一种基于全卷积神经网络的强噪声环境下的激光测距方法技术

一种基于全卷积神经网络的强噪声环境下的激光测距方法，属于激光雷达技术领域，本发明专利技术为解决弱信号测距受强噪声影响导致测距结果不准确的问题。本发明专利技术方法包括以下步骤：S1、构建数据集，所述数据集以强噪声环境下的任一已知距离的含噪回波信号及该距离对应的回波峰值信号作为数据对；S2、构建U‑net全卷积神经网络；S3、利用S1的数据集对U‑net全卷积神经网络进行训练，以含噪回波信号作为输入信号，以回波峰值信号作为输出信号；S4、获取训练好的U‑net全卷积神经网络；S5、利用训练后的U‑net全卷积神经网络对弱信号强噪声环境下雷达测距获取的不同目标距离的时域回波信号进行去噪处理，提取在无噪环境下的回波峰值信号，再利用该回波峰值信号获取目标距离。

【技术实现步骤摘要】

本专利技术涉及单光子测距滤噪技术，属于激光雷达。

技术介绍

1、随着汽车自动驾驶、无人机自动避障和其他自动控制系统的不断发展，研发人员希望能对周围环境进行距离探测，但在实际探测过程中探测系统会受到太阳等背景环境噪声的影响。这会出现探测获得的目标回波淹没在背景噪声中的情况，参见图3(a)为信噪比小于1的弱信号强噪声情况下获取的目标回波信号，在强背景噪声环境下利用激光雷达采集信号时，该信号里包含了两类信息：第一类是由目标反射的带有目标强度距离信息的目标反射回波信号，第二类是环境光导致的背景噪声。此时由于真正的目标回波峰值被淹没在强噪声中，导致无法利用峰值法提取目标回波的峰值，即无法准确测算目标距离，导致所测目标距离出现误差，进而对后续的目标识别等技术造成严重的影响。

2、为了解决强噪声的影响，现有解决方法一般为将接收的信号先去噪处理再提取峰值，传统的去噪方法是通过降低频率响应来平滑曲线进而达到减少噪声的目的，再通过设置阈值来提取峰值，但这种信号去噪方式会导致信号失真，无法准确识别需要提取的峰值信号范围。可见，传统信号去噪方法无法有效处理淹没在噪声中本文档来自技高网...

【技术保护点】

1.一种基于全卷积神经网络的强噪声环境下的激光测距方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述一种基于全卷积神经网络的强噪声环境下的激光测距方法，其特征在于，S1中构建数据集的过程为：

3.根据权利要求1所述一种基于全卷积神经网络的强噪声环境下的激光测距方法，其特征在于，U-net网络结构分为特征提取部分和特征融合部分，特征提取部分是由四个下采样模块组成，每个下采样模块由4个卷积块以及4个下采样操作组成，下采样操作使用的是最大池化操作；特征提取部分利用增加通道数降低分辨率的手段提取数据特征，将含噪声的时域信号压缩成一个高通道数低分辨率特征信息；特...

【技术特征摘要】

1.一种基于全卷积神经网络的强噪声环境下的激光测距方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述一种基于全卷积神经网络的强噪声环境下的激光测距方法，其特征在于，s1中构建数据集的过程为：

3.根据权利要求1所述一种基于全卷积神经网络的强噪声环境下的激光测距方法，其特征在于，u-net网络结构分为特征提取部分和特征融合部分，特征提取部分是由四个下采样模块组成，每个下采样模块由4个卷积块以及4个下采样操作组成，下采样操作使用的是最大池化操作；特征提取部分利用增加通道数降低分辨率的手段提取数据特征，将含噪声的时域信号压缩成一个高通道数低分辨率特征信息；特征融合部分是由四个上采样模块组成，每个上采样模块由4个卷积...

【专利技术属性】
技术研发人员：张子静，吕鑫冉，赵丽媛，赵远，冯睿，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：