邻井距离随钻电磁探测系统的设计与实现

虚拟二维激光雷达是激光雷达扩展应用的组成部分,可以结合3D场景点云特征进行二维激光雷达扫描障碍物模拟。提出根据光线传导特征建立积分方程得到了在多障碍物场景下的激光雷达图生成的解析解,利用AutoCAD与Visual C#联合编程的方法进行了虚拟激光雷达的实现。最后,实验结果与真实二维激光雷达比对,虚拟激光雷达能从3D场景中准确提取物体的位置和距离信息。     

虚拟二维激光雷达成像积分算法

虚拟二维激光雷达是激光雷达扩展应用的组成部分,可以结合3D场景点云特征进行二维激光雷达扫描障碍物模拟;提出根据光线传导特征建立积分方程得到了在多障碍物场景下的激光雷达图生成的解析解,利用AutoCAD与Visual C#联合编程的方法进行了虚拟激光雷达的实现;最后,实验结果与真实二维激光雷达比对,虚拟激光雷达能从3D场景中准确提取物体的位置和距离信息。     

基于权值优化分块自适应灰度-距离Markov随机场的无扫描3D激光雷达距离图像重构

针对无扫描三维(3D)激光雷达距离图像分辨率低、随机噪声大的问题,以高分辨率单目相机作为辅助,提出基于权值优化分块自适应灰度-距离马尔科夫随机场(MRF)的稀疏距离图像重构方法。在构建灰度-距离MRF多层次相关图基础上,采用分块快速插值策略,克服纹理拷贝并提高重构速度;采用简单线性迭代聚类(SLIC)超像素分割边缘惩罚方法,有效保护图像结构细节;采用空域距离核函数和灰度相似核函数双重引导,并针对不同邻域系统自适应调整核函数标准差,保证算法稳健性;针对各邻域系统,采用共轭梯度法实现了全局能量函数快速优化。标准图像数据和真实图像实验表明所提出方法较双线性插值、双边滤波和标准MRF方法具有更优的综合性能,可有效实现无扫描3D激光雷达距离图像重构。     

基于地平面的单目视觉辅助激光雷达SLAM研究

融合视觉传感器和激光雷达可以实现优于单一传感器的同时定位与建图(SLAM)系统,现有的视觉和激光雷达融合算法仍然存在计算复杂度高、系统精度及稳定性受错误的深度匹配影响等问题。为了更加高效、鲁棒地融合视觉和激光雷达的信息,充分利用图像和激光点云中的地平面信息,提出了高效的视觉辅助激光雷达SLAM算法。首先,从激光点云中分割出地面点云用于提取图像中的地面ORB特征点,并通过单应性变换中的交比不变性校验特征匹配,从而高效鲁棒地利用单应性矩阵分解实现绝对尺度相机运动估计。然后,将得到的相机运动估计以李群SE(3)形式进行插值,用于校正激光雷达在自身运动过程中产生的点云畸变。最后,单目相机的运动估计作为初值用于激光里程计的位姿优化。公共数据集KITTI和实际环境的测试结果表明,本文算法可以有效利用相机运动估计对激光点云畸变进行校正,实时准确地实现里程计和建图。     

波导环境多目标时延-多普勒解卷成像

有源声呐感兴趣的参量是目标距离和径向速度,它们无法直接观测得到,需要通过估计而获得。利用波导多路径环境多目标时延-多普勒模型,可以导出采样互模糊度函数均值是发射信号自模糊度函数与广义目标反射性密度函数的两维卷积,其中广义目标反射性密度函数为信道扩展函数与目标反射性密度函数的两维卷积。依据信息理论最小Csiszar鉴别准则,可导出R-L (Richardson-Lucy)迭代解卷算法,对采样互模糊度函数均值进行两维迭代解卷积,消除发射信号和信道引入的模糊,序贯地实现时延-多普勒两维像的估计,进而获得多目标的时延和多普勒参量估计。仿真结果和海上实验数据分析验证了R-L解卷算法的可行性和有效性,较之常规的匹配滤波和维纳滤波算法,R-L算法有效地提高了时延和多普勒估计的分辨力和精度。      

