 111948669B CN 202010802500 A CN202010802500 A CN 202010802500A CN 111948669 B CN111948669 B CN 111948669B
- Authority
- CN
- China
- Prior art keywords
- laser
- detected
- data information
- hyperspectral data
- information
- 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
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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
- G01N2021/177—Detector of the video camera type
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/178—Methods for obtaining spatial resolution of the property being measured
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1789—Time resolved
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Abstract
本申请公开了一种基于激光雷达的高光谱数据信息获取系统,包括:图像采集单元,激光雷达单元以及信息生成单元;图像采集单元中设置有光学摄像头,图像采集单元用于根据光学摄像头拍摄到的光学照片,提取光学照片中待测物体的光谱数据特征值;激光雷达单元用于获取待测物体对探测激光的反射率数组;信息生成单元用于组合光谱数据特征值以及反射率数组,生成高光谱数据信息。通过本申请中的技术方案,在激光雷达中引入可用于识别物体类别的探测激光,直接利用激光雷达对待测物体或场景进行扫描,得到探测激光的反射率,在保证高光谱数据采集时间和空间分辨率的前提下,实现对待测场景或物体的高光谱数据信息的获取。
Description
技术领域
本申请涉及光学图像的技术领域,具体而言,涉及一种基于激光雷达的高光谱数据信息获取系统。
背景技术
在可见光波段的卫星图像识别技术中,相机通过在传感器上分别加入红、绿和蓝等颜色的滤镜来获取物体或场景的光谱视觉信息。由于光源类光学系统分辨率的限制,这种图像识别技术无法得到待测物体或场景的光谱细节信息,从而限制了其应用的进一步推广。
基于此,可以通过高光谱成像技术,对特定区域进行更为精细的光谱扫描测量,并对采集得到的高光谱数据进行数据分析,从而得到对待测场景或物体更多的细节信息,为了得到这样的高光谱数据,通常是利用卫星系统对该区域进行扫描。
而现有技术中,卫星系统为了得到包括更多细节的高光谱数据,因为卫星系统的运行特点,通常需要牺牲高光谱数据对空间分辨率和时间分辨率的要求,利用分时扫描的方法来采集高光谱数据。
因此,这种利用卫星系统获取高光谱数据方法仅适用于对静态场景或物体的数据采集,无法对对动态场景或物体进行数据采集,其应用范围非常受限。
发明内容
本申请的目的在于:通过在激光雷达中引入可用于识别物体类别的探测激光,直接利用激光雷达对待测物体或场景进行扫描,得到探测激光的反射率,在保证高光谱数据采集时间和空间分辨率的前提下,实现对待测场景或物体的高光谱数据信息的获取。
本申请第一方面的技术方案是:提供了一种基于激光雷达的高光谱数据信息获取系统,系统包括:图像采集单元,激光雷达单元以及信息生成单元;图像采集单元中设置有光学摄像头,图像采集单元用于根据光学摄像头拍摄到的光学照片,提取光学照片中待测物体的光谱数据特征值;激光雷达单元用于获取待测物体对探测激光的反射率数组;信息生成单元用于组合光谱数据特征值以及反射率数组,生成高光谱数据信息。
上述任一项技术方案中,进一步地,激光雷达单元包括:激光发射器,探测器以及输出单元;激光发射器用于向待测物体的表面发射探测激光,其中,探测激光的工作波长包括至少两种;探测器的感应波长与探测激光的工作波长相同,探测器用于获取待测物体的表面反射的反射激光,并根据探测激光的入射光照强度,确定反射激光的激光反射率;输出单元用于根据探测激光的工作波长以及反射激光的激光反射率,组合生成反射率数组,并将反射率数组发送至信息生成单元。
