[0001] 本发明涉及目标识别技术领域，特别涉及一种基于激光雷达回波波形拟合参数的目标识别方法。

[0002] 激光雷达回波信号是指激光雷达发射的激光束与目标物体相互作用后返回的信号。这些信号包含了目标物体的距离、位置、形状的信息，是激光雷达感知和识别目标的重要数据。主流的激光雷达目标识别是基于生成点云数据处理的方法，即利用阵列或扫描式激光雷达获取目标的距离、强度等信息，从而实现目标的三维重建，从三维成像的角度来辨别目标的相关信息，其过程繁琐，算法复杂，使得激光雷达目标的实时性和高效性面临巨大挑战。

[0003] 鉴于目前本领域技术人员在激光雷达目标识别等领域的难点，因此如何克服激光雷达目标识别需要繁琐的点云三维重建，满足激光雷达目标识别是目前亟待解决的技术难度。

[0042] 下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

[0043] 参考图1，图1示出了一种基于激光雷达回波波形拟合参数的目标识别方法的流程图；如图1所示，该方法包括步骤S1～步骤S5。

[0044] 在步骤S1中，采集待识别目标在不同距离、不同角度下的一维回波信号，并对一维回波信号进行预处理。

[0045] 实施时，本方案优选采用回波信号采集装置获取一维回波信号；如图2所示，回波信号采集装置包括激光雷达探测装置1和示波器5；激光雷达探测装置1的发射介质2发射调制光脉冲信号，光脉冲信号到达金属目标4表面发生反射，激光雷达探测装置1的接收介质3接收反射信号，并发送给示波器5；示波器5在高采样率500MSa/s的条件下得到一维回波信号，并发送给处理器。

[0046] 根据激光雷达传输方程：

[0047]

[0048] 其中，Pr、Pt为激光雷达接收和发送介质对应的幅值(v)，Dr为接收介质孔径(m),ηsys、ηatm分别为系统误差和大气衰减系数，θ为激光雷达入射角，ρ为目标反射率。根据激光雷达近场探测特点，可以将激光雷达传输方程等效为：

[0049]

[0050] 其中，K为常数。

[0051] 本方案通过对获取的回波信号波形进行拟合，可以使不同材料的待识别目标反射率ρ的不同造成回波信号波形的差异，本方案利用不同材料目标拟合参数的差异性来完成识别。

[0052] 实施时，本方案优选对一维回波信号进行预处理的方法包括：

[0053] 采用平均值滤波对一维回波信号进行平滑处理，这样操作可以使得到的原始回波信号更具有普适性；平均值滤波的表达式为：

[0054]

[0055] 其中， 为平滑处理后的一维回波信号；N为独立测量的次数；yl为第l次独立测量得到的一维回波信号；

[0056] 采用阈值法去除平滑处理后的一维回波信号中的环境噪声和拖尾部分，得到有效回波波段。

[0057] 在步骤S2中，采用拟合函数对预处理后的每个回波信号进行拟合，得到待识别目标的拟合参数，采用所有的拟合参数构成拟合参数向量；

[0058] 在本发明的一个实施例中，本方案优选数据库中所有金属目标的拟合参数向量均采用步骤S1和步骤S2的方法获得；

[0059] 拟合函数在数据库构建之前根据金属的特征进行选取，其选取方法包括：

[0060] 获取多种拟合函数：5阶多项式、6阶多项式、7阶多项式、单高斯函数、双高斯函数、三高斯函数和重尾函数；

[0061] 采用多种拟合函数分别对金属目标的有效回波进行拟合，得到拟合参数；

[0062] 多项式函数的表达式为：

[0063]

[0064] 其中，W＝5、6、7为对应的五阶多项式、六阶多项式、七阶多项式；aW为多项式的拟合参数；x为有效回波波段时域值；y为拟合函数值；

[0065] 高斯函数的表达式为：

[0066]

[0067] 其中M＝1、2、3为对应的单高斯函数、双高斯函数、三高斯函数；ao、bo、co均为高斯函数的拟合函数；重尾函数的表达式为：

[0068]

[0069] 其中，a、b均为重尾函数的拟合参数；e为自然对数。

[0070] 采用残差平方和SSE、决定系数R‑square、均方根误差RMSE对多个拟合参数进行评价，选取评价结果最好的函数作为最终的拟合函数。

[0071] 采用残差平方和SSE、决定系数R‑square、均方根误差RMSE进行相关评定结果，可以参考表1。表1为多个金属有效回波各模型拟合结果残差平方和SSE、决定系数R‑square、均方根误差RMSE的平均值。

