CN117494538B - 一种单光子激光雷达系统观测噪声模型建立方法 - Google Patents
一种单光子激光雷达系统观测噪声模型建立方法 Download PDFInfo
- Publication number
- CN117494538B CN117494538B CN202311823407.XA CN202311823407A CN117494538B CN 117494538 B CN117494538 B CN 117494538B CN 202311823407 A CN202311823407 A CN 202311823407A CN 117494538 B CN117494538 B CN 117494538B
- Authority
- CN
- China
- Prior art keywords
- noise
- model
- laser radar
- photon
- radar system
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 239000002245 particle Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 230000001550 time effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/88—Image or video recognition using optical means, e.g. reference filters, holographic masks, frequency domain filters or spatial domain filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请提供了一种单光子激光雷达系统观测噪声模型建立方法,包括以下步骤:当单光子激光雷达系统观测到为陆地上的对海探测时,将噪声分解为多种类型建立单光子激光雷达系统陆地观测噪声模型,合成陆基、空基对海观测单光子数据集;当单光子激光雷达系统观测到为水下探测时,将复杂的水下近似为混合噪声分布,建立单光子激光雷达系统水下观测噪声简易模型,合成单光子水下数据集。本申请提供的单光子激光雷达系统观测噪声模型建立方法,应用于雷达成像技术领域。解决现有技术中存在的对系统的噪声分析过于一致或缺少必要的因素考虑而无法应用于实际空对海、陆地对海探测,数据集信息获取时间成本太大的技术问题。
Description
技术领域
本申请属于雷达成像技术领域,更具体地说,是涉及一种单光子激光雷达系统观测噪声模型建立方法。
背景技术
单光子激光雷达系统因其相较于传统激光雷达具有更高的分辨率、灵敏度和抗干扰性,逐渐成为研究热点,不但在机器人导航、自动驾驶等领域中应用,在场景成像和目标探测等领域更有着重要作用。单光子激光雷达系统首先通过激光器发射短脉冲的激光光束,然后接收返回的光子。接收部分包括高灵敏度的单光子探测器,它可以记录每个光子的到达时间和位置信息。通过对接收到的光子进行统计和处理,系统可以重建目标场景,由于单光子探测器的高灵敏度,这种系统可以实现高精度的目标探测和测距能力。
目前针对单光子激光雷达系统的成像研究相对较多,但受限于系统及环境噪声的时变性和多样性,成像效果一直不理想,这在水下尤为明显,也因此进一步限制了应用其成像进行目标检测。目前已有的研究是采用了一种端到端的单光子超分辨重建方法,可以将低分辨率的图像恢复至高分辨率图像,但是其对系统的噪声分析过于一致,将所有噪声一致认为泊松分布;还有将噪声模型分解为多个噪声,但是仅仅假设在暗场进行实验,不考虑光照等因素带来的背景噪声,因此并不适应于实际空对海、陆地对海探测。此外,单光子目标检测技术发展时间较短,大型单光子数据集还很稀缺,尤其是水下单光子数据集,数据集信息获取时间成本太大。
发明内容
本申请实施例的目的在于提供一种单光子激光雷达系统观测噪声模型建立方法,以解决现有技术中存在的对系统的噪声分析过于一致或缺少必要的因素考虑而无法应用于实际空对海、陆地对海探测,数据集信息获取时间成本太大的技术问题。
为实现上述目的,本申请采用的技术方案是:提供一种单光子激光雷达系统观测噪声模型建立方法,包括以下步骤:当单光子激光雷达系统观测到为陆地上的对海探测时,将噪声分解为多种类型建立单光子激光雷达系统陆地观测噪声模型,合成陆基、空基对海观测单光子数据集。
当单光子激光雷达系统观测到为水下探测时,将复杂的水下近似为混合噪声分布,建立单光子激光雷达系统水下观测噪声简易模型,合成单光子水下数据集。
可选地,所述单光子激光雷达系统陆地观测噪声模型表示为:
。