上述任一项技术方案中,进一步地,光谱数据特征值为RGB数据,图像采集单元取光学照片中待测物体的光谱数据特征值,具体包括:获取光学摄像头拍摄到的、待测物体的光学照片;选取光学照片中与待测物体相关的特征点;提取特征点的红、绿、蓝三个颜色通道的强度标准值,将强度标准值记作特征点的光谱数据特征值。
上述任一项技术方案中,进一步地,高光谱数据信息用于待测物体的识别。
上述任一项技术方案中,进一步地,探测激光的工作波长至少包括905nm和1550nm。
上述任一项技术方案中,进一步地,信息生成单元基于待测物体的光谱数据特征值获取待测物体的颜色信息,基于待测物体的反射率数组或反射率数组与颜色信息的组合确定待测物体的材质信息。
本申请第二方面的技术方案是:提供了一种识别装置,识别装置中包括如本申请第一方面的技术方案中任一项的基于激光雷达的高光谱数据信息获取系统以及数据库,数据库中存储有各类物体的高光谱数据信息,识别装置用于将高光谱数据信息获取系统生成的高光谱数据信息,与数据库中的高光谱数据信息进行数据比对,根据数据比对结果,确定待测物体的类别。
上述任一项技术方案中,进一步地,数据库中的光谱数据包括光谱数据特征值、探测激光的反射率数组以及物体类别信息,其中,在收集数据库中的高光谱数据信息时,利用如本申请第一方面的技术方案中任一项的基于激光雷达的高光谱数据信息获取系统,对样本物体进行探测,得到光谱数据特征值、反射率数组,将样本物体的类别与光谱数据特征值、反射率数组进行匹配,得到数据库中的高光谱数据信息。
本申请的有益效果是:
本发明将图像分析方法与激光雷达系统相结合,利用红外波段的反射光谱信息对常用可见光波段的图像分析进行丰富和补充,以高光谱的测量方法实现对待测物体更为细节的观察和检测。
现有的应用中,激光雷达可以同摄像头结合应用,实现待测物体或场景的RGBD(即RGB图像和D距离)数据采集,可反映待测物体或场景的可见光波段颜色信息识别以及距离数据。
通过本发明,在不影响RGBD测量的前提下,通过对激光工作波长为1550nm和905nm的激光反射光照强度进行检测,可以同时实现在近红外波段两个波长的光谱信息采集,从而得到反映待测物体或场景的高光谱信息。
既可以满足空间分辨率的要求,如得到1080*1080的高光谱图像,又可以通过提高雷达扫描频率以满足时间分辨率的要求,实现对动态场景或物体进行数据采集,扩大了高光谱数据的应用范围及应用场景。
附图说明
本申请的上述和/或附加方面的优点在结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本申请的一个实施例的基于激光雷达的高光谱数据信息获取系统的示意框图;
图2是根据本申请的一个实施例的待测区域的示意图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施方式对本申请进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互结合。
在下面的描述中,阐述了很多具体细节以便于充分理解本申请,但是,本申请还可以采用其他不同于在此描述的其他方式来实施,因此,本申请的保护范围并不受下面公开的具体实施例的限制。
需要说明的是,可见光中不同颜色的光对应着不同的波长,红光波长范围:760~622nm、橙光波长范围:622~597nm、黄光波长范围:597~577nm、绿光波长范围:577~492nm、青光波长范围:492~450nm、蓝光波长范围:450~435nm、紫光波长范围:470~380nm。
本实施例中,对图像采集单元所使用的可见光的波长并不限定。
为了便于理解,本实施例以常规的RGB图像为例进行说明,即选取可见光中红光、绿光、蓝光所对应的RGB数据。
在以往的将激光雷达系统与RGB图像探测系统的融合探测技术中,激光雷达系统一般只提供距离测试数据,并未与RGB图像探测系统数据结合。
本实施利用了激光雷达系统的工作波长单色性较好的特点,在保证激光雷达系统距离测试准确性的前提下,利用激光雷达系统的入射、反射光照强度,分别计算待测物体对于波长为905nm和1550nm激光的激光反射率,由于不同物质对于这两个波长激光的激光反射率不同,因此,可以根据反射激光的激光反射率区分材质和物体类别。
基于上述原理,利用激光雷达系统的工作波长进行近红外波段的光谱信息采集,与RGB图像检测系统所得到的RGB数据合并,综合得到待测场景或物体的高光谱数据信息,该高光谱数据信息可用于对待测场景或物体的识别,包括物体类别、颜色等信息。
实施例一:
