没有合适的资源?快使用搜索试试~ 我知道了~
采样频率和激光脉宽对全波形激光雷达测距精度的影响.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 37 浏览量
2022-12-15
14:29:18
上传
评论
收藏 270KB DOCX 举报
温馨提示
试读
12页
采样频率和激光脉宽对全波形激光雷达测距精度的影响.docx
资源推荐
资源详情
资源评论
0. 引 言
激光雷达(Light Detection and Ranging, LiDAR)是一种广泛应用于测绘、目标检测、轨
道检测、导航等领域的新兴技术
[1]
。常见的激光雷达测距方法可分为三角法、直接飞行时
间法(direct Time of Flight, dTOF)和间接飞行时间法(indirect Time of Flight, iTOF)。dTOF 法
又称脉冲飞行时间法,其探测距离较远但测距精度较低,iTOF 法主要有调幅连续波
[2]
(AmplitudeModulated Continuous Wave, AMCW)和调频连续波
[3]
(Frequency Modulated
Continuous Wave, FMCW),其测距精度较高,但工作距离较近,且存在多值解的问题。
dTOF 激光雷达一般基于时间差测量的方法,主要有脉冲计数法、时间拓展法、基于时间
数字转换器(Time-to-Digital Converter, TDC)的时刻鉴别法和基于模数转换器(Analog to
Digital Converter, ADC)的波形数字化的方法。前 3 种方法本质上都是产生较高的时间分辨
率,测距精度主要由时间分辨率大小决定,一般在分米级到亚厘米级
[4]
,且在用于大动态
范围探测时,回波波形幅度变化大,时刻鉴别阈值的存在会产生较大的测距误差,因此需
要进行校正
[5]
。基于波形数字化的方法能够获得波形的幅值、相位等波形信息,并能够利
用较复杂的算法获得更高的时间分辨率,理论上精度更高
[6]
。
基于波形数字化的处理算法主要有波形形心法
[7]
、模板匹配法
[8]
、高斯拟合法和反卷
积法等。高斯拟合法包括线性高斯拟合法
[9]
(Linear Gaussian Fitting, LGF),以及在此基础上
优化的加权线性高斯拟合法(Weighted Linear Gaussian Fitting, WLGF)以及迭代加权线性高
斯拟合法
[10]
(Iterative Weighted Linear Gaussian Fitting, IWLGF),但这 3 种方法都只能拟合
单个波形,无法分解重叠波形。对重叠波形的分解算法主要有期望最大化(Expectation
Maximation, EM)算法
[11]
和 Levenberg Marquardt (LM)算法
[12]
等。
全波形激光雷达测距精度受激光器出光稳定性、激光脉宽、探测器响应时间抖动、电
路噪声、波形形态、波形采样频率和波形处理算法等因素影响。文中通过理论分析推导出
采样频率和激光脉宽对测距精度的影响,并通过实验设置不同的采样频率及激光脉冲宽
度,利用不同算法计算测距精度,由此分析和验证采样频率和激光脉冲宽度对测距精度的
影响。
1. 全波形激光雷达测距原理
1.1 测距原理
全波形激光雷达使用了高采样率的 ADC 芯片,能够得到数字化后的参考光波形及回
波波形,从而使得能够通过数字信号处理的方法得到参考光及回波的时间差,若计算出的
参考光的时间坐标为 μ1μ1,回波的时间坐标为 μ2μ2,即可计算激光雷达与目标之间的距
离 dd,dd 的表达式为:
d=c(μ2−μ1)2Fsd=c(μ2−μ1)2Fs
(1)
式中:cc 为光在空气中的传播速度;FsFs 为 ADC 采样频率。
1.2 波形模型
脉冲式激光雷达参考光波形和回波波形可近似为高斯波形
[13]
,表达式为:
y=Aσ2π−−√e−(x−μ)22σ2y=Aσ2πe−(x−μ)22σ2
(2)
式中:yy 为波形采样点幅值;xx 为采样点横坐标;A、μ、σA、μ、σ 为高斯函数参
数,μμ 为中心点横坐标。
真实波形由于激光器、电路接收放大、目标物特性等影响,会产生一定形变,使得其
不再是高斯波形,因此也有学者使用卷积模型
[14]
和广义高斯模型
[15]
描述波形。
1.3 波形预处理
波形预处理主要包括波形滤波、插值和波形提取。
波形在采集过程中由于多方面原因会产生背景噪声,文中使用 FIR (Finite Impulse
Response)滤波器对波形进行平滑去噪,其对波形形态影响小,且易于在硬件平台如 FPGA
