CN113534096A - 基于样条函数的LiDAR信号几何特征提取方法及系统 - Google Patents

基于样条函数的LiDAR信号几何特征提取方法及系统 Download PDF

Info

Publication number
CN113534096A
CN113534096A CN202110813170.1A CN202110813170A CN113534096A CN 113534096 A CN113534096 A CN 113534096A CN 202110813170 A CN202110813170 A CN 202110813170A CN 113534096 A CN113534096 A CN 113534096A
Authority
CN
China
Prior art keywords
echo
signal
water
water bottom
waveform
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
Application number
CN202110813170.1A
Other languages
English (en)
Other versions
CN113534096B (zh
Inventor
丁凯
陶铭
谢仁平
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.)
Dongguan University of Technology
Original Assignee
Dongguan University of 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 Dongguan University of Technology filed Critical Dongguan University of Technology
Priority to CN202110813170.1A priority Critical patent/CN113534096B/zh
Publication of CN113534096A publication Critical patent/CN113534096A/zh
Application granted granted Critical
Publication of CN113534096B publication Critical patent/CN113534096B/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
    • 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
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/487—Extracting wanted echo signals, e.g. pulse detection
    • 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
    • G01S7/491—Details of non-pulse systems
    • G01S7/493—Extracting wanted echo signals

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

本发明提出基于样条函数的LiDAR信号几何特征提取方法及系统。该方法首先去除噪声点和陆地激光点，选取水面上的激光点，获取测深LiDAR有效波形数据；其次，将机载测深LiDAR回波波形信号划分为三类：①简单信号；②复杂信号一；③复杂信号二。接着，采用自适应算法对三类信号分别进行处理：对于简单信号，采用峰值提取算法获取水面回波和水底回波；对于复杂信号一，构造样条函数，通过迭代计算分解出激光脉冲水面回波和水底回波；对于复杂信号二，设定一个激光脉冲信号强度阈值，进行弱信号堆积处理，采用奈曼‑皮尔逊统计判决方法判断备选水底回波是否为有效的弱信号脉冲。最后，根据水面和水底回波波形计算出激光回波位置和回波强度。

