[发明专利]一种基于SIFT视觉词袋的全波形激光回波信号的分类方法

说明书

本发明提供一种基于SIFT视觉词袋的全波形激光回波信号分类方法，包括：预先建立SIFT视觉词袋；控制条纹管激光雷达逐列扫描目标区域，并采集每列扫描目标区域的一个原始回波信号；提取所述一个原始回波信号的所有SIFT特征点，并利用所述SIFT视觉词袋对所述所有SIFT特征点进行量化，得到目标特征向量；将所述目标特征向量实时输入一支持向量机模型中，对所述原始回波信号进行地物分类。本发明的方法根据原始回波信号条纹图局部特征直接进行分类，能够简化分类过程，并提高分类的准确率。

技术领域

本发明涉及激光雷达技术领域，具体而言，涉及一种基于SIFT视觉词袋的全波形激光回波信号分类方法。

背景技术

与传统的微波雷达相比，激光雷达具有高精度、高分辨率、高探测灵敏度、高保密性、体积小，重量轻便于机载、舰载的特点。此外，由于工作机制的不同，激光雷达所发出激光脉冲相比于传统的微波雷达信号具有更强的抗干扰能力、获取的数据信息更加丰富，这导致其具有更高的探测和识别能力。

基于条纹管的阵列激光雷达具有成像帧频高、全波形采样、高探测灵敏度和距离分辨率，在机载雷达测绘和军事方面具有广阔的前景。当前，这种新体制雷达的快速发展已使得其数据采集速率有了数量级的提高。然而，在某些情况下，我们只对部分数据感兴趣，并不需要对测量范围内的全部数据进行处理。以林业部门为例，其只关心测量区域的植被信息，而建筑物、公路等信息属于干扰信息，在处理数据时就可以只筛选有用信息处理，该过程需要对数据进行分类，因此，对海量数据的处理成为激光雷达发展的瓶颈之一。

发明内容

本发明的目的在于提供一种基于SIFT视觉词袋的全波形激光回波信号分类方法，能够解决上述提到的至少一个技术问题。具体方案如下：

本发明提供一种基于SIFT视觉词袋的全波形激光回波信号分类方法，包括：

预先建立SIFT视觉词袋；

控制条纹管激光雷达逐列扫描目标区域，并采集每列扫描目标区域的一个原始回波信号；

提取所述一个原始回波信号中所有SIFT特征点，并利用所述SIFT 视觉词袋对所述所有SIFT特征点进行量化，得到所述一个原始回波信号的目标特征向量；

将所述一个原始回波信号的目标特征向量实时输入一支持向量机模型中，对所述原始回波信号进行地物分类；其中，所述支持向量机模型为使用多组训练数据训练出来的，所述多组训练数据包括第一类训练数据和第二类训练数据；所述第一类训练数据中的每组数据均包括：目标地物类型的第一回波信号、用来标识所述第一回波信号的标签以及用来表征所述第一回波信号的第一特征向量；所述第二类训练数据中的每组数据均包括：不属于所述目标地物类型的第二回波信号、用来标识所述第二回波信号的标签以及用来表征所述第二回波信号的第二特征向量。

可选的，所述预先建立SIFT视觉词袋，包括：

选择多个不同地物类型的回波信号，并分别提取每个回波信号的 SIFT特征点；

将所有回波信号的所述SIFT特征点集合，并利用K-Means算法合并词义相近的SIFT特征点，构造一个包含K个词汇的SIFT视觉词袋。

可选的，所述提取所述一个原始回波信号中所有SIFT特征点，包括：

检测所述原始回波信号在高斯尺度空间中的多个极值点；

从所述多个极值点去除不稳定的点，得到关键点；

确定每个所述关键点的主方向；

生成所述关键点的描述符，得到SIFT特征点。

可选的，所述利用所述SIFT视觉词袋对所述所有SIFT特征点进行量化，得到目标特征向量，包括：