如图1所示,本实施例提供了一种基于激光雷达的高光谱数据信息获取系统100,该高光谱数据信息获取系统100包括:图像采集单元10,激光雷达单元20以及信息生成单元30;
本实施例中的图像采集单元10可以为常规的RGB图像采集设备,其内部设置有光学摄像头11,图像采集单元10通过光学摄像头拍摄待测场景或物体的光学照片,由于待测场景或物体的颜色不同,光学照片中对应的光谱数据特征值也会有所不同。表1为常用的颜色RGB中心数值。
表1
基础颜色名称 | 红色值Red | 绿色值Green | 蓝色值Blue |
黑色 | 0 | 0 | 0 |
蓝色 | 0 | 0 | 255 |
绿色 | 0 | 255 | 0 |
青色 | 0 | 255 | 255 |
红色 | 255 | 0 | 0 |
亮紫色(洋红色) | 255 | 0 | 255 |
黄色 | 255 | 255 | 0 |
白色 | 255 | 255 | 255 |
图像采集单元10用于根据光学摄像头11拍摄到的光学照片,提取光学照片中待测物体的光谱数据特征值;该过程具体包括:
1、获取光学摄像头11拍摄到的、待测物体的光学照片;
2、根据图像采集的需求,识别光学照片中待测物体所在区域,将该区域作为光学照片中的特征点,实现对光学照片中与待测物体相关特征点的选取(特征点的选取可以采用现有技术中的图像处理方法实现,比如采用常规的图像分割或者感兴趣区域提取方法等);
本实施例中,对如何识别待测物体所在区域的方法并不限定。
3、提取光学照片中特征点的红、绿、蓝三个颜色通道的强度标准值,将强度标准值记作该特征点的光谱数据特征值,该光谱数据特征值为RGB数据。
需要说明的是,本实施例中的探测激光的反射率由反射光照强度与入射光照强度的比值确定。
首先,本实施例中的激光雷达单元20为利用计算脉冲激光的反射飞行时间来测量物体距离的机械电子装置,常规情况下,激光雷达单元20只用于待测物体的距离检测,即只利用激光反射的时间特征数据,得到待测物体或场景的RGBD数据,同时反映出待测物体或场景的颜色识别信息和距离信息。
其次,为了利用激光反射率所能代表的数据信息,在激光雷达单元20中设置相应的探测器22,该探测器22的工作波长与激光雷达单元20的工作波长相同。
本实施例中,利用激光雷达单元20采集待测场景或物体在激光雷达扫描后的激光反射强度,根据激光的反射光照强度与入射光照强度的比值,计算待测物体/场景的探测激光反射率,结合探测激光的波长,生成反射率数组,其中,激光雷达单元20的工作波长可以为1550nm、905nm等近红外波段的激光波长。
本实施例中的激光雷达单元20用于获取待测物体对探测激光的反射率数组,其中,探测激光的反射率数组包括探测激光的工作波长、该探测激光对应的反射激光的激光反射率,即该数组的形式为(波长,反射率)。激光雷达单元20包括:激光发射器21,探测器22以及输出单元23;
激光发射器21向待测物体的表面发射探测激光,进行扫描测量,其中,探测激光的工作波长包括至少两种。
本实施例中选用的探测激光的工作波长为1550nm(探测激光1)、905nm(探测激光2)。
由于探测器22的感应波长与探测激光的工作波长相同,即探测器22的感应频率与探测激光的工作波长相对应,因此,探测器22仅能够接收到波长相同的反射激光,对其余波长的反射光起到滤波功能。
探测器22获取待测物体的表面反射的反射激光,并进行量化采集,确定反射激光的反射强度,再根据相应波长的探测激光的入射光照强度,计算反射激光的反射强度与探测激光的入射光照强度的比值,确定反射激光的激光反射率。
输出单元23根据探测激光的工作波长以及反射激光的激光反射率,组合生成反射率数组,并将反射率数组发送至信息生成单元30,其中,探测激光的反射率数组包括探测激光的工作波长、该探测激光对应的反射激光的激光反射率。
进一步的,为了实现物体种类、材质的快速识别,减少数据匹配的计算量,本实施例还示出一种组合生成反射率数组的方法,具体包括:
根据预设分级范围,对计算出的反射激光的激光反射率进行分级处理,生成分级数据。
本实施例中,将预设分级范围设为5%,则可将激光反射率0-5%划分为第一级,将激光反射率6-10%划分为第二级,依次递推。
根据分级数据以及探测激光的工作波长,组合生成反射率数组,该反射率数组为分级后的激光反射率数据,对应于待测场景或物体的近红外波段的光谱信息。
信息生成单元30用于匹配、组合光谱数据特征值以及反射率数组,生成高光谱数据信息,该高光谱数据信息可用于待测物体或场景的识别。
进一步的,信息生成单元30基于所述待测物体的光谱数据特征值获取所述待测物体的颜色信息,基于所述待测物体的反射率数组或反射率数组与所述颜色信息的组合确定所述待测物体的材质信息。