Description

基于样条函数的LiDAR信号几何特征提取方法及系统
技术领域
本发明涉及测深LiDAR数据处理领域，特别涉及基于样条函数的LiDAR信号几何特征提取方法及系统。
背景技术
机载激光雷达测深系统(Airborned LiDAR bathymetry，简称ALB)是一种主动遥感测深系统，具有高效率，高精度，高分辨率等特点。ALB系统采集的数据包含激光点云数据、全波形激光回波数据、相机数据等。由于全波形激光回波数据携带了被测目标的距离与几何特征等信息，因此对于全波形激光回波数据的处理算法尤为关键，常见方法是用高斯函数拟合水面和水体回波波形，然后解算出回波强度和回波位置信息；然而实际情况下，对于一些复杂信号，例如水面波形和水底波形重叠的信号，或者仅有水面回波、没有水底回波的信号，基于高斯函数的波形分解算法不具有适用性。
发明内容
本发明的目的是提出一种新的基于样条函数的LiDAR信号几何特征提取方法及其系统，主要是通过将机载测深LiDAR回波波形信号划分为三类，采用自适应算法对三类信号分别进行处理，该方法可以提高测深LiDAR回波位置和回波强度的解算精度和效率，特别是对于一些复杂信号具有较好的处理效果。
为了实现上述目的，本发明提供如下技术方案，系统流程图如图1所示：
基于样条函数的LiDAR信号几何特征提取方法，包括以下步骤：
步骤1、采集测深LiDAR有效波形数据；
步骤2、将机载测深LiDAR回波波形信号划分为三类，①简单信号，即不需要进行特殊处理的常规信号；②复杂信号一：拥有水面和水底两次回波，且水面水底回波重叠的复杂信号；③复杂信号二：仅包含单次回波的复杂信号；
步骤3、采用自适应算法对三类信号分别进行处理；对于简单信号，采用峰值提取算法获取水面回波和水底回波；对于复杂信号一，构造样条函数，通过迭代计算分解出激光脉冲水面回波和水底回波；对于复杂信号二，设定一个激光脉冲信号强度阈值，进行弱信号堆积处理，采用奈曼皮尔逊统计判决方法判断备选水底回波是否为有效的弱信号脉冲；
步骤4、根据水面和水底回波波形计算出激光回波位置和回波强度。
进一步地，在步骤一中采集测深LiDAR有效波形数据的采集方法为：从机载激光雷达测深数据中读取全波形数据，去除由于系统误差和噪声造成的无效点，根据激光测深点的位置和深度信息，去除陆地激光点，选取有效的水上激光点。
进一步地，在步骤二中简单信号处理方法为：根据公式(1)提取激光回波信号中最大值的位置，可分别提取水面回波峰值和水底回波峰值位置以及对应的强度信息，
k＝find(diff(sign(diff(w)))＜0)+1 (1)
上式中，w表示波形矢量，diff表示近似导数，定义为：
diff(w)＝w(t+1)-w(t) (2)
函数sign中参数为正值时，返回结果为1；当参数为0时，返回结果为0；当参数为负数时，则返回结果为-1。
进一步地，在步骤二中复杂信号一处理方法为：运用样条函数拟合构造任意形状的激光脉冲回波波形；
Figure BDA0003168982040000031
其中N表示样条函数的个数，αi,μi,andδi分别表示第i个样条函数拟合波形的强度，位置和脉冲半宽。
设
Figure BDA0003168982040000032
则h(x)可以由以下递推公式获得：
Figure BDA0003168982040000033
初始值：
Figure BDA0003168982040000034
从测深LiDAR回波波形中提取出水面和水底回波波形：
Figure BDA0003168982040000035
其中WR(x)表示接受的回波信号强度，通过求解函数fs(x)的最小值，获得相对应的参数值，LiDAR回波信号主要是由水面回波和水底回波组成，将N取2，即可得到水面回波和水底回波波形。
进一步地，在步骤二中复杂信号二处理方法：首先，对于获取的仅包含单次回波的复杂信号，根据该区域的深度变化范围确定搜索区间，设定一个激光脉冲信号强度阈值，从激光脉冲波形信号中提取水底回波作为备选项，其次，进行弱信号堆积处理，搜索相邻区间内是否存在信号强度超过阈值的水底回波。
进一步地，如果相邻区间内不存在强信号，则需要进行弱信号堆积处理，具体方法：运用公式
k＝find(diff(sign(diff(w)))＜0)+1 (1)
上式中，w表示波形矢量，diff表示近似导数，定义为：
