CN116704133A - 基于高斯形距离-能量模型与三维超分辨率图像重建方法 - Google Patents
基于高斯形距离-能量模型与三维超分辨率图像重建方法 Download PDFInfo
- Publication number
- CN116704133A CN116704133A CN202310745120.3A CN202310745120A CN116704133A CN 116704133 A CN116704133 A CN 116704133A CN 202310745120 A CN202310745120 A CN 202310745120A CN 116704133 A CN116704133 A CN 116704133A
- Authority
- CN
- China
- Prior art keywords
- distance
- gaussian
- target
- gating
- energy
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000003384 imaging method Methods 0.000 claims abstract description 27
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 101000694017 Homo sapiens Sodium channel protein type 5 subunit alpha Proteins 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 241000566260 Trypeta flaveola Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及基于高斯形距离‑能量模型与三维超分辨率图像重建方法。包括：搭建距离选通成像系统，获取原始灰度切片图像；根据回波展宽效应，由激光脉冲函数和选通时间函数卷积结果建立高斯形距离‑能量模型；判别各切片图像像素所处的能量态；利用切片图像中目标灰度值与激光照射下目标的辐照度的正比例关系建立切片图像灰度值与目标距离信息的映射关系；利用去噪算法消除噪声；根据两幅切片图像的灰度值反演距离信息，实现三维重建。本发明以高斯形模型替代传统的三角形模型和梯形模型，舍弃了传统模型对于激光脉冲波形的近似，使最终的三维重建结果获得更高的距离精度及更小的测距误差，具有优秀的实用价值。
Description
技术领域
本发明涉及成像系统与图像处理技术领域，特别是基于高斯形距离-能量模型与三维超分辨率图像重建方法。
背景技术
距离选通技术相较于其他三维成像技术更加的经济有效，具有良好的发展前景。距离选通技术使系统摆脱了繁重的扫描装置，减小了扫描装置的速度和稳定性对成像速度和分辨率的限制，依靠像增强器极高的快门速度以及配套的高精度时间信号控制技术，可以实现利用极短距离切片深度内的光线进行成像，具有非常强的抗干扰能力，能够在烟雾、雾气和浑浊水质的条件下使用。
到目前为止，三维距离选通成像主要采用延时步进、增益调制和超分辨率深度成像三种方法进行开发。在上述方法中，延时步进法是一种具有扫描机制的成像方法。该方法需要采集处理大量数据，计算负荷大，且距离分辨率受限于延时步进精度，对高性能设备依赖严重。增益调制法虽然克服了延时步进法数据量大的缺点，但是仍然没有解决依赖高性能设备的问题。而超分辨率法可以用低性能的器件实现高精度成像，并且处理的数据量小，实时性好。在超分辨率三维重建方法中，主要有梯形距离-能量法和三角形距离-能量法两种方法，这两种方法通过至少两幅门图像可以重建出深度分辨率远超过深度步长的三维场景，既减少了原始数据量，又简化了数据处理过程，即使在高范围精度下也具有良好的实时性。上述两种方法都将激光脉冲简单近似为矩形脉冲，这是目前两种常用方法的一个共同缺陷，将脉冲进行近似处理后，会造成脉冲的信息丢失，产生的误差就会表现在最终的三维成像结果中。
在先技术(Martin Laurenzis,Frank Christnacher,and David Monnin,"Long-range three-dimensional active imaging with superresolution depth mapping,"Opt.Lett.32,3146-3148(2007).)提出的梯形距离-能量法，该方法在判别像素的能量态时较为困难，计算量大。进行三维重建的测距误差较大、距离精度较低。
