-
对室内静态目标进行成像探测时,只有物体边缘部分存在深度变化,大部分像素相邻位置的深度几乎不变,待测目标的距离信息整体上不会呈现出起伏变化的趋势。为了验证所提算法在强噪声干扰下,针对深度信息连续变化的目标,是否具有较好的重构效果,使用如图4(a)所示的地形作为仿真对象。考虑探测器死时间的影响,采用蒙特卡洛方法仿真服从泊松分布的光子数据,并通过改变噪声通量的大小,生成包含不同噪声强度的回波数据,文献[14]已经验证该仿真数据的准确性,相关仿真参数见表1。
Parameter Value Initial time resolution ($ \mathrm{\tau } $)/ps 400 Detection time ($\Delta { { {t} } }$)/ms 0.5 Dead time $ ({t}_{d} $)/ns 30 Photon detection efficiency (η) 2.8% Number of pulses accumulated (M) 20 Table 1. The main parameters of the simulated echo data
在
${t}_{1} {\text{-}} {t}_{2}$ 探测时间内,若接收端的平均回波光子数为$ \overline{{M}_{sn}} $ ,包括信号光子$\overline{{M}_{s}}$ 和噪声光子$\overline{{M}_{n}}$ ,则GM-APD探测器产生的平均初始光电子数为:单次脉冲探测概率[2]为:
式中:
$ {N}_{dead} $ 为死时间内的光子计数。结合公式(4)、公式(5)和光子统计直方图估计信号光子数目,当噪声强度约为2 MHz、脉冲积累数目为10 000个时,结果如图4(b)所示,此时,每个脉冲的回波光子数(Photons per Pulse, PPP)约为13.8。
-
在仿真实验中保持信号通量不变,分别添加强度为0.2、2、3.5、6 MHz的噪声,回波数据的PPP水平约为14.3、13.8、14.6和14.1,定量对比在不同噪声强度下,使用峰值法、Chen算法[14-15]和所提算法分别进行地形重建的效果,如图5所示,其中所提算法预设的时间分辨率为W={
$ 2\mathrm{\tau },\mathrm{ }4\mathrm{\tau },\mathrm{ }8\mathrm{\tau } $ },滑动窗口大小为$ 2\mathrm{\tau } $ 。使用均方误差(Mean Square Error, MSE)作为评价标准,即:Figure 5. Comparison of reconstruction results of different algorithms at different noise intensities. (a) 0.2 MHz noise, 14.3 PPP; (b) 2 MHz noise, 13.8 PPP; (c) 3.5 MHz noise, 14.6 PPP; (d) 6 MHz noise, 14.1 PPP
从图5的仿真结果可以看出:当噪声强度在0.2 ~ 6 MHz之间,所提算法均能重建出地形信息,随着噪声强度增加,均方误差由0.04 增加至0.51 ,较其他方法进行地形重建的均方误差最小,尤其在强噪声数据中展现出较好的效果。当噪声在0.2~3.5 MHz之间时,峰值法重构的均方误差从0.11 增大至1.30 ,且在同一噪声强度下,其重构效果较其他方法略差,当噪声高于3.5 MHz时,失去重建能力。Chen算法在噪声强度低于2 MHz时,与文中算法的处理效果基本相近,但对于强噪声数据,处理效果急剧下降,在噪声强度高于3 MHz时无法准确提取出地形高度信息。在噪声强度相同时,所提算法较峰值法和Chen算法进行地形重建的均方误差降低了至少20%。仿真实验表明,所提算法针对深度信息起伏变化的目标具有良好的重建效果。
-
实验系统如图6所示,激光的中心波长为1064 nm,脉宽为3.5 ns,重频为6.5 kHz。发射激光脉冲通过分束器后,少部分光作为同步信号,大部分光到达光学发射系统后,通过控制快反镜的旋转角度改变激光传播方向,在目标区域形成激光点阵,完成目标扫描。在接收端,回波激光和背景杂散光激发单光子探测器的响应,光子探测效率为2.8%。通过TCSPC模块记录回波光子的飞行时间,最小时间分辨率τ为64 ps。
对室内静态目标进行成像探测,待测目标由不同距离处的2个纸盒组成,如图7(a)所示。在暗室环境中,设置各像素的采集时间为200 ms,图像大小为60 pixel×60 pixel像素,使用峰值法和中值滤波法对回波数据进行处理,得到目标深度重建的真值图像,如图7(b)所示。
保持激光发射功率不变,在接收端引入波长为1064 nm的连续激光光源,通过调整连续激光的光功率来模拟不同强度的噪声环境。设置各像素的脉冲积累个数为20,采集包含不同噪声强度的回波光子飞行时间数据,噪声强度估计值分别为0.23 MHz、1.21 MHz、2.17 MHz、3.02 MHz和5.08 MHz。使用不同算法对以上数据进行处理,结果如图8所示。其中,所提算法设置的重构直方图时间分辨率W={
$ 20\mathrm{\tau }, \mathrm{ }30\mathrm{\tau },\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{ }36\mathrm{\tau },40\mathrm{\tau },\mathrm{ }50\mathrm{\tau } $ },滑动窗口大小为$ 2\mathrm{\tau } $ 。Figure 8. Reconstruction results of target. (a) 0.23 MHz noise, 21.6 PPP; (b) 1.21 MHz noise, 21.2 PPP; (c) 2.17 MHz noise, 21.8 PPP; (d) 3.02 MHz noise, 22.5 PPP; (e) 5.08 MHz noise, 23.9 PPP
从图8可看出,所提算法在0.23 MHz、1.21 MHz、 2.17 MHz、3.02 MHz和5.08 MHz噪声强度下,重建的均方误差分别为0.009、0.011、0.013、0.017 和0.017。从图8可以得出,在噪声强度较低时,采用峰值法可以恢复出目标的部分深度信息,但是针对强噪声数据,峰值法失去效果。在0.23 ~ 5.08 MHz噪声强度范围内,Chen算法和所提算法均能够完成目标重建,前者的均方误差由0.010 增加至5.74 ,后者的均方误差由0.009 增加至0.017 ,使用Chen算法重建质量下降较为明显。随着噪声强度逐渐增加,峰值法几乎无法提取出目标信息,Chen算法重建得到的目标深度图中,噪声点数明显增多。在同种噪声强度下,使用所提算法较其他两种方法进行目标重建的效果更好,重建的均方误差至少降低了约91%,进一步验证了所提算法对强噪声数据的鲁棒性。
Adaptive spatial-temporal correlation depth estimation of photon-counting lidar
doi: 10.3788/IRLA20220682
- Received Date: 2022-09-21
- Rev Recd Date: 2022-12-02
- Publish Date: 2023-05-25
-
Key words:
- photon-counting lidar /
- strong noise /
- spatial-temporal correlation /
- depth estimation
Abstract: