基于沙氏成像原理的激光雷达的图像处理方法、装置

技术领域

本申请涉及激光雷达技术领域，尤其是涉及基于沙氏成像原理的激光雷达的图像处理方法、装置。

背景技术

随着城市化进程的加快，随之而来的污染问题也越来越引起人们的广泛关注。激光雷达(Light Detection and Ranging，Lidar)技术是一种主动式光学遥感探测技术，其在高度/空间分辨率、探测灵敏度、抗干扰能力、以及实时监测等方面具有独特的优势。

脉冲式激光雷达在国内外应用较为广泛，脉冲式激光雷达技术的硬件原理是向大气中发射纳秒量级的脉冲光并以时间分辨的方式探测其后向散射光的强度，从而实现了不同距离上大气回波信号的探测，提取并显示污染物的污染区域，且输出污染区域所在的经纬度。目前，脉冲式激光雷达存在数据画面显示不佳的问题。

发明内容

为了提高画面的显示效果，本申请提供基于沙氏成像原理的激光雷达的图像处理方法、装置。

第一方面，本申请提供的一种基于沙氏成像原理的激光雷达的图像处理方法，采用如下的技术方案：

一种基于沙氏成像原理的激光雷达的图像处理方法，包括以下步骤：

获取雷达信号数据，并生成原始光强图；

对原始光强图进行降噪处理，并提取污染区域；

计算所述污染区域的污染面积，并判断所述污染面积是否小于面积阈值；

若是，则剔除该污染面积对应的污染区域；

若否，则保留该污染面积对应的污染区域，并对污染区域的数据进行滤波处理。

通过采用上述技术方案，对原始光强图降噪处理，实现原始光强图的毛刺去除，减少小峰值的干扰；通过对污染区域进行识别，并计算污染区域的面积，然后剔除面积小于面积阈值的污染区域，实现对污染区域进行优化，可以突出重点污染区域，忽略污染小的区域，同时，通过对污染区域的数据进行滤波处理，使得污染区域的显示效果更加平滑，可有效提高画面的显示效果。

优选的，所述计算所述污染区域的污染面积，并判断所述污染面积是否小于面积阈值，包括：

对原始光强图进行二值化处理；

扫描并识别污染区域的连通区域；

对连通区域进行标记，且计算连通区域的面积；

判断连通区域的面积是否小于面积阈值。

通过采用上述技术方案，将原始光强图转换成二值化图像，在污染区域的连通区域进行标记，并进行封闭计算，得到连通区域的面积，再将连通区域的面积与面积阈值进行比较，可提高面积计算得准确性。

优选的，所述若否，则保留该污染面积对应的污染区域，并对污染区域的数据进行滤波处理之后，还包括：

提取污染区域中数据的最大值，并按照该最大值对污染区域进行排列；

根据排列顺序输出相应的污染报警等级，以及污染区域的位置信息。

通过采用上述技术方案，对污染区域中数据的最大值进行识别，通过最大值得到污染区域的污染程度，然后按照污染程度的严重程度进行排列，并生成相应等级的污染报警，即，污染严重程度越高，报警等级越高，同时输出相应的位置信息，实现对报警等级的划分以及污染位置的识别，便于工作人员了解污染情况。

优选的，所述若否，则保留该污染面积对应的污染区域，并对污染区域的数据进行滤波处理之后，还包括：

提取污染区域的污染信号；

对污染信号进行归一化处理，以得到污染数据；

根据污染数据生成污染图像，并对污染图像进行显示。

优选的，所述对污染信号进行归一化处理，以得到污染数据，包括：

获取与相应污染信号相同半径下的光强数据，并提取光强数据的均值；

对光强数据的均值进行对数转换，得到转换数值；

将污染信号除以转换数值得到污染数据。

通过采用上述技术方案，对污染信号进行归一化处理，改善了距离原因对信号浓度的影响，实现了不同距离上浓度的归一化，最后在效果上使得污染区域远景的颜色统一，优化远距离污染区域的识别能力，同时污染区域的颜色着色更能识别污染位置。

优选的，所述提取污染区域的污染信号，包括：

对雷达信号曲线进行平滑处理；

提取雷达信号曲线的峰值，以得到污染信号。

优选的，利用二分法提取雷达信号曲线的峰值。

通过采用上述技术方案，对雷达信号曲线进行平滑处理，减少小峰值的影响，同时，利用二分法提取雷达信号曲线的峰值，可提高提取的效率。

第二方面，本申请提供一种基于沙氏成像原理的激光雷达的图像处理装置，采用如下的技术方案：

一种基于沙氏成像原理的激光雷达的图像处理装置，包括：

获取生成模块：用于获取雷达信号数据，并生成原始光强图；

降噪提取模块：用于对原始光强图进行降噪处理，并提取污染区域；

计算判断模块：用于计算所述污染区域的污染面积，并判断所述污染面积是否小于面积阈值；

剔除模块：用于若是，则剔除该污染面积对应的污染区域；

保留滤波模块：用于若否，则保留该污染面积对应的污染区域，并对污染区域的数据进行滤波处理。

通过采用上述技术方案，对原始光强图降噪处理，实现原始光强图的毛刺去除，减少小峰值的干扰；通过对污染区域进行识别，并计算污染区域的面积，然后剔除面积小于面积阈值的污染区域，实现对污染区域进行优化，可以突出重点污染区域，忽略污染小的区域，同时，通过对污染区域的数据进行滤波处理，使得污染区域的显示效果更加平滑，可有效提高画面的显示效果。

