一种远距离复杂场景的激光雷达三维成像方法技术

本发明专利技术公开了一种远距离复杂场景的激光雷达深度估计方法，包括：在数据预处理中充分利用回波信号的时域相关性，对激光雷达三维点云数据进行时域上的全局多深度开窗；利用空间相关性进行空像素的填补；采用优化框架，基于预处理后的激光雷达三维点云数据的泊松分布模型，采用交替方向乘子法，求解成本函数的最小值，以得到准确的深度估计。本发明专利技术针对远距离复杂场景下激光雷达得到的三维点云情况复杂的问题，有效改善了深度图像的质量，提升了对低光子水平的鲁棒性，提高了三维成像质量。提高了三维成像质量。提高了三维成像质量。

【技术实现步骤摘要】
一种远距离复杂场景的激光雷达三维成像方法


[0001]本专利技术属于激光雷达深度估计技术，具体为一种远距离复杂场景的激光雷达三维成像方法。

技术介绍

[0002]随着科技发展，光子计数激光雷达以其作用距离远，成像分辨率、成像精度高等特点，在军事和民用领域的应用也逐渐增多。激光雷达系统采用工作于盖革模式下的雪崩光电二极管(GM
‑
APD)，具有单光子灵敏度和皮秒级时间分辨率。由时间相关单光子计数(TCSPC)技术得到每个像素的光子技术统计直方图，其中计数的位置和数量分别对应深度和强度信息，从而重建3D场景。
[0003]光子计数激光雷达尽管取得了重要的进展，但对于复杂场景，在单个像素中存在多个不同深度的目标。在极少光子返回和高背景噪声的情况下，传统方法无法针对性处理这些问题。
[0004]Kirmani等人仅使用光栅扫描场景中的每个像素中所检测到的第一个光子来形成3D和反射率图像，其计算复杂度低但无法处理多深度情况(1.A.Kirmanietal.,“First
‑
photonimaging,”Science,vol.343,no.6166,pp.58
–
61,Jan.3,2014.)。Shin等人将多深度重建问题解释为一个利用单光子观测的稀疏反卷积问题，通过离散和松弛创建一个凸问题，并使用一个改进的迭代收缩阈值算法来求解多深度解，但其计算时间长，在远距离场景中重建精度较差(2.ShinD,XuF,Wong FN,etal.Computationalmulti
‑
depthsingle
‑
photonimaging[J].OpticsExpress,2016,24(3):253588)。Halimi等人用于在极少数光子计数的极限下，对由时间相关单光子计数(TCSPC)测量构建的深度和强度图像进行联合恢复。其求解速度快，但其只考虑了二维图像，而忽略了3D点云时间维度的影响(3.HalimiA,ConnollyP,RenX,etal.Restorationofdepthandintensityimagesusingagraph laplacianregularization[C]//2017IEEE7thInternationalWorkshopon ComputationalAdvancesinMulti
‑
SensorAdaptiveProcessing(CAMSAP).IEEE,2018.)。

