海洋激光雷达范文-盘古文库

海洋激光雷达范文

资料大全

来源：文库

作者：开心麻花

2025-09-18

海洋激光雷达范文（精选7篇）

海洋激光雷达第1篇

(1) 建立与所研究的物理过程相对应的概率模型。

(2) 建立概率模型的某些特征量与所研究物理过程的参量相对应的关系。

(3) 对随机概率模型进行随机抽样试验。

(4) 概率模型特征量的估计值就是相应参量的近似值。

在研究光在随机介质中的传输问题时, 根据光的粒子性, 可以把光束看成是由很多光子组成的光子束, 于是光的传输问题转化为光子的传输问题。因为海水中粒子的分布完全是随机的, 所以光子在海水介质中运动时, 会与其中的粒子产生随机的碰撞。根据介质粒子性质的不同, 碰撞时可能发生吸收或者散射。如果光子被吸收则光子的运动终止, 如果光子发生散射, 则遵从标量相位函数或者体积散射函数随机改变它的运动方向。如此众多光子的运动的统计平均就体现了光在介质中的传输规律。这也就是蒙特卡罗方法成为研究随机介质中光的传输问题的重要手段的原因。

这里我们采用加权法与统计估计法相结合的蒙特卡罗方法。将大气海水介质的边界设置成一个锥体, 锥体的轴线与光脉冲传播的轴线相同。假设在飞机上的发射机与接收机位于同一点处, 发射光束是一个垂直向下的无限细和准直的光束。

(1) 源抽样

因为假设入射光束为垂直向下的, 无限细和准直的光束。故光子的源初始状态S0= (r0, Ω0, l0, D0, W0) 中r0= (0, 0, -H) , Ω0= (0, 0, 1) 。其中规定向下的方向为正。

(2) 散射碰撞点的定位

光子通过海面时, 其运动方向根据折射定律发生改变。进入海水后, 其自由程通过下始抽样得到:

(ξ表示 (0, 1) 上均匀分布的随机数;c表示体积衰减系数)

于是下一个碰撞点的位置为:

其中Δlm是光子第m次到第m+1碰撞之间的自由程。

(3) 确定散射碰撞后的运动方向

第m次碰撞后光子的运动方向相对与碰撞前光子的运动方向的散射角为θm, 方位角为φm。前者通过对H-G函数抽样来获得, 后者则是在 (0, 2π) 上均匀分布函数的一个抽样值。

通过坐标变换, 光子碰撞后新的方向矢量为:

如果光子的运动方向非常接近于z轴, 则新的方向可由下式给出:

(4) 碰撞与吸收

利用统计加权方法, 在计算中, 给每个光子赋一个初值为w0=1的权值, 当光子在海水中发生碰撞时, 权值减少。此时权值wm+1为

式中, wm-1是碰撞前的权值;ω0是单次散射率。

(5) 海水边界处

光子运动到海水的边界如海面或海底会发生两种情况, 透射或反射。处理的方法如下:首先通过新的碰撞点的位置与海水边界条件相比较, 判断光子是否将遇到海水的边界, 如果新的碰撞点的位置在海水的边界以外, 则可以断定光子将遇到介质边界。

然后, 计算光子运动到界面上点的位置rb= (xb, yb, zb) 、已走过的自由程长度Δl′m和剩余的自由程长度Δl″, 其中Δl″=Δl-Δl′。

如果光子在海底发生反射。将海底看作为一个朗伯反射平面, 光子反射后运动方向相对于反射前光子的运动方向的散射角、方位角 (θm, φm) 可由下式抽样得到:

光子的权值变为:

其中ρ为海底反射率。

如果光子运动到海面, 计算光子被海面反射的概率。对于平静的海平面, 光子发生内反射的概率Pr (μz) 为

其中入射角θi=arccos (|μz|) , 折射角θo与入射角的关系为nisinθi=nosinθo。产生一个随机数ξ, 如果ξ<Pr (μz) , 则光子返回海水中, 其反射方向按照反射定律计算, 权值保持不变, 反之, 光子的历史被终止。

(6) 探测器接收光子概率计算

在每个散射点和反射点处, 首先判断光子所处的位置是否在由探测器的视场角所决定的作用体积内, 如果光子不在作用体积内, 则对光子继续跟踪;如果光子在作用体积内, 则利用折射定律找到一条连接当前散射点和探测器中心的一条路径, 其返回概率计算如下:

(7) 光子生存判决

在每次新的散射发生之前, 对光子进行判决。将光子的权值与一个门限值 (例如10-5) 进行比较。当光子权值小于门限时, 则对光子的模拟终止。

没有终止的光子返回步骤 (1) , 继续模拟。光子终止后, 进行下一个光子的模拟, 直到完成所有光子的模拟计算。根据光子总的自由路径长度进行区间划分, 然后求出每段内的概率之和, 即得出探测器接收的激光回波信号。

摘要：本文讨论了在海洋激光雷达系统中运用蒙特卡罗方法研究海水的光学性质和机理的方法, 着重探讨了海洋激光雷达回波信号的蒙特卡罗模拟的一般步骤, 并给出比较详尽的分析过程。

关键词：海洋激光雷达,蒙特卡罗,抽样

参考文献

[1]周炳坤, 高以智, 等.激光原理[M].国防工业出版社, 1984年11月.

[2]斐鹿成, 张孝泽.蒙特卡罗方法及其在粒子输运问题中的应用[M].科学出版社.

[3]蓝绿激光海洋激光雷达[M].国防工业出版社.

