CN113393509A - 一种激光雷达多径补偿方法 - Google Patents
一种激光雷达多径补偿方法 Download PDFInfo
- Publication number
- CN113393509A CN113393509A CN202110937368.0A CN202110937368A CN113393509A CN 113393509 A CN113393509 A CN 113393509A CN 202110937368 A CN202110937368 A CN 202110937368A CN 113393509 A CN113393509 A CN 113393509A
- Authority
- CN
- China
- Prior art keywords
- value
- calculating
- plane
- multipath
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000002310 reflectometry Methods 0.000 claims abstract description 31
- 238000012937 correction Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000002834 transmittance Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims 1
- 230000001427 coherent effect Effects 0.000 abstract 1
- 230000002452 interceptive effect Effects 0.000 description 8
- 230000003111 delayed effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20068—Projection on vertical or horizontal image axis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种激光雷达多径补偿方法。为了克服现有技术多径补偿计算量大、受场地限制大的问题;包括以下步骤:S1:根据预设的参数进行曝光并获取图像帧;S2:对图像帧进行预处理;S3:分离不同角度图像平面,依据基准值计算各平面的角度,提取距离信息和灰度信息;S4:根据距离信息与灰度信息计算反射率,依据各平面角度计算平面间的相干角,不同平面的几何中心确定和面灰度值计算;S5:计算平面或者单点受多径影响产生的测距偏差;补偿矫正值,输出多径矫正后的图像帧。不需要庞大数据学习和计算,也不限定场景,就可以获得较为理想的多径补偿信息。
Description
技术领域
本发明涉及一种雷达路径补偿领域,尤其涉及一种激光雷达多径补偿方法。
背景技术
3D视觉技术已经应用到生活的方方面面,如人脸识别、3D建模、距离测量等。随着应用深入,对3D深度信息的精度要求越来越高。在利用TOF相位选通技术测距中,由于光在被测物之间的反射,导致光的回波信号延时到达,导致测距偏大。光在不同路径反射造成的多径偏差作为TOF相位选通测距固有属性,测距原理本身无法解决。
为了修正这种光在被测物间反射带了测距偏差,而采用的方式称为多径补偿。目前大多基于深度学习来解决多径偏差。此方案优点是可以直接选用成熟的深度算法来训练模型,完成图像匹配,多径误差修正,在特定场景可以获得比较好的效果。但是其缺点是不适用未学习的场景,即使在已学习的场景下,未经学习的不同位置和角度,多径补偿效果也并不理想。
例如,一种在中国专利文献上公开的“一种基于机器学习参数补偿的激光雷达反演算法”,其公告号CN112835011A,包括:将激光雷达信号进行均匀分段后分成多个子信号,选取其中最优的第i个子信号反演获得边界值;基于边界值以及随机生成的补偿参数对激光雷达信号进行和反演,使用反演后的结果计算该补偿参数的性能评估参数;将每组补偿参数集及其对应的性能评估参数输入高斯过程模型进行机器学习,取值最小的性能评估参数对应的补偿参数集为最优预测补偿参数集。
上述方案基于机器学习来解决多径偏差,需要庞大的学习和计算,不适用未学习的场景,即使在已学习的场景下,未经学习的不同位置和角度,多径补偿效果也并不理想。
发明内容
本发明主要解决现有技术多径补偿计算量大、受场地限制大的问题;提供一种激光雷达多径补偿方法,根据灰度图,距离信息以及深度图中目标物相对角度来计算多径偏差方案,不需要庞大数据学习和计算,就可以获得较为理想的多径补偿信息。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
