CN113253240B - 一种基于光子探测的空间目标识别分法、存储介质和系统 - Google Patents

一种基于光子探测的空间目标识别分法、存储介质和系统 Download PDF

Info

Publication number
CN113253240B
CN113253240B CN202110597828.XA CN202110597828A CN113253240B CN 113253240 B CN113253240 B CN 113253240B CN 202110597828 A CN202110597828 A CN 202110597828A CN 113253240 B CN113253240 B CN 113253240B
Authority
CN
China
Prior art keywords
photon
waveform
target
spatial
time interval
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
CN202110597828.XA
Other languages
English (en)
Other versions
CN113253240A (zh
Inventor
胡以华
侯阿慧
赵楠翔
方佳节
徐世龙
张鑫源
董骁
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110597828.XA priority Critical patent/CN113253240B/zh
Publication of CN113253240A publication Critical patent/CN113253240A/zh
Application granted granted Critical
Publication of CN113253240B publication Critical patent/CN113253240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明给出了一种基于光子探测的空间目标识别方法，包括：步骤一、对多次光子探测到的回波光子事件进行飞行时间直方图统计，得到空间目标光子波形；步骤二、计算空间目标光子波形的平均回波光子数和平均噪声光子数；步骤三、根据平均回波光子数和平均噪声光子数，计算滤波阈值；步骤四、根据滤波阈值，对空间目标光子波形进行滤波处理；步骤五、对滤波处理后的空间目标光子波形进行平滑校正处理，得到空间目标校正波形；步骤六、将空间目标校正波形与波形数据库中波形进行匹配识别。本发明给出了一种存储介质和系统。本发明能够获取空间目标更多的细节信息，实现远距离空间目标的识别。

