CN115220059A - 一种基于目标识别的水下目标激光距离选通搜索成像方法 - Google Patents

一种基于目标识别的水下目标激光距离选通搜索成像方法 Download PDF

Info

Publication number
CN115220059A
CN115220059A CN202210679166.5A CN202210679166A CN115220059A CN 115220059 A CN115220059 A CN 115220059A CN 202210679166 A CN202210679166 A CN 202210679166A CN 115220059 A CN115220059 A CN 115220059A
Authority
CN
China
Prior art keywords
target
distance
ultra
gating
search
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.)
Pending
Application number
CN202210679166.5A
Other languages
English (en)
Inventor
孙磊
金东东
纪春恒
裴崇雷
安鸿波
段恩悦
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.)
Shandong Institute of Space Electronic Technology
Original Assignee
Shandong Institute of Space Electronic 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 Shandong Institute of Space Electronic Technology filed Critical Shandong Institute of Space Electronic Technology
Priority to CN202210679166.5A priority Critical patent/CN115220059A/zh
Publication of CN115220059A publication Critical patent/CN115220059A/zh
Pending legal-status Critical Current

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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明提供了一种基于目标识别的水下目标激光距离选通搜索成像方法，以激光距离选通成像技术为基础，对成像策略进一步优化，先将目标距离搜索范围分成多个超宽距离切片图像进行粗搜索，通过深度学习目标识别方法判别超宽距离切片图像中是否存在目标，当目标出现时，在搜索到目标的超宽距离切片图像内进行等步长精细扫描，根据粗搜索结果中目标ROI区域的亮度、对比度准确判别出图像中存在的目标，确定目标的具体位置，在保证目标判别别准确率的同时，提高搜索效率。