激光雷达的光源应用简析第3篇

激光雷达 (Laser Radar) 是一种基于激光的用于检测和定位反射物体特征信息的系统, 它是由雷达发展而来的, 且高于微波频段, 激光的波长很小且相干性很好, 具有分辨率极高, 测量范围广、获取目标信息量大、抗干扰能力强等独特优点, 在国内外军事及民用领域都有着广阔的应用前景[1,2]。

激光雷达进行远距离探测时, 激光回波信号弱, 噪声相对比较强, 有时噪声会把信号淹没。如何把强噪声中的有用信号提取出来至今一直是激光雷达信号处理的最大难题。除了匹配滤波等信号处理研究, 激光雷达接收机的噪声特性以及对应噪声抑制的研究开展较多, 但由于传统的激光光源选择单一, 信噪比从光源分析得较少。[3,4]

目前随着量子技术发展, 具有量子特性的非经典光源应用愈加广泛。该文重点从激光雷达的光源出发, 选择了压缩态以及NOON态这两种典型的量子光源并引入到激光雷达系统中, 通过对比使用经典光源的系统, 研究量子光源在提升激光雷达信噪比方面的作用。

2 压缩态光源

激光器的输出态通常是在相干量子态, 输出态的涨落与链路的散弹噪声有关。通过一定的处理, 能够将激光器的输出态改变为不同的量子涨落状态。压缩态光源最初提出是作为一种提升干涉型引力波探测器的灵敏度的方法。而激光雷达在发射光束至反射回波被接收这个过程中的链路损耗很大, 会导致压缩态在这种工作状态下的好处近乎没有。然而, 对于外差结构的雷达, 在本地接收机内由于链路损耗小, 压缩态光源用于本振则可以提高系统灵敏度。最大纠缠态, 也被称为NOON态, 作为一种性能优异的光源也广泛应用在基于量子效应的干涉相位测量系统中[5,6]。

在外差型激光雷达体系中, 噪声主要来源于本振LO的散弹噪声, 比如在一个时间门限内接收到的光子数的起伏, 这个起伏能够通过应用压缩态光源进行一定程度的抑制。一般来讲, 噪声是指信号的量子起伏。在外差型激光雷达系统中, 噪声指的是在测量的傅立叶频率上测量的光子数, 而不是指总光子数的起伏。

假设使用一个统计分布为ˆS的光源进行目标探测, 其信噪比 (SNR) 应为

3 NOON态光源

4 结语

文章分析了使用压缩态光源及NOON态光源这两种量子光源在激光雷达中的应用潜力。通过对链路信噪比与插损的建模分析可知, 在小损耗的理想情况下, 量子光源能够有效提高测量精度, 但在实际激光雷达系统的损耗量级下, 测量精度与使用大功率经典光源的效果相差不大。考虑到目前量子光源复杂的结构与实现方法, 使用成熟的经典光源更能满足激光雷达的实际需求。如果要挖掘量子光源在目标探测方面的潜力, 则必须基于量子雷达的体制, 对探测原理进行改变。

摘要：传统的激光雷达技术, 多采用激光器的经典态作为发射端。随着量子技术发展, 具有量子特性的非经典光源应用愈加广泛。这里在激光雷达系统的光源选择方面, 对比了基于压缩态以及NOON态这两种典型的量子光源的系统噪声影响。结果发现, 应用这些光源对雷达的噪声特性不会产生很好的改善, 对雷达性能影响不大。

关键词：激光雷达,量子光源,量子噪声

参考文献

[1]韩意, 孙华燕, 李迎春, 等.国外成像激光雷达系统仿真软件研究进展[J].激光与光电子学进展, 2013, 50 (1) :43-51.

[2]侯峰.LIDAR详细介绍及其应用举例综述[J].科技广场, 2014, 4 (1) :95-100.

[3]刘磊.机载LIDAR系统误差分析与检校方法研究[D].青岛:山东科技大学, 2011.

[4]周琴, 张秀达, 胡剑, 等.凝视成像三维激光雷达噪声分析[J].中国激光, 2011, 38 (9) :175-180.

[5]C.M.Caves.Quantum-mechanical noise in an interferometer[J].Physical Review D, 1981, 23 (8) :1693-1708.

海洋激光雷达第4篇

目前国内外的测云仪器有很多种, 欧洲的Gardiner等采用鱼眼照相机拍摄照片来测量云量[3];美国蒙大拿州立大学Shaw等研究开发的红外云成像仪ICI[4,5,6,7];Smith[8]等采用FLIR系统公司Thermovision A40型热红外成像仪;中国华云公司的两款激光云高仪CL31、CL51;中科院安光所的激光云高仪。

本文采用位于南京信息工程大学气象探测基地 (118°42′E, 32°12′N, 海拔22 m) 的2台仪器———CL51激光云高仪和微脉冲激光雷 (Micro Pulse Lidar, 以下简称MPL) 所测的数据, 分别对2012年9—11月3个月的数据进行每30 min提取1次, 对2个仪器的性能进行对比分析。

1 仪器介绍及基本原理

1.1 CL51激光云高仪

CL51激光云高仪采用增强型单镜头技术, 整个量程中的强大而稳定的信号保证它从绝对零高度测量起, 具有杰出的性能。CL51采用脉冲二极管激光LIDAR技术, 它具有测量准确、分辨率高、抗干扰能力强等特点。它沿着垂直或近乎垂直的方向发射短促、强大的激光脉冲, 因云层、降水或其他光线遮拉物所产生的激光反射 (后向散射) 可被用来分析和确定云底的高度。CL51和MPL技术参数见表1。

1.2 微脉冲激光雷达 (MPL)

MPL的概念[9]是1993年提出的并很快被应用, 它解决了常规米散射雷达的缺点和不足。MPL有很多优点, 如结构简单、体积小、重量轻、可连续运行和易于移动等[10]。目前, 雅加达实现了市内网络大气监测[11], 日本进行了城市间和对海洋的大区域监测[12]。但是MPL也有缺点, 如对环境温度要求高、不便于单人野外作业、监测成本高等。MPL采用梯度法探测云高, 此方法虽然简单易行, 但是不能适用于所有天气情况。梯度法只在云底变化比较明显时比较准确。

2 探测结果与分析

为了使结论更加客观, 本文直接采用CL51和MPL所观测到的云底高度数据, 同时对半点和整点数据进行提取, 对2个仪器各方面的性能进行对比, 分析出实际应用中的各方面优势。