技术实现思路

[0005]本专利技术的目的在于提供一种远距离复杂场景的激光雷达三维成像方法，以解决随着测距距离变远，由于大气扰动、散射严重、目标表面反射率低等原因，可能会出现像素深度信息丢失、信号被噪声淹没等现象，从而更精确的估计深度图像。
[0006]实现本专利技术目的的技术方案为：一种远距离复杂场景的激光雷达三维成像方法，具体步骤为：
[0007]步骤1：利用回波信号的时域相关性，对激光雷达三维点云数据在时域上进行自适应全局多深度的开窗，对于每个深度层设置自适应阈值，分离噪声和信号；
[0008]步骤2：对于空像素，先使用3*3的小窗口结合强度信息对窗口内像素选取进行约束，判断可接受像素数，若不满足则采用9*9的大窗口继续进行判断，然后对窗口内可接受
像素的信号集内所有信号光子进行距离信息加权，取加权后的可接受像素的信号子集和，从中随机选取一部分信号光子作为此像素的信号集，完成数据预处理；
[0009]步骤3：采用优化框架，基于预处理后的激光雷达三维点云数据的泊松分布模型，建立数据项与强度信息引入的正则项相结合的深度估计成本函数；
[0010]步骤4：使用交替方向乘子算法从成本函数中估计深度图像。
[0011]优选地，对激光雷达三维点云数据进行自适应全局多深度的开窗，对于每个深度层设置自适应阈值，分离噪声和信号的具体方法为：
[0012]步骤1.1：设置深度层大小为L；
[0013]步骤1.2：将所有点累加形成关于光子计数的全局直方图，识别全局直方图峰值P
i
(i＝1,2,3
…
)，以峰值位置为中心前和后L/2位置作为此深度层位置，若峰值P
i
与P
i
‑1间隔不足L，则进行合并，合并深度层位置为上限Ms＝L/2+P
i
，下限为Mx＝P
i
‑1‑
L/2，若合并后的深度层长度D大于2L，则将其拆分为长度D/2的两个深度层，分别为上限Ms＝P
i
‑1‑
L/2+D/2，下限为Mx＝P
i
‑1‑
L/2以及上限Ms＝L/2+P
i
，下限为Ms＝P
i
‑1‑
L/2+D/2；此步骤得到N
L
个大小为L左右的深度层窗口，同时舍弃窗口之外的数据，只保留深度层窗口内的数据；
[0014]步骤1.3：基于直方图的噪声水平以及目标反射率对每个深度层设定阈值K
n
(n＝1,2,3
…
)，如果该深度层内像素的光子计数小于K
n
，则忽略该像素的所有计数；反之，则保留该深度层内的光子计数，在像素(i,j)上得到一个响应集合：
[0015][0016]优选地，空像素填补的具体方法为：
[0017]步骤1.1：使用0
‑
1矩阵MASK标记空像素位置强度图r使用边缘检测Canny算子，获得标记边缘的0
‑
1矩阵D，其中，
[0018]步骤1.2：对于边缘内的空像素，先使用3*3的小窗口，对于窗口内的所有非空像素，结合强度信息对该窗口内非空像素选取进行约束|r
窗口内
‑
r
i,j
|＜R，窗口内所有像素与像素(i,j)的强度差小于阈值R时被认为是可以接受的像素。判断3*3窗口内符合要求的像素是否大于三个，若不满足填补要求则使用9*9的大窗口以同样的要求判断可接受像素个数，若满足则进行下一步，不满足则放弃填补该像素；
[0019]步骤1.3：对于窗口内可接受的像素，利用反距离加权权函数以距离的p次幂倒数进行权重的分配，对于可接受的像素内的所有信号光子进行距离信息加权，取所有可接受像素内的所有信号子集和，随机选取一部分信号光子作为此像素的信号集，完成数据预处理。
[0020]优选地，构建深度估计成本函数的具体方法为：
[0021]基于预处理得到的点云数据的泊松分布模型，构造成本函数的数据项W，具体公式为：
[0022][0023]式中，N
L
为深度层的个数，其中T(l)为像素(i,j)上预处理后深度层窗口的第一个时间单元，为深度层窗口内时间单元个数，L
bin
为时间单元的长度，g(t)为激光雷达系统脉冲响应函数，为像素(i,j)上的第t个时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种远距离复杂场景的激光雷达三维成像方法，其特征在于，具体步骤为：步骤1：利用回波信号的时域相关性，对激光雷达三维点云数据在时域上进行自适应全局多深度的开窗，对于每个深度层设置自适应阈值，分离噪声和信号；步骤2：对于空像素，利用窗口结合强度信息对窗口内像素选取进行约束，对窗口内可接受像素的信号集内所有点进行距离信息加权，取加权后的可接受像素的信号子集和，从中随机选取一部分信号光子作为此像素的信号集，完成数据预处理；步骤3：采用优化框架，基于预处理后的激光雷达三维点云数据的泊松分布模型，建立数据项与强度信息引入的正则项相结合的深度估计成本函数；步骤4：使用交替方向乘子算法从成本函数中估计深度图像。2.根据权利要求1所述的远距离复杂场景的激光雷达三维成像方法，其特征在于，对激光雷达三维点云数据进行自适应全局多深度的开窗，对于每个深度层设置自适应阈值，分离噪声和信号的具体方法为：步骤1.1：设置深度层大小为L；步骤1.2：将所有点累加形成关于光子计数的全局直方图，识别全局直方图峰值P
i
，i＝1,2,3
…
，以峰值位置为中心前和后L/2位置作为深度层位置，若峰值P
i
与P
i
‑1间隔不足L，则进行合并，合并深度层位置为上限Ms＝L/2+P
i
，下限为Mx＝P
i
‑1‑
L/2，若合并后的深度层长度D大于2L，则将其拆分为长度D/2的两个深度层，分别为上限Ms＝P
i
‑1‑
L/2+D/2，下限为Mx＝P
i
‑1‑
L/2以及上限Ms＝L/2+P
i
，下限为Ms＝P
i
‑1‑
L/2+D/2；得到N
L
个大小为L的深度层窗口，同时舍弃窗口之外的数据，只保留深度层窗口内的数据；步骤1.3：基于直方图的噪声水平以及目标反射率对每个深度层设定阈值K
n
，n＝1,2,3
…
，如果该深度层内像素的光子计数小于K
n
，则忽略该像素的所有计数，其中y
i,j,t
为像素(i,j)上的第t个时间单元的光子计数；反之，则保留该深度层内的光子计数，在像素(i,j)上得到一个响应集合：3.根据权利要求1所述的远距离复杂场景的激光雷达三维成像方法，其特征在于，空像素填补的具体方法为：步骤2.1：使用0
‑
1矩阵MASK标记空像素位置强度图r使用边缘检测Canny算子，获得标记边缘的0
‑
1矩阵D，其中，步骤2.2：对于边缘内的空像素，使用3*3的小窗口，结合强度信息对窗口内非空像素选取进行约束|r
窗口内
‑
r
i,j
|＜R，窗口内所有像素与像素(i,j)的强度差小于阈值R时被认为是可接受像素，判断3*3窗口内符合要求的像...

【专利技术属性】
技术研发人员：何伟基，李岩，陈钱，张闻文，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：