为了探索大随机相位误差条件下合成孔径雷达(SAL)成像特点和规律, 本文采用波长为1 550 nm 的线性调频激光器建立了能够产生大的共模随机相位误差的条带模式SAL成像实验装置。利用此装置获得了不同目标回波强度下条带模式SAL成像实验数据, 结合条带模式相位梯度自聚焦(PGA)多次迭代处理, 获得了高分辨率SAL图像。实验发现在［-645π,645π］范围的大随机相位误差下, 通过简单的距离压缩和方位匹配滤波, 无法实现SAL图像聚焦, 图像信噪比仅为3 dB。进一步采用PGA处理, 就能很好地校正相位误差, 得到聚焦良好的SAL图像, 图像信噪比达到43 dB。实验还发现, 当存在大共模随机相位误差时, PGA处理展现出非常强的鲁棒性, 在回波弱到10-15 W的情况下依然有效。在大相位误差存在的SAL系统(如机载SAL)中, PGA处理能有效消除相位误差, 实现图像聚焦; 另外, 增大探测激光功率以提高成像数据信噪比, 将有助于提升PGA处理效果。

为了降低激光多普勒测振仪在测声过程中给语音信号中引入的噪声, 采用深度循环神经网络语音信号去噪的方法, 对从激光多普勒测声系统采集回来的语音信号做降噪处理, 并进行了理论分析和实验验证。结果表明, 利用层数为1层~3层、每层神经元个数为1024的深度循环神经网络, 对-6dB~6dB信噪比的语音信号进行处理, 随着层数的增加, 语音信号的质量在多项评价指标上达到8dB~12dB的提升; 深度循环神经网络可以有效对激光多普勒测声系统采集的语音信号进行降噪处理。该研究对提升语音信号的质量有着实际意义。

激光扫描匹配是利用激光雷达进行导航、定位与地图构建的基础, 本文对各类激光扫描匹配方法进行了综述。将现有方法归纳为基于点的扫描匹配方法、基于特征的扫描匹配方法和基于数学特性的扫描匹配方法3类, 系统总结了相应类型的常见方法; 对典型的算法及其改进算法进行了梳理, 并指出了存在的主要问题和发展趋势; 介绍了激光扫描匹配方法性能评价和对比的最新研究进展, 最后, 展望了激光扫描匹配技术未来的研究方向。

利用1 550 nm波长的可调谐光纤激光器, 建立了DSAL(Differential synthetic aperture ladar)高分辨率成像演示实验装置。在1.85 m的目标距离上, 开展了合作目标的DSAL成像实验。利用基本的DSAL成像理论, 重构了目标回波的相位史数据, 实现了高分辨率合成孔径成像。详细给出了不同方位运动条件下获得的DSAL图像。实验结果表明: 利用经过DSAL技术重建后的目标回波相位史数据, 能够形成聚焦良好的高分辨率DSAL图像。这显示了DSAL技术对共模相位误差的稳健消除能力。此外, 不同方位运动条件下的DSAL成像结果表明, 在超过规定方位运动速度30%的范围内, 均可观察到良好聚焦或至少可接受的DSAL图像, 表明DSAL系统对方位运动速度变化有一定范围的适应能力。

针对现有结构直线段提取方法存在的效率低下或准确程度不足等问题,提出了一种基于体素生长的点云结构直线段高效提取方法。首先,对点云进行体素化剖分与平面分割,并以体素为单位进行邻域判断,实现对结构直线段分布区域的筛选;然后,采用基于体素的区域生长对结构直线段的分布区域进行分割;最后,依据结构线段分布区域的范围以及其所在平面的数学方程实现其提取和优化,并进行精度评定。进行了实验测试,利用多组点云数据验证了本方法的有效性,利用对比实验验证了本方法的精度和高效性。实验结果显示:相比现有方法,该方法在效率上提高了10倍以上,在精度上提高了0.25倍左右,证明提出的方法可以准确高效地得到较为理想的点云结构直线段提取结果。