S1:根据预设的参数进行曝光并获取图像帧;
S2:通过时域和空间域滤波、畸变矫正以及视角转换的手段对图像帧进行预处理;
S3:提取图像帧的特征点;标记图像轮廓,分离不同角度图像平面,提取各平面的几何中心点的坐标、深度值、灰度值及几何中心点垂直投影在轮廓线上坐标;
S5:多径补偿;计算单个像素点到相邻平面几何中心的距离,并结合两相邻平面的
夹角计算多次反射系数β;根据多径计算式计算单个相邻平面的多径偏差;依次计算各相
邻平面的偏差与总矫正值;深度值减去总的矫正值获得矫正后的深度值。
通过提取图像帧特征信息,可以准确计算多径影响量,进行距离信息矫正,获得准确的测距信息。不需要庞大数据学习和计算,也不限定场景,就可以获得较为理想的多径补偿信息。
作为优选,将相机置于导轨,测量不同物距与相机灰度关系;计算曝光参数测距范围,计算公式如下:
其中,M为最大测量物距;
C为光速常量;
T为曝光时间;
将确定好的曝光参数写入相机配置文件,重启后相机根据配置的曝光参数曝光并获取深度图与灰度图。
深度相机通过求解相邻两组快门灰度信号的相位差进行测距,设置参数,保持合理的灰度范围。
作为优选,所述的步骤S3中的标记图像轮廓包括以下步骤:设置图像扫描算子和扫描方式;算子扫描和依据阈值标记轮廓点;轮廓线上的断续点处理;
设置图像扫描算子和扫描方式:
分别设置灰度图和深度图的算子;灰度图扫描灰度在轮廓线上的变化; 深度图通过统计距离变化率的差异标记不同平面轮廓线;灰度图和深度图均分别从水平和垂直方向扫描;
算子扫描和依据阈值标记轮廓点:
灰度图算子在水平方向与垂直方向,分别依次划过图像,统计当前像素与窗口内8个像素均值的差值,并计算该差值与均值的比值,当该比值大于设定阈值时认为是轮廓点,并进行标记;
当深度图算子依次划过图像时,统计算子0,1,2,3与算子6,7,8,9像素深度变化斜
率;算子6,7,8,9与算子12,13,14,15像素深度变化斜率;求与差值的绝对
值;当大于设置阈值时,表明该点在轮廓线上并标注;
轮廓线上的断续点处理:
使用已知轮廓点膨胀或者按照轮廓线斜率延伸的判断方式,将断掉轮廓点进行标记。
灰度与深度两种算子结合判断可以提高轮廓标记的精度。
作为优选,采用网格化标记进行不同轮廓平面分离与提取;分别从水平方向和垂直方向两个方向扫描图像;在同一方向按照遇到轮廓线个数依次标注,轮廓线宽度设置为10个像素;按照水平方向和垂直方向上轮廓线标注组合进行平面划分和标注。
作为优选,统计同一平面内水平最大坐标、水平最小坐标、垂直最大坐
标和垂直最小坐标,取水平中点以及垂直中点;以此类推得到各平面几何中心点,获得相应深度值和灰度值;几
何中心点到轮廓线投影点坐标,通过轮询轮廓线或其延伸线上坐标点到该几何中心的最近
点得到。
作为优选,所述的计算各图像平面反射率过程为:
其中,G指为相机灰度值,单位:nW/mm2/LSB;
x为物体反射率;
P为激光发射功率,单位:W;
d为目标到镜头的物距,单位mm;
作为优选,所述的计算两相邻平面的夹角的过程如下:
判断两相邻平面的几何中心点在两个平面的轮廓线上的投影坐标是否是同一点;
若不是同一点,将其中一个平面的几何中心沿着轮廓线平移,使两个投影点重合;根据相机
的视场角和坐标关系可以求出任意两点的距离,根据反三角函数,可以求出两个平面间的
夹角。
作为优选,单次反射偏差式为:
v为相邻面到被测物的物距对应的时间;
根据单次反射偏差式,多次反射造成的测距偏差即为:
其中,n为反射次数;
若是有多个相邻面,则依次计算其多径偏差,总的矫正值为:
其中,N为相邻面的总数;
该点的深度值减去总的矫正值得到矫正后的深度值。
作为优选,所述的多项拟合方程通过实验数据拟合获得;设置两个平面反射模型,
改变两个平面角度,在只进行一次反射矫正的前提下,测量实际误差与一次反射矫正值
之间的比例关系,记录数组测试点,使用多项式拟合方式,得到夹角与多次反射系数的
拟合方程。
本发明的有益效果是:
本方案通过提取图像帧特征信息,准确计算多径影响量,进行距离信息矫正,获得准确的测距信息。不需要庞大数据学习和计算,也不限定场景,就可以获得较为理想的多径补偿信息。
附图说明
图1是本发明的一种激光雷达多径补偿方法流程图。
图2是本发明的一种TOF门选通间接测距多径矫正原理图。
图3是本发明的一种相机灰度随距离变化曲线图。
图4是本发明的角度与比例系数拟合曲线图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本实施例的一种激光雷达多径补偿方法,如图1所示,包括以下步骤:
S1:根据预设的参数进行曝光并获取图像帧。
