CN112230197B - 一种基于最小二乘法的激光雷达饱和波形复原方法 - Google Patents
一种基于最小二乘法的激光雷达饱和波形复原方法 Download PDFInfo
- Publication number
- CN112230197B CN112230197B CN201910633751.XA CN201910633751A CN112230197B CN 112230197 B CN112230197 B CN 112230197B CN 201910633751 A CN201910633751 A CN 201910633751A CN 112230197 B CN112230197 B CN 112230197B
- Authority
- CN
- China
- Prior art keywords
- waveform
- saturation
- level
- laser radar
- saturated
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于最小二乘法的激光雷达饱和波形复原方法,包括以下步骤:在得到饱和回波波形数据后,按照ADC的量化位数从略低于饱和电平的高阈值电平到低阈值电平进行遍历,获得n组估计有效数据,充分的利用了已知信息;通过最小二乘法估计出复原波形的幅值和形状参数;将确定形状的复原波形按照饱和电平截断,输入到匹配滤波器中同原始波形数据进行相似度匹配;得到最佳匹配位置,获得复原波形中心位置参数,输出复原后的波形。本发明减小激光雷达探测盲区,提高算法的精度和鲁棒性,根据饱和回波数据进行较高精度的波形复原,能够较好地适应激光雷达探测回波的大动态范围,提取出回波时刻及整体形状。
Description
技术领域
本发明属于激光雷达技术领域,具体为一种基于最小二乘法的激光雷达饱和波形复原方法,是一种通过对含噪饱和波形进行基于最小二乘法的形状参数估计,获得最优化高斯形状参数,经过匹配滤波器确定饱和高斯波形的位置,实现对激光雷达饱和回波的动态复原处理。
背景技术
激光雷达LiDAR(Light Detection and Ranging)是一种通过激光脉冲对目标的距离和速度进行探测的主动式遥感技术,原理是向待测目标发射激光脉冲,脉冲在同目标相互作用后,通过采样器对回波信号进行接收采样,对得到的数据进行适当的处理以获得待测目标的相关信息,随着激光成像技术的发展,激光雷达开始具备对目标方向、速度、姿态、形状等信息探测的能力,并被广泛应用于探测领域。
在激光雷达系统中,为了获得更加丰富的环境和目标信息,需要对回波波形分析提取如幅值、脉冲宽度、积分强度等信息。激光脉冲雷达测距技术主要基于飞行时间法(Time of Flight,TOF),通过记录发射和接收激光脉冲之间的时间差来计算目标距离,从而计算出物体的三维坐标,具有测量效率高、灵活性高等特点。对于一些激光雷达的应用场景,人工智能、自动驾驶激光雷达扫描特殊地形区域,激光雷达需要在几米到几百米的动态范围内工作,如自动驾驶典型的工作范围为5~150m,则回波功率动态范围可达78.16dB,在满足远距离测距要求时,会导致近距离处接收电路响应的回波信号饱和,造成系统的探测精度严重下降,降低了激光雷达的动态范围,限制了可工作范围。从算法上实现大动态范围饱和回波复原是提高激光雷达应用范围,进行波形深入分析的基本保证。
脉冲激光雷达飞行时间测量方法主要采用基于时间数字转换器 (Time-to-Digital Converter,TDC)的时刻鉴别法或基于数模转换器 (Analog to DigitalConverter,ADC)全波形采样的时间测量方法。当地物、地形较复杂或进行大动态范围探测时,回波幅度变动较大,通过预设定阈值来实现时间测量的TDC技术已不再适用。
目前大多数全波形算法仅基于非饱和波形进行研究,针对激光雷达应用时近距离处回波信号幅值过大,超出ADC输入量化范围的波形饱和情况,传统形心算法已不能满足系统要求,造成较大范围的探测盲区。
面对激光雷达应用时不断拓展的范围探测,导致在目标近距离探测时回波能量超出ADC量程范围,出现波形饱和的情况,传统回波时刻提取算法、回波拟合算法,仅针对非饱和波形有效,不能适应极近距离环境和场景的探测。
因此,亟需一种基于最小二乘法的激光雷达饱和回波复原方法。
发明内容
为解决现有技术存在的缺陷,本发明提供一种基于最小二乘法的激光雷达饱和波形复原方法。
为了解决上述技术问题,本发明提供了如下的技术方案:
本发明一种基于最小二乘法的激光雷达饱和波形复原方法,包括以下步骤:
在得到饱和回波波形数据后,按照ADC的量化位数从略低于饱和电平的高阈值电平到低阈值电平进行遍历,获得n组估计有效数据,充分的利用了已知信息;
通过最小二乘法估计出复原波形的幅值和形状参数;
将确定形状的复原波形按照饱和电平截断,输入到匹配滤波器中同原始波形数据进行相似度匹配;
得到最佳匹配位置,获得复原波形中心位置参数,输出复原后的波形。
作为本发明的一种优选技术方案,本发明提供一种基于最小二乘法的激光雷达饱和波形复原方法,包括以下步骤:
步骤一、将激光雷达回波视为高斯波形;
设饱和电平为Kceiling,高于饱和电平部分的波形幅值置为Kceiling;设最低电平为Kfloor,保证最低电平到饱和电平之间不包含饱和波形的拖尾部分;设n个阈值电平为Ki,分别根据ADC的采样位数从最低电平遍历到次最高电平;随着遍历过程确定n对阈值电平同饱和波形的交点坐标t1i、t2i;
步骤二、第i对交点横坐标差为:
计
Xi=lnKi Yi=(t2i-t1i)2
a=8C2lnA b=-8C2;
则(2)式可以表示为:
Y=a+bX:
根据最小二乘法可以得到系数a、b;