从图1中可以看出, 仪器CL51和MPL所探测的云底高度相关性很大。图2a为2个仪器所探测的第一层云底高度的相关性, 其相关系数为0.89, 且通过了显著性水平为0.05的双侧检验 (Two-tailed test) ;斜率0.817也说明2个仪器所探测的数据大多数集中在1∶1线附近, 第二层云底高度的相关性 (图2b) 也可以得出和第一层云底高度 (图2a) 相同的结论。

另一方面, 从数据本身来看, CL51样本总数据量为3 096个, 总平均高度为3.879 km, MPL的样本总数据量为2 044个, 总平均高度为3.587 km, CL51总平均高度比MPL高0.292 km;从图3中可以看出, 除低云以外CL51平均值都比MPL高;从图4中可以看出, CL51每层云高的平均值都比MPL的平均值高。

由上述数据可以得出, CL51仪器所探测的云高的平均值较大。可能与以下因素有关: (1) 量程。量程越大, 可探测的高云越多, 有些量程小的仪器不能探测超出量程范围的高云。 (2) 探测波长。波长越长, 所探测的云底高度范围越大, 所测平均值就会越大。 (3) 脉冲能量。能量越强, 越有助于探测较高、较薄的云层。 (4) 阈值和算法。每个仪器的算法不同, 所设置的阈值不同, 在有些云层较弱的边界值的情况下, 有些算法判断为有云, 有些判断为无云。例如梯度法不适合所有天气情况, 当云层变化较缓慢、云层比较弱的时候梯度法就不是很准确。另一方面, 也可能会有对气溶胶的误判, 这些都会对结果造成影响。 (5) 试验的数据量。本文提取3个月的数据, 每个仪器大概4 320个数据, 同时每个仪器还会有部分缺测现象, 这样数据量就会更少, 如果能够用大量的数据进行对比分析, 准确率会更高。 (6) 天气条件。云是很复杂的天气现象, 受很多条件的影响, 如大气稳定度、水汽等气象因素, 因此不同的天气条件下仪器对云高的探测的准确度不同。

3 结论

本文通过分析南京信息工程大学观测场的2台仪器2012年9—11月的数据, 得出如下结论:CL51探测的云底高度的平均值为3.879 km, MPL探测的云底高度的平均值为3.587 km, CL51略高出0.292 km, 对于云来说差别很小。CL51和MPL所探测的第一层的云底高度相关性很大, 相关系数为0.89, 说明2个仪器可以应用于实际云底的探测。CL51每一层的平均值都略大于MPL的每一层的平均值, 这可能和仪器的量程、阈值、波长、天气状况等诸多因素有关。

综上所述, CL51和MPL 2台云高仪所测云高数据基本一致, CL51略微偏高, 但误差允许的范围内, 可以作为当前气象观测的理想仪器。但是如果对仪器的量程、算法、稳定度等方面进行优化, 将会使云高仪的准确度更高。每台仪器都有其优缺点, 在实际业务中要考虑成本、稳定性、环境、地理等诸多因素来选择最适合的仪器。同时, 还需对仪器进行改善来提高测量准确度, 尽早实现云高观测的自动化。

参考文献

[1]国家气象局气候监测应用管理司.气象仪器和观测方法指南[M].北京:气象出版社, 1992.

[2]XU Huan-bin.The study of cloud model:the simulation of macrostructure of cloud field[J].Acta Meteorological Sinica, 1995, 53 (3) :349-357.

[3]GARDINER B G, k IRSCH P J.Setting Standards for European Ultraviolet Spectroradiometers[R].Luxembourg:EC Air Pollution Report No.53 Commission of European Communities, 1995:138.

[4]SHAW J A, THURAIRAJAH B.Short-Term Arctic Cloud Statistics at NSA from the Infrared Cloud Imager[C]//Broomfield:Proceedings of the Thirteenth ARM Science Team Meeting, 2003.

[5]SHAW J A, THURAIRAJAH B, EDQVIST E, et al.Infrared Cloud Imager Deployment at the North Slope of Alaska During Early 2002[C].Washington:12th ARM Science Team Meeting, 2002.

[6]THURAIRAJAH B, SHAW J A.Infrared Cloud Imager Measurements of Cloud Statistics from the 2003 Cloudiness Intercomparison Campaign[C]//Albuquerque:proceedings of the Fourteenth ARM Science Team Meeting, 2004.

[7]THURAIRAJAH B.Thermal Infrared Imaging of the Atmosphere:The Infrared Cloud Imager[M].Bozeman:Elect Comput Eng Dept, Montana State Univ, 2004.

[8]SMITH S, TOUMI R.Measuring cloud cover and brightness temperature with a ground-based thermal infrared camera[J].J Appl Meteorol Climatol, 2008, 47 (2) :683-693.

[9]SPINHIRNE J D.Micro pulse lidar[J].IEEE Tra ns.Geosci.Remote Sensing, 1993, 31 (1) :48-55.

[10]MURAYAMA T.Lidar Network Observation of Asian Dust Over Japan in1999 Spring[C].ILSS′99, 1999:29-32.

[11]PINANDITO M.Observation of Atmospheric Boundary Layer using Lidar System in Jakarta[C].ILSS′99, 1999:51-54.

海洋激光雷达第5篇

激光雷达是一种新型主动遥感技术, 它是传统雷达与现代激光技术相结合的产物[1]。目前激光雷达设备类型主要有两种, 一种是仅记录第一次回波数据的离散型激光雷达, 另一种则二是记录完整波形数据的全波形激光雷达。与离散型激光雷达相比, 全波形激光雷达对激光束的多次回波数据进行记录, 因而其信息量较离散型激光雷达更为丰富全面, 对观测目标的穿透性也更强[2]。全波形激光雷达早期主要应用于机载激光雷达, 如RIEGL公司于2004年在其机载激光雷达系统中集成了全波形数据收集能力, 近几年随着激光雷达技术的发展, 国外激光雷达厂商开始在地面激光雷达系统中集成全波形数据收集功能, 因此开展全波形地面激光雷达系统波形分析对于全波形地面激光雷达的发展及应用极为迫切。