Description

一种基于光子探测的空间目标识别分法、存储介质和系统
技术领域
本发明属于空间探测技术领域，具体涉及一种基于光子探测的空间目标识别分法、存储介质和系统。
背景技术
近年来，光子探测以灵敏度高、探测距离远的特点广泛应用于远距离目标探测与识别。由于大气和环境对光子探测的影响较大，光子探测更适用于空间目标的探测和识别应用。通过使用单光子探测器，光子探测系统可探测到极微弱的回波信号，从而实现空间目标的有无判断。但在空间目标的细节信息的获取和识别方面，光子探测存在的主要问题在于：
随着探测距离的增加，单波束激光到达目标的光斑变大，覆盖目标的激光束数量减小，从每个激光束中提取一个距离和反射率信息，此时获得的空间目标激光回波点云的数量减小，反映的目标结构信息减小，很难满足远距离空间目标的识别需求。
为获得远距离空间目标的更多结构信息，当前主要解决方案是改进扫描方法，使得目标被更多像素覆盖以提高横向分辨率。在这种情况下，尽管每个像素仍然仅获得一个距离和反射率信息，但是由于存在更多像素，因此目标信息更加详细，有利于目标的识别。改进扫描方法为：成像器以亚像素尺寸范围移动，以捕获一系列低分辨率图像；然后，从那些低分辨率图像中计算出更高分辨率的图像。这些低分辨率图像之间的亚像素位移将提供频率混叠抑制。在同轴单光子激光雷达设计中，将接收器的接收视场设置为略小于发射激光器的发散角，在远程单光子激光雷达系统中被广泛采用。
扫描方式的改进，一定程度提高了目标的横向分辨率，可以获得空间目标更多的点云信息，但其本质仍是利用单个激光束获得一个反射率和距离信息，即每个激光足印内的目标信息作为一个整体输出，以形成点云。随着探测距离的进一步增大，或者目标相对较小时，每个激光足印内包含大量的目标信息或目标仅被极少的激光足印覆盖，此时仍存在目标的横向分辨率低，目标细节特征少，目标识别较难的问题，因此，仅改变扫描方式难以本质解决远距离空间目标的识别问题。
发明内容
本发明的目的之一，在于提供一种基于光子探测的空间目标识别方法，该空间目标识别方法能够获取空间目标更多的细节信息，实现远距离空间目标的识别。
本发明的目的之二，在于提供一种存储介质。
本发明的目的之三，在于提供一种基于光子探测的空间目标识别系统。
为了达到上述目的之一，本发明采用如下技术方案实现：
一种基于光子探测的空间目标识别方法，所述空间目标识别方法包括如下步骤：
步骤一、对多次光子探测到的回波光子事件进行飞行时间直方图统计，得到空间目标光子波形；
步骤二、计算空间目标光子波形的平均回波光子数和平均噪声光子数；
步骤三、根据平均回波光子数和平均噪声光子数，计算滤波阈值；
步骤四、根据滤波阈值，对空间目标光子波形进行滤波处理；
步骤五、对滤波处理后的空间目标光子波形进行平滑校正处理，得到空间目标校正波形；
步骤六、将空间目标校正波形与波形数据库中波形进行匹配识别。
进一步的，步骤二中，所述空间目标光子波形的平均回波光子数和平均噪声光子数分别为：
Figure GDA0003224365570000031
Figure GDA0003224365570000032
其中，
Figure GDA0003224365570000033
和
Figure GDA0003224365570000034
分别为空间目标光子波形的平均回波光子数和平均噪声光子数；M为激光发射的总脉冲数；K(i)和K(j)分别为距离门前端的第i个时间间隔和距离门包含的第j个时间间隔的回波光子数；i＝1，2，…，nn，j＝1，2，…，nbin，nn和nbin分别为距离门前端的时间间隔数和距离门包含的时间间隔数；nbin＝Tg/τbin，τbin为时间间隔的宽度；Tg为距离门宽度。
进一步的，步骤三中，所述滤波阈值为：
Figure GDA0003224365570000035
其中，K为滤波阈值。
进一步的，步骤四中，采用如下公式进行滤波处理：
Figure GDA0003224365570000036
其中，J为目标函数；P(j)为滤波处理后的距离门包含的第j个时间间隔内的空间目标光子波形，FWHM为发射激光的脉宽，P(j，K(j)>K)为距离门包含的第j个时间间隔内的回波信号光子数大于滤波阈值K的空间目标光子波形；xj为距离门包含的第j个时间间隔内对应的横坐标值。
