随着激光成像技术的发展,激光三维成像雷达以其自身独特优势在现代军事防御领域中扮演着愈发重要的角色。本文结合目前我国自主研发的激光三维成像雷达成像数据特点,围绕目标三维可视化和分类识别这一核心问题,对贯穿其中的激光三维成像仿真、曲面光顺、目标表面重建、目标三维特征提取与分类识别等激光三维成像雷达关键数据处理技术开展探索研究工作,具体的研究内容和创新成果如下:(1)激光三维成像仿真研究本文基于激光三维成像理论模型研究,进行激光三维成像仿真研究,开发出两种模拟激光光束与目标表面之间物理交互逻辑的仿真方案,可模拟激光三维成像装置对目标的理想成像过程,获取目标理想三维成像数据——距离图像或三维点云,一方面可用于硬件系统研制初期设计方案的验证与研讨,降低设计错误成本;另一方面可用于后续三维成像数据处理算法预先研究,缩短整套系统研制周期。其中几何法创造性地将光束追踪引入到激光三维成像仿真当中,加以局部搜索,能快速仿真激光三维成像装置对任一目标的三维成像过程。本文使用该激光三维成像雷达仿真方案,模拟国防科大激光三维成像雷达对不同空间位置不同运动状态下的典型空中目标的理想成像过程,并基于仿真成像结果(距离图像或三维点云)开展曲面光顺、目标表面重建等后续算法研究。(2)曲面光顺算法研究通过曲面光顺算法处理,滤除或减小噪声对目标三维成像数据的影响,是基于目标三维成像数据进行目标表面重建非常重要的预处理环节。目前应用比较广泛的曲面光顺算法是基于双边滤波思想的Fleishman光顺方法,它的核心思想是沿着顶点法向量方向调整顶点位置实现曲面光顺,曲面顶点位置调整大小和调整方向依赖于顶点邻域三角面片顶点和面片法向量。但当激光采样点阵稀疏,顶点法向量计算误差比较大时,这种方法便不能很好地工作了。本文针对我国自主研发的激光三维成像雷达,充分利用其输出距离图像中所包含的目标表面采样点空间拓扑信息,并充分考虑当前流行的双边滤波曲面光顺方法在稀疏点云光顺问题上的局限性,提出采用图像中值和双边组合滤波方式进行二维数据处理实现目标表面光顺,不仅避免了点云法向量估计、空间投影等三维空间计算,而且能在最大程度保持目标表面几何形状的基础上有效滤除测量数据中的孤立噪声点和小幅度噪声,实现目标表面光顺。实验结果表明,本文曲面光顺算法可以有效滤除激光三维成像雷达数据噪声,实现目标表面光顺,不仅目标表面光顺效果优于传统算法,而且光顺速度提升8倍以上,更能满足实时性要求。本文提出基于距离图像双边滤波的目标表面光顺算法,它对应的物理意义是沿着激光出射方向调整顶点位置实现目标表面光顺,既充分利用了双边滤波思想在曲面光顺中体现的优势,又巧妙避免了顶点法向量计算,光顺效果和光顺速度都得到很大提高。(3)目标表面重建算法研究激光三维成像雷达在目标表面进行二维采样成像,获取目标表面采样点云。目标采样点云本身不包含任何空间拓扑信息,不足以直接表现目标几何外形,难以给人眼提供真实的立体感受。因此基于激光三维成像雷达采集的目标点云数据,进行目标表面重建,建立满足人眼感观的、反映目标真实几何外形的目标表面三维网格模型,是基于目标表面采样点云等三维成像数据实现目标三维可视化的核心内容。目前,传统的目标表面重建方法为曲面分片构造法,它基于目标表面采样点云进行空间拓扑生成目标表面初始三角网格模型,然后以模型顶点坐标和顶点法向量为边界条件分片构造曲面模型,实现目标表面插值重建,但须辅以曲面分割预处理和曲面拼接后操作才能对具有尖锐边缘的目标表面实现重建。针对这一问题,本文提出一种基于特征点检测的曲面分片构造方法,可在避免曲面分割预处理和曲面拼接后操作的基础上,保证目标表面尖锐边缘处插值重建效果,适用于基于激光阵列点云的目标表面重建。该方法首先根据激光成像雷达成像特点,建立目标表面阵列采样点云的初始三维三角网格模型;然后对目标初始三角网格模型进行特征边、特征点检测,根据检测结果对目标表面特征点的邻域三角面片进行Kmeans聚类,依次基于各类邻域三角面片法向量的面积加权平均计算对目标顶点法向量进行估计,生成目标顶点法向量集;最后以目标顶点空间坐标和法向量集为边界条件,分片构造目标三角面片二次参数插值曲面模型,进行分片曲面插值重建,最终实现目标整个表面三维重建。本文曲面分片构造方法能保证目标重建表面达到C0连续,满足三维可视化应用要求,且由于避免了曲面分割预处理和曲面拼接后操作的处理过程,故相比于传统曲面分片构造算法而言,重建速度得以大幅提升。(4)空中典型目标三维识别研究基于飞机目标成像数据进行粗分类,有效区分客机与战斗机,是实现对空中疑似目标准确识别的重要步骤。结合我国自主研发激光三维成像雷达空中目标观测成像数据特点,探索飞机这一典型空中目标的三维特征描述方法和识别算法,是军事防御领域的一个重要课题。充分利用激光三维成像雷达可获取目标三维几何特征这一突出特点,本文基于数据协方差矩阵理论和PCA信号处理理论,直接对目标点云进行三维方向包围盒快速估计,从中提取目标几何尺寸信息作为三维特征描述子,以准确区分识别空中战斗机和客机。实验结果表明,基于飞机三维方向包围盒几何特征和线性SVM分类器可实现飞机目标零误检率稳健粗分类,识别率高出距离图像Hu矩10%左右,识别速度相比距离图像Zernike矩提升15倍以上,是一种可期望应用于我国自主研发的激光成像雷达中进行飞机分类识别的快速有效算法。