通过相机获取深度图与灰度图。相机是通过求解相邻两组快门灰度信号的相位差进行测距。
如图2所示,S0 Shutter为深度相机的第一个快门信号,S1 Shutter为深度相机的第二个快门信号,LD pulse代表深度相机发出的激光信号,LD Pulse Return为深度相机的返回激光信号。Captureed Return LD为在时域上第一个快门和第二个快门捕获的遇到不同物距返回的激光信号,即快门信号与激光信号在时域上的积分。
在激光信号遇到障碍物返回后,在时域上,S0 Shutter捕获的是激光返回信号的前半部分,S1 Shutter捕获的是剩余的后半部分。即S0 Shutter与S1 Shutter捕获了完整的激光信号LD pulse。设快门S0 Shutter与LD pulse同时打开,S1 Shutter延后一个快门周期打开,S0 Shutter捕获的激光信号为t0,S1 Shutter捕获的激光信号为t1,此时物距为d,即d=t1*T*C/2*(t0+t1)。t0为S0 Shutter捕获返回的激光返回信号,t1相对S0 Shutter被延后一个脉宽周期的S1 Shutter捕获。即为求解时间t1对应物距d。
由测距公式可知深度相机的测距用的是S0 Shutter与S1 Shutter交叠区域,T=t0+t1。在深度相机中快门与激光信号的积分信号为相机的灰度信号。
在实际使用中,被测物体不会是单一的平面,尤其像墙角这种有好几个夹角的平面,激光信号会在这几个平面中来回反射,最终返回相机的返回信号相当于延时返回,导致测距偏大。激光信号在这几个面中来回反射造成的多径干扰,分为单次反射测距偏差和多次反射测距偏差。反射的次数,由目标物和干扰物的角度决定。
相比无多经影响时的测距计算式d=t1*T*C/2*(t0+t1)多径造成的测距偏差D=*
v*C/2。其中C为光速常量。为干扰物的反射率。干扰物的反射率可以通过干扰物到相机的
物距和灰度值计算得出。参考计算式:G=K*x*P/d*d。其中G代表灰度值,x为反射率,P激光发
射强度,d为物距,K为衰减系数(本例中为镜头接收衰减次数,激光盖板衰减系数和传感器
QE)。P可以在相机出厂时,使用光功率计和激光匀光角度测量计算得出或者根据固定反射
率板推导得出。v为干扰物到被测物的物距对应的时间,此处简化为干扰物的几何中心到被
测点的距离,v=s/c,其中s为干扰物到被测点距离,c为光速。被测物与干扰物的角度可以分
别计算被测物和干扰物相对垂直平面的角度,再计算被测物与干扰物间的角度值。
在本实施例中,被测物反射率50%时,测距范围0.3米到1.5米,即5倍的距离动态范围。
依据公式计算反射率,反射率的计算过程为:
其中,G指为相机灰度值,单位:nW/mm2/LSB;
x为反射率;
P为激光发射功率,单位:W;
d为目标到镜头的物距,单位mm。
灰度与距离的平方成反比,即需要25倍的灰度范围。在本实施例中,深度传感器输出12bit灰度值,即输出灰度区间0-4096LSB。根据灰度线性测试,有效灰度50到3800LSB,因此可取150到3800LSB的灰度区间。
将深度相机置于可移动导轨,距标定板0.3米,调整相机重频,使此时灰度值达到3800LSB左右,1.5米得到灰度150LSB左右。1.5米的测距范围,依据计算式计算曝光参数范围,计算公式如下:
其中,M为最大测量物距;
C为光速常量;
T为曝光时间;
T需要大于10ns即可,当然为了距离分辨率,也不宜设置过大。将确定好的曝光参数写入相机配置文件,重启后相机根据配置的曝光参数曝光并获取深度图与灰度图。
在本实施例中,将相机置于导轨,如图3所示,测量不同物距与相机灰度关系,测量数据如表1所示。
表1. 物距与相机灰度测量数据
测量验证:使用光功率计和激光参数以及匀光角度计算发射功率。使用光功率测量激光发射功率平均值为7mW。已知激光发射脉宽11ns,帧率20帧,每帧2组激光发射,每组分为12*300次,峰值功率=7mW*1000000/(11*20*2*12*300)≈4.4W。又已知激光匀光角度50°*70°因此P=4.4/(tan25°*tan35°*2*2*d*d)=3.38W/(d*d)。其中d为物距。基本与表1计算值一致。
S2:通过时域和空间域滤波、畸变矫正以及视角转换的手段对图像帧进行预处理。
对获取数据流进行处理,得到稳定图像帧。首先进行畸变矫正和视角转换,然后进行时域和空间域滤波。
S3:提取图像帧的特征点;标记图像轮廓,分离不同角度图像平面,提取各平面的几何中心点的坐标、深度值、灰度值及几何中心点垂直投影在轮廓线上坐标。
标记图像轮廓包括以下步骤:设置图像扫描算子和扫描方式;算子扫描和依据阈值标记轮廓点;轮廓线上的断续点处理。
设置图像扫描算子和扫描方式:
根据算力和实际需求,灰度图和深度图各设置一种算子。分别设置灰度图和深度图的算子;灰度图扫描灰度在轮廓线上的变化;深度图通过统计距离变化率的差异标记不同平面轮廓线。
灰度图和深度图均分别从水平和垂直方向扫描。灰度图主要扫描灰度在轮廓线变化,大小为水平1*8个像素,垂直为8*1个像素。深度图主要通过统计距离变化率的差异来标记不同平面轮廓线。因此统计长度大于灰度图算子,在本实施例中,设置16个像素,水平方向为1*16,垂直为16*1,也是分别从水平和垂直两个方向扫描。
算子扫描和依据阈值标记轮廓点:
灰度图算子在水平方向与垂直方向,分别依次划过图像,统计当前像素与算子窗口内8个像素均值的差值,并计算该差值与均值的比值,当该比值大于设定阈值时认为是轮廓点,并进行标记。
深度图像主要统计距离变化率的变化,当前判断像素为算子的第8个像素。当深度
图算子依次划过图像时,统计算子0,1,2,3与算子6,7,8,9像素深度变化斜率;算子6,7,
8,9与算子12,13,14,15像素深度变化斜率;求与差值的绝对值;当大于
设置阈值时,表明该点在轮廓线上并标注。
轮廓线上的断续点处理:
使用已知轮廓点膨胀或者按照轮廓线斜率延伸的判断方式,将断掉轮廓点进行标记。
解决在实际使用当中,遇到部分轮廓点无法准确标注情况。
分离提取不同角度图像平面的过程为:在本实施例中,采用网格化标记进行不同轮廓平面分离与提取。
分别从水平方向和垂直方向两个方向扫描图像;在同一方向按照遇到轮廓线个数依次标注(分别标注0,1,2,3等),轮廓线宽度设置为10个像素,即相邻10个像素的轮廓点属于同一条轮廓线;按照水平方向和垂直方向上轮廓线标注组合进行平面划分和标注。
以3*3网格为例,x=0,y=0为第一个平面,x=1,y=0为第二个平面。以此类推,平面1为00,平面2为10,平面3为20,平面4为01,平面5为11,平面6为21,平面7为02,平面8为12,平面9为22。
提取各平面的几何中心点的坐标、深度值、灰度值及几何中心点垂直投影在轮廓
线上坐标过程为:统计同一平面内水平最大坐标、水平最小坐标、垂直最大坐标和垂直最小坐标,取水平中点以及垂直中点;以此类推得到各平面几何中心点,获得相应深度值和灰度值;几
何中心点到轮廓线投影点坐标,通过轮询轮廓线或其延伸线上坐标点到该几何中心的最近
点得到。
计算各图像平面反射率过程为:
其中,G指为相机灰度值,单位:nW/mm2/LSB;
x为物体反射率;
P为激光发射功率,单位:W;
d为目标到镜头的物距,即改点的深度值,单位mm;
计算两相邻平面的夹角的过程如下:
判断两相邻平面的几何中心点在两个平面的轮廓线上的投影坐标是否是同一点;若不是同一点,将其中一个平面的几何中心沿着轮廓线平移,使两个投影点重合;偏移坐标通过原来两投影点坐标差得到。
S5:多径补偿;计算单个像素点到相邻平面几何中心的距离,并结合两相邻平面的
夹角计算多次反射系数β;根据多径计算式计算单个相邻平面的多径偏差。依次计算各相
邻平面的偏差与总矫正值;深度值减去总的矫正值获得矫正后的深度值。
以任意一个被测像素点为例,计算多径补偿值。已知该点与任意一个相邻面的几何中心坐标,及两者深度值和相机视场角,可计算得到该点到该相邻面几何中心距离s,根据光速公式计算s对应时间v=s/c,并将005中得到的两平面夹角α,代入拟合方程中计算多次反射系数β。
单次反射偏差式为:
v为相邻面到被测物的物距对应的时间;
根据单次反射偏差式,多次反射造成的测距偏差即为:
其中,n为反射次数;
反射次数n由相邻平面夹角,激光强度P,被测点到相邻平面物距等决定,本例采
用一种间接方案,在一组相邻平面条件下,采集在不同的夹角,测量实际误差与单次反射
偏差比例系数。使用多项式拟合的方式得到夹角与多次反射系数的拟合方程。
多项拟合方程通过实验数据拟合获得。设置两个平面反射模型,改变两个平面角
度,在只进行一次反射矫正的前提下,测量实际误差与一次反射矫正值之间的比例关系,
记录数组测试点,如表2所示,使用多项式拟合方式,得到夹角与多次反射系数的拟合方
程,如图4所示,得到夹角与比例系数拟合方程y = -3E-06x3 + 0.0012x2 - 0.1582x +
8.0669,其中y代表多次反射系数β,x代表两平面夹角α。
表2.测试点数据表
若是有多个相邻面,则依次计算其多径偏差,总的矫正值为:
其中,N为相邻面的总数;
该点的深度值减去总的矫正值得到矫正后的深度值。
依次矫正其它像素点,完成后,输出深度和灰度图像帧。
本实施例的方案通过提取图像帧特征信息,准确计算多径影响量,进行距离信息矫正,获得准确的测距信息。不需要庞大数据学习和计算,也不限定场景,就可以获得较为理想的多径补偿信息。
应理解,实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (10)