进一步的，步骤五中，所述空间目标校正波形为：
Figure GDA0003224365570000041
其中，Ncs(j)为距离门包含的第j个时间间隔内的空间目标校正波形；P(j)为滤波处理后的距离门包含的第j个时间间隔内的空间目标光子波形；F(j)为滤波处理后的距离门包含的第j个时间间隔内的校正函数。
进一步的，所述校正函数为：
Figure GDA0003224365570000042
td＝Tdead/τbin；
其中，F(j)为校正函数；P(k)为滤波处理后的距离门包含的第k个时间间隔内的空间目标光子波形；Tdead为单光子探测器的死时间，τbin为时间间隔的宽度；k＝1，2，…，j-1。
为了达到上述目的之二，本发明采用如下技术方案实现：
一种存储介质，所述存储介质存储有计算机程序指令；通过执行所述计算机程序指令，实现上述所述的空间目标识别方法。
为了达到上述目的之三，本发明采用如下技术方案实现：
一种基于光子探测的空间目标识别系统，所述空间目标识别系统包括上述所述的存储介质；或者，
一种基于光子探测的空间目标识别系统，所述空间目标识别系统包括：
统计模块，用于对多次光子探测到的回波光子事件进行飞行时间直方图统计，得到空间目标光子波形；
第一计算模块，用于计算空间目标光子波形的平均回波光子数和平均噪声光子数；
第二计算模块，用于根据平均回波光子数和平均噪声光子数，计算滤波阈值；
滤波处理模块，用于根据滤波阈值，对空间目标光子波形进行滤波处理；
平滑校正处理模块，用于对滤波处理后的空间目标光子波形进行平滑校正处理，得到空间目标校正波形；
匹配识别模块，用于将空间目标校正波形与波形数据库中波形进行匹配识别。
本发明的有益效果：
本发明通过对多次光子探测到的回波光子事件进行飞行时间直方图统计，得到空间目标光子波形；并计算空间目标光子波形的平均回波光子数和平均噪声光子数；通过空间目标光子波形的平均回波光子数和平均噪声光子数，得到滤波阈值；通过滤波阈值，实现对空间目标光子波形进行滤波处理和平滑校正处理，得到空间目标校正波形，解决了累计次数较小带来的光子波形难以分辨和回波强度略大带来的波形畸变问题，使得光子探测的回波可以较好的反映目标的信息，不受限于回波强度和累积探测次数的影响，可有效地实现目标信息的提取，最终实现空间目标的识别；本发明通过空间目标校正波形获取目标更多的目标细节信息，回避了单个激光足印仅获取一个信息导致的探测横向分辨率低的难题，能够有效地对空间目标进行识别。
附图说明
图1为本发明的基于光子探测的空间目标识别方法流程示意图。
具体实施方式
以下结合附图对本发明的具体实施方式作出详细说明。
本实施例给出了一种基于光子探测的空间目标识别方法，参考图1，该空间目标识别方法包括如下步骤：
S1、对多次光子探测到的回波光子事件进行飞行时间直方图统计，得到空间目标光子波形。
本实施例采用单光子探测器对空间目标的激光回波进行探测，单光子探测器有响应记为目标回波光子事件。
将时间轴分为若干个时间间隔，光子探测的第i个时间间隔内的回波信号光子数Ns(i)为：
Figure GDA0003224365570000061
其中，Ns(i)为第i个时间间隔内的回波信号光子数；ti为第i个时间间隔持续的时间长度，h为普朗克常数，ν为发射激光的频率，hν为发射激光的单光子能量。至此，可得到空间目标的回波光子数分布。
若第i时间间隔的回波光子引起了单光子探测器响应，则在第i个时间间隔内产生一个光子事件。
利用公式(2)，结合光子探测基本理论，由时间相关光子计数器经累积后可得回波光子事件的飞行时间统计直方图，即为空间目标光子波形。
S2、计算空间目标光子波形的平均回波光子数和平均噪声光子数。
本实施例的空间目标光子波形的平均回波光子数和平均噪声光子数分别为：
Figure GDA0003224365570000071
Figure GDA0003224365570000072
其中，
Figure GDA0003224365570000073
和
Figure GDA0003224365570000074
