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。     

基于深度学习网络的三维激光雷达弱小目标分割研究

为了提升三维激光雷达弱小目标分割的抗干扰性与实时性，有效提取三维激光雷达图像有用信息，设计了基于深度学习网络的三维激光雷达弱小目标分割方法。采集目标三维激光雷达图像，应用小波方法去除三维激光雷达图像噪声；从去噪后的图像中提取三维激光雷达图像多尺度特征，并将特征输入到深度学习网络中训练，建立三维激光雷达弱小目标分割模型，实现弱小目标分割。测试结果表明：该方法能够高精度分割三维激光雷达目标，且分割速度较快，具有较高的实际应用价值。     

红外成像制导中的三维目标识别

首先介绍了随机方位观察模型 ,在此基础上得到图像中的角度大小与目标模型中角度大小的对应关系 ,提出了图像中的角度大小的概率密度函数 ,然后根据最大似然比准则得到三维目标识别的统计决策规则 ,并应用该规则去识别红外成像制导中的几种具体目标 ,取得了比较好的识别效果 ,证明了所提方法在红外成像制导中的三维目标识别的有效性。     

远距离监视激光雷达动目标快速检测

激光雷达具有全天候工作、探测精度高、有效探测距离远、易获得三维信息等特点,但工作在远距离模式时,目标点云比较稀疏。当前便携条件下,基于深度学习的算法在激光雷达点云数据直接目标识别时,实时性和成功率尚不能达到远程监视实际工程的要求。针对实际工程中利用激光雷达检测运动目标进而实时引导高分辨率相机的需求,采用基于变化的检测方法,对远距离条件下激光雷达的运动目标检测方法进行了研究,利用点云数据的距离信息,给出三维单高斯模型和三维高斯混合模型检测动目标的过程和方法,提出了利用杂波图恒虚警率检测法处理点云数据的方法。实验表明,与二维图像动目标检测方法相比,三维单高斯模型法会很大程度提高检测准确性,降低虚警率,但仍然存在较高虚警率。为适应复杂三维场景,采用基于三维高斯混合模型的方法进一步降低了虚警率,但也降低了检测速度;而杂波图CFAR的方法具有很高的实时性,同时也具有较好的检测性能。     

基于单像素单光子探测的目标识别与跟踪方法

为了实现弱回波信号下非合作目标识别跟踪,文章基于单像素光子计数激光雷达系统设计了目标识别跟踪策略,并且提出了一种目标识别跟踪方法。该方法首先将单像素光子计数激光雷达系统采集得到的三维点云经过插值处理得到直观的距离像,然后采用最大稳定极值区域算法分割目标和背景,根据目标轮廓特征识别并选择需要跟踪的目标。最后提取识别目标的质心,与激光雷达扫描中心的偏差作为误差信号,控制伺服系统在扫描的基础之上执行目标跟踪。实验结果表明,当激光发射能量为625 pJ、回波光子数为25时,该系统能对距离为5 m、角速度约为2 mrad/s的目标进行稳定的识别跟踪;验证了基于单像素光子计数激光雷达的策略及方法能够稳定的分割目标和背景,以及正确提取需要识别跟踪测距的目标质心,为弱回波信号下目标识别跟踪测距提供一种有效直观的探测方法,同时,弱信号探测作为远距离探测的必要条件,为远距离下的目标探测及识别跟踪提供了一个新的技术方向。     

基于改进的标记分水岭方法的棒材识别

针对图像中棒材识别问题,提出了一种新的标记分水岭的棒材分割识别方法,该方法 结合距离变换 与梯度重构对标记点进行限定,使用分水岭变换完成棒材识别。首先利用棒材图像低频部分 进行阈值的自 动提取,对区域对应的距离图中的局部极值点进行筛选。提取棒材图像中低频成份对应的局 部极值区域, 结合局部极值点得到前景标记。然后基于前景标记进行距离分水岭变换,将分水岭变换得到 的脊线作为背 景标记。最后对梯度重构以后的棒材图像基于标记进行梯度分水岭变换,得到棒材分割识别 结果。本文方 法一方面结合距离图进行标记点筛选及补充得到准确的棒材数目,有效解决了分水岭算法目 标识别的过分 割问题。另一方面保留了梯度图像分水岭变换后边缘定位准确的优点,得到完整的棒材轮廓 。实验结果表 明,该方法满足图像识别的实时性、鲁棒性、准确性要求,可将其应用于类圆目标识别及相 关领域。     