1.一种激光雷达多径补偿方法,其特征在于,包括以下步骤:
S1:根据预设的参数进行曝光并获取图像帧;
S2:通过时域和空间域滤波、畸变矫正以及视角转换的手段对图像帧进行预处理;
S3:提取图像帧的特征点;标记图像轮廓,分离不同角度图像平面,提取各平面的几何中心点的坐标、深度值、灰度值及几何中心点垂直投影在轮廓线上坐标;
3.根据权利要求1或2所述的一种激光雷达多径补偿方法,其特征在于,所述的步骤S3中的标记图像轮廓包括以下步骤:设置图像扫描算子和扫描方式;算子扫描和依据阈值标记轮廓点;轮廓线上的断续点处理;
设置图像扫描算子和扫描方式:
分别设置灰度图和深度图的算子;灰度图扫描灰度在轮廓线上的变化; 深度图通过统计距离变化率的差异标记不同平面轮廓线;灰度图和深度图均分别从水平和垂直方向扫描;
算子扫描和依据阈值标记轮廓点:
灰度图算子在水平方向与垂直方向,分别依次划过图像,统计当前像素与窗口内8个像素均值的差值,并计算该差值与均值的比值,当该比值大于设定阈值时认为是轮廓点,并进行标记;
当深度图算子依次划过图像时,统计算子0,1,2,3与算子6,7,8,9像素深度变化斜率;算子6,7,8,9与算子12,13,14,15像素深度变化斜率;求与差值的绝对值;当大于设置阈值时,表明该点在轮廓线上并标注;
轮廓线上的断续点处理:
使用已知轮廓点膨胀或者按照轮廓线斜率延伸的判断方式,将断掉轮廓点进行标记。
5.根据权利要求1或4所述的一种激光雷达多径补偿方法,其特征在于,采用网格化标记进行不同轮廓平面分离与提取;分别从水平方向和垂直方向两个方向扫描图像;在同一方向按照遇到轮廓线个数依次标注,轮廓线宽度设置为10个像素;按照水平方向和垂直方向上轮廓线标注组合进行平面划分和标注。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110937368.0A CN113393509B (zh) | 2021-08-16 | 2021-08-16 | 一种激光雷达多径补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110937368.0A CN113393509B (zh) | 2021-08-16 | 2021-08-16 | 一种激光雷达多径补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393509A true CN113393509A (zh) | 2021-09-14 |
CN113393509B CN113393509B (zh) | 2021-12-24 |
Family
ID=77622599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110937368.0A Active CN113393509B (zh) | 2021-08-16 | 2021-08-16 | 一种激光雷达多径补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393509B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118377005A (zh) * | 2024-06-26 | 2024-07-23 | 大连中科超硅集成技术有限公司 | 基于数据分析的激光雷达性能测试方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101666873A (zh) * | 2009-03-04 | 2010-03-10 | 北京邮电大学 | 基于调变脉冲序列的高精度测距雷达的模糊处理方法 |
CN102129067A (zh) * | 2011-03-15 | 2011-07-20 | 北京理工大学 | 一种前向散射雷达地面运动目标信号建模及成像方法 |
CN103135109A (zh) * | 2013-01-31 | 2013-06-05 | 中国人民解放军国防科学技术大学 | 一种基于多径信号的超宽带雷达成像方法 |
CN110688763A (zh) * | 2019-10-08 | 2020-01-14 | 北京工业大学 | 一种基于脉冲型ToF相机深度和光强图像的多径效应补偿方法 |
-
2021
- 2021-08-16 CN CN202110937368.0A patent/CN113393509B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101666873A (zh) * | 2009-03-04 | 2010-03-10 | 北京邮电大学 | 基于调变脉冲序列的高精度测距雷达的模糊处理方法 |