在先技术(Wang Xinwei,Li Youfu,and Zhou Yan,"Triangular-range-intensity profile spatial-correlation method for3D super-resolution range-gated imaging,"Appl.Opt.52,7399-7406(2013).)提出的三角形距离-能量法，该方法克服了之前判别像素能量态较为困难的缺点，提高了三维重建的测距精度，降低了测距误差。但仍然对激光脉冲进行了近似，仍存在测距精度不足的问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于高斯形距离-能量模型与三维超分辨率图像重建方法，实现精度100ps的延迟步进，对信号有高达108的增益。
为实现上述目的，本发明采用如下技术方案：基于高斯形距离-能量模型与三维超分辨率图像重建方法，搭建的距离选通成像系统；距离选通成像系统由增强型CCD相机ICCD、532nm脉冲激光器、雪崩光电二极管、分光镜、衰减片、滤光片、成像镜头以及匀光器组成；采用高时间分辨精度、高探测灵敏度的距离选通系统对主动光照射目标的回波进行探测，借助增强型CCD相机ICCD的选通门宽和延时参数对成像距离和成像景深进行调控；在选通景深不变的前提下，通过精确控制距离选通系统的时间延迟，产生两个空间交叠的选通区域Si和Si+1，并保证待测目标处于空间交叠区域的范围内；采集得到对应两个区域的二维切片图像，依据建立的距离能量关系曲线和距离反演算法，对两幅切片图像进行信息提取、处理与重构，进而实现待测目标三维信息的重建。
在一较佳的实施例中，具体实现步骤如下：
步骤S1、搭建距离选通成像系统，获取原始灰度切片图像；
步骤S2、根据回波展宽效应，对空间中某一距离为ri处的目标点，相机接受到的回波能量是激光脉冲f1(t)与选通时间函数f2(t)的卷积，由卷积结果构建高斯形距离-能量模型；
步骤S3、判别各切片图像像素所处的能量态；
步骤S4、由于切片图像中目标灰度值与激光照射下目标的辐照度成正比，根据该正比例关系建立切片图像灰度值与目标距离信息的映射关系；
步骤S5、使用去噪算法去除噪声；
步骤S6、通过两幅空间相关的切片图像的灰度值，实现基于高斯形距离-能量模型的超分辨距离重构。
在一较佳的实施例中，在步骤S2中，激光脉冲f1(t)与选通时间函数f2(t)的卷积公式为：
其中，n是大气折射率，c是光速，τi为第i个选通时间函数和激光脉冲之间的延迟；由卷积结果得到的高斯形距离-能量模型表示为：
其中，A是与激光功率、脉冲宽度和门宽有关的参量，P为激光脉冲能量，σp为激光脉冲函数的峰值半高宽、T为选通函数的时间宽度；σ是距离能量高斯波形的标准差，由激光脉宽和选通门宽来决定，c是光速，Ri＝cτi/2，由延迟时间决定。
在一较佳的实施例中，在步骤S3中，基于高斯形的距离-能量模型，以灰度值峰值所在位置为中心，可将目标回波探测信号所处位置分为上升的头信号区和下降的尾信号区。
在一较佳的实施例中，步骤S4具体为：
步骤S41、建立切片图像中目标灰度值与激光照射下目标的辐照度比例关系：
步骤S42、根据正比例关系推导切片图像灰度值与目标距离值的映射关系；建立的切片图像灰度值和目标距离值的映射关系为：
其中，是目标点两幅切片灰度值之比，Δt＝τi+1-τi＝2(Ri+1-Ri)/c；通过两幅空间交叠切片图像的灰度值，从而实现基于高斯形距离-能量模型的超分辨距离重构。
在一较佳的实施例中，步骤S5具体为：
步骤S51、用一个32*32的矩阵遍历整个图像，分别求每个矩阵的平均值，并提取其中最小的平均值作为噪声值；
步骤S52、将整幅图像减去这个噪声值；
步骤S53、用Perona-Malik方程对图像进行滤波处理；
步骤S54、设定一个阈值，将小于该阈值的像素点全部滤除。
在一较佳的实施例中，所述步骤S6具体为：
利用步骤S4中得到的公式，对两幅图像的每一个像素计算相对应的距离值，最终完成三维重建。
与现有技术相比，本发明具有以下有益效果：从激光能量的时间廓线出发，摒弃前期矩形脉冲的简单近似，基于脉冲激光功率随时间高斯形的变化行为，从理论和实验两方面研究建立了对应的距离能量包络曲线，通过两幅空间相关的二维切片图像构建了深度计算算法，此外探究了噪声对于三维重建的影响。和现有方法相比，该算法降低了测距误差，并提升了纵向距离精度。
附图说明
图1是本发明优选实施例提供的距离选通成像系统原理图。
图2是本发明优选实施例提供的基于距离选通的高斯形距离-能量模型与三维超分辨率图像重建方法流程图。
图3是本发明优选实施例提供的高斯形距离-能量模型建立过程示意图。
图4是本发明优选实施例提供的基于距离选通的三维超分辨率图像重建方法对于不同材质的目标的三维重建结果。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式；如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明是一种基于距离选通的高斯形距离-能量模型与三维超分辨率图像重建方法。参考图1至4，具体实现步骤如下：
步骤S1、搭建距离选通成像系统，获取原始灰度切片图像；
步骤S2、根据回波展宽效应，对空间中某一距离为ri处的目标点，相机接受到的回波能量是激光脉冲f1(t)与选通时间函数f2(t)的卷积，由卷积结果构建高斯形距离-能量模型；
步骤S3、判别各切片图像像素所处的能量态；
步骤S4、由于切片图像中目标灰度值与激光照射下目标的辐照度成正比，根据该正比例关系建立切片图像灰度值与目标距离值的映射关系；
步骤S5、使用去噪算法去除噪声；
步骤S6、通过两幅切片图像的灰度值，从而实现基于高斯形距离-能量模型的超分辨距离重构。
下面结合附图及实例对本发明做进一步的详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围包括但不仅限于下述的实施例。
本发明所述的一种基于距离选通的高斯形距离-能量模型与三维超分辨率图像重建方法，搭建的距离选通成像系统由激光发射模块、同步控制模块以及信号接收模块组成。激光发射模块由532nm脉冲激光器和光束调控元件组成，脉冲宽度为4.8ns，能量为5uj，重复频率为2kHz,采用微透镜阵列对出射光束进行匀光，使得光斑内能量均匀并以10mrad的发散角照射待测目标；为了实现激光出光与信号接收之间的精确时序控制，在出光口放置分光片对脉冲进行分光，小能量光束经雪崩光电二极管转化为同步电信号输送至增强型CCD相机，在内部数字延时电路的控制下，开启相机门控，对目标反射信号进行接收；所用的增强性CCD相机具有最小5ns的门控，可实现精度100ps的延迟步进，对信号有高达108的增益。
在本实施例中，设置ICCD相机的参数如下：选通门宽为5ns，曝光时间0.05s，增益1000。相机的像素阵列大小为1024×1024pixel。
参考图2，本实施例提供基于距离选通的高斯形距离-能量模型与三维超分辨率图像重建方法，包括以下步骤：
步骤S1、搭建距离选通成像系统，获取原始灰度切片图像；
步骤S2、根据回波展宽效应，对空间中某一距离为ri处的目标点，相机接受到的回波能量是激光脉冲f1(t)与选通时间函数f2(t)的卷积，由卷积结果构建高斯形距离-能量模型；
步骤S3、判别各切片图像像素所处的能量态；
步骤S4、由于切片图像中目标灰度值与激光照射下目标的辐照度成正比，根据该正比例关系建立切片图像灰度值与目标辐射能的映射关系；
步骤S5、使用去噪算法去除噪声；
步骤S6、通过两幅切片图像的灰度值，从而实现基于高斯形距离-能量模型的超分辨距离重构。
在本实施例，步骤S2中，激光脉冲f1(t)与选通时间函数f2(t)的卷积公式为：
其中，n是大气折射率，c是光速，τi为第i个选通时间函数和激光脉冲之间的延迟。由卷积结果得到的高斯形距离-能量模型可以表示为：
其中，A是与激光功率、脉冲宽度和门宽有关的参量，P为激光脉冲能量，σp为激光脉冲函数的峰值半高宽、T为选通函数的时间宽度。σ是距离能量高斯波形的标准差，由激光脉宽和选通门宽来决定，c是光速，Ri＝cτi/2，由延迟时间决定。
在本实施例中，步骤S3中，基于高斯形的距离-能量模型，以灰度值峰值所在位置为中心，可将目标回波探测信号所处位置分为上升的头信号区和下降的尾信号区。
在本实施例中，步骤S4具体为：
步骤S41、建立切片图像中目标灰度值与激光照射下目标的辐照度比例关系：
步骤S42、根据比例关系推导切片图像灰度值与目标距离值的映射关系。建立的切片图像灰度值和目标距离值的映射关系为
其中，是目标点两幅切片灰度值之比，Δt＝τi+1-τi＝2(Ri+1-Ri)/c。通过两幅切片图像的灰度值，从而实现基于高斯形距离-能量模型的超分辨距离重构。
在本实施例中，步骤S5具体为：
步骤S51、用一个32*32的矩阵遍历整个图像，分别求每个矩阵的平均值，并提取其中最小的平均值作为噪声值。
步骤S52、将整幅图像减去这个噪声值。
步骤S53、用Perona-Malik方程对图像进行滤波处理。
步骤S54、设定一个阈值，将小于该阈值的像素点全部滤除。
在本实施例中，步骤S6具体为：
利用步骤S4中得到的公式，对两幅图像的每一个像素计算相对应的距离值，最终完成三维重建。如图4所示。
