条纹管激光成像雷达目标三维重构快速算法 下载: 1228次
1 引言
条纹管激光成像雷达(STIL)最早由Knight等[1]于1989年研制,并成功获得目标物体16 pixel×16 pixel的三维像。1997年6月美国军方开展了导弹目标自主追踪与识别多狭缝条纹管激光成像雷达研发项目,项目由美国阿雷特联营公司负责,2000年公开的第一阶段的成果为60 m、1000 m处目标三维像[2],并成功合成目标四维信息像(3D+强度),第二阶段的研究计划为实时动态追踪与识别目标。Nevis等[3]开展了STIL的水下三维目标信息获取研究,美国海军随后将STIL作为类似水雷物体的探测器。
STIL研究在我国起步较晚,2005年开始,我国研究机构面向应用,进行了大视场、高帧频、闪烁式条纹管激光雷达研究,孙剑峰等[4]采用532 nm YAG激光器,20 mJ的单脉冲能量,实现了45°大视场成像,完成1 km距离的静态场景成像,远距离目标的距离分辨率达到0.5 m,也进行了水下探测成像研究,最大探测深度可达5 m,此项技术可用于潜艇和水雷达的探测[5]。Yang等[6-7]把条纹管激光雷达分解成串联的成像单元,建立了传递函数以及噪声理论模型。赵文等[8]进行了理论和实验研究,应用参数估计法得出了条纹管激光雷达的距离分辨率计算公式,得出通过提高回波信噪比和扫描速度可以提高距离分辨率的结论。惠丹丹等[9]设计出一种小型的、具有大探测面积的非扫描式激光雷达专用条纹管。
从国内外的研究进展中可以看出,实用型条纹激光成像雷达研制中面临两个主要问题:1)如何提高条纹管的时间分辨率、空间分辨率、阴极有效工作面等技术参数,以满足条纹管激光成像雷达对远距离、移动目标的识别与追踪的要求;2)如何实时快速重构目标三维像,以获得高分辨率的三维距离像和强度像,提高条纹管激光成像雷达的实时识别和追踪能力。针对第二个问题,本文提出条纹图像抽样插值目标三维重构快速算法,用于减少目标三维重构时间,提高雷达实时识别与追踪的能力。
2 条纹管激光成像雷达目标重构算法
2.1 峰值探测目标重构算法
物体由于表面形貌的差异,各位置的漫散光反射到条纹管的时间不同,条纹管是将时间信息映射为空间信息的成像器件,因此所获条纹图像中既有物体的光强度信息[10-11],又有由时间信息所表征的物体表面形貌信息,目标条纹图像如
式中:p为条纹像帧数编号,p=1,2,…,P;i0、j0为第p帧条纹像的行、列号,i0=1,2,…,M,j0=1,2,…,N;M为行数;N为列数;imax表示单一时间通道上的像素峰值点的横坐标。得到的像素点构成一个行数为P,列数为M的目标三维重构矩阵,矩阵中的元素值为从条纹像中提取的距离信息与强度信息,可用于重构目标距离三维像。
2.2 抽样插值目标重构算法
由于每一帧条纹像反映的是目标局部的一维轮廓信息,不是目标实际的物像,条纹图像上目标灰度值和背景单一,激光雷达条纹图像的目标和背景区分度高,目标的灰度值远大于背景灰度值,目标条纹灰度值反映了探测物体的特征信息(轮廓、距离),所占区域的面积小,背景灰度不包含探测物体的特征信息,所占区域的面积大,因而对条纹图像进行抽样处理后,所得图像还能保存主要的目标特征信息。基于条纹图像的上述特点,提出抽样插值目标重构算法。
抽样方法如
常用的图像缩放插值法有最近邻法、双线性法、双立方法等,其中最近邻插值法的优点是运算速度快,实现简单,缺点是容易产生色块和丢失细节信息;双线性插值法克服了最近邻插值法的缺点,同时在计算速度和插值效果上达到较好平衡;双立方插值法为三阶插值,插值效果好,但计算量大,不适合快速运算,因此本研究采用最近邻插值法与双线性插值法。
图 1. 条纹图像目标三维重构示意图。(a)等间隔抽样;(b)重构步骤
Fig. 1. Diagram of 3D object reconstruction of streak image. (a) Sampling with equal intervals; (b) reconstruction steps
为了客观评价原重构法与抽样插值重构法三维重构结果的一致性,引入矩阵相关系数进行评价。矩阵相关系数是用来衡量矩阵变量之间关系密切程度的统计指标,矩阵相关系数的定义为
式中:
3 条纹管激光雷达成像系统
条纹管激光成像雷达主要包括激光器、条纹管相机、像增强器、数字延迟脉冲信号发生器,结构如
4 实验结果与分析
4.1 近距离目标三维重构
近距离目标探测实验在室内进行,目标外形轮廓规则,方形目标实物照片如