diff(w)＝w(t+1)-w(t) (2)
获取相邻区间内备选水底回波的峰值位置，并求解出该位置对应的水深值，同时计算出该区间内的平均水深值，选取水深值接近于平均水深的弱信号进行波形匹配，将配准结果叠合在一起构成堆积波形。
进一步地，根据强信号与弱信号之间的水深差值、弱信号信噪比和匹配误差构造代价因子，采用奈曼-皮尔逊统计判决方法判断备选水底回波是否为有效的弱信号脉冲，方法如下：
Figure BDA0003168982040000041
Figure BDA0003168982040000042
其中，(x|H1)表示ALB系统接收到的激光脉冲信号检验统计量量化后对应的标号，λi表示第i个激光脉冲回波信号的信噪比，需要分别进行水面水底混合波形的高精度分解和水底波形的弱信号波形堆积和统计判决；Ki,n表示第i个激光脉冲信号的n个量化门限；p(x|H1)表示假定弱信号为水底波形的目标峰值，系统接收到的激光脉冲回波信号检验统计量量化后该标号的概率；p(x|H0)表示假定弱信号不是水底波形的目标峰值，系统接收到的激光脉冲回波信号检验统计量量化后该标号的概率；
Figure BDA0003168982040000043
L(x1,x2…xN)为ALB系统接收到的水底激光脉冲信号似然比表达式；
根据上式得到激光脉冲回波弱信号的检测概率Pws
Figure BDA0003168982040000044
上式中，η表弱信号检测的虚警概率；v表示激光脉冲信号似然比门限值，L(x1…xN)＝v表示激光脉冲信号似然比等于门限值的脉冲信号。L(x1…xN)＞v表示激光脉冲信号似然比大于门限值的脉冲信号。选定虚警概率η作为约束值，对回波信号进行量化标记，在约束η不变的情况下，使得正确检测概率Pws达到最大，从而检测ALB系统接收得到的激光回波脉冲弱信号中是否存在目标水底回波峰值。
将以上步骤检测出的水面和水底回波位置作为初值，再充分考虑水体反射信号对水面和水底回波位置的影响，通过矫正，最终求解得到高精度的水面水底回波位置和强度信息。
基于样条函数的LiDAR信号几何特征提取系统，包括处理器，所述处理器用于执行LiDAR信号几何特征提取方法的指令。
本发明的有益效果为：
(1)本发明建立了一种新的基于样条函数的LiDAR信号几何特征提取方法及其系统。相对于传统的测深LiDAR数据处理方法，将测深LiDAR回波波形信号分为三类：①简单信号，即不需要进行特殊处理的常规信号(拥有水面和水底两次回波且不重叠)；②复杂信号一：拥有水面和水底两次回波，且水面水底回波重叠的复杂信号；③复杂信号二：仅包含单次回波(只有水面水波，没有水底回波)的复杂信号。设计了新的自适应算法对三类信号数据分别处理，大大提高了数据处理的效率，为高精度的检测测深LiDAR回波提供了一种解决方案。
(2)本发明可以提高复杂信号(水面和水底回波重叠的信号)回波位置和回波强度的检测精度。传统的方法采用高斯分解算法处理水面水底回波重叠的波形，这种方法假定水面回波和水底回波脉冲波形都是标准的高斯函数，由于高斯函数操作简单，运算快速，该方法通常被用于分解水面和水底回波波形。本发明通过构造样条函数分解出激光脉冲水面回波和水底回波，相比高斯函数，其拟合精度更高，能够提高回波位置和强度的检测精度，具有一定的优越性。
(3)本发明可以提高复杂信号(只有水面水波、没有水底回波的信号)回波位置和回波强度的检测精度，采用弱信号堆积和奈曼-皮尔逊统计判决方法选取有效水底弱信号。该方法可以提高测深LiDAR回波位置和回波强度的检测精度和效率，特别是对于一些复杂信号具有较好的处理效果。
附图说明
图1是本发明的方框流程图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图及具体的实施方式，对本发明进行详细的介绍说明。
本发明提出一种基于样条函数的LiDAR信号几何特征提取方法及系统。该方法首先去除噪声点和陆地激光点，选取水面上的激光点，获取测深LiDAR有效波形数据；其次，将机载测深LiDAR回波波形信号划分为三类：①简单信号，即不需要进行特殊处理的常规信号(拥有水面和水底两次回波且不重叠)；②复杂信号一：拥有水面和水底两次回波，且水面水底回波重叠的复杂信号；③复杂信号二：仅包含单次回波(只有水面水波，没有水底回波)的复杂信号。接着，采用自适应算法对三类信号分别进行处理：对于简单信号，采用峰值提取算法获取水面回波和水底回波；对于复杂信号一，构造样条函数，通过迭代计算分解出激光脉冲水面回波和水底回波；对于复杂信号二，设定一个激光脉冲信号强度阈值，进行弱信号堆积处理，采用奈曼-皮尔逊统计判决方法判断备选水底回波是否为有效的弱信号脉冲。最后，根据水面和水底回波波形计算出激光回波位置和回波强度。