具体的,设定待检测物体为黄色的苹果,利用图像采集单元10对黄色的苹果提取光谱数据特征值,可以仅为红、绿、蓝三色对应的RGB数据,也可以为其余基础颜色对应的数据。
在利用激光雷达获取黄色的苹果在波长为1550nm、905nm的探测激光的反射率数组,最终由信息生成单元30生成对应的高光谱数据信息。
该高光谱数据信息包含两个波段的光谱信息,第一个为可见光波段的光谱信息,通过对图像采集单元10采集到的光谱数据特征值进行分析、数据比对(与已经掌握的物体的光谱数据比对),可以得到待测物体或场景的颜色光谱信息,进而确定待检测物体为黄色。
第二个为近红外波段的光谱信息,如波长为1550nm和905nm的反射光,该波段的数据由激光雷达单元20获取,通过对近红外波段对应的反射率数组进行分析,可以得到待测物体或场景的种类、材质等光谱信息,确定待检测物体为苹果。
因此,将两个波段的光谱信息结合分析,便可得到待测物体或场景的高光谱信息,即高光谱数据信息,该高光谱数据信息可用于对待测物体或场景的识别。
需要说明的是,常规的RGB图像探测系统所得到的光谱图像数据仅包括第一个波段的光谱信息,即可见光波段的光谱信息。
实施例二:
本实施例提供了一种识别装置,识别装置中包括如上述实施例中的基于激光雷达的高光谱数据信息获取系统100以及数据库,数据库中存储有各类物体的高光谱数据信息,识别装置用于将高光谱数据信息获取系统100生成的高光谱数据信息,与数据库中的高光谱数据信息进行数据比对,根据数据比对结果,确定该高光谱数据信息对应的待测物体的类别。
具体的,如图2所示,利用上述实施例中的高光谱数据信息获取系统100对待检测区域进行高光谱数据信息采集,其中,高光谱数据信息中包括可见光对应的光谱数据特征值、以及探测激光对应的反射率数组。
该识别装置根据得到的高光谱数据信息,与数据库中存储的高光谱数据信息进行对比,根据数据比对结果,便可实现对待检测区域或物体类别的识别。
需要说明的是,该数据库中存储的高光谱数据信息由已知类别的物体、场景对应的光谱数据关联组成,本实施例中不对数据库进行限定。
本实施例中,数据库中的高光谱数据信息包括光谱数据特征值、探测激光的反射率数组以及物体类别信息。
本实施例中在构建数据库收集数据库中的光谱数据时,采用上述实施例中的高光谱数据信息获取系统100对已知类别的样本进行探测,得到光谱数据特征值、反射率数组,将样本物体的类别与光谱数据特征值、反射率数组进行匹配,得到数据库中的光谱数据。
设定待检测场景中包括四个区域,每个区域对应一种物体,分别为:区域一、区域二、区域三、区域四。该识别装置获取到的高光谱数据信息中所包括的光谱信息如表2所示。
表2
蓝光B | 绿光G | 红光R | 探测激光1 | 探测激光2 | |
区域一 | 20 | 40 | 240 | 80% | 60% |
区域二 | 30 | 50 | 200 | 60% | 40% |
区域三 | 220 | 40 | 30 | 80% | 20% |
区域四 | 110 | 100 | 100 | 20% | 30% |
通过将上述高光谱数据信息中所包含的信息,与数据库中的数据进行对比,即可识别出区域一、区域二、区域三、区域四所对应的物体。
通过对各个区域的RGB数据采集,可以对待测区域的颜色进行识别,通过空间点位的扫描采集,可以识别出待测物体的颜色及轮廓和形状等信息。
同时,通过对探测激光1(工作波长1550nm)和探测激光2(工作波长905nm)反射率数据采集,同可见光波段的光谱信息相结合,可以对待测物体的材质等信息进行高光谱识别。
以上结合附图详细说明了本申请的技术方案,本申请提出了一种基于激光雷达的高光谱数据信息获取系统,包括:图像采集单元,激光雷达单元以及信息生成单元;图像采集单元中设置有光学摄像头,图像采集单元用于根据光学摄像头拍摄到的光学照片,提取光学照片中待测物体的光谱数据特征值;激光雷达单元用于获取待测物体对探测激光的反射率数组;信息生成单元用于组合光谱数据特征值以及反射率数组,生成高光谱数据信息。通过本申请中的技术方案,在激光雷达中引入可用于识别物体类别的探测激光,直接利用激光雷达对待测物体或场景进行扫描,得到探测激光的反射率,在保证高光谱数据采集时间和空间分辨率的前提下,实现对待测场景或物体的高光谱数据信息的获取。
本申请中的步骤可根据实际需求进行顺序调整、合并和删减。
本申请装置中的单元可根据实际需求进行合并、划分和删减。
