基于深度神经网络的脉冲激光雷达探测方法技术

本发明专利技术公开一种基于深度神经网络的脉冲激光雷达探测方法，通过脉冲激光雷达从大气中连续多次获取目标回波，再将多次探测所得结果进行数据拼接和切片，将一维回波信号转换为二维图像信号，作为

【技术实现步骤摘要】
基于深度神经网络的脉冲激光雷达探测方法


[0001]本专利技术涉及激光探测领域，具体涉及一种基于深度神经网络的脉冲激光雷达探测方法
。

技术介绍

[0002]激光雷达是一种通过测量光的传播时间和强度来探测目标物体距离和特征的主要传感器之一
。
它在自动驾驶
、
环境感知
、
地图构建和军事等领域具有广泛应用
。
然而激光雷达的性能会受到天气条件的影响，若空气中存在水滴或颗粒，如雨
、
雪
、
雾等天气现象，会导致激光脉冲的散射
、
吸收或衰减，降低激光雷达的探测距离和精度
。
目前已有一些改进措施，例如采用多频激光雷达
、
增加激光功率
、
增加激光束直径等
。
然而，传统的基于物理模型对于恶劣天气的抑制方法存在一定的局限性，难以应对复杂的大气环境
。
同时这些方法不仅会增加系统成本，而且在复杂天气中仍然存在探测精度和鲁棒性的问题
。...

【技术保护点】

【技术特征摘要】
1.
一种基于深度神经网络的脉冲激光雷达探测方法，其特征在于，该方法包括如下步骤：步骤
S1
：使用激光雷达发射脉冲信号，连续
N
次对目标进行探测，并记录含有大气的后向散射回波与目标回波的完整波形的回波信号；步骤
S2
：对
N
次探测的所述完整波形的回波信号按照时间对齐进行拼接，得到行为时间，列为一维回波信号的二维矩阵；按照采样时间间隔将二维矩阵切片，并将切片后的矩阵数据进行归一化，归一化后的数据转化为灰度图，再将灰度图转化为彩色图；步骤
S3
：将步骤
S2
生成的彩色图打上5个标签，依次是目标类别
、
目标的中心坐标
、
目标所在位置的先验框的长和宽；然后用彩色图及其标签组成的训练集训练为
yolo
目标识别深度神经网络，
yolo
目标识别深度神经网络的输入为彩色图，输出为先验框及先验框的左上和右下的坐标信息；训练完成后，得到目标检测模型；步骤
S4
：将激光雷达探测到的新的完整波形的回波信号重复执行
S2
，然后输入所述目标检测模型，模型输出目标类别与确定目标所在位置先验框的坐标；根据所述目标所在位置先验框的坐标，计算目标所在位置
。2.
根据权利要求1所述的基于深度神经网络的脉冲激光雷达探测方法，其特征在于，所述步骤
S2
中，所述完整波形的回波信号为一维数据，激光雷达系统对一维数据进行矩阵拼接时，矩阵的行为采样时间，列为一维...

【专利技术属性】
技术研发人员：吴龙，龚福祥，杨旭，徐璐，陈淑玉，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：