[0072] 表1各模型拟合结果评定表

[0073]

[0074] 通过表1可知，由于重尾函数3项评价结果为最差，所以舍去重尾函数；残差平方和SSE随多项式阶数和高斯模型数量的增加而减小；而单高斯拟合的SSE最大，且双高斯拟合的SSE也大于5、6、7阶多项式拟合，三高斯拟合的SSE与5、6、7阶多项式拟合结果相当，但其拟合参数为9个；决定系数R‑square随多项式阶数的增加而增加，7阶相对于6阶无明显提升；均方根误差RMSE随多项式阶数的增加而减小，且7阶相对于6阶提升较小；参数个数随多项式阶数的增加而增加。

[0075] 综合考虑，以6阶多项式最优，所以本方案将6阶多项式作为最终的拟合模型所得参数输出为一维向量，该向量为参数向量。

[0076] 在步骤S3中，计算待识别目标的拟合参数向量与数据库中存储的所有金属目标的拟合参数向量之间的欧氏距离和余弦距离；

[0077] 在 本 方 案 中 金 属 目 标 的 拟 合 参 数 向 量 的 通 用 表 达 式 为表示在距离为d米，入射角为j°下第m种典型金属的参数向量，其中m＝1,2,3…；a1,a2,…,an为参数向量 中的元素， 即为a1,a2,…,an中的
任一值。

[0078] 待识别目标的拟合参数向量的表达式为 表示待识别目标在距离为d米，入射角为j°下的拟合参数向量，b1,b2,…,bn为参数向量 中的元素， 为b1,b2,…,bn中的任一值。

[0079] 本方案数据库中存储的所有金属目标的拟合参数向量的获取方法与步骤S1和步骤S2中的待识别目标的拟合参数向量是完全一样的，只是其中的金属目标是多种已经得金属。

[0080] 在本方案中，欧氏距离和余弦距离的表达式为：

[0081]

[0082] 其中，DO(m)和DC(m)分别为数据库中第m种金属目标的拟合参数向量与待识别目标的拟合参数向量之间的欧氏距离和余弦距离； 为待识别目标在距离为d米，入射角为j°下的拟合参数向量中的第i个参数向量元素。

[0083] 在步骤S4中，读取数据库中每种金属目标与多种非金属目标在同等位姿条件下的最小欧氏距离和最小余弦距离；

[0084] 其中，最小欧氏距离和最小余弦距离的表达式分别为：

[0085]

[0086] 其中，ΔD1(m)和ΔD2(m)分别为第m种金属目标与多种非金属目标的最小欧氏距离和最小余弦距离；min为第m种金属下不同k值的最小值； 为第k种非金属目标在距离为d米，入射角为j°下的拟合参数向量中的第i个参数向量元素；m和k均为变量； 为数据库中第m种金属目标在距离为d米，入射角为j°下的拟合参数向量中的第i个参数向量元素；n为拟合参数向量中参数向量元素的总个数。

[0087] 为第k种非金属目标在距离为d米，入射角为j°下的拟合参数向量的获取方法与金属目标和待识别目标的参数向量的获取方法相同。 为 中的第i个元素。

[0088] 本方案中的向量 和 中元素的个数完全相同，都是在目标在距离为d米，入射角为j°下采样的回波数据处理得到的拟合参数。

[0089] 在步骤S5中，判断同一金属目标的欧氏距离和余弦距离是否均小于与其对应的最小欧氏距离和最小余弦距离，若是，则待识别目标为当前金属目标，否则待识别目标为非金属。

[0090] 为了便于理解，举例对步骤S5进行详细说明，假设待识别目标的参数向量与金属目标A之间的欧氏距离和余弦距离分别为E、F，金属目标A与多个非金属目标得到的最小欧氏距离和最小余弦距离为G和H，那么在进行判断时，是将E与G及F和H进行比较，若同时满足E＜G及F＜H，那么待识别目标即为金属目标A。

[0091] 在本方案中非金属目标包括但不限于树木、草丛、墙壁、水体和泥土。

[0092] 综上所述，本方案在进行目标识别时，通过欧氏距离和余弦距离为判别依据对待识别目标回波参数向量与数据库中的参数向量进行差异性(与最小欧氏距离和最小余弦距离的比较)评估，无需进行三维点云重建就能识别特定目标，并能满足激光雷达近场探测所需的实时性和高效性。