激光雷达距离估计技术

距离估计技术一直是激光雷达技术中的核心技术,对整个激光雷达系统性能的优劣性起到决定性作用。提出了一种基于人工神经网络的距离估计算法,使用的人工神经网络由两层网络构成。与交叉相关距离估计算法的对比实验证明：基于人工神经网络的距离估计算法在实际应用中有更高的距离估计精度;对强度像进行了仿真实验,实验结果证明：基于人工神经网络的距离估计算法相比极值判别法能够获得更精准的回波强度信息;对神经网络隐含层中神经元个数与距离估计精度之间的关系进行了实验分析,实验结果证明：过多或过少的神经元个数均会降低距离估计精度。     

一种新的激光雷达目标姿态估计算法

在激光雷达目标识别中,通常需要估计目标姿态,进而将点云和模型匹配以完成识别。对目标姿态与投影点云分布的关系进行了分析,提取了投影点云密度熵(PDE)特征对点云分布进行度量。依据目标姿态与PDE之间的关系,提出了一种新的目标姿态估计方法,将点云绕坐标轴旋转,并计算旋转后点云的PDE,以PDE最小值所对应的旋转角作为目标姿态角。仿真了5类地面装甲目标在不同视点下的激光雷达点云,对比分析了PDE方法和矩形拟合法及主成分分析(PCA)方法在自遮挡下和遮挡下的目标姿态估计性能,讨论了参数选择对算法性能的影响,给出了PDE方法的快速实现方式。实验结果表明,PDE方法在自遮挡和遮挡情况下的姿态角估计性能及算法稳健性明显优于矩形拟合法和PCA方法,特别适合严重遮挡下的目标姿态估计。     

激光雷达一维距离像的目标识别算法研究

本文针对复杂背景下激光雷达一维距离像的目标识别,提出了利用最小二乘估计器和线性滑动窗口构造滤波器的算法。根据目标本身形态的总体尺度范围特征设定滤波窗口,很好地实现了对目标的识别过程。给出了该算法的设计思路和算法流程图,分析和优化了算法的时间复杂度,并列出了算法在不同距离上的目标识别概率。算法的时间复杂度分析和模拟实验结果表明,该算法目标识别的正确率可以达到89%以上,能够很好满足实时条件下的目标识别要求。     

中段目标高分辨距离像姿态敏感性分析

高分辨距离像获取简单且能够提供目标部分几何结构信息,在导弹目标识别中有着重要的应用。针对高分辨距离像姿态敏感性问题,采用基于逆合成孔径雷达(ISAR)像提取导弹目标的二维散射中心分布,具体分析各姿态下散射中心在距离分辨单元内的分布情况,计算高分辨距离像(HRRP)突变时各散射中心之间的相位关系。结合HRRP的数学模型,解析了突变现象的产生原因,得知距离分辨单元内散射中心点之间的干涉会导致HRRP严重的姿态敏感,并经过实验分析了距离分辨单元内散射中心对HRRP的具体影响。     

激光雷达距离像背景抑制算法研究

相干激光成像雷达距离像处理的一个重要内容就是进行背景抑制。利用原始强度像的均值信息进行距离像的背景抑制因为强度像受到噪声影响而效果不佳，改进算法加入了强度像的噪声滤除，大大提高了背景抑制能力。但是这种利用强度像均值的背景抑制算法要求目标区占有较大的面积，对于小目标图像其抑制效果变差。分析了强度像的直方图特征，提出了一种熵阈值分割抑制距离像背景算法，此算法将强度像的直方图划分为描述目标区像素和背景像素的两个概率分布．而将使这些概率分布熵最大的灰度值作为分割阈值。将此算法应用于实际图像处理，结果表明对于大目标图像和小目标图像都有较好的抑制效果。     

基于多特征提取的3D人体姿态估计算法

作为人工智能计算机视觉领域一项重要的任务,3D人体姿态估计受到了广泛的关注,并成功地应用在人机交互、电影游戏制作等领域。然而,3D人体姿态估计仍然面临着很大的挑战,主要是人体遮挡问题和数据集视角冗余问题,这些问题严重影响了3D人体姿态估计结果精度与速度的提升。本文提出了一种基于多特征提取的3D人体姿态估计方法。首先通过采集多个相机视角下的图片数据,将所采图片数据放入2D人体关节点检测网络模型中,得到人体2D关节点。接着将采集到的人体数据输入到关节点置信度计算网络模型,得到视角图片中各个关节点的权重值。随后将2D人体关节点热图通过一个热图权重计算网络计算出热图权重,将各个视角下的权重特征计算融合得到加权后的2D人体关节点热图。最后将所得加权后的2D人体关节点热图和视角图片中各个关节点的权重值输入到三角化算法中,映射得到空间中的3D人体关节点。本文的关键思想是设计一个关节点置信度计算网络从输入图像中学习每个关节的置信度权重,同时提取了反映热图特征质量的权重矩阵,以提高遮挡视图中热图的特征质量。此外,使用感知哈希算法对Occlusion-Person数据集进行去视角实验,在保证结果准确性的同时提高了模型推理速度。本文方法是端到端可微的,可以显著地提高算法效率和鲁棒性。本文在Human3.6M和Occlusion-Person两个公共数据集上使用平均关节位置误差（Mean Per Joint Position Error, MPJPE）指标对该方法进行评估,分别取得27.3 mm和9.7 mm的结果。实验结果表明,该算法与最先进的方法相比,性能有了显著提升。     