分别为空间目标光子波形的平均回波光子数和平均噪声光子数；M为激光发射的总脉冲数；K(i)和K(j)分别为距离门前端的第i个时间间隔和距离门包含的第j个时间间隔的回波光子数；i＝1，2，…，nn，j＝1，2，…，nbin，nn和nbin分别为距离门前端的时间间隔数和距离门包含的时间间隔数；nbin＝Tg/τbin，τbin为时间间隔的宽度；Tg为距离门宽度。
S3、根据平均回波光子数和平均噪声光子数，计算滤波阈值。
基于泊松滤波，阈值与距离门宽度、平均噪声和回波信号有关，滤波阈值K为：
Figure GDA0003224365570000075
S4、根据滤波阈值，对空间目标光子波形进行滤波处理。
本实施例采用如下公式进行滤波处理：
Figure GDA0003224365570000076
其中，J为目标函数；P(j)为滤波处理后的距离门包含的第j个时间间隔内的空间目标光子波形，FWHM为发射激光的脉宽，P(j，K(j)>K)为距离门包含的第j个时间间隔内的回波信号光子数大于滤波阈值K的空间目标光子波形；xj为距离门包含的第j个时间间隔内对应的横坐标值。
S5、对滤波处理后的空间目标光子波形进行平滑校正处理，得到空间目标校正波形。
本实施例的空间目标校正波形为：
Figure GDA0003224365570000081
其中，Ncs(j)为距离门包含的第j个时间间隔内的空间目标校正波形；P(j)为滤波处理后的距离门包含的第j个时间间隔内的空间目标光子波形；F(j)为滤波处理后的距离门包含的第j个时间间隔内的校正函数。
其中，校正函数为：
Figure GDA0003224365570000082
td＝Tdead/τbin；
其中，F(j)为校正函数；P(k)为滤波处理后的距离门包含的第k个时间间隔内的空间目标光子波形；Tdead为单光子探测器的死时间，τbin为时间间隔的宽度；k＝1，2，…，j-1。
S6、将空间目标校正波形与波形数据库中波形进行匹配识别。
由于空间目标校正波形是恢复的目标强度随时间变化的曲线，与目标的外形特性和BRDF间存在内在的关联性。通过对空间目标光子波形进行滤波和平滑校正处理，得到空间目标校正波形；并将空间目标校正波形和波形数据库中波形进行比较，实现对目标的识别。
本实施例通过对多次光子探测到的回波光子事件进行飞行时间直方图统计，得到空间目标光子波形；并计算空间目标光子波形的平均回波光子数和平均噪声光子数；通过空间目标光子波形的平均回波光子数和平均噪声光子数，得到滤波阈值；通过滤波阈值，实现对空间目标光子波形进行滤波处理和平滑校正处理，得到空间目标校正波形，解决了累计次数较小带来的光子波形难以分辨和回波强度略大带来的波形畸变问题，使得光子探测的回波可以较好的反映目标的信息，不受限于回波强度和累积探测次数的影响，可有效地实现目标信息的提取，最终实现空间目标的识别；本实施例保证了空间目标校正波形能够获取目标更多的目标细节信息，回避了单个激光足印仅获取一个信息导致的探测横向分辨率低的难题，能够有效地对空间目标进行识别。
上述实施例的空间目标识别方法可采用如下实施例实现：
另一实施例给出了一种存储介质，该存储介质存储有计算机程序指令；通过执行所述计算机程序指令，实现上述实施例给出的空间目标识别方法。
又一实施例给出了一种基于光子探测的空间目标识别系统，该空间目标识别系统包括上述实施例给出的存储介质；或者，一种基于光子探测的空间目标识别系统，该空间目标识别系统包括：
统计模块，用于对多次光子探测到的回波光子事件进行飞行时间直方图统计，得到空间目标光子波形。
第一计算模块，用于计算空间目标光子波形的平均回波光子数和平均噪声光子数。
第二计算模块，用于根据平均回波光子数和平均噪声光子数，计算滤波阈值；
滤波处理模块，用于根据滤波阈值，对空间目标光子波形进行滤波处理；
平滑校正处理模块，用于对滤波处理后的空间目标光子波形进行平滑校正处理，得到空间目标校正波形；
匹配识别模块，用于将空间目标校正波形与波形数据库中波形进行匹配识别。
以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。

