基于激光成像雷达距离像的地面目标识别算法研究

发布时间：2017-10-04 10:00

  本文关键词：基于激光成像雷达距离像的地面目标识别算法研究

  更多相关文章： 激光成像雷达 距离像 目标识别 地面提取 噪声抑制

【摘要】：激光成像雷达距离像可以反映目标的三维特征,非常适合应用于导弹对地面目标的自动识别,具有很大的发展潜力和应用前景。目前对距离像识别方面的研究还有很多问题需要解决。弹载小型化激光成像雷达对地面目标进行探测时,由于工作环境恶劣,地面目标众多且信息混杂,距离像会受到严重干扰,同时,雷达的视线角通常较小且不断变化,对地面和目标特征识别造成严重影响。因此必须对激光成像雷达距离像的噪声抑制、小视角下的地面提取、目标的分类提取和目标的特征提取与识别等问题进行深入研究。本文基于激光成像雷达距离像研究了地面目标的识别算法,包括了激光成像雷达地面目标距离像的噪声抑制、地面提取、目标提取、目标特征提取与识别等四个方面。首先研究了激光成像雷达距离像的噪声抑制算法。通过分析激光成像雷达距离像噪声的产生机理和分布特性,建立了含噪距离像的数学仿真模型。通过中值滤波对仿真模型进行了验证,并证明了按距离像中目标成分进行分别分析可以准确反映噪声抑制算法的性能。根据细节尺寸设置校正系数,提出了一种基于改进环圈滤波的噪声抑制算法;根据距离反常噪声的分布特性,提出了一种基于统计分布的噪声抑制算法。实验结果表明,两种算法对距离反常噪声都具有优秀的噪声抑制能力,同时可以有效的保护目标的细节信息。其次研究了地面目标距离像的地面提取算法。提出了一种基于扫描线分段识别的可信地面点提取算法,包括了扫描线的噪声抑制、分界点提取、分段合并、地面分段识别等四个方面。通过对中值滤波的窗口大小进行自适应调整,有效的抑制了扫描线的数据波动。利用扫描线各点邻域的方向向量点积,提取了各分段间的分界点。通过对各分段所在直线的分析,合并了扫描线中属于同一平面的不同分段。通过对扫描线上地面特征的分析,提出了地面分段的识别算法。实验结果表明,算法不受距离像视线角的制约,提取出的可信地面点数据可靠性高,覆盖区域广泛。第三研究了距离像的目标分类提取算法,包括了高度计算、地面分割、目标分类、被遮挡目标补偿、目标提取等五个方面。通过计算可信地面点的法向量,求出了各点的高度。通过区域生长的方法,准确的分割了距离像中的地面和目标。采用三维聚类的方法,提取了距离像中属于不同目标的分类。基于边缘搜索的方法,提取了被遮挡的目标,并分析了补偿策略。通过自适应调整形态学中结构元素的尺寸,快速提取了距离像中的可疑目标。实验结果表明,距离像的目标分类提取算法可以准确分割距离像的地面和目标,快速提取其中的可疑目标,有效滤除虚假目标,对被遮挡目标也具有较好的结果。最后研究了距离像目标的特征提取和识别算法。通过对目标高度概率密度的分析,提取了目标的高度特征。通过矩形估计方法,提取了目标的长度和宽度特征。通过对目标姿态的校正,提取了目标在特定投影方向上的图像特征。根据提取到的目标不变特征,建立了基于人工神经网络的目标识别算法。实验结果表明,提取的目标不变特征可靠性高、所需的计算量小,具有明显的优势,识别算法可以充分利用目标的先验知识,具有效率高、容错能力和识别能力强的优点。
【关键词】：激光成像雷达 距离像 目标识别 地面提取 噪声抑制
【学位授予单位】：北京理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN957.52
【目录】：