相干激光雷达距离像噪声机理及距离反常抑制

分析了距离像的噪声作用机理：距离反常时测量值表现为统计上的平均分布，而距离正常时测量值为一高斯分布。据此提出了一种基于局部直方图的激光雷达距离像距离反常的抑制算法：利用局部直方图判断当前像素是否为反常像素，将反常像素用最可几距离值代替，达到抑制距离反常的目的。对仿真图像处理结果表明此算法能较好地抑制距离反常。将其应用于真实获得的雷达距离像处理，对两个相距77m目标的激光雷达距离图像处理后，两个目标都获得了均匀的距离灰度值，图像灰度显示两目标相距75m，与实际距离吻合很好。     

基于组合矩的激光雷达距离像目标识别

激光成像雷达距离像与目标表面物理结构特性密切相关,体现目标的本质特征,是目标识别的主要研究方向。采用组合矩的神经网络方法进行了相干激光雷达距离像目标识别仿真研究。用Hu不变矩和仿射不变矩两者的低阶矩组合表示距离像目标区域特征,利用反向传播(BP)神经网络识别不同方位角的车辆。当视场角不变时,训练10个目标,每个目标取3～19个样本,在不同载噪比(CNR)情况下,分析Hu不变矩、仿射不变矩和两者组合矩的识别率。理论分析和仿真实验表明利用组合不变矩进行距离像目标识别性能优于单独利用其中一种不变矩。     

超分辨率面阵激光雷达的动目标姿态估计

提出一种基于新型成像传感器——电子倍增电荷耦合器件的超分辨率偏振调制三维成像系统。利用低带宽电光调制器作为亚纳秒级高速快门,实现三维成像系统时间(距离)分辨能力。该系统只需要采集一帧原始数据,就可以从灰度图像中重建深度信息,实现动态成像。基于该系统结构提出多维数据融合求解目标位姿的方法,并通过试验验证了方法的可行性。实验结果表明,对距离激光雷达1km外的目标进行测量,其位移精度小于3cm,位姿角误差小于3°。     

合成孔径成像激光雷达高分辨的一维距离像

合成孔径成像激光雷达是一种新的主动式有源成像系统,其突出优势是可以获得比合成孔径雷达更高的分辨率,和更接近光学图片的成像质量.对激光波段的高分辨距离像进行了研究,介绍了合成孔径成像激光雷达一维距离像的室内实验系统,有效地对合成孔径成像激光雷达一维距离像进行模拟.首先,简述了一维距离像的成像原理.然后,分析了系统的关键技术,给出了系统框图和连接关系,并且针对激光调谐信号的非线性问题,利用多项式推导出非线性的激光信号表达式,提出了一种时域补偿高阶相位误差的补偿方法.最后,通过实验证明了所提方法可以有效地消除各个脉冲的非线性问题,并且表明所给实验系统的可行性.     

Robot Vision System for Coordinate Measurement of Feature Points on Large Scale Automobile Part

In this paper, we present a robot vision based system for coordinate measurement of feature points on large scale automobile parts. Our system consists of an industrial 6-DOF robot mounted with a CCD camera and a PC. The system controls the robot into the area of feature points. The images of measuring feature points are acquired by the camera mounted on the robot. 3D positions of the feature points are obtained from a model based pose estimation that applies to the images. The measured positions of all feature points are then transformed to the reference coordinate of feature points whose positions are obtained from the coordinate measuring machine (CMM). Finally, the point-to-point distances between the measured feature points and the reference feature points are calculated and reported. The results show that the root mean square error (RMSE) of measure values obtained by our system is less than 0.5 mm. Our system is adequate for automobile assembly and can perform faster than conventional methods.     