目前对全波形激光雷达数据波形数据处理方法主要有阈值法、波形分解法、反卷积法。阈值法处理方法简单, 其对规则波形处理效果较好, 但对复杂回波信号处理效果欠佳。波形分解和反卷积方法是目前较为常见的波形数据处理方法, 其波形数据处理结果优于阈值法。两种算法虽然均可获得较为理想的结果, 但两者在原理和处理过程上存在一定的差异, 反卷积方法认为接收到的回波是发射脉冲和地物响应的卷积, 将发射脉冲和回波信号交叉关联进行分析, 进行反卷积计算看, 该方法可以较快的获得处理结果, 而波形分解方法则认为波形数据是若干高斯分量的叠加的结果, 通过分解高斯分量对波形数据进行处理, , 该方法可以获取更多的额外参数, 如目标物的位置和后向散射属性 (回波分量个数、峰值、位置、波宽等参数信息) 。

波形分解方法假设全波形数据为理想条件下多个高斯函数的叠加, 因此其采用高斯函数拟合回波波形, 并通过逐一分离每个波形及其高斯函数, 最终得到各波形的准确高斯函数描述参数, 如振幅、标准差和均值等。如Wagner[3]等最早提出基于一系列高斯函数拟合波形数据, 其采用高斯分解算法开展Riegl LMS—Q560全波形数据波形分解, 并获得了98%的拟合精度。Chauve[4]等利用非线性最小二乘拟合LM算法有效地探测回波中由于去噪彻底而遗失的组分, 该方法可用于后向散射回波波形数据波形分解。Wolfgang Wagner和H.Gross[5]等基于高斯函数提出了一种期望最大化算法 (即EM算法) 。武汉大学李奇等[6]采用改进的EM脉冲检测算法得到回波脉冲的位置和宽度。赖旭东[7]等采用迭代分解的方法对小光斑激光雷达系统全波形数据进行波形分解, 获取了各个高斯分量的参数 (波峰、波峰位置、半波宽) 对比分析5个建筑物的平面拟合误差, 分解的点云数据较系统数据中误差和最大误差小, 提高了测距精度。覃驭楚[8]等以高斯混合模型为基础, 采用逐级递进分解的策略, 建立了小光斑激光雷达波形数据分解方法, 该方法解决了高斯函数的阶数问题, 利用低阶分解的先验知识避免了分解过程中陷入局部优化, 但是其从低阶到高阶逐级递进, 计算效率不高。综上所述, 波形分解方法是处理波形数据的有效方法, EM算法和LM算法的最大优点在于简单和稳定, 但经过若干次的迭代计算达到收敛, 容易陷入局部最优, 其最终解和初始值的选取有较大的关系, 迭代分解和逐级递进分解方法则是对初值估算方法的改进, 可准确估算出高斯模型参数, 这些参数的获取都需依赖一定的特征参考信息。

目前对波形数据分解的研究大多是基于机载激光雷达平台, 而对于地面激光雷达平台研究较少, 并且现有的研究都未考虑地物反射属性的不同对波形数据的影响, 因此本文采用高斯拟合算法对地面激光雷达全波形数据进行分解, 利用受到随机噪声和其他高斯分量影响较小的峰值特征信息作为判断依据, 采用阈值迭代法对高斯模型特征参数进行预估并准确估算出各波形高斯分量, 然后通过LM (Levenberg-Marquardt) 优化算法对特征参数进行优化, 完成全波形地面激光雷达数据波形分解, 考虑到不同地物的反射属性对脉冲信号的影响不同, 将该方法应用于不同地面目标类型全波形数据进行对比分析。

1. 基于高斯函数模型的波形分解方法

1.1. 高斯函数模型

波形分解法假设全波形数据为理想条件下多个高斯函数的叠加, 其波形数据可用如公式 (1) 描述:

其中:n为高斯分量的个数;ai、bi、ci为第i个高斯分量的特征参数;y为x时刻回波的振幅。

1.2. 高斯函数初始值估算

基于高斯函数模型的波形分解方法首先需估算出波形数据中包含的高斯分量个数及各高斯分量的特征参数, 本文拟采用王俊宏[9]提出的方法开展高斯拟合初值估算。该算法的基本思路是通过设定阈值进行迭代, 找出每次迭代过程中估值最准确的高斯分量, 将原始数据减去该高斯分量, 判断是否达到迭代的终止条件, 如果达到则退出, 未达到则继续迭代。因为在高斯分布的各个特征中, 峰值特征信息受到随机噪声影响比较小, 并且当前波形中峰值最大的高斯分量受其它峰值较小的高斯分量重叠的影响也相对较小, 所以利用当前波形中峰值最大的高斯分量作为初值估计的判断依据。

迭代分离高斯分量算法具体算法流程如图1所示, 首先将原始波形数据Y的最大值作为第一个高斯分量的波峰值a1, 波峰值a1对应的时间位置就是该高斯分量的波峰位置b1, 将高斯函数推导得到公式 (2) , 即如果已知位于波峰值a一半处波形数据的位置tL, 则可以求出该高斯分量的参数C。

由于波形数据是离散的, 有时无法直接获取tL的真值。本文通过对波峰两侧的数据进行统计分析, 来获取tL, 再根据公式 (2) 求解C的近似值。

由于地面激光雷达获取的全波形采样数据点比较少, 只有4、5个点表示了回波峰值特征信息, 因此可以比较峰值附近4、5个采样点的振幅大小, 将接近峰值一半的波形数据的位置作为tL的近似值, 这样就避免了脉冲波形以外的样本点进入最小二乘计算。假如波峰的位置位于第k个波形数据的位置, 又已知波峰值的一半为D, 则比较第k+1、k+2、k-1、k-2四个数据对应的振幅与D差值的绝对值大小, 假如第k+1个点对应的振幅与D差值的绝对值最小, 则取第k+1个点对应的波形数据位置作为的近似值, 根据公式 (2) 计算C的近似值。