其中,为散粒噪声模型、/>为固定模式噪声模型、为暗计数率噪声模型、/>为脉冲后噪声模型、/>为串扰噪声模型、/>为环境噪声模型。
可选地,所述散粒噪声模型以图片的灰度值近似估计当前像素光子计数,公式表示为:
。
使用sigmod函数进行归一化平滑处理:
。
其中,PhotonCount为散粒噪声的平均发生率,k表示散粒噪声光子发生次数。
可选地,所述固定模式噪声模型公式表示为:
。
其中,randomgeneration()为生成固定模式噪声的随机固定值。
可选地,所述暗计数率噪声模型使用随机生成函数randomgeneration生成初始模型,然后结合实际采集帧数和使用的子帧数获得最终的模型,初始模型的公式表示为:
。
最终模型的公式表示为:
。
其中,Frames为帧数,SubFrames为子帧数,darkPhotonCount为泊松分布参数,以当前像素光子计数或者以灰度值估计。
可选地,所述脉冲后噪声模型和串扰噪声模型之和的公式表示为:
。
其中,为后脉冲噪声的概率,/>为串扰噪声的概率,t为当前时刻。
可选地,所述环境噪声模型公式表示为:
。
其中,为对应的均匀泊松分布表示为:
。
其中,T为观测时间,X为时间计数变量,x为特定次数,K为混合成分总数,为每个成分的发生率参数,/>为对应的权重,其中,k= 1, 2, ..., K。
可选地,所述单光子激光雷达系统水下观测噪声简易模型包括颜色偏移噪声、散射噪声、水下颗粒噪声和水下气泡噪声。
可选地,所述颜色偏移噪声的计算公式表示为:
。
所述散射噪声的计算公式表示为:
。
其中,、/>是经过颜色偏移处理后的图像,I是原始图片,a、k是偏移系数。
可选地,所述水下颗粒噪声的公式表示为:
。
所述水下气泡噪声的公式表示为:
。
其中,为原始图像在坐标(x,y)处添加了水下颗粒噪声后的像素值,p为概率,/>为保持像素值不变;/>为原始图像在坐标(x,y)处添加了水下气泡噪声后的像素值,/>表示散斑噪声的随机变量,I(x,y)为原图像在坐标(x,y)处像素值。
本申请的有益效果在于,本申请根据探测条件建立模型:当单光子激光雷达系统观测到为陆地上的对海探测时,将噪声分解为多种类型建立单光子激光雷达系统陆地观测噪声模型,合成陆基、空基对海观测单光子数据集,可以应用于各种类型的实际空对海、陆地对海探测;当单光子激光雷达系统观测到为水下探测时,将复杂的水下近似为混合噪声分布,建立单光子激光雷达系统水下观测噪声简易模型,合成单光子水下数据集,可以应用于各种类型的水下环境探测。噪声干扰类型和分析更广泛,数据具有更高的保真度,数据集信息获取时间成本低。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,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为本申请一实施例提供的一种单光子激光雷达系统观测噪声模型建立方法的整体流程示意图。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
请参阅图1,为本申请一实施例提供的一种单光子激光雷达系统观测噪声模型建立方法,包括以下步骤:
S1: 当单光子激光雷达系统观测到为陆地上的对海探测时,将噪声分解为多种类型建立单光子激光雷达系统陆地观测噪声模型,合成陆基、空基对海观测单光子数据集。
光子激光雷达系统陆地观测噪声模型可以描述为:
(1)。
其中,为散粒噪声模型、/>为固定模式噪声模型、/>为暗计数率噪声模型、/>为脉冲后噪声模型、/>为串扰噪声模型、为死区噪声模型、/>为环境噪声模型。
单光子激光雷达系统散粒噪声是一种与光子计数相关的统计噪声。当光子以随机的时间间隔到达光探测器时,由于光子的量子本性,会导致光子计数的波动性。由于光子的随机到达时间,每个时间间隔内的光子计数事件是相互独立的,且其发生概率服从泊松分布。在光子计数实验中,单光子散粒噪声会导致计数结果的波动性,使得实验数据存在一定的不确定性。为了完善噪声模型,建立了散粒噪声模型,其符合泊松分布,以图片的灰度值近似估计当前像素光子计数:
(2)。
PhotonCount为散粒噪声的平均发生率,k表示散粒噪声光子发生次数。为了进一步规范灰度值,在估计散粒噪声之后使用sigmod函数进行归一化平滑处理:
(3)。
单光子激光雷达系统固定模式噪声是指在单光子探测器中观察到的固定形式的噪声。由于固定模式噪声是固定的且在不同帧或图像中保持不变,我们认为其为一个固定的偏差,其值为0~1之间随机生成的固定值:
(4)。
其中,randomgeneration()为生成固定模式噪声的随机固定值。
单光子暗计数率噪声是指在单光子探测器中观察到的暗计数率的噪声。暗计数率指的是在没有外部光源照射的条件下,探测器自身产生的计数事件速率。暗计数率噪声是由于探测器内部的各种噪声源引起的。在暗计数率噪声的存在下,即使没有光子输入,探测器也会随机地产生计数事件。这些随机产生的计数事件会引入误差和不确定性,影响到单光子测量的准确性和信噪比。其服从泊松分布:
(5)。
以当前像素光子计数暗计数率或者以灰度值估计的暗计数率作为泊松分布参数darkPhotonCount,使用随机生成函数randomgeneration用来模拟暗计数率噪声的随机性并规范其取值,便于和其他噪声叠加。得到的暗计数率噪声需要结合实际采集帧数和使用的子帧数来确定。假设帧数为Frames,子帧数为SubFrames,最终的暗计数率噪声可以描述为:
(6)。
单光子脉冲后噪声是由于光子探测过程中的时间延迟效应引起的。当一个光子被探测器探测到后,探测器可能会在之后的一段时间内再次发生计数事件,即产生额外的计数脉冲。单光子串扰噪声是由于光子探测过程中的相互影响引起的。当一个光子被探测器探测到后,它可能引发相邻探测器通道中的计数事件,即产生额外的计数脉冲。例如,光子可能会通过衍射、散射或泄漏等方式传播到相邻的探测器通道,并在那里产生计数事件。这些额外的计数脉冲可能与光子输入无关,因此会引入误差和不确定性,影响单光子测量的精确性和信噪比。
针对脉冲后噪声、串扰噪声的噪声模型,脉冲后噪声为固定概率分布,串扰噪声为泊松概率分布,脉冲后噪声、串扰噪声的噪声模型之和的表达式为:
(7)。
其中,为后脉冲噪声的概率,/>为串扰噪声的概率,t为当前时刻。
单光子死区噪声是由于探测器的死时间效应引起的。当一个光子被探测器探测到后,在一段时间内,探测器将处于不可响应状态,无法探测到其他光子的到来,这段时间被称为死时间。死区噪声的产生是因为探测器在探测到光子后需要一定时间来进行重置和恢复至可响应状态。在这段死时间内,即使有其他光子到达探测器,它们也无法被探测到,从而导致计数事件的丢失。这样的计数事件丢失会引入误差和不确定性,影响单光子测量的精确性和计数率的准确性。但是死区噪声可以通过合理设置光子采集和读取时间以极大滤除,因此死区噪声在这里可以忽略。
单光子环境噪声是指在观测过程中由于环境条件和其他光源的存在而引入的干扰信号。这些干扰信号包括来自环境光的散射光和其他光源产生的额外光子信号,与目标返回的光子信号混合,增加了系统观测到的背景噪声。这些光源的光子到达观测系统的时间和数量是随机的,并且可以用泊松分布来模拟,在非极端环境下,使用混合泊松分布来近似非均匀泊松分布。
设观测时间为 T,特定次数为x,事件计数变量为X,总共有K个混合成分,每个成分的发生率参数为,对应的权重为/>,其中,k= 1, 2, ..., K。混合泊松分布近似非均匀泊松分布的示意表达式为:
(8)。
其中,为对应的均匀泊松分布,表示为:
(9)。
采用混合泊松分布近似非均匀泊松分布的方法,在非极端环境下根据需要添加噪声和对应优化后的权重,极大简化了环境噪声的模型和计算量,这在一般环境下,尤其是沿岸内陆对海观测是十分具有价值的。
结合以上公式,可以近似得到单光子激光雷达系统陆地观测噪声模型,并可以根据使用者使用环境进行参数优化。
S2:当单光子激光雷达系统观测到为水下探测时,将复杂的水下近似为混合噪声分布,建立单光子激光雷达系统水下观测噪声简易模型,合成单光子水下数据集。
每个成分噪声分布可以是任意的概率分布,比如高斯分布、泊松分布、指数分布等。通过适当选择和权衡不同成分分布的参数和权重,可以使混合噪声分布更好地逼近实际观测到的水下噪声。在仅仅考虑平缓的水下环境时,因为系统门控模式会过滤掉大部分背景光噪声,因此采用较低的噪声权重。当是复杂的环境时,可以根据实际情况调整权重和环境噪声组分。
水下颜色偏移噪声是指光在水中传播时,不同波长的光受到水的吸收和散射的影响而导致颜色偏移现象。假设原图像为I,颜色偏移噪声服从高斯分布,可以将每个像素的值表示为:
(10)。
其中,a是系数,通过调整系数a的值,可以对图像进行颜色偏移,以模拟颜色偏移噪声,是经过颜色偏移处理后的图像, I是原始图片。
水下散射噪声是由水中存在的悬浮颗粒或其他杂质引起的光的散射现象所导致的噪声。为了说明散射噪声的影响,在这里根据噪声效果,我们将其简化为增加图像的噪声水平或模糊度,表示为:
(11)。
其中,是经过颜色偏移处理后的图像,k是偏移系数。通过调整系数k的值,可以对图像添加简化的散射噪声。上述表达式仅仅是一种简化的线性模型,用于描述水下散射噪声的影响。实际的水下散射噪声受到多个复杂因素的影响,包括水质、颗粒浓度、光的传播特性等,因此实际复杂环境的散射噪声可能需要根据具体情况进行适当的参数调整和模型选择。
水下颗粒噪声是指水中悬浮颗粒对光的散射引起的噪声。这些悬浮颗粒可以是悬浮的沉积物、藻类、悬浮微粒等。将其简化为椒盐噪声来模拟水下颗粒噪声,表示为:
(12)。
