CN112444821B - 远距离非视域成像方法、装置、设备及介质 - Google Patents
远距离非视域成像方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112444821B CN112444821B CN202011264640.5A CN202011264640A CN112444821B CN 112444821 B CN112444821 B CN 112444821B CN 202011264640 A CN202011264640 A CN 202011264640A CN 112444821 B CN112444821 B CN 112444821B
- Authority
- CN
- China
- Prior art keywords
- detection target
- visual field
- detection
- reflectivity
- detection signal
- 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
- 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)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
一种远距离非视域成像方法,包括:在传统非视域成像模型的基础上,考虑探测信号在传播过程中的时间展宽和空间展宽,建立非视域成像泊松分布模型,利用探测信号探测非视域空间内的探测目标,并接收经过探测目标反射回来的探测信号,探测信号包括了探测目标的反射率的信息,将经过探测目标反射回来的探测信号输入非视域成像泊松分布模型,利用三维SPIRALTAP的凸优化算法求解非视域成像泊松分布模型,获得探测目标的反射率,基于探测目标的反射率,实现对目标的三维重构。本公开还提供了的远距离非视域成像装置、电子设备和存储介质,可解决由于远距离场景下光斑发散及近红外器件精度较低导致成像分辨率降低等问题,实现全天时远距离非视域成像。
Description
技术领域
本公开涉及非视域三维成像技术领域,尤其涉及一种远距离非视域成像方法、装置、电子设备及介质。
背景技术
近些年,随着激光雷达的技术发展,目前一些技术已实现在公里级的距离下实现厘米级分辨率的三维成像。然而,在一些特殊的场景下,由于各种障碍物的遮挡,难以使用直接成像的方法对隐藏在障碍物后的目标和场景进行有效成像。为了能够对障碍物后面的目标进行搜索、侦察和观察,基于激光雷达的三维非视域成像技术被提出,该技术可通过借助具有一定反射率的墙面反射面实现绕过障碍物对隐藏物体目标进行追踪或成像。目前,在室内场景下已经取得了一系列积极地进展。然而,尽管现有的技术能够实现对室内近距离隐藏物体的非视域三维成像,由于远距离成像使用的近红外波段系统存在比较大的时间展宽,以及光学器件发散角在远距离时带来的光斑发散会对成像质量带来较大影响,目前三维非视域成像技术仍然无法实现公里级的非视域成像。
发明内容
鉴于上述问题,本发明提供了一种远距离非视域成像方法,以解决由红外激光器和探测器带来的时间展宽对成像质量的影响、远距离探测光斑发散等问题,降低主动式脉冲同轴非视域成像对器件的要求,实现全天时远距离非视域成像。
本公开一方面提供了一种远距离非视域成像方法,包括:基于探测信号在传播过程中的时间展宽和空间展宽,建立非视域成像泊松分布模型;利用所述探测信号探测非视域空间内的探测目标,并接收经过所述探测目标反射回来的所述探测信号,所述探测信号包括了所述探测目标的反射率的信息;将经过所述探测目标反射回来的所述探测信号输入所述非视域成像泊松分布模型,利用三维SPIRALTAP的凸优化算法求解所述非视域成像泊松分布模型,获得所述探测目标的反射率;基于所述探测目标的反射率,实现对所述探测目标的三维重构。
可选地,所述非视域成像泊松分布模型包括:令s(ξ,κ,t)表示所述经过所述探测目标反射回来的所述探测信号的光子数,(ξ,κ)表示所述探测信号探测所述探测目标时打在中介墙上形成的扫描点的坐标,t表示时间,gt(t)表示所述探测信号的时间展宽,gxy(ξ,κ)表示所述探测信号的空间展宽,(x,y,z)表示所述探测目标的坐标,α表示所述探测目标的反射率,b(t)表示背景噪声,r(x,y,z;ξ,κ)表示所述探测目标与所述扫描点的距离,*表示卷积符号,则所述非视域成像泊松分布模型为:
其中,δ(ct-2r(x,y,z;ξ,κ))表示所述探测信号的响应函数。
可选地,所述方法还包括:将所述非视域成像泊松分布模型进行离散化,得到:
S~Poisson(G*H(α)+B);
其中,S表示探测到光子数分布的矩阵,G表示所述时间展宽gt(t) 和所述空间展宽gxy(ξ,κ)的离散化矩阵,H(α)表示的离散化矩阵,α表示所述探测目标的反射率,B表示所述背景噪声b(t)的离散化矩阵。