相干激光雷达距离像背景抑制方法比较和分析

文章在介绍激光雷达两种背景抑制方法的基础上,对两种方法在仿真图像上的抑制效果进行了对比,并对载噪比和阈值系数与均方根误差的关系做出了定量的描述。     

激光雷达距离像噪声抑制及方法评价

针对激光成像雷达距离像距离反常噪声的噪声抑 制问题,提出了一种改进环圈滤波(IDF)算法并进行了评价。首先,根据 激光雷达距离像噪声的构成,建立了一般化的距离像噪声仿真模型,模型中包含了地面、目 标和细小结构等成分,可模拟 距离反常、失落信息和内部噪声等噪声干扰;其次,提出了一种IDF噪声抑制算法的一般形 式,利用仿真模型对中 值滤波(MF)、IDF等噪声抑制算法进行了分析,对计算结果从整体、非异常 值和细小结构等多个方面, 评价了算法的噪声抑制能力和保护目标细节信息能力;最后,采用实测距离像对算法进行了 验证。研究结果表明,利用建立 的距离像噪声仿真模型,可以有效地评价不同噪声抑制算法的 能力;同时,利用IDF可 以根据目标特性选取校正系数,在满足算法对保护目标细节信息能力要求的前提下,提高噪 声抑制能力。     

基于块匹配和三维滤波的相干激光雷达图像去噪研究

针对相干激光雷达距离像和强度像的不同噪声特性,分别采用基于块匹配和三维滤波(BM3D)算法对距离像和强度像进行了去噪处理,并与非局部均值(NLM)算法的去噪结果进行了比较和分析。实验仿真结果表明,对于强度像,同态BM3D算法明显好于同态NLM算法,在保持目标区域的灰度分布均匀性、保持及恢复图像边缘等方面具有较好的性能;对于距离像,由于一般更注重保持正确的距离值,BM3D和NLM算法均不够理想。     

Accurate 3D hand pose estimation network utilizing joints information

In this paper, a method is proposed to improve the accuracy of 3D hand pose estimation. The existing methods make poor use of the depth information of hand joints and have difficulties of estimating the 3D coordinates accurately. To solve this problem, a method that utilizing the information between adjacent joints of each finger is proposed to estimate the depth coordinates of joints. In order to make full use of 2D information for depth estimation, this paper divides hand pose estimation into two sub-tasks (2D hand joints estimation and depth estimation). In depth estimation, a multi-stage network is proposed. We first estimate the depth of a part of hand joints, and then with the help of it and 2D information, the depth coordinates of adjacent joints can be well estimated. The method proposed in this paper has been proved to be effective on three public hand pose datasets through Self-comparisons. Compared with the methods that based on 2D CNN, our method achieves state-of-the-art performance on ICVL and NYU datasets, and also has a good result on MSRA dataset.     

图像融合在空间目标三维重建中的应用

图像融合可以获取目标更加丰富的层次和细节信息,有利于对探测目标信息的有效地获取,在包括空间目标的三维重建等应用中有着重要意义。针对空间目标的宽动态范围提出了一种多次曝光的图像融合方法,利用信息熵的非线性压缩判定图像融合权重,并引入双边滤波残差加强弱纹理的分配权重,有效地增加了图像的特征信息,提高了三维重建点云的数量。利用提出的融合方法开展了空间目标模拟成像试验,采用融合的图像对目标三维重建,并与多种不同曝光程度以及采用其他融合图像的方法进行了对比,提出的方法得到的重建点云数量相对恰当曝光状态提高了35%,重建结果优于其他方法。结果表明：将图像融合引入到三维重建中,能有效地加强了重建图像信息,避免了光照条件对目标三维重建的不利影响,获得较高质量的重建效果,该方法可以很好地应用到基于图像序列的空间目标三维重建应用中。     

带特征监控的高维信息编解码端到端无标记人体姿态估计网络

针对点云空间三维信息非结构化和旋转易变性对预测结果的影响,提出一种带特征监控的三维信息编解码卷积神经网络,该网络可实现三维空间下单目深度图的端对端无标记人体姿态估计.所设计的网络由特征监控编解码组件串联而成,该组件第一部分使用三维卷积模块以类似沙漏结构的形式组合设计,实现对特征图的编码和解码;第二部分以不同参数残差块并联,实现对特征图的监控融合,第一部分与第二部分首尾连接构成组件.特征监控编解码组件能根据数据集大小,通过串联的方式搭建不同深度的网络,同时根据数据分辨率,设置组件参数,实现由粗到精的特征学习,最终获得最佳网络.通过ITOP数据库的实验表明,该网络实现了空间三维信息的端到端深度学习,显著提高了系统性能并具有更高的精度.     

基于盖革模式APD阵列的单脉冲3D激光雷达原理和技术

利用激光单脉冲构成一幅完整三维图像的小型化激光雷达,是激光成像雷达的一个重要研究方向,它可以实现像人眼一样实时成三维立体像。美国麻省理工学院林肯实验室持续研究此类可见光波段激光雷达,随后Raytheon研发了近红外波段的激光雷达。文章在介绍此类雷达基本原理的基础上,重点介绍了林肯实验室研制的第三代激光雷达,最后分析了此类激光雷达关键技术的发展情况。