红外主被动图像像素级融合的仿真研究

激光主动成像雷达可成距离像和强度像,被动红外成像能获得辐射像。它们融合可获得更多的信息,能够提高目标的识别和抗干扰能力。主要研究激光雷达距离像和激光雷达强度像及红外辐射像的像素级融合方法,并给出融合后的三维图像。采用灰度关联均值滤波器、背景抑制和多级中值滤波等方法对3种图像进行了去噪处理。实验结果表明通过上述方法能够使融合后的三维图像清晰可辨。     

一种基于激光三维成像雷达距离像的目标检测方法

为了提高激光三维成像雷达地面目标的检测效率,提出一种基于激光三维成像雷达距离像的目标检测方法。该方法首先采用基于邻域像素内检测距离反常算法对距离像进行噪声抑制预处理,然后采用基于形态学的地面估计和高程分割算法实现了距离像的地物分割,最后根据感兴趣目标的尺寸特征,采用最小外接矩形估计算法实现了感兴趣目标的快速检测。本文提出的方法充分利用了距离像的高程信息和目标已知的先验知识,不受二维图像中光照灰度变化对目标检测效果的影响以及处理三维海量点云数据对计算速率的影响。实验结果证明,本文提出的方法适用于复杂多变的战场环境下对地面目标进行快速检测,且满足了实时性要求。     

基于强度信息的激光雷达和相机空间位姿标定方法

激光雷达和相机融合系统可感知环境的几何尺寸和颜色信息,在多个领域中得到了广泛应用。为了准确融合两种信息,提出了一种基于自然特征点的激光雷达和相机外部参数标定方法。首先,在激光雷达自校正的基础上,利用激光雷达数据的强度信息对点云以中心投影的方式生成灰度图。然后,通过尺度不变特征变换算法对投影生成的灰度图和相机图像进行特征点提取和匹配。最后,以同名特征点得到的信息建立标定数学模型,并进行数据优化,标定出三维激光雷达系统和相机系统的外部参数。实验结果表明,该方法计算的点云到图像像素点的重投影误差为2.3 pixel,验证了该位姿标定方法的有效性和准确性。     

基于图优化的三维激光雷达SLAM算法研究

为了提高三维激光雷达SLAM算法的定位精度和解决其z轴偏移的问题，在图优化的基础上提出了一种增加边约束和地面约束来改善闭环检测的方法。首先，使用MLESAC算法对点云数据进行滤波，去除外点；其次，采用随机采样法对点云数据进行下采样，提高点云配准算法的速度和准确性；然后，基于3D-NDT配准算法得到点云变换关系；最后，在图优化的基础上将边约束和地面约束加入优化求解器，获得优化后的位姿和点云地图；使用Velodyne激光雷达扫描的地下车库数据进行评估，结果表明所提出的方法能够改善激光SLAM的回环检测，提高定位准确度，x、 y和z方向精度分别可达0.074 1、0.388 95、 0.001 5 m，特别是z轴精度从1.68 m提升到了0.001 5 m。     

复杂场景下单光子激光雷达深度估计方法

单光子激光雷达广泛应用于三维场景的深度和强度信息获取。在复杂场景中存在多个具有不同深度不同反射率的目标，在少返回光子和高背景噪声的情况下，传统方法对这些目标无法做出针对性处理。因此，提出一种复杂场景下单光子激光雷达深度估计方法。该方法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，并利用空间相关性进行空像素的加权填补。在优化框架下，基于预处理后的激光雷达三维点云数据建立泊松分布模型。最终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。实验结果表明，相较于常规方法，在远距离复杂场景下，所提方法估计深度图像的重建信噪比提高了至少15%，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。     

基于激光雷达点云的滤波算法研究

激光雷达是是智能车多传感器感知部分的重要传感器组件,激光雷达对周围物体的识别结果是多传感器数据融合的重要输入参数。为了提高激光雷达的物体识别准确率,良好的滤波算法是其重要的一环。文章研究了两种激光雷达点云滤波算法,半径滤波和统计滤波。通过滤波结果对比,统计滤波器对激光雷达三维点云图的滤波效果更好。     

一种从激光雷达点云中提取建筑物模型的方法

提出了针对机载激光雷达点云的建筑物三维模型提取方法.首先通过滤波从点云中提取数字地形模型(DTM),再从数字表面模型(DSM)中剔除DTM影响,得到正规化数字表面模型(nDSM);然后通过高程滤波和双边滤波从nDSM中得到建筑物区域;在建筑物几何形状约定下,将建筑物分"层"处理,通过边缘探测与规格化算法得到每"层"建筑物的边缘;边缘点坐标构成了建筑物三维模型的基础.该方法借助数学形态学易于计算机处理的优点,能较为快速、准确地提取建筑物三维模型,适合大规模、快速、对精度要求不高的lidar数据提取.最后通过数据验证了该方法的可行性及有效性.     