第三方面，本申请提供一种计算机设备，采用如下的技术方案：

一种计算机设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述任一项方法的计算机程序。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，存储有能够被处理器加载并执行上述任一项方法的计算机程序。

综上所述，本申请包括以下至少一种有益技术效果：

1.计算污染区域的面积，然后剔除面积小于面积阈值的污染区域，实现对污染区域进行优化，可以突出重点污染区域，同时，通过对污染区域的数据进行滤波处理，使得污染区域的显示效果更加平滑，可有效提高画面的显示效果；

2.对污染信号进行归一化处理，改善了距离原因对信号浓度的影响，实现了不同距离上浓度的归一化，最后在效果上使得污染区域远景的颜色统一，优化了远距离污染区域的识别能力；

3.按照污染程度的严重程度进行排列，并生成相应等级的污染报警，同时输出相应的位置信息，实现对报警等级的划分以及污染位置的识别，便于工作人员了解污染情况。

附图说明

图1是本申请一实施例中一种基于沙氏成像原理的激光雷达的图像处理方法的流程图；

图2是本申请另一实施例中一种基于沙氏成像原理的激光雷达的图像处理方法的流程图；

图3是本申请实施例中一种基于沙氏成像原理的激光雷达的图像处理装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1-3及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请实施例公开一种基于沙氏成像原理的激光雷达的图像处理方法。参照图1，图像处理方法包括以下步骤：

S1：获取雷达信号数据，并生成原始光强图。

例如，云台在360°不停地转动，云台的转动速度可以为0.2°/s，望远镜系统对后向散射信号进行收集，并由图像传感器进行探测和成像。其中，采集时间可以为1s，在云台转动过程中，按时间进行采集，采集1s，并将采集到的数据处理，形成一组数据，并相应生成原始光强图，然后再进行下一秒的采集。

激光雷达水平扫描360°，每0.2°输出一组数据，其中，云台的步进精度为0.01°，每一个0.2°中包含多组数据，是0.2°的扇形上数据的均值，扫描360°后最多可获取1800条数据，可有效提高横向分辨率。

S2：对原始光强图进行降噪处理，并提取污染区域。

例如，利用Savitzky-Golay滤波器对原始光强图进行滤波，以降低噪声的干扰。

S3：计算所述污染区域的污染面积，并判断所述污染面积是否小于面积阈值。

具体的，对二值图像中的目标像素进行标记，每个单独的连通区域形成一个被标识的块，对连通区域进行标记后，可得到每个连通区域的面积，进而得到污染面积。面积阈值根据实际情况进行设定，将每个单独的连通区域的面积与面积阈值进行比较。

计算完污染区域的数据之后，通过手动输入不报警源的相对位置，将相应位置的数据设置为非报警源，对遮挡物等不报警源实现了污染区域手动标记去除。

S4：若是，则剔除该污染面积对应的污染区域。

例如，将原始光强图转换成二值图像后，利用bwareaopen函数剔除面积小于面积阈值的污染区域。

S5：若否，则保留该污染面积对应的污染区域，并对污染区域的数据进行滤波处理。

例如，对保留下来的污染区域数据进行高斯滤波，使得污染区域的显示效果更加平滑。

参照图2，可选的，在步骤S3中，即计算所述污染区域的污染面积，并判断所述污染面积是否小于面积阈值，包括：

S31：对原始光强图进行二值化处理。

S32：扫描并识别污染区域的连通区域。

S33：对连通区域进行标记，且计算连通区域的面积。

S34：判断连通区域的面积是否小于面积阈值。

例如，采用ostu算法确定像素阈值，大于像素阈值的像素点的像素值为255，小于像素阈值的像素点的像素值为0，进而得到二值化图像。使用measure子模块下的label函数实现二值化图像的连通区域标记，然后对标记的连通区域的像素进行统计，可得到连通区域的面积。

可选的，在步骤S5之后，所述若否，则保留该污染面积对应的污染区域，并对污染区域的数据进行滤波处理之后，还包括：

S6：提取污染区域中数据的最大值，并按照该最大值对污染区域进行排列。

S7：根据排列顺序输出相应的污染报警等级，以及污染区域的位置信息。

例如，首先对连通区域进行标记，然后使用regionprops函数筛选出连通区域，接着遍历所有的连通区域，并通过area.bbox函数得到连通区域的下标，使用下标在整个数组中提取连通区域的污染数据的数值，使用np.max函数提取最大值。