相对于传统的测深LiDAR数据处理方法，本方法具有三个显著的优点：一是将测深LiDAR回波波形信号分为三类，采用自适应算法对三类信号数据分别处理，大大提高了数据处理的效率。二是对于水面和水底回波重叠的复杂信号，构造了样条函数分解出激光脉冲水面回波和水底回波，相比常规的高斯函数，其拟合精度更高。三是对于只有水面水波、没有水底回波的复杂信号，采用弱信号堆积和奈曼-皮尔逊统计判决方法选取有效水底弱信号。该方法可以提高测深LiDAR回波位置和回波强度的检测精度和效率，特别是对于一些复杂信号具有较好的处理效果。
本方法的具体步骤包括如下：
(1)采集测深LiDAR有效波形数据。从机载激光雷达测深数据中读取全波形数据，去除由于系统误差和噪声造成的无效点，根据激光测深点的位置和深度信息，去除陆地激光点，选取有效的水上激光点。
(2)将机载测深LiDAR回波波形信号划分为三类：①简单信号，即不需要进行特殊处理的常规信号(拥有水面和水底两次回波且不重叠)；②复杂信号一：拥有水面和水底两次回波，且水面水底回波重叠的复杂信号；③复杂信号二：仅包含单次回波(只有水面水波，没有水底回波)的复杂信号。
(3)简单信号处理方法：根据公式(1)提取激光回波信号中最大值的位置，可分别提取水面回波峰值和水底回波峰值位置以及对应的强度信息。
k＝find(diff(sign(diff(w)))<0)+1 (1)
上式中，w表示波形矢量，diff表示近似导数，定义为：
diff(w)＝w(t+1)-w(t) (2)
函数sign中参数为正值时，返回结果为1；当参数为0时，返回结果为0；当参数为负数时，则返回结果为-1。函数find返回满足其内部表达式的元素的序号。例如一个元素，他的左边数值增加，而右边的数值减小，就说明该元素处于一组连续数据中的最大值位置。
(4)复杂信号一处理方法：通常使用高斯分解算法处理水面水底回波重叠的波形，这种方法假定水面回波和水底回波脉冲波形都是标准的高斯函数，由于高斯函数操作简单，运算快速，该方法通常被用于分解水面和水底回波。然而经过我们实验发现，激光脉冲回波形状往往不是规则的高斯函数，而运用相对复杂的样条函数可以拟合构造任意形状的激光脉冲回波波形。
Figure BDA0003168982040000081
其中N表示样条函数的个数，αi,μi,and δi分别表示第i个样条函数拟合波形的强度，位置和脉冲半宽。
设
Figure BDA0003168982040000082
则h(x)可以由以下递推公式获得
Figure BDA0003168982040000083
初始值：
Figure BDA0003168982040000084
从测深LiDAR回波波形中提取出水面和水底回波波形：
Figure BDA0003168982040000085
其中WR(t)表示接受的回波信号强度，通过求解函数fs(x)的最小值，获得相对应的参数值。LiDAR回波信号主要是由水面回波和水底回波组成，将N取2，即可得到水面回波和水底回波波形。
步骤4中用于拟合的样条函数的数目N不限于本发明介绍的计算方法及设定值。
(5)复杂信号二处理方法：仅包含单次回波(只有水面水波，没有水底回波)的复杂信号处理相对困难。首先，对于获取的仅包含单次回波(只有水面水波，没有水底回波)的复杂信号，根据该区域的深度变化范围确定搜索区间，设定一个激光脉冲信号强度阈值，从激光脉冲波形信号中提取水底回波作为备选项。其次，进行弱信号堆积处理。搜索相邻区间内是否存在信号强度超过阈值的水底回波。如果相邻区间内不存在强信号，则需要进行弱信号堆积处理，具体方法：运用公式(1)获取相邻区间内备选水底回波的峰值位置，并求解出该位置对应的水深值，同时计算出该区间内的平均水深值，选取水深值接近于平均水深的弱信号进行波形匹配，将配准结果叠合在一起构成堆积波形。最后，根据强信号与弱信号之间的水深差值、弱信号信噪比和匹配误差构造代价因子，采用奈曼-皮尔逊统计判决方法判断备选水底回波是否为有效的弱信号脉冲，方法如下：
