海洋激光雷达的自适应深度提取算法 下载: 845次
1 引言
机载蓝绿激光雷达是当前海洋测绘的重要手段之一。与传统的声呐等水声波测深技术相比,这种技术具有机动性高、测绘面积大、成本低等优势。机载蓝绿激光雷达集成全球定位系统、惯性导航系统、扫描系统与激光测距系统,通过各个子系统得到位置、姿态和距离信息来解算地物的空间位置[1]。对于全波形采样的机载蓝绿激光雷达而言,提取探测器上海面回波与海底回波出现的时间可以得到对应海底点的距离信息和深度信息,海底回波提取算法是机载蓝绿激光雷达的关键技术[2],也是研究的热点。
海底回波提取算法可以分为三类:回波检测、解卷积、波形分解[3-6]。这几种方法中大多算法都要用到原始激光波形作为先验知识,因此,提取精度都依赖于对激光波形的准确描述。匹配滤波是回波检测中运算速度较快的一种算法,这种算法通过计算回波波形与发射波形的相关度来确定回波位置。事实上激光脉冲在水下传播时会受到水体的吸收和散射作用,水体的后向散射光会返回探测器形成较大的噪声信号,海水的前向散射引发的多路径效应会使激光脉冲衰弱和展宽[7],这种形状的变化会使海底回波与发射波形的相关度下降。本文使用蒙特卡罗方法研究激光脉冲在水下传输时的变化规律,针对不同水深生成最佳匹配滤波器,提升匹配滤波算法的精度和深度提取能力。
2 基本原理
2.1 自适应深度提取算法原理
自适应深度提取算法是基于匹配滤波算法原理改进的算法,它同样以回波与匹配滤波器的匹配程度作为回波位置提取的依据,匹配滤波器是一个模板信号。一个好的匹配滤波算法的匹配滤波器应该尽可能的与要提取的信号形状相似,自适应深度提取算法中匹配滤波器根据水深与水质情况的不同自适应的改变来模拟并补偿激光脉冲经海水传输后的改变。匹配滤波算法通过计算接收信号与匹配滤波器的匹配程度来获取接收信号与匹配滤波器最匹配的时刻,匹配度的计算可以是平均方差[8],计算公式为
式中:D为方差,作为量化匹配度指标方差越小越匹配;S为匹配模板信号;N为模板信号的长度;WR为回波信号;t为偏移量。
如果发射波形与探测目标回波的形状相似,以发射波形作为匹配滤波器的匹配滤波算法就能得到很好的结果。激光脉冲在空气中传输时变形较小,匹配滤波算法对陆地激光雷达是一种有效的数据处理算法[9]。
激光脉冲在水中被散射后出现多路径效应如
为了算法的稳定性和精度,获取的峰值位置进行的后处理为:1)对提取到的回波峰值周围进行插值得到亚采样间隔的结果;2)回波位置的强度WR(t)必须大于某一阈值Wmin,否则舍弃提取结果;3)根据仿真结果的峰值偏移进行深度校正。
2.2 解卷积算法原理
解卷积算法任务海洋激光雷达信号是发射脉冲与信道响应函数的卷积,雷达信号模型可以描述为[5]
式中W(t)为雷达信号,S(t)为发射激光脉冲,H(t)为海面、海水海底响应函数,N(t)为噪声。雷达信号中真正能够反映地物信息的部分为H(t),H(t)包含的三个响应函数是分离的,所以更容易提取海底回波位置。
Richardson-Lucy解卷积算法用迭代的方式实现解卷积[6],即
式中
2.3 激光脉冲传输的蒙特卡罗仿真
蒙特卡罗算法对光子传输过程进行模拟,统计脉冲发射后能够到达探测器的光子包的到达时间和能量,得到激光雷达接收信号的波形[10],根据光子包发生反射或后向散射位置可以将波形分为海面反射波形、水体散射波形与海底反射波形,其中经过海底反射的光子包所形成的波形作为深度提取算法的自适应滤波器。
3 实验结果与分析
3.1 实验数据说明
实验数据获取设备是中国科学院上海光学与精密机械研究所研发的机载双频激光雷达系统(LADMⅡ),如
表 1. 机载双频激光雷达系统海洋模块参数
Table 1. Parameters of airbone double frequency ocean modular
|
3.2 蒙特卡罗法生成深度自适应匹配滤波器
蒙特卡罗法所采用的硬件仿真参数与激光雷达系统实际参数相同,水质参数为测区同步实测值,具体参数如
表 2. 蒙特卡罗仿真参数
Table 2. Monte Carlo simulation parameters
|
光子在海水中传输的过程中有概率发生散射,散射后光子到达同一深度相比于未散射光子光程增加,在时域上表现为脉冲前沿发生散射的光子向脉冲后沿移动,脉冲后沿发生散射的光子向更后移动,脉冲波形的出现拖尾现象,随着深度的增加,脉冲波形拖尾现象会更显著。
根据海底回波随深度展宽的特性,仿真生成不同海底回波的波形,将这些对应深度的回波波形作为不同深度的匹配滤波器的模板信号,形成具有深度自适应的匹配滤波器。
3.3 实验结果
3.3.1 自适应深度提取算法与匹配滤波算法结果与比较
图 8. 不同深度深水区域匹配滤波算法与自适应深度提取算法结果。 (a) 33.22 m;(b) 33.64 m;(c) 34.57 m;(d) 33.67 m
Fig. 8. Results of matched filtering and adaptive depth extraction algorithm in deep area under different depths. (a) 33.22 m; (b) 33.64 m; (c) 34.57 m; (d) 33.67 m
为了对比固定匹配滤波算法与自适应深度提取算法的提取能力,统计测区中10000个回波深度提取的结果,自适应深度提取算法提取成功9537个波形,深度大于30 m的回波数量为1610;固定匹配滤波算法提取成功8687个波形,深度大于30 m的回波数量为812。