基于统计特性的激光雷达距离像噪声抑制算法

激光成像雷达在工作时会受到噪声干扰,因此需要滤除距离像中无法反映真实信息的异常点。根据激光成像雷达距离像噪声的分布,推导出距离像中非异常值的分布特性,并提出了一种距离像异常值的判定条件。将判定条件表示为小范围内抽样分布的函数,利用稳健统计中的中位值法可估算出判定条件的取值,从而可以移除异常点得到噪声抑制后的距离像。利用该算法分别对激光雷达距离像进行仿真和实际获得的激光雷达距离像进行处理并进行数学分析,并与中值滤波进行了比较,结果表明基于统计特性的噪声抑制算法同时具有很强的噪声抑制能力和保护目标细节信息能力,可以满足激光成像雷达距离像噪声抑制的要求。算法充分利用了激光成像雷达较高的测距精度,可以应对多种场景下的需求,具有很强的实用性。     

基于目标和点扩展函数联合估计的点源目标图像近视解卷积

在传统的基于波前探测的解卷积方法中,由波前探测得到的点扩展函数被认为是精确的,并用维纳滤波进行复原,但是点扩展函数不可避免地存在误差,所以最终的复原目标图像质量不佳.为了解决该难题,提出了基于目标和点扩展函数联合估计的图像近视解卷积算法.它运用了点扩展函数和目标的先验信息,对点扩展函数和目标进行了规整和进一步约束,从而得到更优的恢复图像质量.对该方法的原理和实现过程进行了阐述,并将其运用于室内点源目标数据中.实验结果证明,与维纳滤波方法相比,该方法使图像恢复的效果得到明显改善.     

基于稀疏重构的空间邻近目标红外单帧图像超分辨方法

针对现有算法难以利用单帧红外图像实现空间邻近目标(CSO)的超分辨问题,提出了一种基于稀疏重构理论的单帧超分辨方法。该方法充分利用了目标在焦平面阵列(FPA)分布的稀疏性以及光学系统点扩展函数(PSF)的结构特性,通过对FPA离散化网格采样构造稀疏量测模型,并将建立的1范数正则化问题转化为二阶锥规划问题求解;然后针对稀疏度过估计的重构结果,采用贝叶斯信息准则(BIC)实现模型选择,最终获得对目标个数和位置的准确估计。多组仿真场景验证了算法的有效性和超分辨能力;相比于已有算法,所提算法不仅提高了分辨正确率和位置估计精度,同时大幅缩减了计算耗时。     

X射线成像的一种点扩展函数模型

X射线成像系统可以通过其点扩展函数来表行,其点扩展函数分为一次射线点扩展函数和散射点扩展函数两部分。在分析点扩展函数各个影响因素的基础上,建立了以物体厚度、物体到探测器距离以及成像几何设置为参量的解析模型。利用该模型推导出了特定入射射线能谱和射线源到探测器距离情况下散射比的计算公式。它是以物体厚度和物体到探测器距离为变量的函数。在利用实验数据对模型参量进行最优估计的基础上,利用散射比实验验证了模型的正确性。为散射和几何不清晰度的消除提供了一种实用的模型依据。     

一种提高非扫描激光雷达距离分辨率的方法

现有非扫描激光雷达阵列探测器的信噪比较低,影响到系统的距离分辨率,详细分析了阵列探测器的噪声特性,得出了噪声满足各态历经性的重要结论,并指出在输入信号相同的条件下,可以通过空域积累代替时域积累的方法提高距离探测器的信噪比.并根据前述结论针对非扫描激光雷达/电视复合成像系统,提出一种采用改进邻域平均的图像处理方法提高非扫描激光雷达系统距离分辨率的图像处理方法,并应用于实际系统,结果表明该方法能够有效提高非扫描激光雷达系统距离分辨率.     