考虑到随着迭代次数的增加, 继续执行循环迭代可分解出波形分量的可能性越来越小, 因此采用迭代法开展波形分解时需设置迭代终止条件, 即迭代终止条件为高斯分量个数达到最大值或者当前高斯分量波峰值与第一个高斯分量波峰值的比值小于阈值。基于Stillar[10]对产生新的脉冲波形的定义:若在连续至少5ns的时间间隔内其振幅值都大于3倍的噪声标准差[11], 则该波形信号被接受。通过选取50000条回波记录, 统计每条记录中波形数据的最小值来计算噪声标准差, 则阈值由3倍的噪声标准差与第一个分解的高斯分量波峰值的比值来确定。

1.3. 高斯函数模型参数优化

待高斯函数模型初始值估算结束后, 为进一步提高高斯函数模型初始值的精确度, 需进一步对其进行优化。优化算法的基本原理是给定目标函数和参数初值后, 通过最小化目标函数实现参数优化。本文拟采用LM算法[12]开展高斯函数模型初始值优化, LM算法作为高斯牛顿法的改进形式, 它具有高斯牛顿法局部性和梯度法全局性的双重特点, 因此其计算效率相对梯度法得到了较大的提高[13]。LM算法首先设定拟合函数并设置初始化参数和阻尼系数, 计算拟合函数的雅克比矩阵和海塞矩阵, 进而求解估计值与原始值误差, 获取误差内积, 然后通过不断迭代, 根据步长计算新的参数, 直到拟合误差达到最小停止迭代, 其算法流程如图2。

LM算法具体实现步骤如下:

1) 初始化高斯函数模型参数和阻尼系数。定义的高斯函数由高斯模型参数确定, 初始化参数ai、bi、ci, 这三个参数初始值设置根据高斯拟合估计的初值来设定, 然后对阻尼系数μ进行初始化。

2) 计算拟合函数的雅克比矩阵J (x) 和海塞矩阵J (x) TJ (x) 。由参数初值ai、bi、ci可求得当前参数估计值aest=ai、best=bi、cest=ci, 根据估计值计算拟合函数的雅克比矩阵, 进而计算海赛矩阵H=J (x) TJ (x) 。

3) 计算估计值yeas与原始值y的误差。由参数估计值aest、best、cest和拟合函数可获取yest, 由yest-y可得到估计值与原始值误差d (x) , 进而求取误差内积e, 误差内积由公式来确定。

4) 迭代计算。由阻尼系数μ计算步长Δp=- (H+Iμ) J (x) Td (x) , 并根据步长来迭代更新参数ai、bi、ci, 根据e判断拟合结果, 在迭代过程中当e达到最小且不再变化时, 此时拟合的参数ai、bi、ci被认为是最优结果。

2. 结果与讨论

2.1 全波形地面激光雷达数据收集

本研究所采用的全波形地面激光雷达数据均采用Riegl VZ-400地面激光雷达收集, 该数据于2014年12月30日在福州大学至诚学院科学楼东部获取, 当天天气晴, 扫描目标主要由树木、草地、裸土和建筑物等构成。获取的波形数据格式为wfm格式, 采样间隔大小为2ns, 扫描角分辨率为0.08°。

2.2 波形分解实验

图3-6为全波形地面激光雷达数据波形分解结果示意图, 图3为一条原始的全波形数据, 图4为高斯函数模型初始参数估算示意图, 其中图4 (a) 表示检测到的第一个高斯分量, 图4 (b) 表示去除第一个高斯分量的影响后剩余的波形数据, 图4 (c) 表示检测到的第二个高斯分量, 最后得到图4 (d) 初始参数预估的最终结果。图5、图6为原始波形为三个及四个回波的波形分解示意图, 其中蓝色采样点为原始波形数据, 红线为分解的高斯分量, 蓝线为最终拟合的波形, 表1为其三个及四个回波的高斯函数初始化及优化参数计算结果。对波形数据进行分解, 86.69%包含一次回波, 12.29%包含两次回波, 1.02%包含三次以上的回波, 波形中包含的回波个数最大达到6个。

图4初始参数预估流程 (a) 表示检测的第一个高斯分量 (b) 表示分离第一个高斯分量之后剩余的数据 (c) 表示检测第二个高斯分量 (d) 表示初始参数预估结果

2.3 波形分解精度评价

2.3.1 波形分解评价标准

地面激光雷达获取的波形数据没有发射脉冲作为参照, 对波形分解结果拟合优劣的评价将是一个比较复杂的问题, 由于不同的地物类型反射属性不同, 对激光脉冲信号响应会有较大的差别, 波形数据的振幅值会有较大变化, 这将影响拟合的效果, 因此本文分别选取5000条不同地物 (建筑物、草地、树木、裸土) 类型获取的波形数据, 根据峰值点拟合好坏、回波次数、波形曲线趋势等指标来评判分解结果, 通过目视检测波形数据的不拟合度进行统计分析。

2.3.2 波形分解精度评价

本文分别选取5000条不同地物 (建筑物、草地、树木、裸土) 类型获取的波形数据,

统计拟合结果如表2。

从表2可以看出, 本文方法在拟合建筑物和裸土等硬质目标效果较佳, 由于草地和树木本身复杂的属性, 对激光脉冲信号响应较弱, 加上该类型地物具有穿透性, 出现多次不连续回波信号, 最后一次回波信号往往较弱, 振幅值较小, 不易检测, 这种情况的出现可能与设定的阈值有关, 可将不拟合的波形数据重新设定阈值进行拟合, 由统计结果来看, 波形数据拟合度在90%以上, 表明该方法对地面激光雷达系统波形数据分解具有可行性。

3. 结论

机载激光雷达误差检校的探讨第6篇

1 系统集成误差

机载激光雷达系统误差检校最终目的是要确定所有的系统误差, 通过试验确定系统误差参数, 建立改正模型或用其他方法消除激光点云系统误差, 最终使其只剩随机误差。

系统误差消除顺序是先对激光原始数据进行误差改正, 激光扫描仪的单机误差包括测距误差 (加、乘常数误差) 和测角误差, 改正参数按照航飞前试验检校的数据进行改正, 得到改正后的激光数据与IMU数据和DGPS数据集成解算。解算过程中必须消除集成误差, 包括偏心量误差、安置角误差、内插误差和时间同步误差。其中, 安置角误差包含侧滚角误差、俯仰角误差、航向角误差。