Figure BDA0003168982040000091
Figure BDA0003168982040000092
其中，(x|H1)表示ALB系统接收到的激光脉冲信号检验统计量量化后对应的标号，λi表示第i个激光脉冲回波信号的信噪比，需要分别进行水面水底混合波形的高精度分解和水底波形的弱信号波形堆积和统计判决。Ki,n表示第i个激光脉冲信号的n个量化门限。p(x|H1)表示假定弱信号为水底波形的目标峰值，系统接收到的激光脉冲回波信号检验统计量量化后该标号的概率。p(x|H0)表示假定弱信号不是水底波形的目标峰值，系统接收到的激光脉冲回波信号检验统计量量化后该标号的概率。
Figure BDA0003168982040000101
L(x1,x2…xN)为ALB系统接收到的水底激光脉冲信号似然比表达式；
根据上式得到激光脉冲回波弱信号的检测概率Pws；
Figure BDA0003168982040000102
上式中，η表弱信号检测的虚警概率；v表示激光脉冲信号似然比门限值，L(x1…xN)＝v表示激光脉冲信号似然比等于门限值的脉冲信号。L(x1…xN)＞v表示激光脉冲信号似然比大于门限值的脉冲信号。选定虚警概率η作为约束值，对回波信号进行量化标记，在约束η不变的情况下，使得正确检测概率Pws达到最大，从而检测ALB系统接收得到的激光回波脉冲弱信中是否存在目标水底回波峰值。
(6)最后，将以上步骤检测出的水面和水底回波位置作为初值，再充分考虑水体反射信号对水面和水底回波位置的影响，通过矫正，最终求解得到高精度的水面水底回波位置和强度信息。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理，可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.基于样条函数的LiDAR信号几何特征提取方法，其特征在于：包括以下步骤
步骤1、采集测深LiDAR有效波形数据；
步骤2、将机载测深LiDAR回波波形信号划分为三类，①简单信号，即不需要进行特殊处理的常规信号；②复杂信号一：拥有水面和水底两次回波，且水面水底回波重叠的复杂信号；③复杂信号二：仅包含单次回波的复杂信号；
步骤3、采用自适应算法对三类信号分别进行处理；对于简单信号，采用峰值提取算法获取水面回波和水底回波；对于复杂信号一，构造样条函数，通过迭代计算分解出激光脉冲水面回波和水底回波；对于复杂信号二，设定一个激光脉冲信号强度阈值，进行弱信号堆积处理，采用奈曼-皮尔逊统计判决方法判断备选水底回波是否为有效的弱信号脉冲；
步骤4、根据水面和水底回波波形计算出激光回波位置和回波强度。
2.根据权利要求1所述的基于样条函数的LiDAR信号几何特征提取方法，其特征在于：在步骤一中采集测深LiDAR有效波形数据的采集方法为：从测深LiDAR数据中读取全波形LiDAR数据，去除由于系统误差和环境噪声造成的无效波形，根据激光测深点的位置和深度信息，去除陆地激光回波波形，选取有效的水上激光回波波形。
3.根据权利要求1所述的基于样条函数的LiDAR信号几何特征提取方法，其特征在于：在步骤二中简单信号处理方法为：根据公式(1)提取激光回波信号中最大值的位置，可分别提取水面回波峰值和水底回波峰值位置以及对应的强度信息；
k＝find(diff(sign(diff(w)))＜0)+1 (1)
上式中，w表示波形矢量，diff表示近似导数，定义为：
diff(w)＝w(t+1)-w(t) (2)
函数sign中参数为正值时，返回结果为1；当参数为0时，返回结果为0；当参数为负数时，则返回结果为-1。
4.根据权利要求1所述的基于样条函数的LiDAR信号几何特征提取方法，其特征在于：在步骤二中复杂信号一处理方法为：运用样条函数拟合构造任意形状的激光脉冲回波波形；
Figure FDA0003168982030000021
其中N表示样条函数的个数，αi,μi,andδi分别表示第i个样条函数拟合波形的强度，位置和脉冲半宽；
设
Figure FDA0003168982030000022
则h(x)可以由以下递推公式获得；
Figure FDA0003168982030000023