多摄像机系统位姿估计的广义正交迭代算法

目前,多摄像机系统的位姿估计还缺乏系统的方法,它通常通过求解透视n点问题或者求解使两组3D点集之间平方和误差最小的刚体变换来解决,这些方法都有局限性.正交迭代算法是基于点特征的单目视觉算法,快速且全局收敛,是目前性能最优的实时位姿估计算法之一,被广泛应用.提出了一种广义正交迭代算法把所有摄像机获取的全部图像作为整体计算得到相对位姿参数,是通用的多目视觉位姿估计算法.算法先把所有摄像机数据进行统一表达,再把所有摄像机观测到的全部特征点的目标空间共线性误差平方和作为误差函数,最后经数学推导得到使该误差函数最小化的迭代求解过程.实验结果验证了算法的有效性以及在多摄像机系统位姿估计中的优越性.     

基于泽尼克多项式的显微镜点扩展函数研究

在计算光学切片显微成像(COSM)的非盲图像复原中,准确获取系统点扩展函数对图像复原质量和复原结果的稳定性有重要影响.显微镜系统的点扩展函数的获取通常有两种方式:数值计算和物理测量.数值计算运算量大,涉及的参数较多且难以准确估计,因而在实际应用中具有一定的局限性;物理测量得到的点扩展函数最能真实体现显微镜系统的光学特性,但其存在着信噪比(SNR)低的缺点,使用之前必须对其进行预处理.针对物理测量得到的点扩展函数详细讨论了如何运用扩展Nijboer-Zernike理论(ENZ)来对测得的点扩展函数进行重建.实验证明,该方法能快速准确地重建显微镜的三维点扩展函数,提升其信噪比.     

基于改进豪斯多夫距离的扩展目标形态估计评估

为了验证高精度传感器量测下某种扩展目标跟踪算法的有效性,往往需要与其它算法进行对比,并评估其估计性能。与传统的点目标不同,扩展目标跟踪的主要任务不仅仅是要估计出目标的运动状态,更重要的是要对其扩展形态进行精确估计。因此,对扩展目标的形态估计性能评估有着迫切的需求。针对基于星凸形和支撑函数这两种具有代表性的扩展目标模型,考虑到其所具有的不同的形态参数描述方式,提出了一种具有不同数学形式的改进豪斯多夫距离来解决此问题。仿真实验表明,提出的改进豪斯多夫距离能够作为一种有效的度量准则来对扩展目标的形态估计性能进行有效评估。     

非合作线谱声源分布式定位方法

非合作目标定位是水声定位领域的研究热点。为充分挖掘并利用各类可观测参数,提高非合作目标定位能力,本文提出一种基于目标频率变化信息的非合作目标定位方法。该方法针对匀速直线运动目标的定位问题,首先根据多普勒频移原理,建立观测频率与目标辐射频率、目标运动速度、位置之间的函数映射关系,利用最小均方准则建立目标函数,通过优化算法估计分布式定位系统中各个测量单元与目标运动轨迹的致近点距离,最后综合各观测节点的测距结果,构建几何定位模型,求得目标运动轨迹的解析解。本文通过仿真分析,证明了该方法的有效性,并指出了该方法需要目标通过与各测量单元的致近点才能获得较好的距离估计能力。文中分析了不同频率估计精度对定位精度的影响,结果表明,提出的定位方法对测频精度具有一定的容限,是一种高精度的非合作线谱声源定位方法。     

基于聚束逆合成孔径激光成像雷达组的三维目标重构的研究

为了在聚束逆合成孔径激光雷达成像中获得三维重构需要的高程信息量,设计了基于聚束逆合成孔径激光成像雷达组的目标重构算法.系统在等边三角形三个顶点上分布安置逆合成孔径激光雷达,根据位置和倾角的关系,由另两个激光雷达提供三维目标重构的高程信息.计算了被测目标任意方向进入系统探测区域后,三个逆合成孔径激光雷达对应的高程函数表达式.通过仿真实验可知,被测目标的速度对高程函数没有显著影响.而逆合成孔径激光雷达与目标的角度关系对高程信息变化有显著贡献,在采用不同位置高程信息融合的过程中,选择逆合成孔径激光雷达的分布方式对回波数据的利用率有影响.由于不同角度变化产生了连续变化高程信息,利用该方法可以有效地通过获取高程信息重构目标三维图像.     