在检校过程中, 不同的检校顺序对最终的结果影响是不同的。经过一些学者的多次研究和尝试发现, 先检校侧滚角, 再俯仰角, 最后航向角的检校顺序是最佳的。

偏心量可以通过全站仪来精确测定, 在主要探讨机载激光雷达在消除单机误差、偏心量误差、内插误差和时间同步误差的影响后, 单独对安置角误差进行检校。

2 利用测区条件检校安置角

本次试验选取的检校场位于市区, 测区面积为4.2 km3.0 km, 自然环境优越, 且该地区飞行任务少;测区具备多条平直马路和多个大型“人”字形尖顶厂房;检校区域内水域少, 避免了激光反射率低引起的检校精度较低的现象。这些都为飞行试验提供了良好的条件。

本次试验采用的机载激光雷达系统包括Lair-Lidar轻量化机载激光扫描仪、激光陀螺IMU、天宝5700测量型GPS接收机和Canon5DMarkⅡ相机, 系统搭载的是A2C轻小型飞机。

安装完设备后, 按照设计的航线飞行到指定的高度采集数据。通过相应的数据处理得到系统的安置角误差, 对安置角误差进行消除, 最终得到不含有系统误差的激光点云数据。

对于安置角误差的检校, 本文采用基于特征地物的在航分离安置角误差的检校方法, 这些特征地物包括尖顶房和平直公路。具体检校流程如下所述:侧滚角r的检校可通过往返重叠航带的垂直航飞方向的平直公路来检校;俯仰角p的检校可用特征地物来检校, 一般选择屋脊线垂直于飞行方向的“人”字顶来检校;航偏角h的检校是非常重要的, 因为h的存在不但会使地物产生位移, 还会使地物发生变形。为了便于计算, 可将航线设计为一条穿过“人”字顶的正上方, 并且“人”字顶位于相邻的航线的边缘。

改正完r, p, h后再检查一遍, 依次对r, p, h进行调整, 直至往返、相邻、交叉航线中的重叠区域的地物重合得都很好为止, 得到的最终安置角误差检校。3个安置角检校完成并消除后, 将不含有系统误差的点云数据展示在DY-2点云工作站软件中, 得到该测区的点云图。

3 利用检校场检校安置角

利用检校场检校安置角的思想是建立一个可以模拟飞行并布设一定控制点的地对地检校场。通过检校场求取激光扫描仪和IMU之间的安置角, 保持二者的安装不拆直接搬至测区, 对测区进行航测, 将检校场求取的安置角直接应用于测区。这种方法虽然省时、省力、更经济, 但是此方法的可行性还需要验证。可利用测区现有的条件, 再次求取安置角, 并与检校场求取的安置角进行对比验证。

3.1 建立地对地检校场

地对地检校场, 场地大小为90 m120 m, 主要由塔吊、吊舱和地面控制点组成, 如图1所示。塔身高52 m, 起重臂长55 m, 起重臂的水平性误差在±3°内, 抗风性能6级。其中, 吊舱由内环、中环和外环上部分组成, 内环为航偏轴来模拟飞机的航偏姿态, 中环为横滚轴来模拟飞机的横滚姿态, 外环为俯仰轴来模拟飞机的俯仰姿态。根据吊舱控制平台, 通过人工设置的三个角度, 经控制器解算和控制伺服电机系统协调工作, 从而使吊舱控制平台调整出合理姿态, 实现模拟飞机空中飞行的目的。

地面控制点点位的精度直接影响了机载LIDAR系统集成检校的精度。控制点点位布设在有效的控制区域, 三年内控制点位的相对位移应小于2 mm。试验开始前, 将标志点的中心轴拧在控制点位处;试验完成后, 可将标志点拧下保存。在地对地检校场的四个角还分别布设控制点A, B, C, D, 采用GPS静态定位观测与国家控制网联测, 解算精度为毫米级, 试验时作为已知点安放GPS基站用, 其他地面标志点则分散布设在场地中间。

检校场共布设66个标志点, 平均分布。试验之前, 将基站GPS安置在A, B, C, D其中一个点上, 设备安装在塔吊吊舱上。操作塔吊使激光雷达系统沿塔臂方向往返模拟飞机飞行, 通过吊舱控制平台的参数设置, 来模拟各种飞行姿态扫描地面标志点, 激光扫描方向与飞行方向垂直。试验完成后, 将全站仪放置在任意地方, 用A, B, C, D中的任意两点定向测出每个标志点的坐标。

通过编程实现数据处理, 得到镜面一的安置角误差。将求取的安置角误差带入程序, 对安置角进行改正, 重新计算得到不含有系统误差的WGS-84坐标点云。在点云数据中找到标志点 (如图1所示) , 然后分离出三角锥的点云, 找到最顶端的点云坐标, 即为标志点的坐标。以全站仪的测量值为真值, 计算得到x的方向残差中误差为0.039 m, y方向残差中误差为0.032 m, z方向的残差中误差为0.015 m, 平面中误差为0.05.

3.2 测区解算安置角误差法

为了验证地对地检校场求取的安置角用于测区的可行性, 可利用测区现有条件, 再次求取安置角, 并对其进行验证。所以, 航线设计时, 要考虑测区现有的条件。

与利用测区条件求取安置角试验所不同的是, 本次试验布设地面控制点。为了验证检校区求解的安置角的准确性, 在设计航线时, 需注意在测区内布设以下航线: (1) 垂直于公路且在公路的正上方有同一条往返飞的航线。 (2) 垂直于尖顶房屋脊线且在屋脊线中心的正上方有同一条往返飞的航线外加一条相邻的平行航线。设计相邻航线时, 使尖顶房位于该航线的边缘。

基站应尽量在检校区附近, 可架设在已知坐标的控制点上或选择一个固定点用GPS快速静态连续长时间观测, 解算后作为该点的坐标。本次试验选择用后一种方法测得的固定点作为基站点。