Description

一种基于目标识别的水下目标激光距离选通搜索成像方法
技术领域
本发明涉及激光距离选通成像技术领域，尤其涉及一种基于目标识别的水下目标激光距离选通搜索成像方法。
背景技术
激光距离选通成像技术采用脉冲激光作为主动光源，利用飞行时间选通原理，探测器只接收目标距离处反射的光信号，有效屏蔽探测器和目标之间的背向散射信号，具有信噪比高、探测距离远、成像效果好等优点，被广泛应用于安防监控、远距离侦查和水下探测等领域。但是，激光距离选通成像技术属于一种定距成像技术，需要预先知道待测目标到探测器的距离，通过调整选通时间参数，对目标附近的固定距离处进行探测，搜索效率较低，给实际工程应用带来了很大的难度。尤其在目标的距离未知，或探测范围内多个目标位于不同距离时，需要依次对不同距离处进行选通成像搜索，探测实时性较差，成像参数调节繁琐。
针对上述距离选通成像技术的缺点，美国的Ramics机载激光反水雷系统采用多台探测器分别对探测范围内的不同距离处同时进行距离选通成像，这种方式虽然直接有效但成本高昂。国内有关学者提出一种基于高重频脉冲激光的全选通成像方法。这种方案虽然扩大了距离选通的探测范围，但是由于对不同距离均进行选通成像，不可避免会引入背向散射，导致激光能量分散，牺牲了一定的探测距离和成像帧频，同时无法得到目标距离。
因此，如何充分发挥激光距离选通成像的优势，快速、准确的搜索目标，是目前水下目标探测的难点。
发明内容
为了克服现有技术存在的缺点与不足，本发明提供一种基于目标识别的水下目标激光距离选通搜索成像方法，采用区域分段、目标识别和步进搜索的方式对探测范围内的未知目标进行搜索，具有搜索范围大、准确率高、实时性好等优点。
本发明提供一种基于目标识别的水下目标激光距离选通搜索成像方法，包括以下步骤：
步骤1、将目标距离搜索范围L分为N个超宽距离切片图像进行距离选通成像，选通延时参数依次设置为
Figure BDA0003695752040000021
选通门宽参数均设置为
Figure BDA0003695752040000022
其中，L为目标搜索范围，N为超宽距离切片图像个数，Rref为介质折射率，c为光在介质中的传播速度；
步骤2、利用预先训练好的目标识别模型对所述超宽距离切片图像进行目标识别，判断所述超宽距离切片图像中是否存在待测目标，若存在待测目标，则进行步骤3对待测目标所在的超宽距离切片图像进行细分搜索，若不存在待测目标，则重复步骤1和2；
步骤3、将存在待测目标的超宽距离切片图像细分为n个窄距离切片图像进行窄距离切片细分扫描；
步骤4、根据步骤2中目标识别结果得到的ROI区域，计算每个窄距离切片图像中ROI区域的平均灰度值
Figure BDA0003695752040000023
和标准差
Figure BDA0003695752040000031
其中，PROI(x,y)为ROI区域内每一像素点的灰度值，N为像素数量；
步骤5、根据Imean的变化曲线，采用“寻峰法”确定所有满足Imean(i)>Imean(i-1)，Imean(i)>Imean(i+1)，i＝1,2,3……n的窄距离切片图像，并进一步比较Istd(i-1)、Istd(i)和Istd(i+1)的大小，确定标准差最大的窄距离切片图像为待测目标的选通图像。
进一步地，所述目标识别模型为基于DarkNet框架的YOLOv4-tiny网络模型。
进一步地，所述步骤2之前还包括：
将不同目标距离搜索范围分别划分为若干超宽距离切片图像并进行目标标注，得到待测目标训练数据集；
利用所述待测目标训练数据集对待训练目标识别模型进行训练，得到训练好的目标识别模型。
采用上述技术方案后，本发明至少具有如下有益效果：
1、优化了目标搜索成像策略，将深度学习目标识别方法应用在超宽距离范围的“粗扫”中，提高了搜索效率。
2、将深度学习目标识别和亮度/对比度目标判别方法结合使用，充分发挥各自优势，弥补了亮度/对比度判别方法易受环境、噪声信号干扰和深度学习目标识别方法对距离信息不敏感的问题，提高了目标判别的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为粗扫描和细分扫描的流程示意图；
图2为本实施例提供的一种基于目标识别的水下目标激光距离选通搜索成像方法的流程图；
图3为超宽距离切片图像目标识别结果图；
图4为ROI区域内的平均灰度值和标准差变化曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参考图1和图2，本实施例以分辨率板(美军标)为待测目标，放置在距离探测器30m内的任意距离处，通过本申请提出的基于目标识别的水下目标激光距离选通搜索成像方法找到待测目标所在的位置进行成像，包括：
首先预先将不同目标距离搜索范围分别划分为若干超宽距离切片图像并进行目标标注，得到待测目标训练数据集；利用所述待测目标训练数据集对待训练的基于DarkNet框架的YOLOv4-tiny网络模型进行训练，得到训练好的基于DarkNet框架的YOLOv4-tiny目标识别模型。
然后进行如下步骤：
步骤1、将目标距离搜索范围30m分为4个超宽距离切片图像，每个切片图像宽度为7.5m，粗搜索范围为0-7.5m，7.5-15m，15-22.5m，22.5-30m。根据公式
Figure BDA0003695752040000051
和计算出每个超宽距离切片图像的选通参数，选通延时参数分别为0ns、66.5ns、133ns和199.5ns，，选通门宽参数均为66.5ns；
步骤2、利用预先训练好的目标识别模型对步骤1得到的4个超宽距离切片图像进行识别，判断超宽距离切片图像中是否存在分辨率板，若存在分辨率板，如图3所示，分辨率板被确定在22.5-30m范围内，则进行步骤3对分辨率板所在的超宽距离切片图像进行细分搜索，若不存在待测目标，则重复步骤1和2；
步骤3、将22.5-30m范围对应的超宽距离切片图像细分为8个窄距离切片图像进行窄距离切片细分扫描，分别设置选通延时参数为195ns、205ns、215ns……265ns选通门宽参数为10ns；
步骤4、根据步骤2中目标识别结果得到的ROI区域，计算步骤3得到的每个窄距离切片图像中ROI区域的平均灰度值
Figure BDA0003695752040000052
和标准差
Figure BDA0003695752040000053
并绘制出Imean和Istd的变化曲线图，如图4所示；
步骤5、根据Imean的变化曲线，第5个窄距离切片图像的平均灰度值满足Imean(5)>Imean(4)、Imean(5)>Imean(6)的条件，同时标准差Istd(5)为最大值。因此可以确定分辨率板在第5个窄距离切片图像中，对应的距离范围为26.5-27.6m。
经过上述基于目标识别的水下目标激光距离选通搜索成像方法，快速确定30m范围内未知距离处的待测目标进行成像，既保证了目标判别的准确率，又提高了搜索效率。
虽然本发明已以实施例揭示如上，然其并非用以限定本发明，任何所属技术领域中技术人员，在不脱离本发明的精神和范围内，当可作些许的更改与润饰，故本发明的保护范围当视权利要求所界定的为准。

Claims (3)

