[发明专利]一种基于多回波提取的激光雷达三维距离像高分辨重构方法及装置

说明书

一种基于多回波提取的激光雷达三维距离像高分辨重构方法及装置,由于现有技术不具备丰富的高分辨Gm‑APD激光雷达三维距离像样本库，因此基于学习的高分辨重构方法不适用于激光雷达距离像。本发明提供的方法仅依靠Gm‑APD激光成像雷达回波数据处理，通过多峰提取提高距离像分辨率。具体采用以下方法：通过Gm‑APD激光雷达采集原始数据，计算多回波位置及强度，去燥，得到多回波信号阵列；将提取到的多回波信号进行排列，得到含空值像元的高分辨距离像；通过邻域插值算法重构图像，获得不含空值像元的高分辨距离像。本发明提供的方法通过对回波信号的分析和重构的方式克服现有偏见，以低成本的方式得到了高分辨率距离像。可广泛应用在激光雷达三维距离像领域。

技术领域

涉及Geiger mode-avalanche photodiode(Gm-APD)激光成像雷达回波数据的信号提取及目标重构领域。

背景技术

Gm-APD激光成像雷达成像分辨率低，对于大阵列的器件研制存在很多困难，因此考虑从算法的角度低成本提升其空间分辨率。目前提升空间分辨率的方法现有基于插值、基于重建模型和基于学习三类。基于插值的高分辨重构算法，广泛使用的是最邻近插值、双线性插值和双三次插值。基于重建模型的方法将图像的先验知识作为约束条件加入图像高分辨重构过程中。其中，结合同场景高分辨强度像的距离图高分辨重构方法是研究热点，Diebel等人利用马尔科夫随机场模型建立同场景高分辨强度像与距离像之间的联系，将强度图像先验知识加入到正则化项中，构建距离保真项和正则化项L2范数模型。Ferstl等人利用二阶TGV模型，通过计算各向异性扩散张量将同场景强度像信息融入正则化项中。由于强度图像纹理区域的影响，该类方法往往会出现纹理映射现象，且重构效果易受配准精度影响。基于学习的高分辨重构算法，Dong等人最早将神经网络应用于图像高分辨重构方向，利用端到端的三层卷积层对低分辨图像进行计算处理。Dong等人在此基础上增加了卷积层数量以扩大感受野，并且在网络末端添加反卷积层以增加重构速度。该类方法需要花费大量的时间构造样本集进行学习训练，而目前由于没有丰富的高分辨Gm-APD激光雷达三维距离像样本库，导致该基于学习的高分辨重构方法不适用于激光雷达距离像的处理。

发明内容

由于现有技术中提升空间分辨率的方法由于受到纹理映射现象而导致重构效果易受配准精度影响的问题。本发明提供的基于多回波提取的激光雷达三维距离像高分辨重构方法及装置仅依靠Gm-APD激光成像雷达回波数据处理，通过多峰提取达到提高距离像分辨率的效果；所述多峰提取就是本发明中提到的多回波信号提取。

具体采用的方法为：

提供了一种基于多回波提取的激光雷达三维距离像高分辨重构方法，所述方法包括如下步骤：

步骤一：通过Gm-APD激光雷达采集回波数据，单个像素点回波提取四个回波位置，对应高分辨的2*2像素结果，计算多回波位置及强度，并去除部分噪声点，得到多回波信号阵列；

步骤二：将提取到的多回波信号进行排列，得到含空值像元的高分辨距离像；

步骤三：通过邻域插值算法重构图像，获得高分辨距离像；

步骤一中所述的计算多回波位置的方法包括：步骤1.1和步骤1.2；

所述的步骤1.1为：使用高斯函数与高斯函数卷积进行预处理从而去除异常峰，得到平滑分布直方图；

所述的步骤1.2为：在平滑分布直方图上针对目标处特征进行提取，确定当前方差下的极大值点分布，提取多回波；

进一步，所述的步骤1.1中，所述的预处理方式的公式为：