尽管参考附图详地公开了本申请,但应理解的是,这些描述仅仅是示例性的,并非用来限制本申请的应用。本申请的保护范围由附加权利要求限定,并可包括在不脱离本申请保护范围和精神的情况下针对发明所作的各种变型、改型及等效方案。
Claims (7)
1.一种基于激光雷达的高光谱数据信息获取系统,其特征在于,所述系统包括:图像采集单元,激光雷达单元以及信息生成单元;
所述图像采集单元中设置有光学摄像头,所述图像采集单元用于根据所述光学摄像头拍摄到的光学照片,提取所述光学照片中待测物体的光谱数据特征值;
所述激光雷达单元用于获取所述待测物体对探测激光的反射率数组;
所述信息生成单元用于组合所述光谱数据特征值以及所述反射率数组,生成高光谱数据信息,其中,
所述激光雷达单元包括:激光发射器,探测器以及输出单元;
所述激光发射器用于向所述待测物体的表面发射所述探测激光,其中,所述探测激光的工作波长包括至少两种;
所述探测器的感应波长与所述探测激光的工作波长相同,所述探测器用于获取所述待测物体的表面反射的反射激光,并根据所述探测激光的入射光照强度,确定所述反射激光的激光反射率;
所述输出单元用于根据所述探测激光的工作波长以及所述反射激光的激光反射率,组合生成所述反射率数组,并将所述反射率数组发送至所述信息生成单元。
2.如权利要求1所述的基于激光雷达的高光谱数据信息获取系统,其特征在于,所述光谱数据特征值为RGB数据,所述图像采集单元取所述光学照片中待测物体的光谱数据特征值,具体包括:
获取所述光学摄像头拍摄到的、所述待测物体的所述光学照片;
选取所述光学照片中与所述待测物体相关的特征点;
提取所述特征点的红、绿、蓝三个颜色通道的强度标准值,将所述强度标准值记作所述特征点的光谱数据特征值。
3.如权利要求1至2中任一项所述的基于激光雷达的高光谱数据信息获取系统,其特征在于,所述高光谱数据信息用于所述待测物体的识别。
4.如权利要求1至2中任一项所述的基于激光雷达的高光谱数据信息获取系统,其特征在于,所述探测激光的工作波长至少包括905nm和1550 nm。
5.如权利要求1至2中任一项所述的基于激光雷达的高光谱数据信息获取系统,其特征在于,所述信息生成单元基于所述待测物体的光谱数据特征值获取所述待测物体的颜色信息,基于所述待测物体的反射率数组或反射率数组与所述颜色信息的组合确定所述待测物体的材质信息。
6.一种识别装置,其特征在于,所述识别装置中包括如权利要求1至5中任一项所述的基于激光雷达的高光谱数据信息获取系统以及数据库,所述数据库中存储有各类物体的高光谱数据信息,所述识别装置用于将所述高光谱数据信息获取系统生成的高光谱数据信息,与所述数据库中的高光谱数据信息进行数据比对,根据数据比对结果,确定所述待测物体的类别。
7.如权利要求6所述的识别装置,其特征在于,所述数据库中的光谱数据包括光谱数据特征值、探测激光的反射率数组以及物体类别信息,其中,在收集所述数据库中的高光谱数据信息时,利用如权利要求1至5中任一项所述的基于激光雷达的高光谱数据信息获取系统,对样本物体进行探测,得到所述光谱数据特征值、所述反射率数组,将所述样本物体的类别与所述光谱数据特征值、所述反射率数组进行匹配,得到所述数据库中的高光谱数据信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010802500.2A CN111948669B (zh) | 2020-08-11 | 2020-08-11 | 一种基于激光雷达的高光谱数据信息获取系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010802500.2A CN111948669B (zh) | 2020-08-11 | 2020-08-11 | 一种基于激光雷达的高光谱数据信息获取系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111948669A CN111948669A (zh) | 2020-11-17 |
CN111948669B true CN111948669B (zh) | 2023-01-10 |
Family
ID=73331672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010802500.2A Active CN111948669B (zh) | 2020-08-11 | 2020-08-11 | 一种基于激光雷达的高光谱数据信息获取系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111948669B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113588592B (zh) * | 2021-06-30 | 2022-09-30 | 北京航空航天大学 | 基于特定谱段的典型目标材质识别方法 |
