摘要
随着激光雷达领域的发展，对成像激光雷达的研究也逐渐步入人们的视野。而Gm-APD阵列成像激光雷达由于其灵敏度高和探测距离远等特性而备受研究机构和专家重视，他可以用于民用的成像作业，也可以用于军用，对远距离目标进行侦查，检测并跟踪。 目前三维目标检测、识别方法大多基于扫描体制激光雷达数据，其成像特点和APD有本质的不同，因此相关成果不能直接在本应用使用，基于上述背景，本文提出并实现了一套基于Gm-APD成像激光雷达距离像的图像复原、检测、跟踪的算法流程，并搭建了室外演示验证系统。具体工作包括： 针对低信噪比条件下的距离像信号提取，本文基于对雷达成像模型的分析，提出一种加权高斯平滑的线性回归信号复原算法，首先对统计成像数据频数分布直方图进行高斯加权平滑，过滤选通门中的噪声，提高目标处的回波响应。再利用线性回归的方法对直方图进行分割，计算直方图对应的偏移量曲线图，对目标的真实位置进行复原。实验证明该方法具有较高的图像复原性能。 针对合帧复原距离像的目标检测，本文提出一种基于深度点云融合的目标检测算法。在深度图上，本文根据目标区域和背景噪声区域的数据分布特征，采用梯度算子和阈值分割的方法检测目标，并为点云的检测框定区域。本文根据雷达参数和深度图将图像转为点云，在点云上利用基于层次合并DBSCAN算法对图中目标进行快速聚类。最后综合两个方法的优缺点对图像进行融合，得到只包含目标的图像。为了便于下一步的跟踪，本文还设计了基于最小包围盒方法，对最终目标进行识别、选定，并且实现对目标大小、距离、位置的估算。通过对数据集的目标检测测试，该算法能够完整有效检测出距离像中的目标。 针对合帧复原距离像的目标跟踪，本文针对传统KCF应用于雷达距离像的缺点，通过充分利用距离像的深度信息，提出了基于距离度量的KCF跟踪算法。该算法能在跟踪之前去除一部分噪声干扰的影响，并能自适应调节目标包围框的大小；在目标短暂丢失时能使跟踪模型不受污染，在目标彻底丢失时能够自动重新进入目标检测阶段，初始化检测、跟踪过程。通过实验证明该方法使得跟踪的稳定性有所提高，也能防止目标短暂丢失所造成的影响。 最后，本文还对整个系统进行了系统设计，并编写了一个包含雷达硬件控制、通信传输、算法实现等功能的原型系统。
NETL