在本实施例中，对于各种材质的目标，本方法都展示了良好的重建效果，测距误差相较于现有方法降低了64％，并且将距离精度提升至了1.5cm量级。
上述实施例表明，本发明提出的方法可基于距离选通系统，通过两幅灰度切片图像完成目标的超分辨率三维重建并提升了距离精度，降低了测距误差。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (7)
1.基于高斯形距离-能量模型与三维超分辨率图像重建方法，其特征在于，搭建的距离选通成像系统；距离选通成像系统由增强型CCD相机ICCD、532nm脉冲激光器、雪崩光电二极管、分光镜、衰减片、滤光片、成像镜头以及匀光器组成；采用高时间分辨精度、高探测灵敏度的距离选通系统对主动光照射目标的回波进行探测，借助增强型CCD相机ICCD的选通门宽和延时参数对成像距离和成像景深进行调控；在选通景深不变的前提下，通过精确控制距离选通系统的时间延迟，产生两个空间交叠的选通区域Si和Si+1，并保证待测目标处于空间交叠区域的范围内；采集得到对应两个区域的二维切片图像，依据建立的距离能量关系曲线和距离反演算法，对两幅切片图像进行信息提取、处理与重构，进而实现待测目标三维信息的重建。
2.根据权利要求1所述的基于高斯形距离-能量模型与三维超分辨率图像重建方法，其特征在于，具体实现步骤如下：
步骤S1、搭建距离选通成像系统，获取原始灰度切片图像；
步骤S2、根据回波展宽效应，对空间中某一距离为ri处的目标点，相机接受到的回波能量是激光脉冲f1(t)与选通时间函数f2(t)的卷积，由卷积结果构建高斯形距离-能量模型；
步骤S3、判别各切片图像像素所处的能量态；
步骤S4、由于切片图像中目标灰度值与激光照射下目标的辐照度成正比，根据该正比例关系建立切片图像灰度值与目标距离信息的映射关系；
步骤S5、使用去噪算法去除噪声；
步骤S6、通过两幅空间相关的切片图像的灰度值，实现基于高斯形距离-能量模型的超分辨距离重构。
3.根据权利要求2所述的基于高斯形距离-能量模型与三维超分辨率图像重建方法，其特征在于，在步骤S2中，激光脉冲f1(t)与选通时间函数f2(t)的卷积公式为：
其中，n是大气折射率，c是光速，τi为第i个选通时间函数和激光脉冲之间的延迟；由卷积结果得到的高斯形距离-能量模型表示为：
其中，A是与激光功率、脉冲宽度和门宽有关的参量，P为激光脉冲能量，σp为激光脉冲函数的峰值半高宽、T为选通函数的时间宽度；σ是距离能量高斯波形的标准差，由激光脉宽和选通门宽来决定，c是光速，Ri＝cτi/2，由延迟时间决定。
4.根据权利要求2所述的基于高斯形距离-能量模型与三维超分辨率图像重建方法，其特征在于，在步骤S3中，基于高斯形的距离-能量模型，以灰度值峰值所在位置为中心，可将目标回波探测信号所处位置分为上升的头信号区和下降的尾信号区。
5.根据权利要求2所述的基于高斯形距离-能量模型与三维超分辨率图像重建方法，其特征在于，步骤S4具体为：
步骤S41、建立切片图像中目标灰度值与激光照射下目标的辐照度比例关系：
步骤S42、根据正比例关系推导切片图像灰度值与目标距离值的映射关系；建立的切片图像灰度值和目标距离值的映射关系为：
其中，是目标点两幅切片灰度值之比，Δt＝τi+1-τi＝2(Ri+1-Ri)/c；通过两幅空间交叠切片图像的灰度值，从而实现基于高斯形距离-能量模型的超分辨距离重构。
6.根据权利要求2所述的基于高斯形距离-能量模型与三维超分辨率图像重建方法，其特征在于，步骤S5具体为：
步骤S51、用一个32*32的矩阵遍历整个图像，分别求每个矩阵的平均值，并提取其中最小的平均值作为噪声值；
步骤S52、将整幅图像减去这个噪声值；
步骤S53、用Perona-Malik方程对图像进行滤波处理；
步骤S54、设定一个阈值，将小于该阈值的像素点全部滤除。
7.根据权利要求2所述的基于高斯形距离-能量模型与三维超分辨率图像重建方法，其特征在于，所述步骤S6具体为：
利用步骤S4中得到的公式，对两幅图像的每一个像素计算相对应的距离值，最终完成三维重建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310745120.3A CN116704133A (zh) | 2023-06-25 | 2023-06-25 | 基于高斯形距离-能量模型与三维超分辨率图像重建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310745120.3A CN116704133A (zh) | 2023-06-25 | 2023-06-25 | 基于高斯形距离-能量模型与三维超分辨率图像重建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116704133A true CN116704133A (zh) | 2023-09-05 |