CN114707595B (zh) * | 2022-03-29 | 2024-01-16 | 中国科学院精密测量科学与技术创新研究院 | 基于Spark的高光谱激光雷达多通道加权系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181546A (zh) * | 2014-08-25 | 2014-12-03 | 中国科学院武汉物理与数学研究所 | 彩色三维扫描激光雷达颜色信息采集显示方法 |
CN104252630A (zh) * | 2013-06-26 | 2014-12-31 | 现代摩比斯株式会社 | 物体识别系统 |
CN108370435A (zh) * | 2015-12-21 | 2018-08-03 | 株式会社小糸制作所 | 车辆用图像获取装置、以及包括了车辆用图像获取装置的车辆 |
CN108732109A (zh) * | 2018-02-26 | 2018-11-02 | 中国石油天然气股份有限公司 | 油藏定位与油膜筛选的方法、装置及计算机存储介质 |
CN109613560A (zh) * | 2018-12-26 | 2019-04-12 | 武汉大学 | 基于近红外光全波形测距的高光谱三维激光雷达系统 |
CN110114692A (zh) * | 2016-12-29 | 2019-08-09 | 华为技术有限公司 | 一种地面环境的检测方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160014395A1 (en) * | 2014-07-10 | 2016-01-14 | Arete Associates | Data fusion processing to identify obscured objects |
-
2020
- 2020-08-11 CN CN202010802500.2A patent/CN111948669B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252630A (zh) * | 2013-06-26 | 2014-12-31 | 现代摩比斯株式会社 | 物体识别系统 |
CN104181546A (zh) * | 2014-08-25 | 2014-12-03 | 中国科学院武汉物理与数学研究所 | 彩色三维扫描激光雷达颜色信息采集显示方法 |
CN108370435A (zh) * | 2015-12-21 | 2018-08-03 | 株式会社小糸制作所 | 车辆用图像获取装置、以及包括了车辆用图像获取装置的车辆 |
CN110114692A (zh) * | 2016-12-29 | 2019-08-09 | 华为技术有限公司 | 一种地面环境的检测方法和装置 |
CN108732109A (zh) * | 2018-02-26 | 2018-11-02 | 中国石油天然气股份有限公司 | 油藏定位与油膜筛选的方法、装置及计算机存储介质 |
CN109613560A (zh) * | 2018-12-26 | 2019-04-12 | 武汉大学 | 基于近红外光全波形测距的高光谱三维激光雷达系统 |
Non-Patent Citations (2)
Title |
---|
Active hyperspectral LIDAR methods for object classification;Sanna Kaasalainen et al.;《2010 2nd Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing》;20101004;全文 * |
多光谱探测与激光多光谱探测技术的进展;张宇等;《激光技术》;20070430;第31卷(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111948669A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10161796B1 (en) | LED lighting based multispectral imaging system for color measurement | |