CN102129067A (zh) * | 2011-03-15 | 2011-07-20 | 北京理工大学 | 一种前向散射雷达地面运动目标信号建模及成像方法 |
CN103135109A (zh) * | 2013-01-31 | 2013-06-05 | 中国人民解放军国防科学技术大学 | 一种基于多径信号的超宽带雷达成像方法 |
CN110688763A (zh) * | 2019-10-08 | 2020-01-14 | 北京工业大学 | 一种基于脉冲型ToF相机深度和光强图像的多径效应补偿方法 |
Non-Patent Citations (2)
Title |
---|
庞正雅: "基于激光雷达的运动补偿方法", 《激光与光电子学进展》 * |
王旭赢: "多径环境下平面时差定位精度分析", 《海军工程大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118377005A (zh) * | 2024-06-26 | 2024-07-23 | 大连中科超硅集成技术有限公司 | 基于数据分析的激光雷达性能测试方法及系统 |
CN118377005B (zh) * | 2024-06-26 | 2024-08-16 | 大连中科超硅集成技术有限公司 | 基于数据分析的激光雷达性能测试方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113393509B (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111090103B (zh) | 水下小目标动态精细检测三维成像装置及方法 | |
CN107578464B (zh) | 一种基于线激光扫描的传送带工件三维轮廓测量方法 | |
KR101996992B1 (ko) | 옵티컬 플로우 영상 처리를 이용하는 하천 유속 측정 장치 및 방법 | |
CN105225482B (zh) | 基于双目立体视觉的车辆检测系统和方法 | |
TWI518350B (zh) | 飛航時間像化器及其測量物體深度映圖之方法 | |
IL269984B (en) | Lidar range estimation with range velocity compensation | |
CN104990515A (zh) | 大型物体三维形状测量系统及其测量方法 | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN113074660B (zh) | 一种大尺寸透明物体的面型测量方法 | |
CN103900494A (zh) | 用于双目视觉三维测量的同源点快速匹配方法 | |
CN111829434B (zh) | 一种料流计量检测方法及系统 | |
CN113393509B (zh) | 一种激光雷达多径补偿方法 | |
CN113554697A (zh) | 基于线激光的舱段轮廓精确测量方法 | |
CN117058236A (zh) | 一种基于多目视觉系统自切换的目标识别定位方法 | |
CN114078220B (zh) | 一种基于深度相机的托盘识别方法 | |
CN115330684A (zh) | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 | |
CN115081240A (zh) | 一种提升仿真激光雷达数据真实性的点云数据处理方法 | |
Sabov et al. | Identification and correction of flying pixels in range camera data | |
CN109084953A (zh) | 水槽中波浪特征参数获取装置及其获取方法 | |
CN105096314A (zh) | 基于二值网格模板的结构光动态场景深度获取方法 | |
CN114820782B (zh) | 基于平面标定块的线激光轮廓仪点云标定方法及系统 | |
CN116626040A (zh) | 一种轨道与隧道的病变检测方法 | |
Gottfried et al. | Time of flight motion compensation revisited | |
Isgro et al. | An open system for 3D data acquisition from multiple sensor |
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 |