图 11. 测区点云图。 (a)固定匹配滤波算法;(b)自适应深度提取算法
Fig. 11. Point cloud of surveying area. (a) Fixed matching filtering algorithm; (b) adaptive depth extraction algorithm
3.3.2 自适应深度提取算法精度验证
为了评价自适应深度提取算法精度,实验中使用单波束声呐在同一测区进行同步测深,基于声呐测深结果对激光雷达结果进行精度评定。
单波束声呐测深点的位置与激光雷达测深点的位置不完全匹配,
3.3.3 自适应深度提取算法与解卷积算法比较
评价一个算法的有效性,要综合考虑提取能力、提取精度和提取速率。自适应深度提取算法与解卷积两种算法对同样10000个波形进行处理,用深度数据提取率表征提取能力,用单波束声呐测深数据的误差表征提取精度,用每个波形的平均处理时间表征提取速率,综合比较结果如
解卷积算法可以分离水体和海底的回波,从而通过峰值实现海底水深的提取,该算法的提取能力基本不受水深影响,在提取能力上和自适应深度提取算法相当。解卷积算法要对整个回波进行迭代运算,算法的复杂度高,精度相对较高。而自适应深度提取算法只需要对回波进行一次滤波,虽然精度比解卷积算法稍低,但是在时间花费上有较大优势。
表 4. 算法性能比较
Table 4. Performance of different methods
|
图 13. 单波束声呐数据与雷达数据位置不匹配
Fig. 13. Location unmatch between single beam sonar data and lidar data
4 结论
相比于固定的匹配滤波算法,自适应深度提取算法能够解决激光脉冲在海水中传输变形所带来的回波波形与滤波器不匹配的问题,从而实现海洋激光雷达海底回波位置提取。实验验证自适应的深度提取算法对深度大于30 m测区的数据的提取能力显著优于固定匹配滤波算法。与解卷积算法相比,自适应深度提取算法精度较低但是时间花费远小于解卷积算法,有希望达到激光雷达深度数据的实时解算。该算法能够满足海洋测绘的精度需求,可以应用于机载海洋激光雷达深水波形处理,为后续的点云生成、数字高程模型生成等工作奠定基础。
[1] 胡善江, 贺岩, 臧华国, 等. 新型机载激光测深系统及其飞行实验结果[J]. 中国激光, 2006, 33(9): 1163-1167.
[2] 赵建虎, 欧阳永忠, 王爱学. 海底地形测量技术现状及发展趋势[J]. 测绘学报, 2017, 46(10): 1786-1794.
[4] Wagner W, Ullrich A, Ducic V, et al. Gaussian decomposition and calibration of a novel small-footprint full-waveform digitising airborne laser scanner[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2006, 60(2): 100-112.
[7] 李晓龙, 陈永华, 于非, 等. 海洋激光雷达水体光学特性参数反演模型对比及分析[J]. 光学学报, 2017, 37(10): 1001005.
[9] Roncat A, Wagner W, Melzer T. et al. Echo detection and localization in full-waveform airborne laser scanner data using the averaged square difference function estimator[J]. The Photogrammetric Journal of Finland, 2008, 21(1): 62-75.
[10] 杜竹峰, 卢益民, 杨宗凯, 等. 海洋激光雷达接收信号的Monte Carlo计算[J]. 中国激光, 1999, 26(1): 52-56.
[11] 胡秀寒. 水下光通信系统中的自适应数字化阵列接收技术研究[D]. 上海: 中国科学院上海光学精密机械研究所, 2015: 9- 18.
Hu XH. Research of adaptive digital array receiving technology in underwater optical communication system[D]. Shanghai: Shanghai Institute of Optics and Fine Mechanics,Chinese Academy of Sciences, 2015: 9- 18.
Article Outline
刘梦庚, 贺岩, 陈卫标, 王永星, 朱霞, 石先高, 黄田程, 张宇飞. 海洋激光雷达的自适应深度提取算法[J]. 中国激光, 2018, 45(10): 1010001. Liu Menggeng, He Yan, Chen Weibiao, Wang Yongxing, Zhu Xia, Shi Xiangao, Huang Tiancheng, Zhang Yufei. Adaptive Depth Extraction Algorithm for Ocean Lidar[J]. Chinese Journal of Lasers, 2018, 45(10): 1010001.