Claims (9)

1.一种基于光子探测的空间目标识别方法，其特征在于，所述空间目标识别方法包括如下步骤：
步骤一、对多次光子探测到的回波光子事件进行飞行时间直方图统计，得到空间目标光子波形；
步骤二、计算空间目标光子波形的平均回波光子数和平均噪声光子数；
步骤三、根据平均回波光子数和平均噪声光子数，计算滤波阈值；
步骤四、根据滤波阈值，对空间目标光子波形进行滤波处理；
步骤五、对滤波处理后的空间目标光子波形进行平滑校正处理，得到空间目标校正波形；
步骤六、将空间目标校正波形与波形数据库中波形进行匹配识别。
2.根据权利要求1所述的空间目标识别方法，其特征在于，步骤二中，所述空间目标光子波形的平均回波光子数和平均噪声光子数分别为：
Figure FDA0003224365560000011
Figure FDA0003224365560000012
其中，
Figure FDA0003224365560000013
和
Figure FDA0003224365560000014
分别为空间目标光子波形的平均回波光子数和平均噪声光子数；M为激光发射的总脉冲数；K(i)和K(j)分别为距离门前端的第i个时间间隔和距离门包含的第j个时间间隔的回波光子数；i＝1，2，…，nn，j＝1，2，…，nbin，nn和nbin分别为距离门前端的时间间隔数和距离门包含的时间间隔数；nbin＝Tg/τbin，τbin为时间间隔的宽度；Tg为距离门宽度。
3.根据权利要求2所述的空间目标识别方法，其特征在于，步骤三中，所述滤波阈值为：
Figure FDA0003224365560000021
其中，K为滤波阈值。
4.根据权利要求3所述的空间目标识别方法，其特征在于，步骤四中，采用如下公式进行滤波处理：
Figure FDA0003224365560000022
其中，J为目标函数；P(j)为滤波处理后的距离门包含的第j个时间间隔内的空间目标光子波形，FWHM为发射激光的脉宽，P(j，K(j)>K)为距离门包含的第j个时间间隔内的回波信号光子数大于滤波阈值K的空间目标光子波形；xj为距离门包含的第j个时间间隔内对应的横坐标值。
5.根据权利要求4所述的空间目标识别方法，其特征在于，步骤五中，所述空间目标校正波形为：
Figure FDA0003224365560000023
其中，Ncs(j)为距离门包含的第j个时间间隔内的空间目标校正波形；P(j)为滤波处理后的距离门包含的第j个时间间隔内的空间目标光子波形；F(j)为滤波处理后的距离门包含的第j个时间间隔内的校正函数。
6.根据权利要求5所述的空间目标识别方法，其特征在于，所述校正函数为：
Figure FDA0003224365560000031
td＝Tdead/τbin；
其中，F(j)为校正函数；P(k)为滤波处理后的距离门包含的第k个时间间隔内的空间目标光子波形；Tdead为单光子探测器的死时间，τbin为时间间隔的宽度；k＝1，2，…，j-1。
7.一种存储介质，其特征在于，所述存储介质存储有计算机程序指令；通过执行所述计算机程序指令，实现权利要求1～6中任意一项所述的空间目标识别方法。
8.一种基于光子探测的空间目标识别系统，其特征在于，所述空间目标识别系统包括权利要求7所述的存储介质。
9.一种基于光子探测的空间目标识别系统，其特征在于，所述空间目标识别系统包括：
统计模块，用于对多次光子探测到的回波光子事件进行飞行时间直方图统计，得到空间目标光子波形；
第一计算模块，用于计算空间目标光子波形的平均回波光子数和平均噪声光子数；
第二计算模块，用于根据平均回波光子数和平均噪声光子数，计算滤波阈值；
滤波处理模块，用于根据滤波阈值，对空间目标光子波形进行滤波处理；
平滑校正处理模块，用于对滤波处理后的空间目标光子波形进行平滑校正处理，得到空间目标校正波形；
匹配识别模块，用于将空间目标校正波形与波形数据库中波形进行匹配识别。
CN202110597828.XA 2021-05-31 2021-05-31 一种基于光子探测的空间目标识别分法、存储介质和系统 Active CN113253240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110597828.XA CN113253240B (zh) 2021-05-31 2021-05-31 一种基于光子探测的空间目标识别分法、存储介质和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110597828.XA CN113253240B (zh) 2021-05-31 2021-05-31 一种基于光子探测的空间目标识别分法、存储介质和系统

Publications (2)

Publication Number Publication Date
CN113253240A CN113253240A (zh) 2021-08-13
CN113253240B true CN113253240B (zh) 2021-09-24

Family

ID=77185398

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110597828.XA Active CN113253240B (zh) 2021-05-31 2021-05-31 一种基于光子探测的空间目标识别分法、存储介质和系统

Country Status (1)