根据测区范围共布设了6条航线, 红色为检校航线如图1所示。为了确定机载激光雷达系统对地定位精度, 还布设了24个控制点 (如图1所示分布) , 控制点为1.5 m1.2 m的木板, 表面涂层白漆, 提高了反射率, 便于识别提取。安放控制点时, 用四条木腿 (高约0.7 m) 撑起, 使木板脱离地面, 但要保证安放后的木板是水平的。航线设计时, 要尽量保证每个控制点至少被扫到2次以上, 增加激光点落在木板上的概率。安装完设备后, 按照设计的航线飞行到指定的高度采集数据, 对于控制点的测量采用南方GPS边连式静态测量, 每站45 min。

对于检校区和测区得到的数据都需要先做以下处理: (1) 对激光原始数据进行包括测距误差 (加、乘常数误差) 和测角误差的单机误差改正, 改正参数须参照航飞前试验的检校参数。 (2) 将改正后的激光数据与IMU, DGPS数据集成解算, 解算过程中, 须消除包括偏心量误差、内插误差和时间同步误差的集成误差。 (3) 最后得到WGS-84坐标下只含有安置角误差的点云数据。

利用测区内的“人”字顶和公路求得系统的安置角见表1.将安置角改正之后获得测区的森林部分的点云图。

由表1可以看出, 检校区法和测区法求得的安置角存在误差, 造成误差主要有两种可能: (1) 组合仪器长途运输, 路途颠簸使设备间磨合晃动, 使安置角大小发生轻微变化; (2) 由于航向点间距达到0.35 m, 使得俯仰角误差在0°~0.025°之间, 航向角误差在0°~0.07°之间, 由表1可知在误差范围之内。此结果表明, 利用检校场求取的安置角, 在不拆除激光和IMU直接搬到测区航测的情况下, 直接应用到测区的方法是可行的。

4 结束语

综上所述, 机载激光雷达技术是一种主动式对地观测系统, 该系统可以实现对空间三维坐标同步、快速、精确的获取。但是, 由于对这种技术还没有形成成熟的检校方法, 因此, 对机载激光雷达系统的检校方法的研究一直是国内外学者的研究热点。本文通过结合相关的具体实例, 对机载激光雷达误差检校进行了探讨, 为有关的研究能提供参考范例。

摘要：目前, 国内外在机载激光雷达测量技术上都面临着消除系统误差的问题。基于此, 就机载激光雷达误差检校进行了探讨, 以期为有关方面提供参考借鉴。

关键词：机载激光雷达,误差,检校,飞机

参考文献

[1]祝燕.机载激光雷达点云数据检校方法研究[J].铁道勘测与设计, 2012 (03) .

航天器交会对接激光雷达成像技术第7篇

到目前为止,以苏、美为代表的航天大国在不断地研究空间交会对接新的测量方法,各种先进的测量传感器不断地被提出并设计出来,交会微波雷达,绝对GPS与相对(差分)GPS测量,激光雷达在不同的交会对接任务或试验中不断得到应用。激光雷达由于激光本身的波束窄、相干性好、工作频率高等优点,能在交会阶段直到对接的整个过程中提供高精度的相对距离、速度、角度和角速度的精确测量,能够获取目标飞行器的三维图像,可辅助航天员完成手动交会对接,从而为交会对接提供了一种手段[1,2,3,4,5]。

针对交会对接的任务特点,借鉴国际上先进激光雷达发展趋势,文中提出了基于脉冲测距方法的激光雷达成像方案,并对交会对接过程中交会对接面成像进行了仿真验证。

1 激光器选择

目前常用的激光成像雷达有二氧化碳成像激光雷达和二极管泵浦固体式成像激光雷达。CO2气体激光器是一种典型的分子气体激光器。其利用CO2分子的振动和转动能级间的跃迁来产生激光的,激光的波长为10.6 μm。优点是:(1)对人眼安全。(2)传输性能好。(3)有较大的传输功率和能量转换效率。缺点是:需要低温制冷,并需要设计特别的前置放大器,以适应接收探测器的低噪声,增加了成本、体积和重量。固体激光器以其高可靠性、技术成熟等优点在激光成像领域中得到了广泛发展。其中,二极管泵浦YAG激光器成为一个重要的发展方向。二极管泵浦YAG激光器具有输出功率高、寿命长的优点,并且泵浦的效率高,可达20%左右,体积小,重量轻,适于小型化应用。其不足之处在于结构复杂,成本较高[6]。

结合液体激光器和固体激光器的特点,针对载人航天器交会对接任务的特点和需要,以及空间环境的限制,激光设备应尽可能的做到体积小,重量轻。因此,文中激光器选择二极管泵浦固体式YAG激光器。

2 测距原理

激光测距是激光雷达三维成像的基础,目前常用的测距方法有脉冲法、相位法、干涉法和三角法等[7,8]。文中采用脉冲法进行激光雷达测距。脉冲激光测距是利用激光传播往返时间差的测量来完成的。脉冲激光测距原理是用脉冲激光器向目标发射一列较窄的光脉冲(脉冲宽度小于50 ns),光达到目标表面后部分被反射,通过测量光脉冲从发射到返回接收机的时间τ,可算出雷达与目标之间的距离L。即

$L = \frac{c τ}{2} (1)$

3 扫描方式

激光成像雷达利用激光束对前方的视场空间进行扫描,因为激光的波长较短,在目标平面上表现为一个极小的光斑,为达到对前方视场空间进行细节性扫描,选用扫描方式十分重要。一般地,激光成像雷达系统采用的扫描方式有正弦扫描、光栅扫描、逐列扫描等方式。在文中采用逐列扫描方式,如图1所示。

在激光扫描反射成像系统中,激光波长λ、扫描方向上有效扫描孔径D决定了激光衍射极限光束角的大小

$θ_{d} = \frac{α λ}{D} (2)$

式中,α为比例系数,通常取1。

一般情况下,成像系统通过增大光学系统口径的方法提高成像角分辨率,在感光元件的像素分辨率一定时,通过加长焦距提高成像分辨率。

为获得足够强度的信号回波和便于后续的信号处理,扫描激光束必须在每一探测单元上停留足够长时间。对于脉冲激光雷达,其最大测量距离Rmax决定了脉冲重复频率fr的最大值