初始值：
Figure FDA0003168982030000024
从测深LiDAR回波波形中提取出水面和水底回波波形：
Figure FDA0003168982030000025
其中WR(x)表示接受的回波信号强度，通过求解函数fs(x)的最小值，获得相对应的参数值，LiDAR回波信号主要是由水面回波和水底回波组成，将N取2，即可得到水面回波和水底回波波形。
5.根据权利要求1所述的基于样条函数的LiDAR信号几何特征提取方法，其特征在于：在步骤二中复杂信号二处理方法：首先，对于获取的仅包含单次回波的复杂信号，根据该区域的深度变化范围确定搜索区间，设定一个激光脉冲信号强度阈值，从激光脉冲波形信号中提取水底回波作为备选项，其次，进行弱信号堆积处理，搜索相邻区间内是否存在信号强度超过阈值的水底回波。
6.根据权利要求5所述的基于样条函数的LiDAR信号几何特征提取方法，其特征在于：如果相邻区间内不存在强信号，则需要进行弱信号堆积处理，具体方法：运用公式
k＝find(diff(sign（diff(w)))＜0)+1 (1)
上式中，w表示波形矢量，diff表示近似导数，定义为：
diff(w)＝w(t+1)-w(t) (2)
获取相邻区间内备选水底回波的峰值位置，并求解出该位置对应的水深值，同时计算出该区间内的平均水深值，选取水深值接近于平均水深的弱信号进行波形匹配，将配准结果叠合在一起构成堆积波形。
7.根据权利要求6所述的基于样条函数的LiDAR信号几何特征提取方法，其特征在于：根据强信号与弱信号之间的水深差值、弱信号信噪比和匹配误差构造代价因子，采用奈曼-皮尔逊统计判决方法判断备选水底回波是否为有效的弱信号脉冲，方法如下：
Figure FDA0003168982030000031
Figure FDA0003168982030000032
其中，(x|H1)表示ALB系统接收到的激光脉冲信号检验统计量量化后对应的标号，λi表示第i个激光脉冲回波信号的信噪比，需要分别进行水面水底混合波形的高精度分解和水底波形的弱信号波形堆积和统计判决；Ki,n表示第i个激光脉冲信号的n个量化门限；p(x|H1)表示假定弱信号为水底波形的目标峰值，系统接收到的激光脉冲回波信号检验统计量量化后该标号的概率；p(x|H0)表示假定弱信号不是水底波形的目标峰值，系统接收到的激光脉冲回波信号检验统计量量化后该标号的概率；
Figure FDA0003168982030000041
其中，L(x1,x2…xN)为ALB系统接收到的水底激光脉冲信号似然比表达式；
根据上式得到激光脉冲回波弱信号的检测概率Pws；
Figure FDA0003168982030000042
上式中，η表弱信号检测的虚警概率；v表示激光脉冲信号似然比门限值，L(x1…xN)＝v表示激光脉冲信号似然比等于门限值的脉冲信号。
L(x1…xN)＞v表示激光脉冲信号似然比大于门限值的脉冲信号。选定虚警概率η作为约束值，对回波信号进行量化标记，在约束η不变的情况下，使得正确检测概率Pws达到最大，从而检测ALB系统接收得到的激光回波脉冲弱信号中是否存在目标水底回波峰值；
将以上步骤检测出的水面和水底回波位置作为初值，再充分考虑水体反射信号对水面和水底回波位置的影响，通过矫正，最终求解得到高精度的水面水底回波位置和强度信息。
8.基于样条函数的LiDAR信号几何特征提取系统，其特征在于：包括处理器，所述处理器用于执行实现权利要求1LiDAR信号几何特征提取方法的指令。
CN202110813170.1A 2021-07-19 2021-07-19 基于样条函数的LiDAR信号几何特征提取方法及系统 Active CN113534096B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110813170.1A CN113534096B (zh) 2021-07-19 2021-07-19 基于样条函数的LiDAR信号几何特征提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110813170.1A CN113534096B (zh) 2021-07-19 2021-07-19 基于样条函数的LiDAR信号几何特征提取方法及系统

