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技术

本发明专利技术涉及激光雷达信号处理技术领域，尤其涉及一种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。该方法通过多级滤波尽可能多地保留信号光子特征，达到最小化噪声的目的，多级滤波过程依次包括构建光子点云网格并统计网格单元光子数N、确定信号单元的上方高程阈值minr和下方高程阈值maxr、移动窗口的KNN（K

【技术实现步骤摘要】
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


[0001]本专利技术涉及激光雷达信号处理
，具体来说，涉及一种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。

技术介绍

[0002]激光雷达技术作为一种快速高效的主动遥感技术，已被广泛运用于三维地形探测、大气探测、海洋光学剖面和水深测量等领域。光子计数探测体制激光雷达是近年来发展起来的新型激光探测手段，在引入时间相关单光子计数技术，极大地提高了时间测量分辨率，可以充分响应回波信号中的每一个光子。此外，光子计数激光雷达具有低激光能量、高重复频率的特点，在提高探测灵敏度和探测效率的同时，也降低了对系统体积、质量和功耗的要求，可实现轻小型、低功耗的设计。对于光斑直径小于10cm的小光斑光子计数激光雷达系统(Small Footprint Photon Counting Lidar System,SFPCLS)来说，完全可以适应轻小型无人平台上的快速部署。
[0003]与传统的线性模拟探测机制激光雷达相比，SFPCLS无论从探测体制还是数据处理方法均有很大差别：首先，单光子探测器的灵敏度极高，导致对背景噪声的响应率也很高。其次，单光子探测器是以一定的概率响应激光脉冲中返回的光子事件，无法从单个脉冲中直接获得回波强度。当探测目标区域为水体时，SFPCLS由于发散角和接收视场角小且缺少回波强度信息，造成水面光子在充斥着大量噪声的原始光子点云中难以分辨。因此，在实测数据处理的方法上存在以下难点：1)水体光子相较于陆地光子的密度分布更加稀疏，已有研究中单一的算法(如局部统计法、密度聚类法、边缘检测法等)无法有效平衡水体信号与噪声的关系，从而造成去噪效果不佳；2)水面光子在空间分布上易受水体固有光学特性的影响，导致识别水面光子的难度较大。基于上述难点，目前国内外并没有针对小光斑光子计数激光雷达系统在水面探测方面提出有效的解决方案。为此，我们提出一种基于多级滤波的小光斑光子计数激光雷达水面探测方法。

