基于压缩采样的单光子反射率和深度成像技术研究

来源 :南昌大学 | 被引量 : 0次 | 上传用户:lbtx368
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
时间相关单光子计数(Time-Correlated Single Photon Counting,TCSPC)激光雷达是TCSPC技术在脉冲激光雷达中的应用,具有单光子探测的灵敏度和皮秒级时间的分辨率。基于压缩感知(Compressed Sensing,CS)的单像素成像技术采用一个单点探测器实现二维成像,不仅成本低、而且具有超高灵敏度和快速成像的优点。将时间相关单光子计数激光雷达技术与单像素成像技术相结合,可以进一步提高灵敏度和缩短成像时间,从而实现远距离极弱信号的探测。本文设计并搭建了一个基于单像素成像技术的光子雷达,实现反射率和深度成像。主要内容及研究成果如下:(1)搭建了基于压缩采样的单光子反射率和深度成像系统,系统主要由皮秒脉冲激光器、光电倍增管(Photomultiplier Tube,PMT)单光子探测器、数字微镜器件(Digital Micro-mirror Device,DMD)、TCSPC模块和扩束望远镜组成。开发了基于现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)的精准同步控制电路。实现了由粗时间和细时间构成的光子到达时间连续测量的方案,由基于FPGA的控制电路对激光脉冲进行计数作为到达光子的粗时间,TCSPC模块测量探测到的光子与下一个相邻的激光脉冲间隔作为光子到达的细时间。(2)建立基于压缩采样的单光子反射率和深度成像系统模型,利用蒙特卡洛仿真方法仿真通过光子计数重建反射率图像和对光子到达时间序列进行插值抽样重建深度图像的过程,研究了采样次数,成像时间,噪声水平对成像质量的影响。进一步地,采用蒙特卡洛方法对时间门控的非视域(None-Line-of-Sight,NLOS)成像机制和影响成像性能相关参数进行了仿真,为后续工作奠定理论基础。(3)实现了高灵敏度的反射率和深度成像。对不同成像场景进行了反射率和深度成像结果分析,实验表明采样率对反射率成像质量有显著影响,深度成像分辨率为4.696cm。针对高分辨率图像重建耗时长,数据量大的问题,设计了采样和重建联合优化深度学习压缩重建网络,与已有网络和传统算法相比,所设计的网络重建质量和重建时间都有明显提高。进一步搭建了基于多反射面的单光子压缩成像系统。对物体表面散射情况及光子传输流程进行分析,通过实验验证了时间门控、不同反射率物体和中介面对成像结果的影响,为非视域成像奠定基础。
其他文献
Ti-6Al-4V是最常见的航空金属之一,广泛应用于航空航天、生物医学、海洋装备及汽车制造等工业领域。它是一种比较昂贵的合金,在传统的减法制造中,为了达到最终的零件几何形状,需将80%以上的原材料加工消耗,造成了极大的浪费。增材制造(Additive Manufacturing)通过三维模型直接逐层制造实体,这一工艺可以快速、精确地制造出形状复杂的零件,同时也可以解决传统制造方式中原材料的浪费问题
随着深度学习的快速发展,人脸识别技术已在现实生活获得广泛应用。尽管在多数情况下识别率已经非常优秀,其依然存在一些问题。主要体现在:(1)现有的人脸识别方法对多角度人脸识别依然存在不足;(2)现存的基于中心云人脸识别系统远离终端设备,大量图像数据给云服务器带来高计算负载和低实时性。(1)针对人脸角度变化带来的人脸识别准确率下降的问题,本文提出基于生成对抗网络的方法DSU-GAN,并结合人脸特征学习和