反推求解出幅值参数A、形状参数C;
步骤三、根据已经确定的待估计高斯波形的整体形状,此时待估计参数仅为中心位置参数B,求得其中心位置B;
步骤四、得到最终输出结果波形;
作为本发明的一种优选技术方案,步骤三中待估计高斯波形按饱和电平截断成饱和波形,将其同原始波形数据输入匹配滤波器中,通过匹配滤波器的解调获得与原始波形最佳匹配的饱和波形,求得其中心位置B。
本发明的有益效果是:本发明通过在饱和电平之下设定n个阈值电平,进而确定阈值电平同波形的多对交点坐标,通过线性最小二乘法实现形状参数、幅值参数的最优化,并通过匹配滤波器确定波形中心位置参数,实现大动态范围激光雷达饱和波形的复原处理。本发明减小激光雷达探测盲区,提高算法的精度和鲁棒性,根据饱和回波数据进行较高精度的波形复原,能够较好地适应激光雷达探测回波的大动态范围,提取出回波时刻及整体形状。
附图说明
图1是本发明一种基于最小二乘法的激光雷达饱和波形复原方法的工作流程图。
图2是本发明一种基于最小二乘法的激光雷达饱和波形复原方法的复原效果图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
为了达到本发明的目的,如图1至图2所示,在本发明的其中一种实施方式中提供一种基于最小二乘法的激光雷达饱和波形复原方法,包括以下步骤:
在得到饱和回波波形数据后,按照ADC的量化位数从略低于饱和电平的高阈值电平到低阈值电平进行遍历,获得n组估计有效数据,充分的利用了已知信息;
通过最小二乘法估计出复原波形的幅值和形状参数;
将确定形状的复原波形按照饱和电平截断,输入到匹配滤波器中同原始波形数据进行相似度匹配;
得到最佳匹配位置,获得复原波形中心位置参数,输出复原后的波形。
为了进一步地优化本发明的实施效果,在本发明的另一种实施方式中,在前述内容的基础上,本发明提供一种基于最小二乘法的激光雷达饱和波形复原方法,包括以下步骤:
步骤一、将激光雷达回波视为高斯波形;
设饱和电平为Kceiling,高于饱和电平部分的波形幅值置为Kceiling;设最低电平为Kfloor,保证最低电平到饱和电平之间不包含饱和波形的拖尾部分;设n个阈值电平为Ki,分别根据ADC的采样位数从最低电平遍历到次最高电平;随着遍历过程确定n对阈值电平同饱和波形的交点坐标t1i、t2i;
步骤二、第i对交点横坐标差为:
计
Xi=lnKi Yi=(t2i-t1i)2
a=8C2lnA b=-8C2:
则(2)式可以表示为:
Y=a+bX:
根据最小二乘法可以得到系数a、b;
反推求解出幅值参数A、形状参数C;
步骤三、根据已经确定的待估计高斯波形的整体形状,此时待估计参数仅为中心位置参数B;具体地,待估计高斯波形按饱和电平截断成饱和波形,将其同原始波形数据输入匹配滤波器中,通过匹配滤波器的解调获得与原始波形最佳匹配的饱和波形,求得其中心位置B;
步骤四、得到最终输出结果波形;
下面对本发明的工作原理作进一步说明:
本发明通过在饱和电平之下设定n个阈值电平,进而确定阈值电平同波形的多对交点坐标,通过线性最小二乘法实现形状参数、幅值参数的最优化,并通过匹配滤波器确定波形中心位置参数,实现大动态范围激光雷达饱和波形的复原处理。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (2)
1.一种基于最小二乘法的激光雷达饱和波形复原方法,其特征在于,包括以下步骤:
步骤一、将激光雷达回波视为高斯波形;
设饱和电平为Kceiling,高于饱和电平部分的波形幅值置为Kceiling;设最低电平为Kfloor,保证最低电平到饱和电平之间不包含饱和波形的拖尾部分;设n个阈值电平为Ki,分别根据ADC的采样位数从最低电平遍历到次最高电平;随着遍历过程确定n对阈值电平同饱和波形的交点坐标t1i、t2i;
步骤二、第i对交点横坐标差为:
计
Xi=lnKi Yi=(t2i-t1i)2
a=8C2lnA b=-8C2;
则(2)式可以表示为:
Y=a+bX;
根据最小二乘法可以得到系数a、b;
反推求解出幅值参数A、形状参数C;
步骤三、根据已经确定的待估计高斯波形的整体形状,此时待估计参数仅为中心位置参数B,求得其中心位置B;
步骤四、得到最终输出结果波形;
2.根据权利要求1所述的基于最小二乘法的激光雷达饱和波形复原方法,其特征在于,步骤三中待估计高斯波形按饱和电平截断成饱和波形,将其同原始波形数据输入匹配滤波器中,通过匹配滤波器的解调获得与原始波形最佳匹配的饱和波形,求得其中心位置B。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910633751.XA CN112230197B (zh) | 2019-07-15 | 2019-07-15 | 一种基于最小二乘法的激光雷达饱和波形复原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910633751.XA CN112230197B (zh) | 2019-07-15 | 2019-07-15 | 一种基于最小二乘法的激光雷达饱和波形复原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112230197A CN112230197A (zh) | 2021-01-15 |
CN112230197B true CN112230197B (zh) | 2022-12-13 |
Family