其中,为原始图像在坐标(x,y)处添加了水下颗粒噪声后的像素值,该像素有概率p被赋值为黑色(像素值为0),有概率p被赋值为白色(像素值为1),有概率1-2p保持像素值不变,/>表示保持像素值不变。
水下气泡噪声是指水中存在的气泡对光的传播和成像过程中产生的噪声。使用散斑噪声近似水下气泡噪声,表示为:
(13)。
其中,为原始图像在坐标(x,y)处添加了水下气泡噪声后的像素值,I(x,y)为原图像在坐标(x,y)处像素值,bubble(x,y)是表示散斑噪声的随机变量,它的取值通常服从均值为1的均匀分布,表示为:/>(14)。
其中,为生成取值通常服从均值为1的均匀分布的函数。
结合(1)~(7)以及 (10)~ (14),可对单光子激光雷达系统水下观测噪声进行简易建模。在不同的环境中混合噪声模型可能不尽相同,本申请只是提供了一个较为平缓的水下环境的单光子激光雷达系统水下观测噪声模型。
使用VOC2007部分数据集作为模型输入数据集,共计17125张图片。使用改进的单光子激光雷达系统陆地观测噪声模型处理输入数据,统一输出图片为32*32像素。为了衡量合成图片的保真度,使用结构相似性SSIM (Structural SIMilarity),峰值信噪比PSNR(Peak Signal-to-Noise Ratio)以及均方根差RMSE(Root Mean Square Error)来评估合成图片。
表1:单光子激光雷达系统陆地观测噪声模型合成图片评价指标结果
表2:传统方法合成图片评价指标结果
对比表1和表2,可以看出,本申请在引入了更多噪声的同时,依然保留了极高的保真度。因此,以VOC2007部分数据集建立的大型单光子激光雷达系统陆地观测数据集可以为更多的视觉目标任务,诸如目标检测、图像增强等服务。当面对更为复杂的环境时,仅需在原有模型的基础上修改相应参数即可。
利用水下单光子激光雷达系统进行视觉任务时,同样存在噪声模型复杂、不完善,缺乏数据集等问题。通过建立水下单光子激光雷达观测噪声模型,并以VOC2007部分数据集合成了大规模的水下单光子激光雷达观测数据集。
表3:单光子激光雷达系统水下观测噪声简易模型合成图片评价指标结果
结合表3不难发现,单光子激光雷达系统水下观测噪声简易模型引入了更多的噪声干扰,但是也保留了较高的保真度,可为执行后续水下视觉任务提供数据基础。在不同场景执行水下视觉任务时,可以根据实际场景对模型进行优化。
针对目前单光子激光雷达观测系统噪声建模复杂且不全面,利用单光子激光雷达系统执行视觉任务时缺乏数据训练的问题,分别建立了改进的单光子激光雷达系统陆地观测噪声模型与单光子激光雷达系统水下观测噪声简易模型,对观测噪声模型进行了完善。并以VOC2007部分数据集生成了大规模对海观测数据集以及水下观测数据集,可为使用单光子激光雷达系统执行后续对海视觉任务提供数据基础。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种单光子激光雷达系统观测噪声模型建立方法,其特征在于,包括以下步骤:
当单光子激光雷达系统观测到为陆地上的对海探测时,将噪声分解为多种类型建立单光子激光雷达系统陆地观测噪声模型,合成陆基、空基对海观测单光子数据集;
当单光子激光雷达系统观测到为水下探测时,将复杂的水下近似为混合噪声分布,建立单光子激光雷达系统水下观测噪声简易模型,合成单光子水下数据集;
所述单光子激光雷达系统陆地观测噪声模型表示为:
;
其中,为散粒噪声模型、/>为固定模式噪声模型、/>为暗计数率噪声模型、/>为脉冲后噪声模型、/>为串扰噪声模型、/>为环境噪声模型;
所述单光子激光雷达系统水下观测噪声简易模型包括颜色偏移噪声、散射噪声、水下颗粒噪声和水下气泡噪声。
2.如权利要求1所述的单光子激光雷达系统观测噪声模型建立方法,其特征在于:所述散粒噪声模型以图片的灰度值近似估计当前像素光子计数,公式表示为:
;
使用sigmod函数进行归一化平滑处理:
;
其中,PhotonCount为散粒噪声的平均发生率,k表示散粒噪声光子发生次数。
3.如权利要求1所述的单光子激光雷达系统观测噪声模型建立方法,其特征在于:所述固定模式噪声模型公式表示为:
;
其中,randomgeneration()为生成固定模式噪声的随机固定值。
4.如权利要求1所述的单光子激光雷达系统观测噪声模型建立方法,其特征在于:所述暗计数率噪声模型使用随机生成函数randomgeneration生成初始模型,然后结合实际采集帧数和使用的子帧数获得最终的模型,初始模型的公式表示为:
;
最终模型的公式表示为:
;
其中,Frames为帧数,SubFrames为子帧数,darkPhotonCount为泊松分布参数,以当前像素光子计数或者以灰度值估计。
5.如权利要求1所述的单光子激光雷达系统观测噪声模型建立方法,其特征在于:所述脉冲后噪声模型和串扰噪声模型之和的公式表示为:
;