Publications (2)

Publication Number Publication Date
CN113534096A true CN113534096A (zh) 2021-10-22
CN113534096B CN113534096B (zh) 2023-09-15

Family

ID=78100146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110813170.1A Active CN113534096B (zh) 2021-07-19 2021-07-19 基于样条函数的LiDAR信号几何特征提取方法及系统

Country Status (1)

Country Link
CN (1) CN113534096B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116338628A (zh) * 2023-05-16 2023-06-27 中国地质大学（武汉） 一种基于学习架构的激光雷达测深方法、装置及电子设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002065155A1 (en) * 2001-02-09 2002-08-22 Commonwealth Scientific And Industrial Research Organisation Lidar system and method
US20090122642A1 (en) * 2007-04-26 2009-05-14 The University Of Tokyo Bottom-sediment classification device and method
CN105759279A (zh) * 2016-04-20 2016-07-13 深圳市速腾聚创科技有限公司 一种基于波形时域匹配的激光测距系统及方法
US20160299229A1 (en) * 2015-04-09 2016-10-13 Sharper Shape Oy Method and system for detecting objects
CN106707273A (zh) * 2017-01-23 2017-05-24 西安电子科技大学 基于奈曼皮尔逊准则量化的多站雷达信号融合检测方法
CN108896971A (zh) * 2018-05-10 2018-11-27 西安电子科技大学 一种海面漂浮小目标回波的仿真方法
CN110031856A (zh) * 2019-04-04 2019-07-19 山东科技大学 一种机载LiDAR测深数据的漫衰减系数提取方法
CN110133670A (zh) * 2018-02-09 2019-08-16 中国人民解放军战略支援部队信息工程大学 一种机载激光测深接收波形的去噪处理方法及其系统
US20200319318A1 (en) * 2019-04-03 2020-10-08 Analog Devices, Inc. System and method for improved resolution in a lidar system
WO2021023285A1 (zh) * 2019-08-08 2021-02-11 北京一径科技有限公司 激光雷达的回波处理方法及装置、测距方法及装置和激光雷达系统
CN113030919A (zh) * 2021-03-16 2021-06-25 东莞理工学院 一种基于模型拟合的波形检测方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002065155A1 (en) * 2001-02-09 2002-08-22 Commonwealth Scientific And Industrial Research Organisation Lidar system and method
US20090122642A1 (en) * 2007-04-26 2009-05-14 The University Of Tokyo Bottom-sediment classification device and method
US20160299229A1 (en) * 2015-04-09 2016-10-13 Sharper Shape Oy Method and system for detecting objects
CN105759279A (zh) * 2016-04-20 2016-07-13 深圳市速腾聚创科技有限公司 一种基于波形时域匹配的激光测距系统及方法
CN106707273A (zh) * 2017-01-23 2017-05-24 西安电子科技大学 基于奈曼皮尔逊准则量化的多站雷达信号融合检测方法
CN110133670A (zh) * 2018-02-09 2019-08-16 中国人民解放军战略支援部队信息工程大学 一种机载激光测深接收波形的去噪处理方法及其系统
CN108896971A (zh) * 2018-05-10 2018-11-27 西安电子科技大学 一种海面漂浮小目标回波的仿真方法
US20200319318A1 (en) * 2019-04-03 2020-10-08 Analog Devices, Inc. System and method for improved resolution in a lidar system
CN110031856A (zh) * 2019-04-04 2019-07-19 山东科技大学 一种机载LiDAR测深数据的漫衰减系数提取方法
WO2021023285A1 (zh) * 2019-08-08 2021-02-11 北京一径科技有限公司 激光雷达的回波处理方法及装置、测距方法及装置和激光雷达系统
CN113030919A (zh) * 2021-03-16 2021-06-25 东莞理工学院 一种基于模型拟合的波形检测方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
丁凯: "单波段机载测深激光雷达全波形数据处理算法及应用研究", 中国优秀博硕士学位论文全文数据库 *
丁凯;李清泉;朱家松;汪驰升;管明雷;崔扬;杨超;徐天;: "运用MODIS遥感数据评测南海北部区域机载激光雷达测深系统参数", 测绘学报, no. 02 *
成芳;胡成;: "基于三次样条函数的侧扫声纳定位数据平滑方法研究", 海洋技术学报, no. 03 *
王贤昆;阳凡林;张汉德;宿殿鹏;董梁;王明伟;: "基于广义高斯模型的机载测深LiDAR波形拟合算法", 大地测量与地球动力学, no. 11 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116338628A (zh) * 2023-05-16 2023-06-27 中国地质大学（武汉） 一种基于学习架构的激光雷达测深方法、装置及电子设备
CN116338628B (zh) * 2023-05-16 2023-09-15 中国地质大学（武汉） 一种基于学习架构的激光雷达测深方法、装置及电子设备