可选地,所述探测信号的时间展宽和空间展宽的函数表示包括:
其中,所述时间展宽、所述空间展宽的函数表示为高斯函数,σt、σr分别为其展宽。
可选地,所述将经过所述探测目标反射回来的所述探测信号输入所述非视域成像泊松分布模型,利用三维SPIRALTAP的凸优化算法求解所述非视域成像泊松分布模型,获得所述探测目标的反射率包括:基于所述非视域成像泊松分布模型,得到所述探测信号包括预设光子数的概率计算模型;以所述探测信号为输入,利用三维SPIRALTAP 的凸优化算法求解所述概率计算模型,获得所述探测目标的反射率,其中,所述概率计算模型的概率值最大时,所述概率计算模型的解为所述探测目标的反射率。
可选地,所述基于所述非视域成像泊松分布模型,得到所述探测信号包括预设光子数的概率计算模型包括:
其中,Pr(S;G*H(α),B)表示光子数分布的矩阵为S的联合概率, Prij(Sij;G*H(α),B)表示在所述扫描点(i,j)探测到光子数为sij的概率;
可选地,所述以所述探测信号为输入,利用三维SPIRALTAP的凸优化算法求解所述概率计算模型,获得所述探测目标的反射率包括:
α=argmin L(α;S,H,G,B)+λ||α||TV;
其中,L(α;S,H,G,B)表示Pr(S;G*H(α),B)的负对数似然函数, ||α||TV表示平滑项,用于补偿图像失真,λ是一个正实数,用与调节平滑项的影响大小,nx、ny、nt表示反射率矩阵α的三维尺寸,i、j、k分别表示了α的矩阵内部的三维角标。
本公开另一方面提供了一种远距离非视域成像装置,包括:建模模块,用于基于探测信号在传播过程中的时间展宽和空间展宽,建立非视域成像泊松分布模型;探测模块,用于利用所述探测信号探测非视域空间内的探测目标,并接收经过所述探测目标反射回来的所述探测信号,所述探测信号包括了所述探测目标的反射率的信息;反射率计算模块,用于将经过所述探测目标反射回来的所述探测信号输入所述非视域成像泊松分布模型,利用三维SPIRALTAP的凸优化算法求解所述非视域成像泊松分布模型,获得所述探测目标的反射率;图像重构模块,用于基于所述探测目标的反射率,实现对所述探测目标的三维重构。
本公开另一方面提供了一种电子设备,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计算机程序时,实现第一方面中的任一项所述远距离非视域成像方法中的各个步骤。
本公开另一方面提供了一种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,实现第一方面中的任一项远距离非视域成像方法中的各个步骤。
在本公开实施例采用的上述至少一个技术方案能够达到以下有益效果:
本公开提供了一种远距离非视域成像方法、装置、电子设备及介质,可以应对近红外器件精度较低导致成像分辨率的降低的问题,以及,可以应对远距离场景下光斑发散造成的成像分辨率降低的问题,降低了主动式脉冲同轴非视域成像对器件的要求,实现全天时远距离非视域成像。
附图说明
为了更完整地理解本公开及其优势,现在将参考结合附图的以下描述,其中:
图1示意性示出了本公开实施例提供的一种远距离非视域成像系统的示意图;
图2示意性示出了本公开实施例提供的一种远距离非视域成像方法的流程图;
图3示意性示出了本公开实施例提供的一种远距离非视域成像方法测试结果的示意图;
图4示意性示出了本公开实施例提供的一种远距离非视域成像方法在探测信号存在不同光斑时的模拟结果的示意图;
图5示意性示出了本公开实施例提供的一种远距离非视域成像方法在探测信号包括不同时间展宽时的模拟结果的示意图;
图6示意性示出了本公开实施例提供的一种远距离非视域成像方法在远距离实验中的模拟结果的示意图;
图7示意性示出了本公开实施例提供的一种电子设备的结构框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
因此,本公开的技术可以硬件和/或软件(包括固件、微代码等) 的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本公开的上下文中,计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如,计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;和/或有线/无线通信链路。
图1示意性示出了本公开实施例提供的一种远距离非视域成像系统的示意图。
如图1所示,在该远距离非视域成像系统中,激光发射器向中介墙发射探测信号光,在中介墙上形成扫描点,经中介墙反射到达障碍物后的非视域空间内的探测目标,探测目标将探测信号反射回中介墙,利用探测器探测经过扫描点处反射回来的探测信号。图1中的左上角的波形为探测器探测到的探测信号的时域图。