光子计数激光雷达的自适应时空关联深度估计

光子计数激光雷达具有高灵敏度、高时间分辨率等优势，为了实现在大量回波数据及强噪声环境下目标信息的高效提取，提出一种自适应时空关联深度估计算法。首先，根据回波数据中信号光子和噪声光子与发射激光脉宽的关系，利用回波光子在时域上的统计差异，自适应重构具有不同时间分辨率的直方图，并结合邻域像素数据之间的空间关联性，自适应调整时间窗口的大小，寻找信号光子所在的时间区间并提取相应的数据，显著降低后续处理的数据量；其次，基于所提取的回波光子数据，设置滑动窗口初步估计各像素的时间值；最后，通过自适应均值滤波得到各像素的飞行时间，解算相应的距离信息。相较于峰值法和Chen算法，在起伏地形探测的仿真实验中，当信号光子数约为14、噪声强度小于6 MHz时，重建的均方误差至少降低了20%；在室内静态目标成像实验中，当噪声强度在5.08 MHz范围内，所提算法进行目标重建的最大均方误差为0.017。仿真及实验结果表明，所提算法对强噪声下起伏地形和室内静态目标探测的回波数据均具有较好的滤波效果。     

方向自适应的光子计数激光雷达滤波方法

提出一种自适应滤波方向的光子计数激光雷达点云滤波方法,定义了一种可调节主滤波方向的滤波核,通过遍历得到最佳滤波方向的密度值并剔除远离地物的噪声点,根据密度值与邻域内其它点的密度值差值剔除接近地物的噪声点。通过实验数据对算法进行了验证,结果表明算法能有效剔除与地面非常接近的噪声点,适用于低密度地物点云的滤波处理,其中植被滤波精度91.86%,地面点滤波精度97.89%。     

基于投影降维的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,是复杂地面背景下车辆识别的有效手段。提出了一种基于投影降维的快速激光雷达目标识别方法,对检测后提取的疑似目标三维点云数据进行投影降维,得到数字表面模型(DSM)数据,根据轮廓相似性度量值以及尺寸相似度量值构成的组合识别准则进行目标识别。采用8组地面装甲目标的仿真点云数据进行实验,实验表明算法的目标型号识别率高于90%,实时性远优于传统算法。针对实际应用需求,进一步研究了点云空间分辨率,激光雷达成像系统误差对目标识别的影响。     

图像平滑在地面激光点云与影像融合中的应用

针对地面激光点云与影像数据的融合,提出一种利用激光点云反射强度值将点云三维数据化为二维图像信息,根据图像的情况从多种图像平滑的方法中利用图像客观质量评价选择出一种最优的图像平滑的方法将激光反射强度图像进行去噪,最后利用激光反射强度图像与影像的匹配得到同名点,从而实现激光点云数据与影像数据的配准达到数据的融合。     

应用于无人驾驶车的激光雷达雪天去噪方法研究

针对雪花噪声对激光雷达造成误检的问题,提出了一种基于激光雷达反射强度和邻域搜索算法的综合方法对降雪场景采集的激光雷达点云数据进行去噪处理。首先通过自适应方法统计激光雷达点云数据的反射强度分布,计算点云的动态边界阈值。然后,通过分析点云数据反射强度与邻域搜索算法对雪花噪声进行滤除。本方法对园区降雪天气下的实际激光点云数据进行了实验验证,实验结果表明该方法在滤除效果和保留周边环境特征等关键数据优于常用的动态半径离群点滤波器等方法,而且在车辆无人驾驶应用中具有较好的有效性与可行性。     

恐龙谷南缘山区DIM点云的PTD滤波改进试验研究

无人机DIM点云滤波处理是地物分类、地物单体化提取和地形特征分析的关键步骤,为解决高原山区因地形复杂而导致DIM点云滤波处理难度大和精度低等问题。选择以滇中高原恐龙谷南缘山区为试验区,首先利用DJI Phantom 4 RTK采集影像数据,解算密集影像获取DIM点云;其次,考虑山体点与地面点有较大高程差,选择经典PTD滤波算法对实验区密集匹配点云进行滤波处理;最后,综合考虑实验区山顶和山脚存在较大高程差且山体两侧沟壑丛生,山体两侧地面点易被识别为非地面点,提出以脊-谷交汇地形特征点为PTD滤波算法的种子点,在山体两侧精细化构建不规则三角网的改进PTD滤波算法。结果表明：1)PTD滤波算法得到地面点较为完整保留整个实验区,但明显的地物如山体两侧低矮植被和山脚蔬菜大棚基本未被剔除,且山体部分的地面点易被识别为非地面点而在出现山体K1、K2、K3区域的空洞现象。2)针对恐龙谷南缘山区复杂地形,提出以脊-谷交汇地形特征点为PTD滤波算法的种子点,在山体两侧精细化构网,山体低矮植被部分清除,相对于PTD滤波算法蔬菜大棚大面积被清除。并且山体两侧地面点得到较为完成保留,未出现明显点云空洞的现象。     

