CN112230198A - 一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法 - Google Patents
一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法 Download PDFInfo
- Publication number
- CN112230198A CN112230198A CN201910633857.XA CN201910633857A CN112230198A CN 112230198 A CN112230198 A CN 112230198A CN 201910633857 A CN201910633857 A CN 201910633857A CN 112230198 A CN112230198 A CN 112230198A
- Authority
- CN
- China
- Prior art keywords
- window width
- gradient
- waveform
- pixel
- width weight
- 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
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于梯度窗宽权重修正的激光雷达回波波形数据去噪方法，包括以下步骤：在得到一组回波数据后，利用Boxfilter计算反映波形梯度，并得到归一化后的梯度参数；根据像素点的梯度进行动态窗宽权重的修正，计算窗宽权重修正函数；考虑逐个像素点梯度确定的窗宽权重修正函数，得到动态窗宽权重滤波函数，对输入波形进行滤波处理，输出滤波后的波形。本发明根据含噪声波形逐个像素点的梯度，动态微调和修正高斯滤波器窗宽权重，通过波形像素点梯度动态改变窗宽权重，实现对激光雷达波形数据的动态去噪。
Description
技术领域
本发明属于激光雷达技术领域，具体为一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法。
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。对于一些激光雷达的应用场景，如扫描特殊地形和植被覆盖的区域，回波会出现多回波叠加的情况，此时良好的滤波算法可以在去除噪声的同时保留更多有效的信息，是进行波形深入分析的基本保证。
激光雷达回波信号的噪声主要由三部分组成：探测器噪声、环境光噪声和读出电路噪声，其中散粒噪声和热噪声占主导地位，通常的表现形式为高斯白噪声。目前在图像领域应用最广泛的滤除高斯噪声的方法有高斯滤波算法、双边滤波算法、引导滤波算法和小波滤波算法。传统高斯滤波算法固定窗宽和方差，会出现削平波峰的情况；双边滤波算法能够有效保留突变边缘部分，但噪声较大时效果不好；引导滤波算法通过设定敏感度控制边缘的保留程度，在无明显突变的激光雷达回波中需要选择合适的敏感度以平衡噪声和凸起的波形；固定参数滤波算法无法在多种环境下都实现很好的滤波效果。
激光器发射脉冲同目标发生相互作用，得到叠加回波的各个分量的脉宽与发射脉冲相比基本相同，仅有微小展宽，因此激光雷达回波信号是平滑预期的，适用于高斯滤波器。传统高斯滤波需要预先设定好滤波核的窗宽权重和方差，有波峰处幅值滤波后被压缩，不能同时适应尖锐突起存在等缺点。
面对激光雷达不断变化的应用环境，如应用在水深探测领域的激光测深雷达回波波形，波形存在不同脉宽的分量，传统高斯滤波器的固定窗宽和方差不能适应，滤波结果存在波峰处幅值被压缩等缺点。
因此，亟需一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法。
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梯度窗宽权重修正的激光雷达回波波形去噪方法，在噪声水平较高的情况下依然能实现激光雷达回波的平滑滤波。
为了解决上述技术问题，本发明提供了如下的技术方案：
本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法，包括以下步骤：
在得到一组回波数据后，利用Boxfilter计算反映波形梯度，并得到归一化后的梯度参数ki；
根据像素点的梯度进行动态窗宽权重的修正，计算窗宽权重修正函数
考虑逐个像素点梯度确定的窗宽权重修正函数
得到动态窗宽权重滤波函数，对输入波形进行滤波处理，输出滤波后的波形。
作为本发明的一种优选技术方案，本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法，具体包括以下步骤：
步骤一、数组或矩阵A中的每个元素的值是该像素邻域内的像素和，其运算复杂度为O(n)；与待滤波形I同尺寸的矩阵P中元素全部为1，经过Boxfilter操作得到矩阵N，其中Boxfilter窗宽为高斯滤波器窗宽σ；
N＝Boxfilter(P，σ)；
波形矩阵I逐像素点进行Boxfilter操作，并进行像素平均，其中Boxfilter窗宽为高斯滤波器窗宽σ；
mean_1＝Boxfilter(I，σ)./N；
波形矩阵I逐像素点同自身相乘得到矩阵I′；
I′＝I.*I；
对矩阵I′逐像素点进行Boxfilter操作，并进行像素平均，其中Boxfilter窗宽为高斯滤波器窗宽σ；
mean_2＝βoxfilter(I′，σ)./N；
波形矩阵I的梯度信息参数由下式求出；
grad(I)＝mean_2-mean_1.*mean_1；