在远距离主动式脉冲非视域成像系统中,由于器件无法达到更高精度导致的时间上的展宽会使得重构结果在横向以及深度上的分辨率不够高,在时间精度低到一定程度时,原有的重构算法无法重构出图像;另外,由于系统存在发散角,在远距离的情况下会形成大光斑,从而导致空间上的展宽,这会使得重构结果在横向上出现错误,在光斑大至一定程度时,原有的重构算法无法得出重构图像。这些特点导致原有的重构算法不够精确,在某些情况下无法得出有效的重构结果。
在本公开实施例中,在已有非视域成像模型的基础上,着重考虑了由于器件、大气环境等原因造成的时间上的展宽以及由于光斑造成的空间上的展宽,提出了一种非视域成像泊松分布模型,基于此提出了一种远距离非视域成像方法,以解决由红外激光器和探测器带来的时间展宽对成像质量的影响、远距离探测光斑发散等问题。
图2示意性示出了本公开实施例提供的一种远距离非视域成像方法的流程图。
如图2所示,本公开实施例提供的一种远距离非视域成像方法包括步骤S210~S240。
S210,在传统非视域成像模型的基础上,考虑探测信号在传播过程中的时间展宽和空间展宽,建立非视域成像泊松分布模型。
所述非视域成像泊松分布模型包括:
令s(ξ,κ,t)表示所述经过所述探测目标反射回来的所述探测信号的光子数,(ξ,κ)表示所述探测信号探测所述探测目标时打在中介墙上形成的扫描点的坐标,t表示时间,gt(t)表示所述探测信号的时间展宽,gxy(ξ,κ)表示所述探测信号的空间展宽,(x,y,z)表示所述探测目标的坐标,α表示所述探测目标的反射率,b(t)表示背景噪声, r(x,y,z;ξ,κ)表示所述探测目标与所述扫描点的距离,*表示卷积符号,则所述非视域成像泊松分布模型为:
其中,δ(ct-2r(x,y,z;ξ,κ))表示所述探测信号的响应函数。
探测信号的时间展宽和空间展宽的函数表示包括:
其中,所述时间展宽、所述空间展宽的函数表示为高斯函数,σt、σr分别为其展宽。
为了简化模型的公式,令:
则模型公式可简写为:
s(ξ,κ,t)~Poisson(h(α;ξ,κ,t)*gt(t)*gxy(ξ,κ)+b(t));
为了在计算机中进行数值运算,需要将上述模型进行离散化,则:
S~Poisson(G*H(α)+B);
其中,S表示探测到光子数分布的矩阵,G表示所述时间展宽gt(t) 和所述空间展宽gxy(ξ,κ)的离散化矩阵,H(α)表示h(α;ξ,κ,t)的离散化矩阵,α表示所述探测目标的反射率,B表示所述背景噪声b(t)的离散化矩阵。
S220,利用所述探测信号探测非视域空间内的探测目标,并接收经过所述探测目标反射回来的所述探测信号,所述探测信号包括了所述探测目标的反射率的信息。
具体的探测方法参考图1所示的方法,在此不做赘述。
S230,将经过所述探测目标反射回来的所述探测信号输入所述非视域成像泊松分布模型,利用三维SPIRALTAP的凸优化算法求解所述非视域成像泊松分布模型,获得所述探测目标的反射率。
步骤S230包括步骤S231~S232。
步骤S231,基于所述非视域成像泊松分布模型,得到所述探测信号包括预设光子数的概率计算模型。
步骤S232,以所述探测信号为输入,利用三维SPIRALTAP的凸优化算法求解所述概率计算模型,获得所述探测目标的反射率,其中,所述概率计算模型的概率值最大时,所述概率计算模型的解为所述探测目标的反射率。
具体的,根据离散化的非视域成像泊松分布模型,在扫描点(i, j)探测到光子数为sij的概率为:
基于非视域成像泊松分布模型,可得在各扫描点探测到的探测信号的光子数分布矩阵为S的概率,即概率计算模型为:
其中,Pr(S;G*H(α),B)表示光子数分布的矩阵为S的联合概率, Prij(sij;G*H(α),B)表示在所述扫描点(i,j)探测到光子数为sij的概率。
当概率计算模型的概率值最大时,所述概率计算模型对应的探测目标的反射率矩阵即为探测目标的反射率,基于该反射率,可实现对探测目标的重构。
在本公开实施例中,利用三维SPIRALTAP的凸优化算法求解所述概率计算模型,为了使该概率计算模型的概率值最大,有:
α=argmax Pr(S;G*H(α),B)。
在本公开实施例中,定义L(α;S,H,G,B)为Pr(S;G*H(α),B)的负对数似然函数,则:
α=argmin L(α;S,H,G,B)+λ||α||TV;
其中,L(α;S,H,G,B)表示Pr(S;G*H(α),B)的负对数似然函数, ||α||TV表示平滑项,用于补偿图像失真,λ是一个正实数,用与调节平滑项的影响大小,nx、ny、nt表示反射率矩阵α的三维尺寸,i、j、k分别表示了α的矩阵内部的三维角标。
S240,基于所述探测目标的反射率,实现对所述探测目标的三维重构。
基于反射率重构探测目标的方法有很多,在此不做赘述。
图3示意性示出了本公开实施例提供的一种远距离非视域成像方法测试结果的示意图。