基于射线坡度阈值的城市地面分割算法

针对城市环境激光雷达点云地面分割过程中坡度路面、障碍物和地面交界处存在欠分割与过分割的问题,提出一种应用于不同城市场景的地面分割算法。该算法首先利用激光雷达水平角分辨率将点云进行线序化排列,再利用射线前后点的距离比去除悬空异常噪点;随后借助射线点距离与坡度信息自适应调整高度阈值;最后利用调整后的全局与局部高度阈值进行地面分割。对3种不同类型的城市路面进行的实验验证了本文算法的有效性,该算法在不同城市场景下均可区分障碍物与地面交界处的点云与坡面,平均分割准确度达98%,平均耗时2 ms。     

室内两步法监督式学习双耳声源距离估计

提出一种室内环境下两步法监督式学习双耳声源距离估计算法,该算法通过预先估计声源方位角信息以克服声源方位角的变化对声源距离估计性能的不利影响.该算法第1步利用深度神经网络模型估计声源的方位角,并将不同方位角的双耳信号分类;第2步中对每个方位角的双耳信号采用独立的深度神经网络模型进行声源距离估计,其中距离特征选用双耳信号的一些双耳特征和统计特性。在仿真和实际环境下,本文提出的两步法声源距离估计算法的距离估计准确率比现有算法提高了3%~5%左右,并且在各种不匹配环境下的距离估计准确率比现有算法高出5%~10%左右。实验结果表明利用声源方位角信息可以有效提高双耳声源距离估计算法的性能。      

基于广义正交迭代算法的立体视觉定位

提出了一种新的基于广义正交迭代算法的立体视觉定位.该算法通过提取CenSurE局部特征和相应的U-SURF描述符,采用SAD方法进行子像素立体匹配,并利用U-SURF描述符匹配进行前后帧图像特征跟踪.在RANSAC框架下对匹配点进行3D-3D运动估计获得了运动参量的初始值.由于3D-3D运动估计使3D点集间欧式距离误差最小,而3D特征点坐标受噪音影响很大,因此运动估计误差也较大.本文把广义正交迭代算法应用到立体视觉定位方法中,得到使立体相机目标空间共线性误差最小的运动估计参量,由于共线性误差比3D-3D运动估计算法中的共点误差受噪音影响更小,从而大大较少了运动估计误差.仿真实验和户外真实实验表明：本文算法获得了较高的计算准确度、鲁棒性和实时性,优于传统方法.     

机动目标逆合成孔径激光雷达方位成像快速算法

针对逆合成孔径激光雷达对机动目标成像时存在方位多普勒时变的问题,提出了一种基于方位时频域keystone变换的机动目标逆合成孔径激光雷达方位成像快速算法.利用多分量线性调频子回波信号的调频斜率与起始频率的比值为常量这一特点,在方位时频域采用keystone变换将多分量线性调频信号同时转换为多分量单频信号,利用快速傅里叶变换实现方位聚焦.采用基于分数阶傅里叶变换和最小熵的线性调频参量估计方法,实现了对调频斜率与起始频率比值的精确、快速估计.结果表明,与现有的基于Radon-Wigner变换的距离-瞬时多普勒成像算法相比,所提出的算法成像效率大大提高,且能够保留更多的目标细节信息,适合于逆合成孔径激光雷达的实时成像.     

红外鱼眼系统下的多目标威胁评估研究

针对红外鱼眼告警系统在对几公里以外的目标成像时表现为点目标,无距离、几何形状和纹理信息可以利用,很难对来袭目标的威胁程度做出较准确的评估问题,研究了红外鱼眼系统下的多目标威胁评估排序方法。提出了一种红外鱼眼系统下的多目标威胁评估模型。该模型利用激光测距机所获取的各目标的初始距离信息推导出了目标在各时刻的距离和径向速度,从而建立起了以目标的距离、径向速度、航向角和高低角为威胁指标的多目标威胁评估模型。然后根据多目标威胁评估的非线性特点,以及神经网络在解决非线性复杂问题所具有的良好的自适应能力和自学习能力,利用径向基函数(RBF)神经网络对多目标威胁程度进行评估并讨论了训练样本的生成方法。实验结果证明了该方法的可行性和有效性。