$f_{r} ＜ \frac{c}{2 R_{\max}} (3)$

式中,c是光速。

4 激光雷达系统的构像方程

构像方程是指目标点在激光雷达系统中的坐标(x,yz)和其在地面对应点的大地坐标(X,Y,Z)之间的数学关系。根据摄影定理的基本原理,这两个对应点应和传感器的投影中心点呈共线关系,可以用共线方程来描述。

为建立图像点与目标点之间的数学关系模型,需要在像方和目标方定义坐标系,如下图2所示。

传感器坐标系:原点OS:扫描器激光发射中心,U轴:平台飞行方向,V轴:与XYZ-O构成右手三维坐标系,W轴:指向天顶方向。

地面坐标系:原点O:地球质心,X轴:指向本初子午线与地球的交点,Y轴:与XYZ-O构成右手三维坐标系,Z轴:指向真北极。

设目标点P的地面坐标为(X,Y,Z)P,P在传感器坐标系中的坐标为(U,V,W)P,投影中心S在地面坐标系中的坐标为(XS,YS,ZS),传感器的姿态角为(φ,ω,κ),则通用构像方程为

$[\begin{matrix} X \\ Y \\ Ζ \end{matrix}]_{Ρ} = [\begin{matrix} X_{S} \\ Y_{S} \\ Ζ_{S} \end{matrix}] + A [\begin{matrix} U \\ V \\ W \end{matrix}] (4)$

式中,

$A = [\begin{matrix} a_{1} & a_{2} & a_{3} \\ b_{1} & b_{2} & b_{3} \\ c_{1} & c_{2} & c_{3} \end{matrix}]$

,是传感器坐标系相对于地面坐标系的旋转矩阵,是传感器姿态角(φ,ω,κ)的函数。其中,

a1=cosφcosκ-sinφsinωsinκ

a2=-cosφsinκ-sinφsinωcosκ

a3=-sinφcosω

b1=cosωsinκ

b2=cosωcosκ

b3=-sinω

c1=sinωcosκ+cosφsinωsinκ

c2=-sinφsinκ+cosφsinωcosκ

c3=cosφcosω

在此系统中,外方位元素为(XS,YS,ZS,φ,ω,κ),起点OS为遥感器主光学系统的投影中心,其坐标(XS,YS,ZS)可利用动态差分GPS给出:向量S的模S可用激光测距仪测量投影中心到地面待定点的距离得到;姿态参数(φ,ω,κ)分别表示俯仰角、侧滚角和偏航角,可利用高精度姿态测量装置进行测量;扫描线方向与Z轴夹角θ由编码器按固定的激光脉冲间隔给出。对于每一个脉冲有:X=0,Y=sinθ,Z=Scosθ。代入构像方程,即有

$[\begin{matrix} X \\ Y \\ Ζ \end{matrix}] = [\begin{matrix} X_{S} \\ Y_{S} \\ Ζ_{S} \end{matrix}] + A [\begin{matrix} 0 \\ S \sin θ \\ S \cos θ \end{matrix}] (5)$

下图3为交会对接时目标飞行器和飞船的几何示意图。其中3为激光雷达,6为2#合作目标安装面。

根据提出的成像方案,激光器对目标区域进行X方向和Y方向二维波束扫描;进行过门限检测,获得强散射点的X方向角度θ和Y方向角度φ。根据几何关系,计算散射点水平坐标和高度坐标,即获得地面三维立体图像。

5 仿真验证

为了验证上述算法的可行性,首先对一平面进行成像仿真。该平面由的点阵组成,高度均为0 m。设光学系统的波长为1 550 nm,有效口径20 cm,带宽取为工作频率的3%～10%。

图4为采用文中方法的成像结果。其中,图4(a)为仿真得到的原始图像,图4(b)为仿真成像结果。由图4(a),图4(b)可看出,采用文中方法得到的成像结果与原始图像一致。平面中间区域成像效果较好,边缘部分精度变差。但在图像边缘测得的最大误差也仅为0.01 m。

为进一步验证文中算法的有效性,作为对比,图5(a)给出了一随机起伏的场景,该场景同样由的点阵组成,其他参数同上。图5(b)为成像结果。由仿真结果可见,成像结果与仿真原始地形一致。

6 结束语

针对交会对接任务的需要,文中提出了基于脉冲测距方法的激光雷达三维成像方法。首先根据交会对接任务的特点,对激光器进行了对比和选择,通过采用逐点扫描的方法测量每个散射点的距离,通过构像方程得到了真个场景的图像。通过该方法对平面场景和随机起伏场景进行了成像仿真,仿真结果与设定的场景一致,验证了该校正方法的有效性和正确性,从而为国内交会对接提供了参考。

参考文献

[1]DURAND Y,MEYNART R A C,MORAN A D,et al.Results of the pre-development of ALADIN[C].The Direct Detection Doppler Wind Lidar for ADM/AEOLUS,SPIE,2004.

[2]DAVID M W,WILLIAM H,CHRIS H.Status and perform-ance of the CALIOP LIDAR[C].The Direct Detection Doppler Wind Lidar for ADM/AEOLUS,SPIE,2004.

[3]DURAND Y,MEYNART R,ENDEMANN M,et al.Manufactur-ing of an airborne demonstrator of ALADIN[C].The DirectDetection Doppler Wind Lidar for ADM/AEOLUS,SPIE,2005.

[4]刘燕京.关于新一代激光雷达系统[J].测绘科学,2003(1):59-60.

[5]倪树新,李一飞.军用激光雷达的发展趋势[J].红外与激光工程,2003(2):111-114.

[6]李朴莲.三维成像激光雷达技术最新发展与展望[J].国防技术基础,2003(1):40-41.

[7]张云,吴谨,唐永新.合成孔径激光雷达[J].激光与光电子学进展,2005(7):48-50.