固体火箭发动机推力线的测定是航天器精密安装领域的一项关键技术, 也是回转形体旋转轴线提取的一种代表性应用。针对现有相关方法存在的结果不够客观、可靠性不高且适应性欠缺等问题, 提出了一种基于表面法矢约束的回转形体点云旋转轴自动提取方法。首先, 计算形体点云的表面法矢, 通过设置最小二乘法矢计算标准差阈值剔除非可靠点集, 用以对旋转轴计算结果进行质量保证; 然后, 选用可靠点作为种子点, 依据种子点同纬点集法矢之间的特殊关系对此点集进行筛选, 并对提取的同纬点集进行平面拟合和空间圆拟合, 得到旋转轴初值; 最后, 根据点云表面法矢与旋转轴之间的位置关系列出最小二乘平差的目标函数, 通过迭代平差求解初值的改正数, 从而得到最终的旋转轴提取结果。通过实验测试, 利用模拟数据和实测数据对方法的准确度和精密度进行验证。实验结果显示: 有效采样间隔点云的旋转轴提取结果偏斜量达到0.01°以内, 横移量达到0.02 mm以下, 表明提出的方法正确, 可以实现对回转形体点云旋转轴线的高可靠性自动提取。

本文针对差分合成孔径激光雷达(DSAL)未来应用场景具有回波信号微弱、平台与目标之间存在运动误差的特点，在微弱回波条件下进行了随机活塞运动目标的DSAL成像演示实验。采用波长为1 550 nm的激光源，搭建了DSAL成像系统，接收孔径间距为188 μm，目标距离为2.4 m。通过在发射端加入偏振片对发射功率进行衰减，并利用步进线性平移台给目标到雷达之间的光程引入随机活塞运动误差。在激光发射功率约为50 nW和20 nW的情况下，对光程变化在［-5 μm, 5 μm］的随机活塞运动目标进行DSAL成像实验，此时合成孔径激光雷达(SAL)图像由于随机相位误差而完全散焦，DSAL图像则聚焦良好。实验结果表明，在微弱回波条件下，DSAL系统仍能较好地消除相位误差，实现稳定成像。

提出了一种以优化点云数据中平面的平面度和平面面积为目标的内参数标定方法, 针对不同情况选用区域生长算法或改进随机采样一致性(RANSAC)算法进行平面提取, 并通过提出的单纯形和人工蜂群混合优化算法(NMS-ABC)进行参数解算, 实现了DIY系统的内参数标定.利用内参数已知的仿真数据实验验证了NMS-ABC混合算法用于内参数快速求解的有效性, 利用不同场景获取的多组实测点云数据进行了标定实验, 结果表明: 标定后的平面内点百分比和整体平面度均有所提高, 并且当平面数不少于3时标定结果更稳定可靠; 进行了点位精度测试, 经内参数标定后DIY扫描仪的点位测量精度得到提高且在不同水平角度分辨率条件下优于3 mm@4 m; 人为增大安置误差, 通过对比标定前后的点云及平面提取结果, 进一步直观验证了本文所提标定方法的正确性和有效性.

提出了一种高效的基于八叉树体素自适应生成与体素分层次生长的平面提取方法, 其主要思路为采用体素信息统计的方式进行相关阈值参数的自动选定, 以及基于体素的生长替代基于点的生长进行平面提取。首先, 对点云进行八叉树初始剖分并计算其几何属性信息(包括法矢、特征值以及维度特征描述符等); 然后, 通过统计得到细分终止条件, 并对初始八叉树进行进一步自适应剖分, 得到一系列非均匀八叉树体素; 最后, 在体素层面进行区域生长阈值的统计与体素的分层次生长, 进行点云平面的精细提取。利用4种不同类型的点云数据对本文算法进行了测试。实验结果显示: 精度和召回率可以达到95%以上, 表明本文算法对数据质量不敏感, 可以自动适应不同平台采集的、不同分布密度和不同数据质量的激光点云, 并且高效地得到精细的点云平面提取结果。

提出了地面三维激光扫描仪与外置数码相机安置参数的高精度标定方案。首先, 利用商业化近景摄影测量系统对相机内参数进行单独标定; 然后, 利用回光反射标志作为二维和三维匹配的同名控制点, 对直接线性变换进行拓展应用, 在算法迭代过程将内参数作为已知值对外参数进行求解; 最后, 根据相机数据采集特点确定其拍摄全景时多张影像之间的位置关系, 对多张影像的外方位元素进行求解, 从而实现全景点云与全景完整影像之间的映射。进行了实验测试, 利用安置参数标定结果反求验证点像素坐标与真实测量结果之差验证了本文标定方法的精度和可行性。实验显示: 点云与影像间的映射精度可达到1像素左右; 相机拍摄全景获取的影像与全景点云可以实现正确映射, 表明提出的标定方法正确, 满足纹理贴图及将影像作为特征提取辅助信息的精度要求。