然后，对grad(I)进行归一化得到梯度参数ki；
步骤二、计算窗宽权重修正函数
同波形像素点梯度参数ki有如下关系；
步骤三、根据波形逐个像素点梯度确定窗宽权重修正函数
得到动态窗宽权重滤波函数；
步骤四、输出滤波后波形：通过步骤三得到的动态窗宽权重滤波函数，逐个像素点进行加权平均，最终获得滤波后的波形数据。
作为本发明的一种优选技术方案，步骤二中高斯滤波器在波形波峰处会出现幅值被压缩的情况，为避免过度去噪导致波峰幅值被削平，同时降低上下沿噪声的影响，每一个像素点动态改变滤波器窗宽权重，在大梯度时适当增加窗宽权重，在小梯度时适当减少窗宽权重，计算窗宽权重修正函数
本发明的有益效果是：本发明根据含噪声波形逐个像素点的梯度，动态微调和修正高斯滤波器窗宽权重，通过波形像素点梯度动态改变窗宽权重，实现对激光雷达波形数据的动态去噪。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法的整体工作流程图。
图2是本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法中动态窗宽权重对应图。
图3是本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法中动态窗宽权重去噪效果图。
图4是本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法中动态窗宽权重去噪方法与现有滤波方法的效果对比图。
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所示，在本发明的其中一种实施方式中提供一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法，包括以下步骤：
在得到一组回波数据后，利用Boxfilter计算反映波形梯度，并得到归一化后的梯度参数ki；
根据像素点的梯度进行动态窗宽权重的修正，计算窗宽权重修正函数
考虑逐个像素点梯度确定的窗宽权重修正函数
得到动态窗宽权重滤波函数，对输入波形进行滤波处理，输出滤波后的波形。
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，本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法，具体包括以下步骤：
步骤一、数组或矩阵A中的每个元素的值是该像素邻域内的像素和，其运算复杂度为O(n)；与待滤波形I同尺寸的矩阵P中元素全部为1，经过Boxfilter操作得到矩阵N，其中Boxfilter窗宽为高斯滤波器窗宽σ；
N＝Boxfilter(P,σ)；
波形矩阵I逐像素点进行Boxfilter操作，并进行像素平均，其中Boxfilter窗宽为高斯滤波器窗宽σ；
mean_1＝Boxfilter(I，σ)./N；
波形矩阵I逐像素点同自身相乘得到矩阵I′；
I′＝I.*I；
对矩阵I′逐像素点进行Boxfilter操作，并进行像素平均，其中Boxfilter窗宽为高斯滤波器窗宽σ；
mean_2＝Boxfilter(I′，σ)./N；
波形矩阵I的梯度信息参数由下式求出；
grad(I)＝mean_2-mean_1.*mean_1；
然后，对grad(I)进行归一化得到梯度参数ki；
步骤二、计算窗宽权重修正函数
同波形像素点梯度参数ki有如下关系；
步骤三、根据波形逐个像素点梯度确定窗宽权重修正函数
得到动态窗宽权重滤波函数；
步骤四、输出滤波后波形：通过步骤三得到的动态窗宽权重滤波函数，逐个像素点进行加权平均，最终获得滤波后的波形数据。
其中，步骤二中高斯滤波器在波形波峰处会出现幅值被压缩的情况，为避免过度去噪导致波峰幅值被削平，同时降低上下沿噪声的影响，每一个像素点动态改变滤波器窗宽权重，在大梯度时适当增加窗宽权重，在小梯度时适当减少窗宽权重，计算窗宽权重修正函数
本发明根据含噪声波形逐个像素点的梯度，动态微调和修正高斯滤波器窗宽权重，通过波形像素点梯度动态改变窗宽权重，实现对激光雷达波形数据的动态去噪。
如图2所示，其为本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法中动态窗宽权重对应图。窗宽权重根据波形梯度变化而动态微调、改变，以实现激光雷达回波动态去噪。
如图3所示，其为本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法中动态窗宽权重去噪效果图。本发明提出的基于梯度窗口权重修正算法能够有效去除添加的高斯白噪声，同时平滑波形同时保留波形特征。算法适应于实际的工程应用中，对典型激光雷达全波形数据的降噪处理。
如图4所示，其为本发明一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法中动态窗宽权重去噪方法与现有滤波方法的效果对比图。其中传统高斯算法采用固定滤波窗宽，不能根据噪声变化自适应改变，滤波结果波形的峰值被压缩；小波滤波在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，适于探测信号中突变信号的成分，但在输入的含噪声波形变化剧烈时，会将部分噪声误认为是信号分量并加以保留；引导滤波加入了幅值权重，适用于保留突变的波形边缘，但无法动态改变窗宽，体现在滤波结果中峰值处冗余信息保留；梯度域窗宽权重修正滤波根据波形的梯度域变化，动态调整滤波器窗宽，能够在原有波形基础上保持峰值大小、平滑保留形状特征。