如图3所示,在测试实验中,我们对实验室内的房间里的隐藏物体主动成像,(a)显示了探测到的真实数据,可以发现,如果不经处理,我们无法从原始数据中得到隐藏物体的任何信息;(b)是使用本公开提出的算法进行的重构结果;(c)显示了隐藏物体的真实情况,将其与(b)对比可以发现本公开使用的算法能够重构隐藏物体的轮廓和细节。
在本公开实施例中,为了验证本算法的优越性,使用不同的光斑大小和时间展宽进行模拟,如图4和图5所示,其中,图4示意性示出了本公开实施例提供的一种远距离非视域成像方法在探测信号存在不同光斑时的模拟结果的示意图,图5示意性示出了本公开实施例提供的一种远距离非视域成像方法在探测信号包括不同时间展宽时的模拟结果的示意图。图4和图5的第一行图像均显示了用filtered-backprojection 算法得到的结果,图4和图5的第二行图像均显示了不考虑时间空间展宽的算法得到的结果,图4和图5的第三行图像均显示了用本公开提供的方法对探测数据进行重构得到结果,可以看到,本公开提供的方法可以恢复出一个较为生动的隐藏物体的图像。
图6示意性示出了本公开实施例提供的一种远距离非视域成像方法在远距离实验中的模拟结果的示意图。
如图6所示,在远距离(1.43km)的实验中,从左到右第四列图像为本公开提供的方法重构的图像,前三列图像为对比算法的重构结果,结果显示,本公开提供方法对远距离(1.43km)外的探测信号进行重构可以恢复出较为清晰的人和字母的三维图,相较于其他较为先进的算法同样具有一定的优越性。
本公开提供的一种远距离非视域成像装置,包括:建模模块,探测模块,反射率计算模块,图像重构模块。
建模模块,用于基于探测信号在传播过程中的时间展宽和空间展宽,建立非视域成像泊松分布模型。
探测模块,用于利用所述探测信号探测非视域空间内的探测目标,并接收经过所述探测目标反射回来的所述探测信号,所述探测信号包括了所述探测目标的反射率的信息。
反射率计算模块,用于将经过所述探测目标反射回来的所述探测信号输入所述非视域成像泊松分布模型,利用三维SPIRALTAP的凸优化算法求解所述非视域成像泊松分布模型,获得所述探测目标的反射率。
图像重构模块,用于基于所述探测目标的反射率,实现对所述探测目标的三维重构。
可以理解的是,本公开提供的一种远距离非视域成像装置包括了上述远距离非视域成像方法,与远距离非视域成像方法的技术特征和技术效果相同,在此不做赘述。
可以理解的是,建模模块、探测模块、反射率计算模块、图像重构模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,建模模块、探测模块、反射率计算模块、图像重构模块中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。或者,建模模块、探测模块、反射率计算模块、图像重构模块中的至少一个可以至少被部分地实现为计算机程序模块,当该程序被计算机运行时,可以执行相应模块的功能。
图7示意性示出了本公开实施例提供的一种电子设备的结构框图。
如图7所示,本实施例中所描述的电子设备,包括:电子设备700 包括处理器710、计算机可读存储介质720。该电子设备700可以执行上面参考图2描述的方法,以实现对特定操作的检测。
具体地,处理器710例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器710还可以包括用于缓存用途的板载存储器。处理器710 可以是用于执行参考图2描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质720,例如可以是能够包含、存储、传送、传播或传输指令的任意介质。例如,可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。可读存储介质的具体示例包括:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM) 或闪存;和/或有线/无线通信链路。
计算机可读存储介质720可以包括计算机程序721,该计算机程序721可以包括代码/计算机可执行指令,其在由处理器710执行时使得处理器710执行例如上面结合图2所描述的方法流程及其任何变形。
计算机程序721可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序721中的代码可以包括一个或多个程序模块,例如包括721A、模块721B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器710执行时,使得处理器710可以执行例如上面结合图2 所描述的方法流程及其任何变形。
根据本发明的实施例,第一信号处理模块、第二信号处理模块、非视域空间反射率计算模块、图像重构模块中的至少一个可以实现为参考图7描述的计算机程序模块,其在被处理器710执行时,可以实现上面描述的相应操作。