Family
ID=87835586
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310745120.3A Pending CN116704133A (zh) | 2023-06-25 | 2023-06-25 | 基于高斯形距离-能量模型与三维超分辨率图像重建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116704133A (zh) |
-
2023
- 2023-06-25 CN CN202310745120.3A patent/CN116704133A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gokturk et al. | A time-of-flight depth sensor-system description, issues and solutions | |
| CN112731443B (zh) | 一种单光子激光雷达与短波红外图像融合的三维成像系统及方法 | |
| CN104483676B (zh) | 一种3d/2d非扫描激光雷达复合成像装置 | |
| CN102323594B (zh) | 亮度调制无扫描激光三维成像系统 | |
| CN105044731A (zh) | 一种激光三维成像系统及成像方法 | |
| CN110471083B (zh) | 一种纵向距离的激光三维成像装置及方法 | |
| US11449964B2 (en) | Image reconstruction method, device and microscopic imaging device | |
| CN104486550A (zh) | 航空相机图像检焦装置及方法 | |
| CN103679167A (zh) | 一种ccd图像处理的方法 | |
| CN113504547A (zh) | 基于扫描光场的视觉雷达成像系统和方法 | |
| CN114509780A (zh) | 一种测距激发式水下动态目标长距离选通偏振成像装置及方法 | |
| CN116299550B (zh) | 一种水下共轴单光子成像系统及方法 | |
| Gruber et al. | Learning super-resolved depth from active gated imaging | |
| CN113655494B (zh) | 路侧相机与4d毫米波融合的目标检测方法、设备及介质 | |
| CN102323595B (zh) | 亮度调制无扫描激光三维成像方法 | |
| CN108305290B (zh) | 一种动目标的精确测谱方法 | |
| CN116704133A (zh) | 基于高斯形距离-能量模型与三维超分辨率图像重建方法 | |
| CN103438863B (zh) | 距离选通编码超分辨率三维成像方法 | |
| CN112578397A (zh) | 一种基于Tail-Gating技术提高成像分辨率的距离选通成像系统 | |
| CN112946688B (zh) | 新型光子计数激光雷达3d成像方法及装置 | |
| CN110471084B (zh) | 一种基于相邻帧差的距离选通激光雷达成像方法 | |
| CN114660571A (zh) | 非视域目标多角度探测联合定位装置及方法 | |
| Oh et al. | Techniques for improved performances of direct-detection three-dimensional imaging laser radar system using Geiger-mode avalanche photodiode | |
| CN110009586B (zh) | 一种水下激光图像复原方法及系统 | |
| Wang et al. | Analysis of detectable range of multiple-slit streak tube imaging lidar |
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 |