其中,为后脉冲噪声的概率,/>为串扰噪声的概率,t为当前时刻。
6.如权利要求1所述的单光子激光雷达系统观测噪声模型建立方法,其特征在于:所述环境噪声模型公式表示为:
;
其中,为对应的均匀泊松分布表示为:
;
其中,T为观测时间,X为时间计数变量,x为特定次数,K为混合成分总数,为每个成分的发生率参数,/>为对应的权重,其中,k= 1, 2, ..., K。
7.如权利要求1所述的单光子激光雷达系统观测噪声模型建立方法,其特征在于:所述颜色偏移噪声的计算公式表示为:
;
所述散射噪声的计算公式表示为:
;
其中,、/>是经过颜色偏移处理后的图像,I是原始图片,a、k是偏移系数。
8.如权利要求1所述的单光子激光雷达系统观测噪声模型建立方法,其特征在于:所述水下颗粒噪声的公式表示为:
;
所述水下气泡噪声的公式表示为:
;
其中,为原始图像在坐标(x,y)处添加了水下颗粒噪声后的像素值,p为概率,/>为保持像素值不变;/>为原始图像在坐标(x,y)处添加了水下气泡噪声后的像素值,/>表示散斑噪声的随机变量,I(x,y)为原图像在坐标(x,y)处像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311823407.XA CN117494538B (zh) | 2023-12-28 | 2023-12-28 | 一种单光子激光雷达系统观测噪声模型建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311823407.XA CN117494538B (zh) | 2023-12-28 | 2023-12-28 | 一种单光子激光雷达系统观测噪声模型建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117494538A CN117494538A (zh) | 2024-02-02 |
CN117494538B true CN117494538B (zh) | 2024-03-22 |
Family
ID=89683297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311823407.XA Active CN117494538B (zh) | 2023-12-28 | 2023-12-28 | 一种单光子激光雷达系统观测噪声模型建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117494538B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445471A (zh) * | 2018-03-26 | 2018-08-24 | 武汉大学 | 一种单光子激光雷达多探测器条件下的测距精度评估方法 |
CN109541619A (zh) * | 2018-12-13 | 2019-03-29 | 武汉大学 | 散斑相干性对单光子激光雷达测距精度影响的评估方法 |
CN110501716A (zh) * | 2019-07-29 | 2019-11-26 | 武汉大学 | 基于单光子激光雷达背景噪声率的地表分类方法 |
CN110554404A (zh) * | 2019-08-08 | 2019-12-10 | 华中科技大学 | 一种强背景噪声下Gm-APD阵列激光雷达成像方法及系统 |
CN111239713A (zh) * | 2020-03-18 | 2020-06-05 | 武汉大学 | 一种星载单光子激光雷达的最大测量深度评估方法 |
CN111766600A (zh) * | 2020-09-02 | 2020-10-13 | 中国地质大学(武汉) | 一种光子计数激光雷达自适应噪声判断、滤波方法及装置 |
CN112556659A (zh) * | 2020-05-26 | 2021-03-26 | 中国地质大学(武汉) | 单光子激光雷达水下光子位移校正、测深方法及装置 |
CN113960624A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种基于自适应dbscan的激光雷达回波水下地形检测方法 |
CN114594454A (zh) * | 2022-03-10 | 2022-06-07 | 自然资源部第二海洋研究所 | 基于多级滤波的小光斑光子计数激光雷达水面探测方法和程序产品 |
CN115855882A (zh) * | 2023-03-03 | 2023-03-28 | 山东科技大学 | 利用星载激光雷达背景噪声反演水体遥感反射率的方法 |
CN116203543A (zh) * | 2023-02-17 | 2023-06-02 | 武汉大学 | 评估SiPM输出鉴别阈值对激光雷达系统探测性能的方法及系统 |