本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
尽管已经参照本公开的特定示例性实施例示出并描述了本公开,但是本领域技术人员应该理解,在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下,可以对本公开进行形式和细节上的多种改变。因此,本公开的范围不应该限于上述实施例,而是应该不仅由所附权利要求来进行确定,还由所附权利要求的等同物来进行限定。
Claims (10)
1.一种远距离非视域成像方法,其特征在于,包括:
基于探测信号在传播过程中的时间展宽和空间展宽,建立非视域成像泊松分布模型;
利用所述探测信号探测非视域空间内的探测目标,并接收经过所述探测目标反射回来的所述探测信号,所述探测信号包括了所述探测目标的反射率的信息;
将经过所述探测目标反射回来的所述探测信号输入所述非视域成像泊松分布模型,利用三维SPIRALTAP的凸优化算法求解所述非视域成像泊松分布模型,获得所述探测目标的反射率;
基于所述探测目标的反射率,实现对所述探测目标的三维重构。
2.根据权利要求1所述的方法,其特征在于,所述非视域成像泊松分布模型包括:
令s(ξ,κ,t)表示经过所述探测目标反射回来的所述探测信号的光子数,(ξ,κ)表示所述探测信号探测所述探测目标时打在中介墙上形成的扫描点的坐标,t表示时间,gt(t)表示所述探测信号的时间展宽,gxy(ξ,κ)表示所述探测信号的空间展宽,(x,y,z)表示所述探测目标的坐标,α(x,y,z)表示位于坐标(x,y,z)的所述探测目标的反射率,b(t)表示背景噪声,r(x,y,z;ξ,κ)表示所述探测目标与所述扫描点的距离,*表示卷积符号,则所述非视域成像泊松分布模型为:
其中,δ(ct-2r(x,y,z;ξ,κ))表示所述探测信号的响应函数。
5.根据权利要求1所述的方法,其特征在于,所述将经过所述探测目标反射回来的所述探测信号输入所述非视域成像泊松分布模型,利用三维SPIRALTAP的凸优化算法求解所述非视域成像泊松分布模型,获得所述探测目标的反射率包括:
基于所述非视域成像泊松分布模型,得到所述探测信号包括预设光子数的概率计算模型;
以所述探测信号为输入,利用三维SPIRALTAP的凸优化算法求解所述概率计算模型,获得所述探测目标的反射率,其中,所述概率计算模型的概率值最大时,所述概率计算模型的解为所述探测目标的反射率。
8.一种远距离非视域成像装置,其特征在于,包括:
建模模块,用于基于探测信号在传播过程中的时间展宽和空间展宽,建立非视域成像泊松分布模型;
探测模块,用于利用所述探测信号探测非视域空间内的探测目标,并接收经过所述探测目标反射回来的所述探测信号,所述探测信号包括了所述探测目标的反射率的信息;
反射率计算模块,用于将经过所述探测目标反射回来的所述探测信号输入所述非视域成像泊松分布模型,利用三维SPIRALTAP的凸优化算法求解所述非视域成像泊松分布模型,获得所述探测目标的反射率;
图像重构模块,用于基于所述探测目标的反射率,实现对所述探测目标的三维重构。
9.一种电子设备,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计算机程序时,实现权利要求1至7中的任一项所述远距离非视域成像方法中的各个步骤。
10.一种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,实现权利要求1至7中的任一项远距离非视域成像方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011264640.5A CN112444821B (zh) | 2020-11-11 | 2020-11-11 | 远距离非视域成像方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011264640.5A CN112444821B (zh) | 2020-11-11 | 2020-11-11 | 远距离非视域成像方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112444821A CN112444821A (zh) | 2021-03-05 |
CN112444821B true CN112444821B (zh) | 2022-09-09 |
Family
ID=74736982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011264640.5A Active CN112444821B (zh) | 2020-11-11 | 2020-11-11 | 远距离非视域成像方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112444821B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113556476B (zh) * | 2021-07-19 | 2023-04-07 | 哈尔滨工业大学 | 基于多点照明的主动非视域阵列成像方法 |