基于点云数据分类的机载雷达地形坡度勘测

为提高变电站的三维设计效果,需勘测变电站地形坡度。提出基于点云数据分类的机载雷达地形坡度勘测方法。采用机载雷达回波扫描技术采集地形坡度勘测数据。结合像素点跟踪识别法,重构地形坡度勘测过程中三维图像。采用三维光学检测技术采样机载雷达地形坡度勘测点云数据,结合中值滤波法和平均值滤波方法,增强地形坡度点云信息分类结果,获取地形信息中的高程信息,在地理信息系统中形成等高线图,实现变电站三维地形坡度勘测和优化设计。仿真实验结果表明,所提地形坡度勘测方法的勘测准确性较高,有效提高了变电站三维空间规划能力。     

复杂环境中电力线激光点云的自动提取

为了解决目前复杂环境下电力线提取精度及鲁棒性低的问题，提出了一种基于激光点云的电力线自动提取方法。通过主成分分析确定输电线路的主方向，将长距离输电走廊划分为多个空间网格，以应对地形起伏变化时植被点云对提取算法的干扰；再通过一种自顶向下的全新滤波算法剔除每个空间网格的地物点，根据点云密度分布差异实现电力线和电塔的自动分离；另外, 提出半径搜索算法对分离后的结果进行处理，得到单条电力线的激光点云数据。结果表明，所提出的方法对电力线的提取精度高达99.69%，针对不同连接塔型和不同地形都具有很好的鲁棒性。该研究在输电通道空间结构的自动分析领域以及智能巡检领域具有良好的工程应用价值。     

一种小波域改进非局部均值滤波算法

提出了一种噪声图像高效滤波算法。该算法对经典非局部均值滤波算法从边缘保持效果和计算复杂度两个方面加以改进。提出一种基于图像结构相似度(SSIM)相似性检测算子,并将其与传统的高斯加权欧氏距离进行加权融合,从而实现对经典非局部均值滤波的改进,可实现对图像边缘和平坦区域滤波的有效兼顾。将其引入到小波变换域,对于高频子图像,首先采用Canny算子实现自适应边缘检测,获得边缘和非边缘图像,采用改进非局部均值滤波和经典非局部均值滤波分别加以处理,然后实现图像的融合;最后实现小波系数重构。通过对实物图像和标准测试图像的仿真实验结果表明,该滤波算法的去噪效果较优,能基本实现对高强度随机噪声情形下的图像复原,从而印证了该滤波思路的可行性。     

基于车载激光点云的城市道路标线提取方法

针对车载激光点云道路标线反射强度特性,提出了一种基于车载激光点云的城市道路标线提取方法。具体而言,首先提出一种联合布料模拟滤波和高差偏度平衡的地面滤波方法,利用偏度平衡滤波的自适应性,剔除布料滤波后残留的低矮植被的问题;随后利用基于法向量密度聚类以提取路面点云,并通过反距离加权插值将路面点云转为强度特征图;为了缓解标线提取出的锯齿状现象,引入快速引导滤波来平滑道路标线的边缘信息;最后采用最大熵阈值分割和形态学比值滤波对道路标线进行精化处理。实验表明,该方法能够有效地提取出道路标线点云,提取的平均召回率为80.98%,平均准确率为96.89%,平均综合评定指标为88.19%,能够利用道路标线点云强度信息较为完整地提取出道路标线点云。     

基于IDL的激光测高雷达回波时域仿真算法研究

从激光测高雷达回波能量分布模型和地表模型入手,详细介绍了基于IDL的激光测高雷达回波的仿真过程及仿真程序各个模块的功能,用Pearson相关性方法将仿真所得波形与实测回波波形进行了分析比对,二者的相关性系数达到90%以上,并分析了回波脉冲波形随测高系统参数和地表参数的变化情况.该方法可以直观有效地对不同地表的回波进行仿真,为激光测高雷达的回波分析提供了重要的技术手段.     

脉冲噪声图像的中-均值滤波算法

由于在图像信息的获取和传输过程中,图像常常受到不同程度的脉冲噪声污染。为了有效地去除高浓度脉冲噪声,提出了一种基于中－均值滤波器的噪声去除算法。该方法根据脉冲噪声特点,设定一个简单的噪声检测算子,根据噪声检测结果设定自适应滤波窗口,同时根据噪声密度选择中值和均值滤波器。为了更加有效地保留图像的原有信息,对非噪声点不做滤波处理。仿真结果表明,所提出的中－均值滤波方法不仅能有效地去除高浓度的脉冲噪声,而且能很好地保留图像的原有信息,并具有较短的滤波处理时间。     

基于多特征自适应的单光子点云去噪算法

新型星载光子计数雷达可获取地面及地面目标的高精度三维信息,但是其测量精度受噪声影响较大。针对在背景噪声不一致及坡度较大区域自动化提取单光子激光数据信号较为困难的难题,文中提出基于多特征自适应的单光子点云去噪算法,有别于传统圆形或椭圆形滤波核,选择更加符合单光子点云数据特征的平行四边形滤波核,分别通过坡度、空间密度、噪声率等多特征自适应识别信号。选择位于青藏高原冰川区域坡度较大且地形破碎的ICESat-2单光子点云数据,开展点云去噪试验和验证,通过与ATL03、ATL08官方去噪结果对比,文中算法在背景噪声水平不一致和大坡度区域具有更优的性能。