CN116619358A (zh) * | 2023-05-11 | 2023-08-22 | 煤炭科学研究总院有限公司 | 一种矿山自主探测机器人自适应定位优化与建图方法 |
CN116719049A (zh) * | 2023-05-25 | 2023-09-08 | 武汉大学 | 星载单光子激光雷达海洋区域噪声估计方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11830194B2 (en) * | 2019-06-27 | 2023-11-28 | Massachusetts Institute Of Technology | Data-driven angular jitter estimator for lidar |
-
2023
- 2023-12-28 CN CN202311823407.XA patent/CN117494538B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445471A (zh) * | 2018-03-26 | 2018-08-24 | 武汉大学 | 一种单光子激光雷达多探测器条件下的测距精度评估方法 |
CN109541619A (zh) * | 2018-12-13 | 2019-03-29 | 武汉大学 | 散斑相干性对单光子激光雷达测距精度影响的评估方法 |
CN110501716A (zh) * | 2019-07-29 | 2019-11-26 | 武汉大学 | 基于单光子激光雷达背景噪声率的地表分类方法 |
CN110554404A (zh) * | 2019-08-08 | 2019-12-10 | 华中科技大学 | 一种强背景噪声下Gm-APD阵列激光雷达成像方法及系统 |
CN111239713A (zh) * | 2020-03-18 | 2020-06-05 | 武汉大学 | 一种星载单光子激光雷达的最大测量深度评估方法 |
CN112556659A (zh) * | 2020-05-26 | 2021-03-26 | 中国地质大学(武汉) | 单光子激光雷达水下光子位移校正、测深方法及装置 |
CN111766600A (zh) * | 2020-09-02 | 2020-10-13 | 中国地质大学(武汉) | 一种光子计数激光雷达自适应噪声判断、滤波方法及装置 |
CN113960624A (zh) * | 2021-10-22 | 2022-01-21 | 自然资源部第二海洋研究所 | 一种基于自适应dbscan的激光雷达回波水下地形检测方法 |
CN114594454A (zh) * | 2022-03-10 | 2022-06-07 | 自然资源部第二海洋研究所 | 基于多级滤波的小光斑光子计数激光雷达水面探测方法和程序产品 |
CN116203543A (zh) * | 2023-02-17 | 2023-06-02 | 武汉大学 | 评估SiPM输出鉴别阈值对激光雷达系统探测性能的方法及系统 |
CN115855882A (zh) * | 2023-03-03 | 2023-03-28 | 山东科技大学 | 利用星载激光雷达背景噪声反演水体遥感反射率的方法 |
CN116619358A (zh) * | 2023-05-11 | 2023-08-22 | 煤炭科学研究总院有限公司 | 一种矿山自主探测机器人自适应定位优化与建图方法 |
CN116719049A (zh) * | 2023-05-25 | 2023-09-08 | 武汉大学 | 星载单光子激光雷达海洋区域噪声估计方法及系统 |
Non-Patent Citations (3)
Title |
---|
FLUORESCENCE LIDAR SYSTEM MODELING FOR UNDERWATER OBJECT RECOGNITION PERFORMANCE EVALUATION;Stefania Matteoli;《2015 IEEE International Geoscience and Remote Sensing Symposium(IGARSS)》;20151112;第4943-4946页 * |
基于统计特性的激光雷达距离像噪声抑制算法;于加其;杨树兴;朱伯立;;强激光与粒子束;20151115(第11期);全文 * |