CN113589318B (zh) * | 2021-07-30 | 2023-09-19 | 上海无线电设备研究所 | 一种星载红外凝视相机入瞳辐射图像仿真方法 |
CN113630560B (zh) * | 2021-08-12 | 2023-01-17 | 哈尔滨工业大学 | 主动照明非视域二次半影成像方法 |
CN113919398B (zh) * | 2021-10-18 | 2023-06-16 | 中国科学院光电技术研究所 | 一种基于深度学习的非视域目标信号辨识方法 |
CN114994704B (zh) * | 2022-08-04 | 2022-12-27 | 中国科学院西安光学精密机械研究所 | 基于圆周扫描路径的非视域成像方法、系统及存储介质 |
CN115993611B (zh) * | 2023-03-22 | 2023-06-20 | 清华大学 | 一种基于瞬态信号超分辨网络的非视域成像方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798290A (zh) * | 2017-09-14 | 2018-03-13 | 中国科学院西安光学精密机械研究所 | 基于光子计数的三维图像信噪分离和混合正则化重构方法 |
CN108333596A (zh) * | 2018-02-23 | 2018-07-27 | 深圳市唯特视科技有限公司 | 一种基于单光子探测器的非视域成像技术 |
CN110187356A (zh) * | 2019-06-14 | 2019-08-30 | 中国科学技术大学 | 远距离超分辨单光子成像重构方法 |
CN111694014A (zh) * | 2020-06-16 | 2020-09-22 | 中国科学院西安光学精密机械研究所 | 一种基于点云模型的激光非视域三维成像场景建模方法 |
CN111880194A (zh) * | 2020-08-10 | 2020-11-03 | 中国科学技术大学 | 非视域成像装置及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772428B (zh) * | 2016-12-15 | 2019-04-16 | 哈尔滨工业大学 | 一种无扫描式光子计数非视域三维成像装置及方法 |
-
2020
- 2020-11-11 CN CN202011264640.5A patent/CN112444821B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798290A (zh) * | 2017-09-14 | 2018-03-13 | 中国科学院西安光学精密机械研究所 | 基于光子计数的三维图像信噪分离和混合正则化重构方法 |
CN108333596A (zh) * | 2018-02-23 | 2018-07-27 | 深圳市唯特视科技有限公司 | 一种基于单光子探测器的非视域成像技术 |
CN110187356A (zh) * | 2019-06-14 | 2019-08-30 | 中国科学技术大学 | 远距离超分辨单光子成像重构方法 |
CN111694014A (zh) * | 2020-06-16 | 2020-09-22 | 中国科学院西安光学精密机械研究所 | 一种基于点云模型的激光非视域三维成像场景建模方法 |
CN111880194A (zh) * | 2020-08-10 | 2020-11-03 | 中国科学技术大学 | 非视域成像装置及方法 |
Non-Patent Citations (2)
Title |
---|
This is SPIRAL-TAP: Sparse Poisson Intensity Reconstruction ALgorithms—Theory and Practice;Zachary T. Harmany et al.;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20120331;第21卷(第3期);第1084-1096页 * |
基于局部结构和视觉显著特征的红外和可见光图像泊松重构融合算法;贺双龙等;《南华大学学报(自然科学版)》;20201031;第34卷(第5期);第62-70、76页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112444821A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112444821B (zh) | 远距离非视域成像方法、装置、设备及介质 | |