ID=74111438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910633751.XA Active CN112230197B (zh) | 2019-07-15 | 2019-07-15 | 一种基于最小二乘法的激光雷达饱和波形复原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112230197B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114994639B (zh) * | 2022-08-08 | 2022-11-15 | 四川吉埃智能科技有限公司 | 激光扫描雷达实现亚厘米级测量精度的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054205A (zh) * | 2016-08-05 | 2016-10-26 | 上海思岚科技有限公司 | 一种激光测距装置及其激光测距方法 |
CN108333594A (zh) * | 2017-06-05 | 2018-07-27 | 杭州光博视野科技有限责任公司 | 一种激光脉冲测距装置和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7668053B2 (en) * | 2005-06-03 | 2010-02-23 | Zoran Corporation | Processing an information carrying signal |
JP4984713B2 (ja) * | 2006-07-25 | 2012-07-25 | 株式会社デンソー | レーダ装置 |
-
2019
- 2019-07-15 CN CN201910633751.XA patent/CN112230197B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054205A (zh) * | 2016-08-05 | 2016-10-26 | 上海思岚科技有限公司 | 一种激光测距装置及其激光测距方法 |
CN108333594A (zh) * | 2017-06-05 | 2018-07-27 | 杭州光博视野科技有限责任公司 | 一种激光脉冲测距装置和方法 |
Non-Patent Citations (2)
Title |
---|
基于双阈值前沿时刻鉴别法的高频脉冲激光测距系统;陈瑞强 等;《光学学报》;20130930;第33卷(第9期);全文 * |
激光引信复合时刻鉴别法的漂移误差补偿;查冰婷 等;《中国激光》;20181031;第45卷(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112230197A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275153B (zh) | 一种基于激光雷达的水面目标检测与跟踪方法 | |
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 | |
CN111368607B (zh) | 一种机器人、障碍物的检测方法及检测装置 | |
CN106990401B (zh) | 基于全波形机载激光雷达数据二类高程误差修正方法 | |
CN107942329B (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN104880160B (zh) | 一种工件表面轮廓的二维激光实时探测方法 | |
CN110794396B (zh) | 基于激光雷达和导航雷达的多目标识别方法及系统 | |
CN110007299B (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN109188430B (zh) | 一种基于地面监视雷达系统的目标提取方法 | |
CN110717496B (zh) | 基于神经网络的复杂场景树木检测方法 | |
CN114494287A (zh) | 一种远距离激光雷达点云数据处理方法 | |
CN108106617A (zh) | 一种无人机自动避障方法 | |
CN113466827B (zh) | 一种基于改进局部稀疏算法的去噪方法 | |
CN105427301A (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
CN112230197B (zh) | 一种基于最小二乘法的激光雷达饱和波形复原方法 | |
CN110412609B (zh) | 一种多脉冲激光雷达目标检测方法 | |
CN104407345A (zh) | 一种用于弱目标检测跟踪中的改进型动态规划方法 | |
CN114609609A (zh) | Fmcw激光雷达随机采样提取静止点云的速度估计方法 | |
CN108983194B (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
CN113376648B (zh) | 基于激光雷达探测的高速非合作目标轨迹提取方法 | |
CN112465867B (zh) | 一种基于卷积神经网络的红外点目标实时检测跟踪方法 | |
CN115436966A (zh) | 一种激光雷达参考水深控制点批量提取方法 | |
CN111239761B (zh) | 一种用于室内实时建立二维地图的方法 | |
CN103983270A (zh) | 一种声纳数据的图像化处理方法 | |
CN110780300B (zh) | 一种用于风廓线雷达的数据处理方法 |
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 |