Country Link
CN (1) CN113253240B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113920336B (zh) * 2021-10-18 2023-06-16 中国科学院光电技术研究所 一种基于多信道匹配的非视域目标信号辨识方法
CN115963506B (zh) * 2023-03-16 2023-05-23 杭州宇称电子技术有限公司 单光子雪崩二极管直接时间飞行测距方法、装置及其应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019180442A1 (en) * 2018-03-21 2019-09-26 Headlight AI Limited Object detection system and method
WO2020185461A1 (en) * 2019-03-08 2020-09-17 Wisconsin Alumni Research Foundation Systems, methods, and media for single photon depth imaging with improved precision in ambient light
CN111766598A (zh) * 2020-09-01 2020-10-13 中国人民解放军国防科技大学 一种单光子探测时间-强度信息的恢复方法
CN111934652A (zh) * 2020-02-06 2020-11-13 中国地质大学（武汉） 一种面向水深提取的光子计数激光雷达自适应滤波算法
CN112817001A (zh) * 2021-01-28 2021-05-18 深圳奥锐达科技有限公司 一种飞行时间测距方法、系统和设备
CN112859098A (zh) * 2021-01-08 2021-05-28 南京大学 一种光子数分辨测量增强单光子激光雷达系统及测距方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019180442A1 (en) * 2018-03-21 2019-09-26 Headlight AI Limited Object detection system and method
WO2020185461A1 (en) * 2019-03-08 2020-09-17 Wisconsin Alumni Research Foundation Systems, methods, and media for single photon depth imaging with improved precision in ambient light
CN111934652A (zh) * 2020-02-06 2020-11-13 中国地质大学（武汉） 一种面向水深提取的光子计数激光雷达自适应滤波算法
CN111766598A (zh) * 2020-09-01 2020-10-13 中国人民解放军国防科技大学 一种单光子探测时间-强度信息的恢复方法
CN112859098A (zh) * 2021-01-08 2021-05-28 南京大学 一种光子数分辨测量增强单光子激光雷达系统及测距方法
CN112817001A (zh) * 2021-01-28 2021-05-18 深圳奥锐达科技有限公司 一种飞行时间测距方法、系统和设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
扩展目标光子测距回波特性及误差研究;侯阿慧 等;《中国激光》;20210228;第48卷(第4期);第0401016-1至0401016-8页 *

Also Published As

Publication number Publication date
CN113253240A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN110554404B (zh) 一种强背景噪声下Gm-APD阵列激光雷达成像方法及系统
CN113253240B (zh) 一种基于光子探测的空间目标识别分法、存储介质和系统
CN108304781B (zh) 一种面阵盖革apd激光成像雷达图像预处理方法
JP6863342B2 (ja) 光測距装置
CN112817001B (zh) 一种飞行时间测距方法、系统和设备
CN111665517B (zh) 一种基于密度统计的单光子激光测高数据去噪方法及装置
CN109613556B (zh) 基于稀疏表征的光子计数激光三维探测成像方法
EP3964866A1 (en) Echo signal processing method, apparatus and system, and storage medium
CN114636991A (zh) 利用箱间增量估计的飞行时间计算
CN111323765A (zh) 一种星载光子计数激光雷达回波信号处理及目标提取方法
CN110954919B (zh) 一种面阵激光探测器的固定值噪声确定方法及去除方法
Tan et al. Long-range daytime 3D imaging lidar with short acquisition time based on 64× 64 Gm-APD array
US11415697B2 (en) Real-time image formation from Geiger-mode LADAR
US20230194666A1 (en) Object Reflectivity Estimation in a LIDAR System
CN113919398B (zh) 一种基于深度学习的非视域目标信号辨识方法
US20230204723A1 (en) Lidar control method, terminal apparatus, and computer-readable storage medium
CN115097484A (zh) 一种基于双Gamma估计的单光子激光雷达透雾成像方法
Kirmani et al. Spatio-temporal regularization for range imaging with high photon efficiency
Turpin et al. Single photon and single pixel technology for computational lidar
CN114428247B (zh) 用于成像应用的单天线超宽带雷达系统
Wen et al. Multiple surface range Estimation in 3D flash imaging ladar via expectation maximization
Dunham et al. Quanta tracking algorithm for multiple moving targets
Zhao et al. Abnormal Noise Suppression and Detail Protection for High-Resolution Range Profile of GM-APD Lidar
Vu et al. Two-Dimensional Data Conversion for One-Dimen-sional Adaptive Noise Canceler in Low-Frequency SAR Change Detection
Dunham et al. Quanta Tracking Algorithm for Low SNR Targets: How Low Can it Go?

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