中实现。
插值,常用的方法有牛顿插值、拉格朗日插值、三次样条插值和 CIC 插值滤波等。文
中使用的 CIC 插值滤波由于其特殊的形式,易于在 FPGA 中实现,且能进行任意倍的插
值。
根据非有效波形区域的波形数据获得背景噪声的期望 μnoiseμnoise 和标准差
σnoiseσnoise,并设置阈值 thnoisethnoise 用以提取有效波形
[12]
。
thnoise=μnoise+5σnoisethnoise=μnoise+5σnoise
(3)
1.4 波形处理算法
线性高斯拟合法
[9]
的原理是对高斯模型进行对数化:
lny=b0+b1x+b2x2lny=b0+b1x+b2x2
(4)
令 lny=zlny=z,将获得的 n 个波形数据写成矩阵形式有:
⎡⎣⎢⎢⎢⎢z1z2⋮zn⎤⎦⎥⎥⎥⎥=⎡⎣⎢⎢⎢⎢⎢11⋮1x1x2⋮xnx21x22⋮x2n⎤⎦⎥⎥⎥⎥⎥⎡⎣⎢b0b1b2⎤⎦⎥[z1z2⋮zn]=[1x1x121⋮1x2⋮xnx22⋮xn2][b0b1b2]
(5)
记为:
Z=XBZ=XB
(6)
可以利用最小二乘原理得到 BB 的值,即:
(XTX)B=XTZ(XTX)B=XTZ
(7)
B=(XTX)−1XTZB=(XTX)−1XTZ
(8)
进而获得波形中心点坐标:
μ=−b12b2μ=−b12b2
(9)
加权线性高斯拟合法
[10]
分析了 LGF 法的噪声影响,并根据噪声影响特点使用了加权
最小二乘法:
B=(XTPX)−1XTPZB=(XTPX)−1XTPZ
(10)
式中:
Pii=1yi(i=1,2,⋯,n)Pii=1yi(i=1,2,⋯,n)
(11)
通过加权,减小了信噪比较低部分的噪声带来的影响,从而提高拟合精度。
由于 WLGF 法中权重是以测量值代替真值进行计算,在信噪比极低的情况下,权重
将出现错误,因此迭代加权线性高斯拟合法
[10]
通过迭代计算估计值,并通过估计值重新分
配权重,以此实现对权重计算和对高斯曲线的拟合。
EM 算法将波形幅值和时间作为概率密度函数,通过 E 步骤和 M 步骤不断迭代分解,
获得所设定模型的各个参数。LM 算法将模型参数求解的非线性过程线性化,并利用最小
二乘法不断迭代,最终获得模型与真实波形的残差平方和最小的模型参数。
2. 采样频率和激光脉宽对测距精度的影响分析
由测距原理可知测距精度与参考光和回波之间的时间差的抖动直接相关,而参考光和
回波之间的时间差抖动会受到许多因素影响,文中将这些因素主要分为两类误差:第一类
误差为波形的时间抖动误差,主要表现为多个重复波形在时间轴上存在抖动;第二类误差
为波形幅值信号的误差,主要表现为单个波形在不同算法或信噪比下计算出的时刻不同。
总的时间误差可认为是:
σ2all=σ21+σ22σall2=σ12+σ22
(12)
式中:σ21σ12 为第一类误差;σ22σ22 为第二类误差。
2.1 第一类误差
第一类误差主要与器件和环境造成的时间抖动有关,其即使在波形信噪比无穷大的情
况下,不同的参考光和回波时间差仍有一定变化。其主要有:
(1) 激光器的时间抖动:包括触发信号与出射光之间的时间抖动
[16]
以及参考光和出射
光之间的时间抖动;
(2) 光电探测器的响应时间抖动:指在反射光到达探测器时产生光电流的响应时间的
不确定性;
(3) 大气折射误差:由空气不均匀引起的光线折射,导致光传播路径的抖动。
剩余11页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3653
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于Pytorch训练CIRAR10上分类算法.zip
- Pytorch-pytorch深度学习教程之Tensorboard.zip
- 基于C++和Python开发yolov8-face作为人脸检测器dlib作为人脸识别器的人脸考勤系统源码+项目说明.zip
- Pytorch-pytorch深度学习教程之变分自动编码器.zip
- Pytorch-pytorch深度学习教程之神经风格迁移.zip
- Pytorch-pytorch深度学习教程之深度残差网络.zip
- Pytorch-pytorch深度学习教程之循环神经网络.zip
- Pytorch-pytorch深度学习教程之逻辑回归.zip
- Pytorch-pytorch深度学习教程之双向循环网络.zip
- Pytorch-pytorch深度学习教程之卷积神经网络.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功