CN111948669B (zh) | 一种基于激光雷达的高光谱数据信息获取系统 | |
Bernacki et al. | Standoff hyperspectral imaging of explosives residues using broadly tunable external cavity quantum cascade laser illumination | |
US7777897B1 (en) | Veneer roughness detection | |
US20100063402A1 (en) | Imaging spectrometer for early detection of skin cancer | |
JP2008509400A (ja) | 染色サンプルにおける光吸収のカラー表示型単色光吸収定量法 | |
WO2021009280A1 (en) | Spectrometer device | |
Shrestha et al. | Quality evaluation in spectral imaging–quality factors and metrics | |
CN111344103B (zh) | 基于高光谱光学传感器的涂层区域定位方法和装置、及除胶系统 | |
JP6113319B2 (ja) | 画像色分布検査装置および画像色分布検査方法 | |
US9998636B2 (en) | Method to remove the spectral components of illumination and background from multi-spectral and hyper-spectral images | |
Mandal et al. | Influence of acquisition parameters on pigment classification using hyperspectral imaging | |
CN113272639B (zh) | 一种提取待测物质的光谱信息的方法 | |
CN108267426A (zh) | 基于多光谱成像的绘画颜料识别系统及方法 | |
JP2022535884A (ja) | 自然光及び/又は人工光の下での物体認識のためのシステム及び方法 | |
CA3140449A1 (en) | System and method for object recognition using 3d mapping and modeling of light | |
CN212722595U (zh) | 一种光谱信息获取装置及识别装置 | |
CN114216867A (zh) | 高光谱图像采集识别装置及方法 | |
Sawyer et al. | Towards a simulation framework to maximize the resolution of biomedical hyperspectral imaging | |
CN113504185A (zh) | 结合libs定标的多光谱农产品重金属含量检测建模系统 | |
CN201051074Y (zh) | 多光谱肉类新鲜度人工智能测量系统 | |
US11688087B1 (en) | Systems and methods for using hyperspectral data to produce a unified three-dimensional scan that incorporates depth | |
Gwinner et al. | A case study on the influence of shadows and shading on multispectral airborne imaging data | |
US20220230340A1 (en) | System and method for object recognition using 3d mapping and modeling of light | |
US11830130B1 (en) | Systems and methods for removing lighting effects from three-dimensional models |
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 |