技术实现思路

[0004]本专利技术的目的在于提供一种基于多级滤波的小光斑光子计数激光雷达水面探测方法，以解决在实际运用场景中应对不同浊度无法有效滤除噪声和水面信号提取问题。
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于多级滤波的小光斑光子计数激光雷达水面探测方法。所述方法遵循一个基本假设，即噪声光子是随机分布的，信号光子在空间分布上比噪声光子更加密集。该方法的基本思路为获取待处理的小光斑光子计数激光雷达原始光子数据后，通过多级滤波尽可能多地保留信号光子特征，达到最小化噪声的目的，多级滤波过程包括构建光子点云网格、确定高程阈值、移动窗口的KNN(K
‑
Nearest Neighbor)算法分析和箱形图滤除高程异常点；水面信号的检测是在信号光子的基础上，利用Alpha shapes算法提取信号光子的上边界点
作为水面光子；再将水面光子经过三次样条曲线拟合水面轮廓线，实现对水面的准确探测。
[0007]其技术方案的具体流程请参阅图1，主要步骤为：
[0008]步骤1：获取待处理的小光斑光子计数激光雷达原始光子数据；
[0009]光子点云原始数据可以用一个二维点集P表示：
[0010]P＝(T
i
,H
i
),i∈[1,N][0011]其中，T
i
为第i个光子的激光脉冲发射时间，H
i
为第i个光子的高程，N为数据集P所包含最大光子的个数。
[0012]步骤2：对步骤1中原始光子数据进行多级滤波去噪，其过程包括构建光子点云网格、确定高程阈值、移动窗口的KNN算法分析、箱形图滤除高程异常点；将保留下来的光子标记为信号光子，其余光子标记为噪声光子删除。
[0013]设计了一种由粗到精的多级滤波方法，分别构建光子点云网格、确定高程阈值、移动窗口的KNN算法分析、箱形图滤除高程异常点。其目的是为了尽可能地保留信号光子，避免因为噪声去除过度而损失光子信号特征。具体过程为：
[0014]首先，将原始光子点云按沿轨距离(或脉冲发射时间)的水平方向和高程的垂直方向构建网格，网格中各个单元水平和垂直方向上的间隔宽度由用户定义。每个垂直方向上的网格可统计成与高程相关的直方图，在水平方向上也统计完成后，得到每个网格单元内的光子数N：
[0015][0016]式中，t和h分别表示定义的水平和垂直方向上单元个数。网格单元中统计的光子数越多，则表示网格单元中信号光子的概率越大。将每个垂直方向上的统计直方图尾部1％部分的最大值作为网格的噪声强度，这是因为这部分通常是由背景噪声组成。再将各网格中光子数大于1.5倍噪声强度的网格单元作为可能的信号单元，信号单元最大和最小的高程阈值可表示为：
[0017]maxr＝max(H
i
)+p
×
Δh
[0018]minr＝min(H
i
)
‑
p
×
Δh
[0019]其中，maxr和minr分别为最大和最小的高程阈值，H
i
为网格单元内光子的平均高程，p为相邻网格单元的数量，Δh为垂直方向的间隔宽度。这一级滤波旨在去除来自大气、太阳光及背景噪声，仅保留高程阈值区间[minr,maxr]内的光子。
[0020]其次，设置一定宽度的窗口按沿轨距离(或脉冲发射时间)向前移动，在每个移动窗口内，利用KNN计算光子点云在二维空间的分布距离，找到最近邻点作为可能分布的信号光子。在每个移动窗口内，KNN以查询点为中心，建立半径为r和r+dr的同心圆后，引用与k距离相关的分布函数
[0021][0022]式中，α为数据点平均密度，N为数据集中点的数量，k＝1,2,
…
,N
‑
1。进一步地，通过对k距离进行排序，各点之间的距离越近则代表数据点越密集，即信号光子的概率越高。因此，根据贝叶斯决策理论对于k个(如k＝20)最邻近距离的概率分布函数为：
[0023][0024]式中，ω为信号光子出现的概率分布情况，R
k
表示计算的k距离。进一步地，通过确定概率分布函数的比例来滤除噪声，R
N,i
的取值对信号光子和噪声光子的分类有显著影响，R
N,i
的取值越高，光子被去除的越多。
[0025]最后，通过遍历数据集中剩余光子高程的下四分位数和上四分位数来构建箱形图，将小于上边缘和大于下边缘来判定光子的异常值。上边缘线O1和下边缘线O2可表示为：
[0026]O1＝Q3+1.5
×
IQR
[0027]O2＝Q1
‑
1.5
×
IQR
[0028]其中，Q1为下四分位数，Q3为上四分位数，表达式为：
[0029][0030][0031]式中，n表示数据集中的项数，IQR为四分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多级滤波的小光斑光子计数激光雷达水面探测方法，其特征在于，该方法包括以下步骤：步骤1：获取待处理的小光斑光子计数激光雷达原始光子数据，用二维点集P表示；步骤2：对步骤1中原始光子数据进行多级滤波去噪，该过程依次包括构建光子点云网格并统计网格单元光子数n，确定信号单元的上方高程阈值minr和下方高程阈值maxr，移动窗口的KNN算法分析得到概率分布函数P
N,i
，构建箱形图并滤除高程异常点；其中，将处理后保留下来的光子标记为信号光子(优选，信号光子中包含了来自水面、水体和水底的光子)，其余光子标记为噪声光子删除；步骤3：利用Alpha shapes算法仅提取步骤2得到的信号光子上边界点作为水面光子，再将提取的水面光子用三次样条曲线拟合为水面轮廓线。2.根据权利要求1所述的基于多级滤波的小光斑光子计数激光雷达水面探测方法，其特征在于，所述二维点集P为：P＝(T
i
,H
i
),i∈[1,N]；其中，T
i
为第i个光子的激光脉冲发射时间，H
i
为第i个光子的高程，N为数据集P所包含最大光子的个数。3.根据权利要求1所述的基于多级滤波的小光斑光子计数激光雷达水面探测方法，其特征在于，构建光子点云网格并统计网格单元光子数N的具体步骤为：将原始光子点云按沿轨距离或脉冲发射时间的水平方向和高程的垂直方向构建网格，网格中各个单元水平和垂直方向上的间隔宽度由用户定义；每个垂直方向上的网格可统计成与高程相关的直方图，在水平方向上也统计完成后，得到每个网格单元内的光子数N：式中，t和h分别表示定义的水平和垂直方向上单元个数；网格单元中统计的光子数越多，则表示网格单元中信号光子的概率越大。4.根据权利要求1所述的基于多级滤波的小光斑光子计数激光雷达水面探测方法，其特征在于，确定信号单元的上方高程阈值minr和下方高程阈值maxr的具体步骤为：(1)将每个垂直方向上的统计直方图尾部1％部分的最大值作为网格的噪声强度，再将各网格中光子数大于1.5倍噪声强度的网格单元作为信号单元；(2)利用如下公式计算信号单元中上方高程阈值minr和下方高程阈值maxr：minr＝min(H
i
)
‑
p
×
Δh，maxr＝max(H
i
)+p
×
Δh；式中，H
i
表示所在网格单元内光子的平均高程，p表示相邻网格单元的数量，Δh表示垂直方向的间隔宽度。5.根据权利要求1所述的基于多级滤波的小光斑光子计数激光雷达水面探测方法，其特征在于，移动窗口的KNN算法分析具体步骤为：(1)KNN以当前移动窗口的查询点为中心，建立半径为r和r+dr的同心圆后，引用与k距离相关的分布函数建立半径为r和r+dr的同心圆后，引用与k距离相关的分布函数式中，α为数据点平均密度，N为数据集中点的数量，k＝1,2,
…
,N
‑
1；(2)进一步地对k距离进行...

【专利技术属性】
技术研发人员：毛志华，李由之，陶邦一，邱振戈，栾奎峰，朱卫东，
申请(专利权)人：自然资源部第二海洋研究所，
类型：发明
国别省市：