彭罗曼 1,2,3张海洋 1,2,3,*王文鑫 1,2,3白莎莎 1,2,3[ ... ]赵长明 1,2,3
1 光电成像技术与系统教育部重点实验室，北京 100081
2 信息光子技术工业和信息化部重点实验室，北京 100081
3 北京理工大学 光电学院，北京 100081
相邻障碍物的分割是无人驾驶领域的技术难点，低线激光雷达点云稀疏，无法聚类远距离物体，但激光雷达线束越多越昂贵。为了实现低成本聚类分割相邻障碍物，实验场景选取常用交通场景对象相邻的人/人、人/车，提出了一种基于多帧融合的相邻障碍物分割方法。基于惯性测量单元、激光雷达融合多帧点云，解决了低线激光雷达因分辨率低而无法聚类远距离相邻行人的问题。提出改进的欧式聚类，加入自适应阈值和向量角度约束两个新的分割标准，提高相邻障碍物的分割效果。实验结果表明，该方法具有成本低、聚类精准等特点，与单帧传统欧式聚类算法相比，该方法针对相邻障碍物分割的准确度提升约30.7%，对低线激光雷达在障碍物聚类以及后续的检测具有一定参考意义。
多帧融合 自适应阈值 相邻障碍物分割 稀疏点云聚类 multi-frame fusion adaptive threshold segmentation of adjacent obstacles sparse point cloud clustering
中国农业大学智慧农业系统集成研究教育部重点实验室, 北京 100083
针对中国农田存在种植景观破碎化和复杂的种植结构这一现状, 如何实现目标作物的高精度识别与制图对作物产量估算、 粮食政策调整和国家粮食安全保障具有十分重要意义。 基于Google Earth Engine（GEE）遥感数据处理云平台, 提出一种冬小麦不同生育期的种植结构提取方法, 该方法以2021年覆盖目标作物关键生育期的多时相Sentinel-2影像为数据源, 综合考虑光谱波段特征、 光谱指数特征、 纹理特征和地形特征等多维特征变量, 利用GBDT（gradient boosting decision tree）分类器对不同生育期田块尺度的冬小麦种植面积和空间分布信息进行快速精准提取, 并探讨了冬小麦识别的最佳生育期。 此外, 对比分析了常见的不同分类模型在田块尺度条件下的作物识别性能。 以河南陈固镇为研究区开展实验, 实验结果显示, 冬小麦在起身拔节期的地物识别准确率相对较高, 总体分类准确率为94.61%, Kappa系数为92.68%; 在抽穗扬花期的识别精度最高, 总体分类准确率为97.01%, Kappa系数为95.52%; 但在灌浆乳熟期的分类精度偏低, 总体分类准确率为86.23%, Kappa系数为81.33%。 研究结果表明, 在冬小麦抽穗扬花期, GBDT分类器能对田块尺度条件下的土地覆盖信息进行有效提取, 进而取得较好的地物分类识别效果。 此外, 本研究将GBDT与传统分类器如随机森林（random forest, RF）、 CART(classification and regression tree)和朴素贝叶斯（Naive Bayesian, NB）进行相比。 结果表明, GBDT分类器的地物识别效果最佳, 总体分类准确率比RF分类器和CART分类器分别提高了1.20%和5.99%, Kappa系数比RF分类器和CART分类器分别提高了1.61%和8.04%, 朴素贝叶斯分类器的识别效果最差, 总体分类准确率和Kappa系数分别为84.43%和78.69%。 研究结果可为田块尺度作物精细提取提供有效的技术支持。
GBDT分类器 Sentinel-2卫星传感器 冬小麦 种植结构提取 Google Earth Engine Google Earth Engine GBDT classifier Sentinel-2 satellite Winter wheat Planting structure extraction
基于激光不同波段的探测传输特点，通过分析典型微小摄像头的回波传输特性，提出了一种针对多波长激光特征检测微小摄像头的研究方案。利用几何光学和波动光学理论，分析微小摄像头结构及其反射光谱特征，计算并仿真了一定探测距离下的回波光场，在此基础上搭建多波长激光检测系统。实验结果表明，在一定的景深范围内，具有红外截止滤光片的微小摄像头对可见光的回波光斑衍射环特征明显、条纹对比度高且可探测距离远；近红外波段的目标回波功率低、后向散射干扰严重，可探测距离近；短波红外波段几乎不受红外截止滤光片影响，且1 550 nm处于人眼安全波段。实验结果与数值分析、理论仿真结果一致，验证了短波红外激光用于探测微小摄像头的可行性。
1 北京理工大学 光电成像技术与系统教育部重点实验室，北京 100081
2 北京理工大学 光电学院，北京 100081