直接探测激光雷达系统的建模与仿真;张宇, 唐勐, 陈锺贤, 吴杰, 孙秀冬, 苏建忠, 刘锋, 崔玉平;红外与激光工程;20041225(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117494538A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9378542B2 (en) | System and processor implemented method for improved image quality and generating an image of a target illuminated by quantum particles | |
US9131128B2 (en) | System and processor implemented method for improved image quality and generating an image of a target illuminated by quantum particles | |
Altmann et al. | Lidar waveform-based analysis of depth images constructed using sparse single-photon data | |
CN102510282B (zh) | 一种时间分辨单光子计数二维成像系统及方法 | |
US20140119651A1 (en) | System and processor implemented method for improved image quality and enhancement | |
CN111986084A (zh) | 一种基于多任务融合的多相机低光照图像质量增强方法 | |
CN108447113B (zh) | 一种基于深度学习模型的脉冲式强度关联三维成像方法 | |
CN107798290A (zh) | 基于光子计数的三维图像信噪分离和混合正则化重构方法 | |
CN109613556A (zh) | 基于稀疏表征的光子计数激光三维探测成像方法 | |
CN113325436B (zh) | 基于后向散射模型的单光子成像系统仿真模型及建模方法 | |
CN117494538B (zh) | 一种单光子激光雷达系统观测噪声模型建立方法 | |
Estrada et al. | Underwater LiDAR image enhancement using a GAN based machine learning technique | |
CN116817869B (zh) | 一种利用激光雷达数据的海底光子信号确定方法 | |
Zhao et al. | Neutron image denoising and deblurring based on generative adversarial networks | |
US11415697B2 (en) | Real-time image formation from Geiger-mode LADAR | |
Risholm et al. | A scatter removal technique to enhance underwater range-gated 3D and intensity images | |
US20230206538A1 (en) | Differentiable inverse rendering based on radiative backpropagation | |
CN117409153B (zh) | 一种浑浊介质中的三维目标透射成像方法 | |
Cheng et al. | Overview of Underwater Image Enhancement and Restoration Methods | |
Lindell et al. | Computational time-resolved imaging, single-photon sensing, and non-line-of-sight imaging | |
CN110009586B (zh) | 一种水下激光图像复原方法及系统 | |
Shi | Analysis and research on backscattering effect of underwater imaging | |
Thielemann | Optical 3D imaging for subsea and space applications | |
CN114997402A (zh) | 一种改进的全波形LiDAR数据贝叶斯分解算法 | |
Lindell | Computational Imaging with Single-Photon Detectors |
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 |