测地自旋图院三维物体局部形状描述符

针对自旋图中欧氏测量存在歧义、形状信息存在丢失的现象,提出一种新的三维物体表面局部形状描述符:测地自旋图（Geodesic-spin-image,GSI）。GSI采用测地距离取代欧氏距离限定局部支持区域;GSI在自旋图的基础上,还引入了3个新的特征,以补偿自旋图在方位角上的信息丢失。这3个特征为:局部支持区域在描述点切平面上投影的长轴长度、短轴长度,以及局部支持区域形心到描述点切平面的距离。基于GSI描述改进了现有自旋图匹配算法,首先基于3个新特征进行粗略匹配,而后基于测地支持区域内的自旋图进行精确匹配,以提高识别效率。仿真实验结果表明:相比于标准自旋图方法,该方法提供的物体局部形状信息更丰富,具有更高的目标分辨能力和匹配识别效率。     

目标散射特性对激光雷达回波特性的影响分析

研究目标散射特性对其激光雷达回波特性的影响是进行目标激光雷达主动成像、跟踪以及目标识别的基础。首先推导了考虑探测激光时空分布的目标激光雷达回波公式,通过3DS MAX软件建立了三种典型目标的三维模型,采用单站激光雷达BRDF模型仿真得到了理想漫反射、近似镜面反射以及粗糙表面三种情况下不同目标多角度回波峰值序列,基于此分析了目标散射特性对其激光雷达回波特性的影响,可为目标激光雷达主动探测及成像提供理论参考。     

利用三维点云的圆锥状弹头目标参数估计

以激光雷达三维点云对弹头目标形状、姿态、位置估计与目标识别为应用背景。针对导弹弹头的形状特点,将其近似建模为一个圆锥,并可通过6个参数来表征。提出了基于激光成像雷达得到的三维点云与Levenberg-Marquardt(L-M)算法的圆锥状目标参数估计方法,并指出这种方法也可用于对圆锥状目标的识别。通过仿真实验,给出了弹头参数估计误差与三维点云的距离分辨率、点云规模的关系。仿真和实测数据的实验结果表明:该方法在一定的观测距离分辨率下可以较精确地估计出圆锥状弹头目标的参数,并可以根据得到的参数以及对目标函数的优化结果,对目标进行识别。     

基于小波变换及奇异值特征提取的空间目标识别

对基于仿真的空间目标逆合成孔径雷达(ISAR)图像,提出了相应的空间目标特征提取及目标识别算法.首先建立了空间目标三维散射点阵模型,利用距离-多普勒成像算法对其进行了ISAR成像仿真,建立目标识别数据库;其次利用小波分解原理,提取二维小波变换后4个子图的奇异值特征;最后分别应用多项式核(Polynomial)及径向基函数核(RBF)支持向量机(SVM)进行分类识别.仿真实验研究了识别率与特征数目的关系及两类核函数SVM的分类性能,并达到了较好的识别效果,从而验证了本文算法的有效性.     

基于一维匹配滤波的SAR目标识别

为克服合成孔径雷达(SAR)目标位置和姿态不确定性对识别性能的影响,提出了一种基于一维匹配滤波的SAR目标识别方法。基于姿态估计对目标图像进行预处理,基于一维匹配滤波定义两样本图像间的相似度或距离,并采用最近邻分类器。在MSTAR公开数据集上进行了实验,已知和未知目标姿态情况下的识别率分别达到98.8%和98.2%。实验结果表明,所提出的方法性能优于支持向量机(SVM)方法。     

城区机载LIDAR数据滤波方法研究

为了从机载激光扫描数据中获取城区数字地面模型,在分析城区机载激光扫描数据多回波信息特点的基础上,提出一种基于多回波信息的城区数据滤波方法,该方法根据城区机载激光扫描数据的分布特点,将激光脚点划分到具有一定体积的体素中,然后依据滤波准则,剔除地物点,保留地面点,最后得到城区数字地面模型。结果表明,该方法较以往滤波方法不仅能有效提取数字地面模型,而且可以减少机载激光扫描数据处理的计算量,提高海量机载激光扫描数据的运算效率。     

水下目标高分辨成像激光雷达研究

介绍了基于条纹管探测体制的激光雷达的发展应用现状、工作原理、技术优势,针对水下目标与场景探测,分析论证了激光雷达系统的技术参数,在此基础上设计研制了一套条纹管激光雷达样机,并进行相关试验测试,获取了目标多维图像。通过分析评估其探测能力,提出下一步优化改进方向,最后对该体制激光雷达的应用进行了展望。     

双面阵三坐标雷达数据处理算法研究

论述了双面阵三坐标雷达处理方法和过程,主要讨论了以面阵三坐标数据融合算法,最后介绍静态卡尔曼滤波算法在三坐标目标跟踪中的应用,并将传统的滤波算法和卡尔曼滤波算法进行了比较。     