图 3. 近距离目标实物图。(a)目标实物图;(b)目标条纹像
Fig. 3. Short-range target physical image. (a) Target physical image; (b) target streak image
条纹图像中一个时间通道的像素数为512,帧数为60幅,因而整个目标的特征的方位-方位-距离矩阵为512×60阶,为了比较抽样插值三维重构的效果,比较不同的抽样率下的重构时间和三维重构矩阵的相关系数。用MATLAB 2014软件编程实现目标三维重构算法,所使用计算机的配置为1.8 G CPU,4 G内存。原条纹图像目标三维重构结果如
重构实验的实测数据如
图 4. 近距离目标条纹图像重构的目标三维图。(a) S=100%, OT=0.607 s, OCorr=1;(b) S=4%, BT=0.244 s, BCorr=0.93;(c) S=4%, NT=0.178 s, NCorr=0.92
Fig. 4. Reconstructed three-dimensional target images from close-in target streak image. (a) S=100%, OT=0.607 s, OCorr=1; (b) S=4%, BT=0.244 s, BCorr=0.93; (c) S=4%, NT=0.178 s, NCorr=0.92
表 1. 近距离目标的不同抽样率对应的重构时间和相关系数
Table 1. Reconstruction time and correlation coefficient of different sampling rate for close-in targets
|
图 5. 近距离目标两种方法重构效果比较。(a)重构时间;(b)重构矩阵相关系数
Fig. 5. Comparison of reconstructing effects of two methods for close-in targets. (a) Reconstructing time; (b) correlation coefficient of reconstructed matrix
4.2 远距离目标三维重构
远距离探测目标分别为706 m处的高层大楼和附近低层楼房,条纹管激光雷达的接收视场为5°,发射视场为5°,探测用激光光束沿推扫方向上的发散角为0.1°,条纹管相机扫描全屏的时间为600 ns,激光波长为532 nm,单脉冲输出能量为20 mJ,通过窗户对外场复杂场景进行一维扫描成像,通过俯视和仰视方向推扫,可获得由近及远的多目标复杂场景的条纹图像,共计435幅,条纹图像的大小为640 pixel×480 pixel,
在远距离条纹图像中,一个时间通道的像素数为640,帧数为435幅,因而整个目标的方位-方位-距离矩阵为640×435阶,与近距离目标三维重构处理方法相同,取不同的抽样值,可以获得与不同抽样值对应的抽样时间和相关系数,
图 6. 远距离目标实物图和条纹像。(a)目标实物图;(b)目标条纹像
Fig. 6. Physical picture and streak image of remote target. (a) Target physical picture; (b) target streak image
图 7. 远距离目标条纹图像重构的目标三维图。(a) S=100%, OT=6.155 s, OCorr=1;(b) S=4%, BT=1.847 s, BCorr=0.99;(c) S=4%, NT=1.356 s, NCorr=0.98
Fig. 7. Reconstructed target three-dimensional image from remote target streak image. (a)S=100%, OT=6.155 s,OCorr=1; (b) S=4%, BT=1.847 s, BCorr=0.99;(c) S=4%, NT=1.356 s, NCorr=0.98
不同抽样率对应的重构时间和相关系数如
表 2. 远距离目标不同的抽样率对应的重构时间和相关系数
Table 2. Reconstruction time and correlation coefficient corresponding to different sampling rate for remote targets
|
图 8. 远距离目标两种方法重构效果比较。(a)重构时间;(b)重构矩阵相关系数