通过最大值来区分不同污染区域的污染程度，然后按照污染程度的严重程度进行排列，并生成相应等级的污染报警，即，污染严重程度越高，报警等级越高，同时输出相应的位置信息，以实现对报警等级的划分以及污染位置的识别。

可选的，在步骤S5之后，所述若否，则保留该污染面积对应的污染区域，并对污染区域的数据进行滤波处理之后，还包括：

S8：提取污染区域的污染信号。

S9：对污染信号进行归一化处理，以得到污染数据。

S10：根据污染数据生成污染图像，并对污染图像进行显示。

具体的，光强信号会随着距离的增加而减弱，到远距离后，数据基本很小且变化也不明显，而利用光强信号计算出来的污染数值也会有这种情况，在远距离时，生成的污染图像不明显，导致显示效果不好。

通过对污染信号进行归一化处理，改善了距离原因对信号浓度的影响，实现了不同距离上浓度的归一化，最后在效果上使得污染区域远景的颜色统一，优化远距离污染区域的识别能力，同时污染区域的颜色着色更能识别污染位置，显示效果更好。

可选的，在步骤S8中，即提取污染区域的污染信号，包括：

S81：对雷达信号曲线进行平滑处理。

S82：提取雷达信号曲线的峰值，以得到污染信号。

其中，由于高频点的波动导致高频曲线非常难看，为了降低噪声干扰，需要对曲线做平滑处理，让曲线过渡更平滑，例如，采取了Savitzky-Golay滤波器进行滤波。

利用二分法提取雷达信号曲线的峰值，例如，利用MATLAB或者Python软件的findpeaks函数提取峰值。具体的，利用窗口在曲线上依次提取数据，并计算每段数据的均值与方差，然后利用每一段数据进行直线拟合，并提取出拟合直线的不同量级的系数，接着利用系数计算污染浓度大小，以及污染区域的高度和宽度。

遍历所有窗口提取的区域数据，将区域浓度大小、宽度、高度提取出来，并计算出左右半峰的最小值和位置。如果左半峰的末端位置大于100，剔除基础强度，并求峰的高度；如果左半峰的末端位置小于100，则利用中值的信号进行插值，剔除基础强度，并求峰的高度；

如果峰高大于0，产生一个尖峰宽度的一维矩阵，将尖峰归一化，当峰高>10，并且峰值最大值/基值>0.05，则认为这个峰是有用的，提取该尖峰的最大峰值，进而提取出污染信号。

可选的，在步骤S9中，即对污染信号进行归一化处理，以得到污染数据，包括：

S91：获取与相应污染信号相同半径下的光强数据，并提取光强数据的均值。

S92：对光强数据的均值进行对数转换，得到转换数值。

S93：将污染信号除以转换数值得到污染数据。

具体的，相同半径是指以雷达的监测点为圆心所在圆的半径；对数可以采用log10，进行对数转换后，改善了距离原因对信号浓度的影响，实现了不同距离上浓度的归一化。

参照图3，本申请实施例还公开一种基于沙氏成像原理的激光雷达的图像处理装置，包括：

获取生成模块：用于获取雷达信号数据，并生成原始光强图。

降噪提取模块：用于对原始光强图进行降噪处理，并提取污染区域。

计算判断模块：用于计算所述污染区域的污染面积，并判断所述污染面积是否小于面积阈值。

剔除模块：用于若是，则剔除该污染面积对应的污染区域。

保留滤波模块：用于若否，则保留该污染面积对应的污染区域，并对污染区域的数据进行滤波处理。

关于一种基于沙氏成像原理的激光雷达的图像处理装置的具体限定可以参见上文中对于一种基于沙氏成像原理的激光雷达的图像处理方法的限定，在此不再赘述。上述一种基于沙氏成像原理的激光雷达的图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本申请实施例还公开了一种计算机设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述一种基于沙氏成像原理的激光雷达的图像处理方法的计算机程序。

本申请实施例还公开了计算机可读存储介质，存储有能够被处理器加载并执行上述一种基于沙氏成像原理的激光雷达的图像处理方法的计算机程序。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）、DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

本申请中的处理器可以包括一个或者多个处理核心。处理器通过运行或执行存储在存储器内的指令、程序、代码集或指令集，调用存储在存储器内的数据，执行本申请的各种功能和处理数据。处理器可以为特定用途集成电路(Application Specific IntegratedCircuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(Digital Signal Processing Device，DSPD)、可编程逻辑装置(Programmable LogicDevice，PLD)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、中央处理器(Central Processing Unit，CPU)、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本申请实施例不作具体限定。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。