本发明专利技术属于激光雷达领域，具体为基于脉冲神经网络的光子计数激光雷达探测方法，包括建立回波信号模型、提取特征参数模型、自适应提取信息和建立图像重建算法，首先基于对回波中信号与噪声的统计特性分别建模以提取相关物理参数，并根据参数与统计模型自适应地感知并提取目标分布区间；再采用高效的图像重建算法对算法门控后的信号进行处理，实现高精度目标信息的快速获取，本方法不仅兼顾了信噪比、目标检测区间宽度与重建速率的要求，同时还具有良好的自适应性，可根据不同成像条件与场景智能且稳定地感知目标信息，在水下成像、远距离成像等极端环境中具有良好的应用前景。
【技术实现步骤摘要】
本专利技术属于激光雷达领域，具体为基于脉冲神经网络的光子计数激光雷达探测方法。
技术介绍
1、相比于传统的激光雷达技术，光子计数激光雷达具有单光子级灵敏度、皮秒级时间分辨率与高光子利用率等特点，因此在远距离三维成像、水下光学成像等极端条件下展现出了远超传统技术的成像效果，并成为了近年来光学成像领域研究的热点。
2、由于光子计数激光雷达极高的探测灵敏度在一定程度上克服了激光快速衰减特性带来的挑战，并可以通过累积的方式提高回波信号的信噪比，因此该技术成为了极端条件下光学成像的重要突破方向，但光子计数激光雷达技术同样面临着若干挑战，如该技术的单次回波能量一般仅为单光子量级，故极易受到环境背景光与探测器暗电流等因素的影响，导致成像系统需大量累积回波信号以改善回波的信噪比；而长时间的累积则会大大降低成像速率，使其难以满足实时化成像的需求。
3、目前光子计数激光雷达技术需要同时兼顾目标检测区间宽度、信噪比及图像重建速率的要求方能满足未来实用化的需求，针对该问题，本专利技术提出了基于脉冲神经网络的光子计数激光雷达探测方法，首先基于对回波中信号与噪声的统计特性分别建模以提取相关物理参数，并根据参数与统计模型自适应地感知并提取目标分布区间；再采用高效的图像重建算法对算法门控后的信号进行处理，实现高精度目标信息的快速获取，本方法不仅兼顾了信噪比、目标检测区间宽度与重建速率的要求，同时还具有良好的自适应性，可根据不同成像条件与场景智能且稳定地感知目标信息，在水下成像、远距离成像等极端环境中具有良好的应用前景。
技术实现思路
1、为解决现有技术中目标检测区间宽度、信噪比及图像重建速率存在的问题，本专利技术提供了基于脉冲神经网络的光子计数激光雷达探测方法，能够兼顾了信噪比、目标检测区间宽度与重建速率的要求，同时还具有良好的自适应性，可根据不同成像条件与场景智能且稳定地感知目标信息，在水下成像、远距离成像等极端环境中具有良好的应用前景。
2、为实现上述目的，具体技术方案如下：
3、本专利技术之一是提供基于脉冲神经网络的光子计数激光雷达探测方法，包括建立回波信号模型，基于光子计数激光雷达回波中信号与噪声的统计特性模型；以及
4、提取特征参数模型，基于对回波中信号与噪声的统计特性模型；以及自适应提取信息，初始估计阈值范围，基于特征参数模型；以及
5、建立图像重建算法，对初始估计阈值范围进行调整，确定信息提取范围。
6、本专利技术之二是提供基于脉冲神经网络的光子计数激光雷达探测系统，包括：
7、回波信号模块，基于光子计数激光雷达回波中信号与噪声的统计特性模型，根据光子计数成像机理，回波中所有的信号均源自短脉冲激光的照明，信号在回波时刻的分布上具有较好的一致性，在较为理想的状态下具有近似高斯分布的形状，而噪声的来源多样，因此呈现较为随机的分布；
8、特征参数提取模块，基于对回波中信号与噪声的统计特性模型，需要满足在图像获取过程中目标在距离上的分布较为集中、成像过程中成像环境并未发生剧烈变化、扫描光斑的尺寸远小于目标尺寸且每个像素的回波均为单峰信号，此时可以通过增加空间采样的方式来弥补时间采样的不足，可以通过对三维回波信号在空间域求和以实现与时间累积后类似的效果；
9、自适应提取信息模块，初始估计阈值范围，基于特征参数模型，通过算法门控的方式自适应地提取目标信息的分布区间，一般情况下，获取目标信息分布区间的主要瓶颈是强噪声干扰；
10、图像重建算法模块，在agnr算法的基础上引入了新型图像重建算法，通过对。
11、本专利技术之三是提供基于脉冲神经网络的光子计数激光雷达探测装置，该装置与基于脉冲神经网络的光子计数激光雷达探测系统通讯连接。
12、本专利技术之四是提供一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如目的之一所述方法。
13、与现有技术相比，本专利技术的有益效果至少在于：
14、本专利技术提出的agnr算法不仅兼顾了成像系统的目标检测能力与噪声抑制能力，根据成像机理与数学模型实现了对目标信息的自适应感知，还具备计算成本低、运行时间短的特点，因此在未来的实际场景中可与成像系统进行深度融合，在成像过程中实时更新特征参数，以较低的计算成本与时间代价实现对目标分布区间的感知，从而避免人工预设目标检测范围，并为后续的图像重建算法提供有效的先验信息，推动光子计数激光雷达在复杂环境成像领域的实用化。
本文档来自技高网...
【技术保护点】
1.基于脉冲神经网络的光子计数激光雷达探测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于脉冲神经网络的光子计数激光雷达探测方法，其特征在于：
3.根据权利要求1所述的基于脉冲神经网络的光子计数激光雷达探测方法，其特征在于：所述提取特征参数模型需要提取的特征参数包括成像系统响应函数f中峰值的一半对应的宽度；噪声估计区间TN与噪声的期望；初始阈值的峰值；平均像素光子数与信号噪声比。
4.根据权利要求1所述的基于脉冲神经网络的光子计数激光雷达探测方法，其特征在于：所述自适应提取信息通过算法门控的方式自适应地提取目标信息的分布区间，通过AGNR算法计算出，从噪声水平估计与信号模型两方面入手估计初始门控阈值θ。
5.根据权利要求1所述的基于脉冲神经网络的光子计数激光雷达探测方法，其特征在于：所述的图像重建算法是建立在AGNR算法基础上的，包括互相关算法、基于自适应门控的互相关算法、中值滤波算法、解混合算法和基于优化的非局部三维重建算法。
6.基于脉冲神经网络的光子计数激光雷达探测系统，其特征在于，包括：
>7.基于脉冲神经网络的光子计数激光雷达探测装置，其特征在于，8.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一项所述方法。
...
【技术特征摘要】
1.基于脉冲神经网络的光子计数激光雷达探测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于脉冲神经网络的光子计数激光雷达探测方法，其特征在于：
3.根据权利要求1所述的基于脉冲神经网络的光子计数激光雷达探测方法，其特征在于：所述提取特征参数模型需要提取的特征参数包括成像系统响应函数f中峰值的一半对应的宽度；噪声估计区间tn与噪声的期望；初始阈值的峰值；平均像素光子数与信号噪声比。
4.根据权利要求1所述的基于脉冲神经网络的光子计数激光雷达探测方法，其特征在于：所述自适应提取信息通过算法门控的方式自适应地提取目标信息的分布区间，通过agn...
【专利技术属性】
技术研发人员：周士博，
申请(专利权)人：深圳市慧脑智芯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。