一种基于曲面约束的点云数据滤波方法

针对机载LIDAR点云数据滤波问题,结合机载LIDAR点云数据的特点,引入虚拟格网技术,提出一种基于多尺度虚拟格网与曲面约束的机载LIDAR点云数据滤波方法。该方法首先根据点云密度等点云数据特点构建多尺度虚拟格网;其次基于多尺度虚拟格网分别获取一级、二级地面种子点;然后依据一级、二级地面种子点基于曲面约束进行滤波获取三级地面种子点;最后将所有地面种子点合并得到地面点集。实验方面,通过两组实验验证了该方法的可行性和适用性。     

光子计数激光雷达时间-数字转换系统

时间测量系统在激光雷达中主要用于激光脉冲飞行时间的测量,其性能直接影响着激光雷达的各项指标.基于FPGA设计了一种应用于光子计数激光雷达的时间-数字转换(Time-to-Digital Converter,TDC)系统,利用延迟线内插在FPGA内部实现了高精度的时间测量,通过实验分析,研究了TDC系统的性能及其应用于光子计数激光雷达后的效果.实验结果表明,TDC系统的时间分辨率达到29 ps,测时精度37 ps,能够实现9通道的高精度事件计时功能,用于光子计数激光雷达后,整个激光雷达系统的测时精度为421 ps,达到6.3 cm的距离测量精度,能够实现高精度高分辨率的激光三维成像.     

复杂背景下红外小目标实时识别方法研究

提出一种用于红外警戒系统复杂背景下红外小目标实时识别的方法,该方法采用FPGA实时两维数字滤波、高速DSP微处理器并行处理结构、基于运动分析的目标识别算法,不仅改善了复杂背景下微弱运动目标的捕获能力,实现了运动多目标自动识别,还具有预计目标遮掩及实现目标再捕获的能力。系统处理速度达25f/s,系统反应时间小于1s。     

基于时间相关单光子计数的穿透成像激光雷达研究（特邀）

激光雷达是一种能够快速获取目标三维信息的光学传感器,凭借精确定位与高效识别能力,其在军事侦察、无人驾驶、空间交会对接等领域发挥着越来越重要的作用。然而在浓雾、烟尘、海水等复杂的气候或环境下,传输介质对光场的强烈散射作用会造成传统激光雷达接收信号的严重退化,致使其性能迅速降低,甚至根本无法正常使用。针对该类环境下接收信号的退化特性,首先建立了Monte Carlo的Mie散射瞬态光场传输模型,接着通过计算机模拟仿真了传输光场的时域分布规律,针对该规律研究了时域信号去散射效应的滤波算法,最后在实验室搭建了基于时间相关单光子计数的穿透成像激光雷达系统,开展了雾气模拟环境下的成像实验,结果验证了该穿透成像激光雷达系统的处理方法对目标图像重构质量的提高具有较好的效果。该研究为激光雷达在复杂散射环境中的进一步应用提供了基础。     

一种空间微动目标宽带雷达干涉三维成像方法

空间微动目标3维成像在目标特征信息感知方面具有优势,对于实施空间目标成像、分类、识别等任务具有重要现实意义。据此,该文针对L型天线阵列成像系统,提出一种基于改进的粒子群优化的空间微动目标宽带雷达干涉式3维成像方法。首先,分析了目标回波信号的微多普勒特性,建立参数化表征模型。其次,基于所提优化算法重构各天线回波信号的微多普勒相位项,通过对各回波信号相位项的干涉处理,获得干涉相位差,并推导干涉相位差与目标空间坐标的关系,从而重构真实3维坐标,获得微动目标3维图像。相较于已有方法,所提方法基于干涉式成像思想,在无遮挡和有遮挡效应的条件下,均可重构微动目标真实空间坐标和3维图像,并且具有较好的鲁棒性。最后,仿真计算验证了该方法的有效性。     

基于主分量分析的一维距离像雷达目标识别

一维距离像是自动目标识别的一种重要特征,它对目标姿态变化很敏感,只有通过进一步处理提取稳定特征才能够有效用于识别。针对距离像的这种姿态敏感性,首先分析了主分量分析(PCA)的降噪原理与核主分量分析(KPCA)的特征提取能力,然后提出先用PCA滤波对一维距离像降噪再用KPCA提取较大姿态角范围内稳定特征的雷达目标一维距离像识别框架,并用四类目标的实测数据进行分类实验,表明该算法确实能够提高识别性能。