.png){kind=icon}
返回
An enhance ranging algorithm based on multi-waveform classification with hyperspectral LiDAR
.png){kind=icon}
PRE
AI
DOI：10.1016/j.measurement.2025.117489.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当光探测和测距（LiDAR）检测系统探测高后向反射特性的目标时，背向散射脉冲能量易超过光电探测器的最大接收范围。这会导致信号饱和，因为系统无法记录完整的回波波形，进而导致测距结果产生偏差。为解决该问题，本研究提出了一种基于多波形分类（RMWC）的增强测距算法，并应用于101波段高光谱LiDAR（HSL）。考虑到不同波段采集的回波波形差异，将阈值法与随机森林分类器结合，将回波波形分类为正常波形、饱和波形和U形波形。随后，分别采用峰值法（PV）、质心法（CM）和波形拟合法（WF）计算这三种波形对应的飞行时间。最终，通过各波段测距结果的众数值加权平均确定目标距离。与905 nm波段的PV、CM和WF测距结果相比，实验结果验证了所提算法能有效降低波形饱和引起的测距误差。对于平面后向反射目标，最优平均误差（AE）和标准差（Std）分别为0.0053 m和0.0083 m；对于漫反射白板，AE为0.0010 m，Std为0.0053 m。平面目标点云重建结果表明，RMWC测距结果优于传统单波段测距方法，可为高精度激光测距系统的优化设计提供参考。
Keyword:
Laser ranging
Saturated waveform
Multi-waveform classification
Waveform time discrimination
期刊
IF:
5.6
论文数:
2.1W
被引数:
5.4W
机构
引用论文
Feasibility study on fruit parameter estimation based on hyperspectral LiDAR point cloud基于高光谱LiDAR点云的果实参数估计可行性研究
PREAI
分享收藏Laser ranging method based on dual-threshold echo pulse prediction and correction基于双阈值回波脉冲预测与校正的激光测距方法
PREAI
分享收藏Improved Range Estimation Model for Three-Dimensional (3D) Range Gated Reconstruction.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏分享收藏A Novel Waveform Decomposition and Spectral Extraction Method for 101-Channel Hyperspectral LiDAR
OAAI
OAAI分享收藏
查看更多内容