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 (3)
1.一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法，其特征在于，包括以下步骤：
在得到一组回波数据后，利用Boxfilter计算反映波形梯度，并得到归一化后的梯度参数ki；
根据像素点的梯度进行动态窗宽权重的修正，计算窗宽权重修正函数
考虑逐个像素点梯度确定的窗宽权重修正函数
得到动态窗宽权重滤波函数，对输入波形进行滤波处理，输出滤波后的波形。
2.根据权利要求1所述的基于梯度窗宽权重修正的激光雷达回波波形去噪方法，其特征在于，具体包括以下步骤：
步骤一、数组或矩阵A中的每个元素的值是该像素邻域内的像素和，其运算复杂度为O(n)；与待滤波形I同尺寸的矩阵P中元素全部为1，经过Boxfilter操作得到矩阵N，其中Boxfilter窗宽为高斯滤波器窗宽σ；
N＝Boxfilter(P，σ)；
波形矩阵I逐像素点进行Boxfilter操作，并进行像素平均，其中Boxfilter窗宽为高斯滤波器窗宽σ；
mean_1＝Boxfilter(I，σ)./N；
波形矩阵I逐像素点同自身相乘得到矩阵I′；
I′＝I.*I；
对矩阵I′逐像素点进行Boxfilter操作，并进行像素平均，其中Boxfilter窗宽为高斯滤波器窗宽σ；
mean_2＝Boxfilter(I′，σ)./N；
波形矩阵I的梯度信息参数由下式求出；
grad(I)＝mean_2-mean_1.*mean-1；
然后，对grad(I)进行归一化得到梯度参数ki；
步骤二、计算窗宽权重修正函数
同波形像素点梯度参数ki有如下关系；
步骤三、根据波形逐个像素点梯度确定窗宽权重修正函数
得到动态窗宽权重滤波函数；
步骤四、输出滤波后波形：通过步骤三得到的动态窗宽权重滤波函数，逐个像素点进行加权平均，最终获得滤波后的波形数据。
3.根据权利要求1所述的基于梯度窗宽权重修正的激光雷达回波波形去噪方法，其特征在于，步骤二中高斯滤波器在波形波峰处会出现幅值被压缩的情况，为避免过度去噪导致波峰幅值被削平，同时降低上下沿噪声的影响，每一个像素点动态改变滤波器窗宽权重，在大梯度时适当增加窗宽权重，在小梯度时适当减少窗宽权重，计算窗宽权重修正函数
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910633857.XA CN112230198B (zh) | 2019-07-15 | 2019-07-15 | 一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910633857.XA CN112230198B (zh) | 2019-07-15 | 2019-07-15 | 一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112230198A true CN112230198A (zh) | 2021-01-15 |
| CN112230198B CN112230198B (zh) | 2022-10-25 |
Family
ID=74111628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910633857.XA Active CN112230198B (zh) | 2019-07-15 | 2019-07-15 | 一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112230198B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023019901A1 (zh) * | 2021-08-16 | 2023-02-23 | 上海禾赛科技有限公司 | 提高激光雷达分辨率的方法及装置、激光雷达 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103777191A (zh) * | 2014-01-28 | 2014-05-07 | 李奇 | 基于小波平移不变阈值去噪的激光雷达波形数据处理方法 |
| CN104408018A (zh) * | 2014-11-19 | 2015-03-11 | 武汉大学 | 一种保形LiDAR波形去噪方法及系统 |
| CN105929380A (zh) * | 2015-12-01 | 2016-09-07 | 中国科学院上海技术物理研究所 | 一种卫星激光高度计全波形激光雷达数据去噪方法 |
| CN108845306A (zh) * | 2018-07-05 | 2018-11-20 | 南京信息工程大学 | 基于变分模态分解的激光雷达回波信号去噪方法 |
-
2019
- 2019-07-15 CN CN201910633857.XA patent/CN112230198B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103777191A (zh) * | 2014-01-28 | 2014-05-07 | 李奇 | 基于小波平移不变阈值去噪的激光雷达波形数据处理方法 |
| CN104408018A (zh) * | 2014-11-19 | 2015-03-11 | 武汉大学 | 一种保形LiDAR波形去噪方法及系统 |
| CN105929380A (zh) * | 2015-12-01 | 2016-09-07 | 中国科学院上海技术物理研究所 | 一种卫星激光高度计全波形激光雷达数据去噪方法 |
| CN108845306A (zh) * | 2018-07-05 | 2018-11-20 | 南京信息工程大学 | 基于变分模态分解的激光雷达回波信号去噪方法 |
Non-Patent Citations (2)
| Title |
|---|
| XIANZHAO XIA ET AL.: ""Robust Noise Suppression Technique for a LADAR System via Eigenvalue-Based Adaptive Filtering"", 《SENSORS》 * |
| 梁敏 等: ""基于高斯滤波的回波信号去噪方法的研究"", 《测绘与空间地理信息》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023019901A1 (zh) * | 2021-08-16 | 2023-02-23 | 上海禾赛科技有限公司 | 提高激光雷达分辨率的方法及装置、激光雷达 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112230198B (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bhutada et al. | Edge preserved image enhancement using adaptive fusion of images denoised by wavelet and curvelet transform | |
| Ibrahim et al. | Simple adaptive median filter for the removal of impulse noise from highly corrupted images | |
| US8094063B1 (en) | Image filtering and masking method and system for improving resolution of closely spaced objects in a range-doppler image | |
| CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
| CN109785260B (zh) | 一种针对侧扫声呐图像的非线性增强方法 | |
| CN105046258B (zh) | 一种小目标探测声呐图像的目标检测方法及装置 | |
| JP7124037B2 (ja) | 方法、コンピュータプログラム製品、装置、および周波数変調連続波レーダーシステム | |
| US6097849A (en) | Automated image enhancement for laser line scan data | |
| JP5069022B2 (ja) | 超音波撮像で使用するための正確な時間遅延推定の方法及びシステム | |
| Ozdarici et al. | A comparison of SAR filtering techniques on agricultural area identification | |
| CN112230198B (zh) | 一种基于梯度窗宽权重修正的激光雷达回波波形去噪方法 | |
| JP4732345B2 (ja) | 超音波撮像方法および装置 | |
| CN104794689A (zh) | 一种增强声呐图像对比度的预处理方法 | |
| Abd-Elmoniem et al. | Real time adaptive ultrasound speckle reduction and coherence enhancement | |
| CN112882026B (zh) | 一种树高反演的方法、装置、计算机存储介质及终端 | |
| Zamperoni | Image enhancement | |
| CN107610056B (zh) | 基于全变分的混合加权维纳滤波图像去噪方法 | |
| CN112230199B (zh) | 一种基于高维特征值分析的激光雷达回波盲去噪方法 | |
| Chumning et al. | Edge preservation evaluation of digital speckle filters | |
| Srividhya et al. | Performance analysis of pre-processing filters for underwater images | |
| CN112164079A (zh) | 一种声呐图像分割方法 | |
| CN112233022A (zh) | 一种基于梯度域修正的激光雷达引导滤波去噪方法 | |
| Li et al. | Ultrasound speckle reduction based on image segmentation and diffused region growing | |
| CN114155425A (zh) | 基于高斯马尔可夫随机场运动方向估计的弱小目标检测方法 | |
| Ramadan | Optimum image filters for various types of noise |
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 |