Also Published As

Publication number Publication date
CN113534096B (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
CN107145874B (zh) 复杂背景sar图像中的舰船目标检测与鉴别方法
CN111045008B (zh) 基于展宽计算的车载毫米波雷达目标识别方法
CN106599808B (zh) 一种基于全波形激光雷达数据的隐蔽目标提取方法
CN108490410B (zh) 一种两坐标雷达对海目标联合检测跟踪方法
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
CN107942329B (zh) 机动平台单通道sar对海面舰船目标检测方法
CN109709527B (zh) 一种全波形激光测高回波信号中高斯分解的高斯波峰法
CN109597065B (zh) 一种用于穿墙雷达检测的虚警抑制方法、装置
CN111999726B (zh) 一种基于毫米波雷达的人员定位方法
CN114114192B (zh) 集群目标检测方法
CN113608195B (zh) 一种激光雷达全波形数据分解测深方法、装置及电子设备
CN111175730A (zh) 一种用于无人船的毫米波雷达目标点迹凝聚方法
CN109100697B (zh) 一种基于地面监视雷达系统的目标凝聚方法
CN109188430A (zh) 一种基于地面监视雷达系统的目标提取方法
CN113534096B (zh) 基于样条函数的LiDAR信号几何特征提取方法及系统
CN110488273B (zh) 一种基于雷达的车辆跟踪检测方法及装置
CN108983194B (zh) 一种基于地面监视雷达系统的目标提取及凝聚方法
CN113030919A (zh) 一种基于模型拟合的波形检测方法及系统
CN113177097A (zh) 一种基于属性聚类与时空约束的航迹起始判别方法
CN115128571B (zh) 一种基于毫米波雷达的多人与非机动车识别方法
CN111796250A (zh) 一种基于风险评估的虚假点迹多维层次化抑制方法
CN111680537A (zh) 一种基于激光红外复合的目标检测方法及系统
CN113869409A (zh) 一种超声波传感器自动泊车的长宽比例相似度计算方法
CN110632592B (zh) 一种手持式穿墙雷达的虚警消除方法
CN113589288A (zh) 基于毫米波雷达的目标筛选方法、装置、设备及存储介质

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