近年来,无人机依靠卫星导航系统在室外环境下得到广泛应用。与此相比,由于室内环境缺乏可靠的导航系统,无人机室内应用备受限制。为了让无人机有更多的应用场景,如何依靠无人机自身搭载的传感器完成未知室内环境下的自主导航,是打破无人机应用场景限制亟待解决的挑战与难点。为此本文以四旋翼无人机为平台,依靠搭载的二维激光雷达探测环境,使用基于ROS的软件框架,实现二维激光SLAM和二维避障,解决室内导航系统中的定
信息的私密性是确保网络安全的基础,由于无线传输的广播特性使得无线信号极易被窃听,因此安全是无线通信系统中一直被研究的课题。传统的保密方法是通过密码算法确保只有合法用户才能正确解密,而第三方窃听者无法还原信息,从而保证信息的安全。无线信道因其自身的信道特性使得用户的信道对于窃听者是不可测量和不可复制的,这反映出无线信道具有内在的安全属性。物理层安全技术巧妙利用这一特性,从信号层面入手策划安全机制,为
人类活动的分类和识别在安全、预防犯罪、医疗监控等领域发挥着重要作用。人体运动过程中肢体的摆动包含了丰富的微多普勒信息。不同的人类活动对应着不同的微多普勒分布。这些差异可以用于对不同的人类活动进行分类。因此,基于图像域的深度学习方法在雷达目标分类识别中得到了广泛的应用。在大多数情况下,通过实际测量获取雷达图像的成本很高,因此在构建大型的雷达图像数据库方面存在一定的困难。而训练有监督的深度学习算法的关
随着智能时代的到来,脑机接口在很多领域都有着很大的进展,其最核心的技术是对脑电信号进行分类。深度学习技术为脑电信号类别的识别研究提供了一种新的方法。因此,开展基于深度学习来提升运动想象脑电信号分类的精度研究是具有重要意义的。本课题主要研究内容和取得的阶段性成果如下:首先为了提高运动想象脑电信号的信噪比,对本文数据集使用ICA独立成分分析剔除伪迹和FIR带通滤波器进行处理;接着基于运动想象脑电信号具
随着中国经济水平的发展和建造技术的不断提升,BIM技术在超高层建筑的应用基本得到了普及,但不同类型项目应用BIM技术的深度不一样,所呈现出的效果也不一样。超高层建筑结构复杂,项目参与人员、施工机械及现场施工环境等因素互相影响,明显增大了项目的施工管理难度。而BIM技术的引入,将超高层建筑项目管理的不同方面进行了系统性的变革,在传统的项目管理基础上,提升了施工技术、节约了成本、提高了管理效率,从而弥
图像加密技术是保障数字图像传输与存储安全最直接、最有效的方式之一。本文综合应用组合数学、深度学习等理论与技术,研究提出了三种新的数字图像加解密算法,开发了一个图形化数字图像加密解密工具DIEDT。主要研究工作和成果如下:1.提出基于四方定理与幻方的图像加密算法FMSS。为缓解幻方置乱方法变尺度置乱能力不足的局限,引入基于四方定理的分块规则,通过分块、置乱、转置、变化形状、拼接等操作,提升加密效果。
在众多无人机(Unmanned Aerial Vehicle,UAV)的应用中,蜂窝网联无人机(Cellular-connected UAV)伴随着5G移动通信的发展成为了热门的应用方向。例如,通过地面基站指挥无人机进行安全巡检、消防救援等活动。然而,有限的续航能力一直都是无人机普遍的缺点,无人机在许多具体应用场景(比如航拍、信息收集等)时,要定时返航为无人机充电。因此,部署无人机执行任务时,进行
对于电力走廊系统的巡检工作,往往需要依靠地面上的人员亲自到现场查看,有些时候也会借助于搭载光学摄像头的直升机进行检查,然而利用这些方法进行电力巡检,不光受到环境影响使得检测不准确,还耗费大量的人力、物力和财力。激光雷达(Light Detection and Ranging,Li DAR)能够准确获取地面物体的位置信息,同时使用无人机可以降低飞行巡检的成本,因此Li DAR凭借着自身诸多的优势成为