1 中国科学院上海光学精密机械研究所空间激光传输与探测技术重点实验室, 上海 201800
2 中国科学院大学, 北京 100049
3 山东科技大学测绘科学与工程学院, 山东 青岛 266590
4 杭州中科天维科技有限公司, 浙江 杭州 310026
为了提高脉冲激光测距回波时刻解算方法的应用场景适应性,将回波时刻解算问题转换为波形分类的问题,采用深度学习的新方法实现回波时刻的解算。通过仿真模拟计算产生0.1 ns时间分辨率的不同距离、信号幅度、波形形状和噪声的样本回波数据,训练一维卷积神经网络模型,在样本测试集上获得了99.85%的分类精度;采用深度学习方法和高斯拟合方法处理同样的机载激光雷达回波数据,墙面线扫数据解算结果相关系数为0.99981,外场飞行试验数据平面拟合残差均在20 mm左右,两种方法回波时刻解算效果相当。结果表明,新方法能够满足机载脉冲激光测距回波时刻解算要求,具备进一步提高解算精度和适应更多应用场景的潜力。
遥感 脉冲激光测距 回波时刻解算 深度学习 卷积神经网络 激光雷达 中国激光
2019, 46(10): 1010001