时间门控SPAD阵列非视域成像的中介面BRDF散射特性研究

非视域成像是当前针对实际应用而迅速发展的成像技术之一,基于SPAD阵列的非视域成像模式相较于其他模式具有凝视成像,设备轻量化等优点。针对基于门控SPAD阵列的非视域成像方法进行分析,重点关注基于门控SPAD阵列的非视域成像的中介面BRDF(bidirectional reflectance distributionfunction,BRDF)散射特性及其对成像的影响,并选用Cook-Torrance模型对作为中介面的典型建筑材料BRDF散射特性进行建模分析;选取黑色亮光瓷砖、白色亚光瓷砖和黑色防护挡板3种典型建筑材料测量了BRDF数据,通过RANSAC(random sample consensus)算法剔除测量异常值,再采用遗传算法获得模型的特征参数,验证了通过特征参数描述材料BRDF散射特性的有效性,可为进一步的基于门控的SPAD阵列非视域成像研究奠定重要基础。

基于SPAD阵列探测的空中运动目标识别方法

采用单光子雪崩二极管(SPAD)组成的接收阵列,可有效提升接收端的灵敏度,这对于远距离探测成像具有重要应用价值。因成像时间受限,SPAD阵列对于空中移动目标探测的成像结果存在分辨率低、特征信息少、背景干扰噪声多等问题。针对阵列弱成像条件下的目标快速识别问题,通过分析不同空中移动目标的结构运动与位移之间的角度变化特点,提出一种基于SPAD阵列探测的空中运动目标识别方法。该方法有效解决了跟踪探测实时性要求与目标识别准确性之间的矛盾,可以在没有先验信息的条件下完成跟踪和识别任务。为进一步说明基于光流特征的分析方法的优势,以旋翼型无人机、固定翼型无人机以及飞鸟等大小、形状类似的低空飞行目标为例,通过对不同的光流角度分布进行统计分析,在近似离散点的成像条件下实现了以上3类目标的有效识别分类。

采用传感器融合网络的单光子激光雷达成像方法

激光雷达系统采用主动照明的方式,激光发射脉冲周期信号至目标场景,激光脉冲经目标表面漫反射,由单光子雪崩二极管(Single-Photon Avalanche Diode,SPAD)探测器记录回波光子的到达时间,获得场景的深度信息。然而在探测过程中,测量结果往往会遭到环境光的干扰。传感器融合是进行单光子成像的有效方法之一。最近提出的基于LiDAR和强度相机融合的数据驱动方法大多采用扫描式激光雷达,深度获取速度慢。SPAD阵列的出现打破了帧率的限制。SPAD阵列允许同时收集多个回波光子,加速了信息采集,但分辨率较低,在探测过程中还会受到环境光的干扰,因此需要通过算法打破SPAD阵列的固有限制,从噪声中分离深度信息。针对分辨率为32×32 pixel的SPAD阵列探测器,提出了一种卷积神经网络结构,旨在强度图的引导下,将低分辨率TCSPC直方图映射至高分辨率深度图。该网络采用多尺度方法提取输入特征,并基于注意力模型融合深度数据和强度数据。另外,设计了一个损失函数组合,适用于处理TCSPC直方图数据的网络。在采集数据上进行了验证,提出方法能成功将深度数据的空间分辨率提升4倍,并在质量和数据指标上都优于其他算法。