1.一种基于目标识别的水下目标激光距离选通搜索成像方法，其特征在于，包括：
步骤1、将目标距离搜索范围L分为N个超宽距离切片图像进行距离选通成像，选通延时参数依次设置为
Figure FDA0003695752030000011
选通门宽参数均设置为
Figure FDA0003695752030000012
其中，L为目标搜索范围，N为超宽距离切片图像个数，Rref为介质折射率，c为光在介质中的传播速度；
步骤2、利用预先训练好的目标识别模型对所述超宽距离切片图像进行目标识别，判断所述超宽距离切片图像中是否存在待测目标，若存在待测目标，则进行步骤3对待测目标所在的超宽距离切片图像进行细分搜索，若不存在待测目标，则重复步骤1和2；
步骤3、将存在待测目标的超宽距离切片图像细分为n个窄距离切片图像进行窄距离切片细分扫描；
步骤4、根据步骤2中目标识别结果得到的ROI区域，计算每个窄距离切片图像中ROI区域的平均灰度值
Figure FDA0003695752030000013
和标准差
Figure FDA0003695752030000014
其中，PROI(x,y)为ROI区域内每一像素点的灰度值，N为像素数量；
步骤5、根据Imean的变化曲线，采用“寻峰法”确定所有满足Imean(i)>Imean(i-1)，Imean(i)>Imean(i+1)，i＝1,2,3……n的窄距离切片图像，并进一步比较Istd(i-1)、Istd(i)和Istd(i+1)的大小，确定标准差最大的窄距离切片图像为待测目标的选通图像。
2.根据权利要求1所述的基于目标识别的水下目标激光距离选通搜索成像方法，其特征在于，所述目标识别模型为基于DarkNet框架的YOLOv4-tiny网络模型。
3.根据权利要求2所述的基于目标识别的水下目标激光距离选通搜索成像方法，其特征在于，所述步骤2之前还包括：
将不同目标距离搜索范围分别划分为若干超宽距离切片图像并进行目标标注，得到待测目标训练数据集；
利用所述待测目标训练数据集对待训练目标识别模型进行训练，得到训练好的目标识别模型。
CN202210679166.5A 2022-06-15 2022-06-15 一种基于目标识别的水下目标激光距离选通搜索成像方法 Pending CN115220059A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210679166.5A CN115220059A (zh) 2022-06-15 2022-06-15 一种基于目标识别的水下目标激光距离选通搜索成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210679166.5A CN115220059A (zh) 2022-06-15 2022-06-15 一种基于目标识别的水下目标激光距离选通搜索成像方法

Publications (1)

Publication Number Publication Date
CN115220059A true CN115220059A (zh) 2022-10-21

Family

ID=83608768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210679166.5A Pending CN115220059A (zh) 2022-06-15 2022-06-15 一种基于目标识别的水下目标激光距离选通搜索成像方法

Country Status (1)

Country Link
CN (1) CN115220059A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116106928A (zh) * 2023-04-11 2023-05-12 中国人民解放军海军工程大学 一种水下自适应全选通成像方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116106928A (zh) * 2023-04-11 2023-05-12 中国人民解放军海军工程大学 一种水下自适应全选通成像方法

Similar Documents

Publication Publication Date Title
CN109871902B (zh) 一种基于超分辨率对抗生成级联网络的sar小样本识别方法
CN104851097B (zh) 基于目标形状与阴影辅助的多通道sar‑gmti方法
CN108802722B (zh) 一种基于虚拟谱的弱目标检测前跟踪方法
CN109188430B (zh) 一种基于地面监视雷达系统的目标提取方法
CN107563370B (zh) 一种基于视觉注意机制的海上红外目标检测方法
CN107942329B (zh) 机动平台单通道sar对海面舰船目标检测方法
CN110940971B (zh) 一种雷达目标点迹录取方法、装置及存储介质
Zhou et al. Adaptive model for the water depth bias correction of bathymetric LiDAR point cloud data
CN109100696B (zh) 基于点状杂波图的慢速运动目标消除方法
CN105427342A (zh) 一种水下小目标声呐图像目标检测跟踪方法和系统
CN101482969B (zh) 基于同质点计算的sar图像去斑方法
CN111208479B (zh) 一种降低深度网络检测中虚警概率的方法
CN109100697B (zh) 一种基于地面监视雷达系统的目标凝聚方法
CN113269889B (zh) 一种基于椭圆域的自适应点云目标聚类方法
CN113687429B (zh) 一种确定毫米波雷达监测区域边界的装置及方法
CN104569923B (zh) 基于速度约束的Hough变换快速航迹起始方法
CN115220059A (zh) 一种基于目标识别的水下目标激光距离选通搜索成像方法
CN113835074A (zh) 一种基于毫米波雷达的人流量动态监测方法
CN113671481A (zh) 一种基于毫米波雷达的3d多目标跟踪处理方法
CN108983194B (zh) 一种基于地面监视雷达系统的目标提取及凝聚方法
CN109375185A (zh) 一种基于二值图像连通域面积测量的点迹滤波技术
CN113608193A (zh) 一种基于UNet的雷达多目标距离和速度估计方法
CN105844644B (zh) 基于形态学中值导数的海陆杂波场景分割方法
CN104732190B (zh) 一种基于正交纹理相关分析的合成孔径声纳目标检测方法
TWI804072B (zh) 使用毫米波雷達的即時物件運動狀態辨識方法

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