• 摘要5-7
• Abstract7-19
• 第1章 绪论19-31
• 1.1 课题研究的背景和意义19-21
• 1.2 国内外研究现状及发展趋势21-28
• 1.2.1 激光成像雷达距离像的噪声抑制22-23
• 1.2.2 距离像地面分割与目标提取23-26
• 1.2.3 距离像目标识别26-28
• 1.3 本文研究内容及结构安排28-31
• 第2章 激光成像雷达距离像噪声抑制31-57
• 2.1 距离像噪声特性分析及建模31-37
• 2.1.1 激光成像雷达距离像噪声分析31-34
• 2.1.2 含噪距离像的仿真模型34-37
• 2.2 距离像噪声抑制算法性能分析37-43
• 2.2.1 中值滤波的基本原理38-39
• 2.2.2 距离像仿真模型验证与分析39-42
• 2.2.3 噪声抑制算法性能的量化分析42-43
• 2.3 基于改进环圈滤波的噪声抑制算法43-48
• 2.3.1 环圈滤波算法基本原理43-44
• 2.3.2 改进环圈滤波算法原理44-46
• 2.3.3 实验结果与分析46-48
• 2.4 基于统计分析的噪声抑制算法48-54
• 2.4.1 距离像噪声分布的统计学分析48-51
• 2.4.2 实验结果与分析51-54
• 2.5 本章小结54-57
• 第3章 地面目标距离像的地面提取57-89
• 3.1 基于扫描线分段识别的地面点提取算法58-61
• 3.1.1 地面特征分析与扫描线分解58-60
• 3.1.2 扫描线分段识别算法流程60-61
• 3.2 扫描线噪声抑制与分界点提取61-71
• 3.2.1 基于自适应中值滤波的扫描线噪声抑制62-66
• 3.2.2 基于方向向量特征的分界点提取66-71
• 3.3 扫描线的分段合并71-78
• 3.3.1 同一平面上的分段合并71-73
• 3.3.2 相近平面上的分段合并73-75
• 3.3.3 分段合并算法及实验结果75-78
• 3.4 扫描线地面分段的识别78-87
• 3.4.1 地面分段特征分析78-84
• 3.4.2 地面分段识别算法84-87
• 3.5 本章小结87-89
• 第4章 距离像的目标分类与提取89-125
• 4.1 距离像的高度信息提取90-97
• 4.1.1 地面法向量计算90-95
• 4.1.2 距离像高度计算95-97
• 4.2 基于区域生长的地面分割算法97-103
• 4.2.1 距离像区域生长的基本原理98-99
• 4.2.2 地面分割算法流程99-101
• 4.2.3 实验结果与分析101-103
• 4.3 距离像目标的分类103-108
• 4.3.1 区域生长的分类结果分析103-104
• 4.3.2 三维空间坐标系上的目标分类104-106
• 4.3.3 实验结果与分析106-108
• 4.4 被遮挡目标的搜索与补偿策略108-114
• 4.4.1 被遮挡目标的搜索算法108-111
• 4.4.2 对被遮挡目标的补偿策略111-113
• 4.4.3 算法流程及实验结果113-114
• 4.5 基于形态学的目标提取114-122
• 4.5.1 形态学基本原理114-116
• 4.5.2 基于形态学的目标提取算法116-121
• 4.5.3 实验结果与分析121-122
• 4.6 本章小结122-125
• 第5章 距离像目标的特征提取与识别125-157
• 5.1 目标高度特征的提取125-132
• 5.1.1 目标的高度特征分析126-129
• 5.1.2 高度特征提取流程129-130
• 5.1.3 实验结果与分析130-132
• 5.2 目标长宽及姿态特征的提取132-137
• 5.2.1 矩形估计的基本原理132-134
• 5.2.2 目标长宽及姿态特征提取流程134-137
• 5.2.3 实验结果分析137
• 5.3 目标图像特征的提取137-146
• 5.3.1 图像不变矩特征的基本原理138-142
• 5.3.2 基于姿态校正的不变矩提取算法142-146
• 5.3.3 实验结果分析146
• 5.4 基于人工神经网络的目标识别算法146-154
• 5.4.1 人工神经网络的基本原理147-149
• 5.4.2 人工神经网络的构建149-152
• 5.4.3 实验结果分析152-154
• 5.5 本章小结154-157
• 结论与展望157-161
• 参考文献161-173
• 攻读学位期间发表论文与研究成果清单173-175
• 致谢175-176
• 作者简介176

【参考文献】

中国期刊全文数据库 前10条

1 雷敏;仲思东;屠礼芬;;一种三维点云聚类算法的研究[J];科学技术与工程;2014年29期

2 蔡诚;王敏;;结合分层阈值和形态学滤波的小目标检测方法[J];华中科技大学学报(自然科学版);2013年S1期

3 孙美玲;李永树;陈强;蔡国林;;基于扫描线的渐进式形态学机载LiDAR点云滤波[J];光电工程;2013年11期

4 熊俊华;方源敏;邓德标;;最小二乘曲面拟合的LiDAR数据滤波方法[J];测绘科学;2013年04期

5 浮丹丹;周绍光;田慧;;基于逐条线区域生长的点云平面提取[J];科学技术与工程;2012年32期

6 郭裕兰;鲁敏;谭志国;万建伟;;距离图像局部特征提取方法综述[J];模式识别与人工智能;2012年05期

7 许凯达;金伟其;刘敬;裘溯;田训卿;;基于激光距离选通成像的非视域成像应用[J];红外与激光工程;2012年08期

8 王昊鹏;刘泽乾;;激光三维成像技术及其主要应用[J];电子设计工程;2012年12期

9 马君国;黄孟俊;;基于组合矩的激光成像雷达目标识别算法[J];中国激光;2012年06期

10 郭裕兰;万建伟;鲁敏;谭志国;;激光雷达目标三维姿态估计[J];光学精密工程;2012年04期

，

本文编号：970006