.png){kind=icon}
返回
Depth Imaging Through Smoke Using Nonparametric Estimation for Array Gm-APD LiDAR
.png){kind=icon}
OA
AI
DOI：10.3390/s26113330.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
阵列Gm-APD激光雷达极易受到动态烟雾引起的强后向散射影响。传统深度成像方法无法快速识别烟雾遮挡状态，这大大降低了重建深度图像的目标恢复质量。为解决此问题，本文提出了一种适用于阵列Gm-APD激光雷达的非参数快速烟雾检测与深度成像算法。所提方法不依赖回波模型的参数估计，而是通过计算所有阵列像素叠加后的回波信号与仪器响应函数之间的皮尔逊相关系数来确定烟雾遮挡的存在。该方法能够快速识别单幅深度图像中的烟雾干扰，进行快速去噪并重建深度图像。在平均衰减长度不超过5.1的动态烟雾环境中，所提算法基于250帧阵列数据实现了100%的遮挡判别准确率。当烟雾遮挡率高达96%、平均衰减长度为2.29时，该方法的目标恢复率达到0.71，较传统算法提升了86.8%。这些结果表明，所提方法对阵列Gm-APD激光雷达具有强实践价值，尤其适用于恶劣大气环境中的高速深度成像。
Keyword:
array Gm-APD LiDAR
dynamic smoke occlusion
Pearson correlation
non-parametric estimation
depth imaging
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
Vortex Coherence Filtering for Enhanced Single-Photon LiDAR Imaging Through Dense Fog涡旋相干滤波用于增强单光子激光雷达在浓雾中的成像
PREAI
分享收藏Three-dimensional imaging of stationary and moving targets in turbid underwater environments using a single-photon detector array.png)
OPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏The use of statistical mixture models to reduce noise in SPAD images of fog-obscured environmentsOAAI
OAAI分享收藏
查看更多内容