针对高光谱成像特点，提出了一种基于三维特征检测微小摄像头的方案。在空间维利用猫眼效应筛选疑似目标，在光谱维对结果进行精准判定。依据摄像头结构，分析了可见光摄像头的反射光谱特征。基于几何光学和辐射度学，计算和仿真了系统的探测距离。结果表明，正常工作时，光功率影响最小探测距离，目标尺寸影响最大探测距离。搭建了微小摄像头光谱特征验证系统。结果表明，采用吸收型红外截止滤光片的目标的非反射光占比曲线变化平缓且数值高，采用反射型红外截止滤光片的目标的非反射光占比曲线可见光部分数值高，红外部分数值低，从700 nm附近开始下降，甚至发生突变，实验数据显示，突变位置的斜率绝对值是红外波段斜率绝对值的10倍以上。实验结果与预期分析的结果一致，验证了高光谱成像技术检测微小摄像头的可行性。
高光谱 微小摄像头 光谱特征 成像光谱 hyper-spectrum tiny camera spectral characteristics imaging spectrum
1 光电成像技术与系统教育部重点实验室，北京 100081
2 北京理工大学 光电学院，北京 100081
滑雪场的雪道坡度信息不仅是雪场规划和建设所需的必要内容，也是滑雪运动员提高成绩、减少运动损伤的重要数据。传统的手动测量方式费时费力，且雪场的低温环境不利于测量人员长时间作业。为了解决滑雪场的雪道坡度计算问题，提出了一种基于激光雷达点云的雪道坡度自动提取算法。使用投影高程差滤波、聚类分割等算法对雪场点云进行预处理，获取雪道边缘特征数据。提出了一种自适应阈值的拟合算法，用于雪道中线的提取，该算法可根据点云数量信息及坐标信息，自动选择阈值拟合雪道中线，消除了实际应用中部分点云数据稀疏或缺失对中线拟合带来的不利影响。数据处理结果表明，该方法计算所得坡度值与多次手动测量平均值之间的相对误差为2.2%。这一方法对激光雷达在雪场目标上的应用、雪场测绘中雪道坡度计算等具有参考意义。
激光雷达 坡度提取 自适应阈值拟合 雪道测量 LIDAR slope extraction adaptive threshold fitting ski tracks measurement
1 光电成像技术与系统教育部重点实验室，北京 100081
2 北京理工大学 光电学院，北京 100081
基于光电传感器的低慢小无人机探测系统能够快速准确地发现并识别无人机目标，但远距离非合作无人机目标在图像中像素比重过小，特征退化较明显，使识别率大大降低。图像超分辨技术能够从低分辨率目标图像区域中获得高分辨率图像并恢复更多的细节特征，现有超分辨技术很难在保证推理速度的前提下兼容图像的高低频特征，因此为了满足探测系统的需求，基于FSRCNN（fast super-resolution convolutional neural network）的特征提取与非线性映射网络结构并结合多尺度融合，提出一种包含4分支的轻量级多尺度融合超分辨率网络，能够在超分辨率图形中兼容高低频图像信息，且参数量较低，实时性高。经实验结果表明，该算法能够更加快速高效地重建出高分辨率的无人机轮廓与细节；在YOLOV3检测效果的实验中，该算法能够使无人机检测置信度平均提升6.72%，具备较高的实际应用价值。
无人机探测系统 轻量级 多尺度融合 超分辨率 unmanned aerial vehicle detection system lightweight multi-scale fusion super-resolution
针对传统图像去噪算法多噪声去除难，深层卷积神经网络去噪模型网络复杂、训练时间长等问题，提出一种基于自编码器结构的双分支改良编解码网络，实现高效图像去噪。双分支结构之一采用降-升采样实现点噪声消除，另一分支专注于宏观的图像修复和伪像去除，后端利用残差结构进行整合，实现数字图像混合噪声去噪。实验结果显示：对于含有标准差为15，均值为0的高斯噪声、噪声密度为5%的椒盐噪声和散粒噪声的混合噪声图像测试集，实验去噪效果相较于输入混合噪声图像峰值信噪比，平均提升了5.3%。与12层全卷积神经网络相比，去噪效果相当，训练速度提升了25.4%，体现了其“轻量级”的优点。实验表明：该方法相较于深层卷积神经网络，训练速度快，网络简单；相较于传统图像去噪算法，噪声去除效果也较为明显。该算法可应用于轻量级视觉平台后端去噪。
图像去噪 双分支编解码 残差 轻量级 image denoising dual branch codec residual lightweight
北京理工大学 光电学院 光电成像技术与系统教育部重点实验室, 北京 100081
为了提高激光点云配准精度与配准速度, 采用了基于天牛须算法改进的粒子群算法, 以点云分布熵为寻优目标,寻找最优空间变换矩阵的点云粗配准, 为点云精配准提供良好的初始条件。结果表明, 点云分布熵较传统的均值平方差评价方式有更快的计算速度, 基于天牛须算法改进的粒子群算法具有全局搜索能力强、计算速度快等特点, 与传统点云粗配准方法相比, 该方法配准速度提升了近25%;在点云数据量大的条件下, 表现出较快的配准速度。这一方法对如何提高激光点云配准速度具有参考意义。
激光技术, 激光雷达点云配准, 点云分布熵, 粒子群算法 laser technique LiDAR point cloud registration point cloud distribution entropy particle swarm optimization algorithm beetle antennae algorithm