JP7511673B2 (ja) | 車両走行可能領域検出方法、システム、及びそのシステムを使用する自律車両 | |
US11450019B2 (en) | Detecting objects in crowds using geometric context | |
US10362296B2 (en) | Localized depth map generation | |
EP4206976A1 (en) | Model training method and apparatus, body posture detection method and apparatus, and device and storage medium | |
WO2022012158A1 (zh) | 一种目标确定方法以及目标确定装置 | |
CN102681661B (zh) | 在玩游戏中使用三维环境模型 | |
US11307595B2 (en) | Apparatus for acquisition of distance for all directions of moving body and method thereof | |
CN102982560A (zh) | 根据rgb和深度图像的表面分割 | |
JP2021093117A (ja) | 連帯的な検出と記述システムおよび方法 | |
WO2020159650A1 (en) | Calibrating cameras using human skeleton | |
CN114022799A (zh) | 一种自监督单目深度估计方法和装置 | |
US11704825B2 (en) | Method for acquiring distance from moving body to at least one object located in any direction of moving body by utilizing camera-view depth map and image processing device using the same | |
US11645773B2 (en) | Method for acquiring distance from moving body to at least one object located in any direction of moving body by performing near region sensing and image processing device using the same | |
CN112543859A (zh) | 定位方法、装置、电子设备和存储介质 | |
Song et al. | Two-dimensional forward-looking sonar image registration by maximization of peripheral mutual information | |
Huang et al. | S3: Learnable sparse signal superdensity for guided depth estimation | |
KR20170130389A (ko) | 공간-시간 압축된 비행시간 이미징을 위한 기술 | |
US20230213944A1 (en) | Robot and control method therefor | |
WO2022083529A1 (zh) | 一种数据处理方法及装置 | |
US11087536B2 (en) | Methods, devices and computer program products for generation of mesh in constructed 3D images | |
US20230418288A1 (en) | Path collision avoidance | |
Courtois et al. | Fusion of stereo and lidar data for dense depth map computation | |
Yang et al. | Research on Edge Detection of LiDAR Images Based on Artificial Intelligence Technology | |
CN112487893B (zh) | 一种三维目标识别方法及系统 |
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 |