[发明专利]一种基于全波形激光雷达数据的隐蔽目标提取方法

说明书

一种基于全波形激光雷达数据的隐蔽目标提取方法，包括：对全波形激光雷达的回波波形进行顾及遗失组分的波形分解，获得组分参数；根据所述波形分解得到的各组分参数分别提取波形特征；基于深度学习的方式对提取的波形特征进行选择；根据选择的波形特征，采用空间统计分析对隐蔽目标区域进行探测和分割，得到疑似隐蔽目标；以及对所述疑似隐蔽目标进行识别。

技术领域

本发明涉及激光雷达探测技术领域，具体涉及一种基于全波形激光雷达数据的隐蔽目标提取方法。

背景技术

对隐蔽目标的信息提取长久以来一直是目标探测和识别领域中重点关注的方向，无论是在民用还是军用上都具有广阔的应用前景，尤以植被覆盖条件下的隐蔽目标提取是亟待解决的研究课题。探测并提取隐蔽在植被下的汽车类目标、道路、管道等人工地物，能为应急减灾、环境监测、城市安全管理等社会生活领域提供及时可靠的决策支持。

传统基于二维成像探测手段在一定条件下可实现对部分隐蔽目标的提取，但仍存在许多不足，比如受到其探测机理的局限性，传统光学成像不易获取遮蔽条件下的目标，而超宽带合成孔径雷达(SAR，Synthetic Aperture Radar)受杂波干扰大带来数据处理难度大等。激光雷达(LiDAR，Light Detection And Ranging)技术是近年来飞速发展的一项快速获取地表三维空间信息的遥感技术，能够穿透树林植被、伪装网等遮蔽物，进一步获取隐蔽目标的回波信息，对隐蔽目标的信息提取有其独特的优势。

目前基于激光雷达进行隐蔽目标提取主要是使用了多回波激光雷达和偏振激光雷达等。多回波激光雷达采用单视角或多角度激光雷达数据融合来实现隐蔽目标提取，多回波激光雷达的不足之处在于仅顾及了点云的距离信息，采用多角度观测融合数据虽然可以有效避免单视角观测条件下的数据缺失问题，但需对目标进行多次观测、耗时较长，通过数据配准、检测算法才能识别出遮蔽目标。偏振激光雷达将对比度较高偏振度图像与强度图像、距离图像等融合来提取隐蔽目标，但需对激光雷达系统进行特殊设计，并测量一定数量目标的偏振度作为先验知识。

发明内容

鉴于上述技术问题，为了克服上述现有技术的不足，本发明提出了一种基于全波形激光雷达数据的隐蔽目标提取方法。

根据本发明的一个方面，提供了一种基于全波形激光雷达数据的隐蔽目标提取方法，包括：对全波形激光雷达的回波波形进行顾及遗失组分的波形分解，获得组分参数；根据所述波形分解得到的各组分参数分别提取波形特征；基于深度学习的方式对提取的波形特征进行选择；根据选择的波形特征，采用空间统计分析对隐蔽目标区域进行探测和分割，得到疑似隐蔽目标；以及对所述疑似隐蔽目标进行识别。

从上述技术方案可以看出，本发明具有以下有益效果：

(1)采用全波形激光雷达回波数据进行波形分解，提取波形特征，再基于深度学习进行波形特征选择，结合空间统计分析等算法实现植被覆盖条件下的隐蔽目标探测与信息提取；

(2)采用改进的λ/μ滤波算法对回波波形进行去噪，滤波效果好；

(3)采用构建具有多个隐层学习的机器学习模型进行深度学习来进行波形特征选择，可以从海量的数据中学习有用的特征，提升分类或识别的精确度。

附图说明

图1为本发明实施例中基于全波形激光雷达数据的隐蔽目标提取方法流程图；

图2为图1中步骤B的具体流程图；

图3为图1中步骤E的具体流程图。

具体实施方式