Fig. 8. Comparison of reconstruction effects between two methods for remote targets. (a) Reconstruction time; (b) correlation coefficient of reconstruction matrix
4.3 实验数据分析
对比
5 结论
条纹管激光成像雷达探测数据重构实验证明本文所提出的抽样插值目标三维重构法可以有效提高重构速度;并且目标条纹图像帧幅数越多,目标三维重构速度的提高效果就越明显,同时抽样插值三维重构法有一定的噪声抑制作用。抽样最近邻重构法在速度上有优势,抽样双线性重构法在保真度上有优势,综合比较可知抽样最近邻三维重构法优于双线性插值三维重构法。本文探测的目标都为外形轮廓规则的物体,下一步研究将开展对外形轮廓不规则物体的探测实验,进一步验证所提算法的适应性。
[1] Knight F K, Klick D I. Ryan-Howard D P, et al. Three-dimensional imaging using a single laser pulse[J]. Proceedings of SPIE, 1989, 1103: 174-189.
[2] Gleckler A D. Multiple-slit streak tube imaging lidar (MS-STIL) applications[J]. Proceedings of SPIE, 2000, 4035: 266-278.
[3] Nevis A J, Hilton R J, Taylor J S, et al. Advantages of three-dimensional electro-optic imaging sensors[J]. Proceedings of SPIE, 2003, 5089: 225-237.
[4] 孙剑峰, 魏靖松, 王天骄, 等. 大视场条纹管激光雷达设计及成像实验研究[J]. 光学学报, 2011, 31(s1): s100413.
[5] 孙剑峰, 郜键, 魏靖松, 等. 条纹管激光成像雷达水下探测成像研究进展[J]. 红外与激光工程, 2010, 39(5): 811-814.
Sun J F, Gao J, Wei J S, et al. Research development of under-water detection imaging based on streak tube imaging lidar[J]. Infrared and Laser Engineering, 2010, 39(5): 811-814.
[8] 赵文, 韩绍坤. 条纹管成像激光雷达距离分辨率[J]. 中国激光, 2013, 40(7): 0714004.
[9] 惠丹丹, 田进寿, 卢裕, 等. 用于激光雷达的大探测面积超小型条纹管[J]. 光学学报, 2015, 35(12): 1232001.
[10] 张敬金, 宗方轲, 雷保国, 等. 大物面高时空分辨X射线条纹管成像研究[J]. 光学学报, 2018, 38(12): 1211003.
[11] 顾礼, 宗方轲, 李翔, 等. 用于激光聚变的X射线条纹相机阴极检测系统[J]. 红外与激光工程, 2018, 47(8): 0817002.
[12] 孙剑峰, 魏靖松, 刘金波, 等. 条纹管激光成像雷达目标重构算法[J]. 中国激光, 2010, 37(2): 510-513.
[13] 袁清钰, 牛丽红, 胡翠春, 等. 基于高斯拟合的条纹管成像激光雷达目标重构[J]. 光子学报, 2017, 46(12): 1211002.
Article Outline
刘爱林, 张敬金, 李思宁, 孙剑峰, 牛丽红, 郭宝平. 条纹管激光成像雷达目标三维重构快速算法[J]. 中国激光, 2020, 47(1): 0110004. Ailin Liu, Jingjin Zhang, Sining Li, Jianfeng Sun, Lihong Niu, Baoping Guo. Fast Target Three-Dimensional Reconstruction Algorithm for Streak Tube Laser Imaging Radar[J]. Chinese Journal of Lasers, 2020, 47(1): 0110004.