申请/专利权人：南京信息工程大学

申请日：2024-05-31

公开（公告）日：2024-06-28

公开（公告）号：CN118259313A

主分类号：G01S17/95

分类号：G01S17/95;G01S7/497;G01S7/48

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开了一种基于快速傅里叶卷积的激光雷达盲区重建方法及系统，方法包括获取初始有盲区激光探测数据，生成模拟无盲区探测数据；通过对模拟无盲区探测数据进行盲区设置，得到盲区模拟数据集与真值数据集；利用数据集训练基于快速傅里叶卷积神经网络的盲区重建网络模型，学习盲区范围内的大气分布特征，从而实现对近场盲区的重建，系统包括激光雷达信号发射与接收处理模块、无盲区数据生成模块、盲区范围自定义模块、盲区重建网络训练模块、盲区重建网络重建模块、重建质量评估模块；本发明能够基于传统有盲区的激光雷达系统的实际大气探测数据，重建盲区缺失的数据，最终实现了连续的无盲区大气观测。

主权项：1.一种基于快速傅里叶卷积的激光雷达盲区重建方法，其特征在于，包括以下步骤：步骤1，基于有盲区的径向风速水平扫描结果反演得到二维风场，在非盲区影响区域自定义虚拟无盲区雷达探测范围；其中虚拟雷达探测范围由模拟雷达位置、探测距离和方位角决定；步骤2，基于虚拟雷达探测范围内的二维风场，得到虚拟雷达的径向风速水平扫描结果；步骤3，根据所述步骤1中的虚拟雷达雷达探测距离来设置盲区范围，对所述步骤2输出的径向风速水平扫描结果进行盲区处理，盲区范围内的径向风速设置为缺省值，得到盲区模拟数据集；所述步骤2输出的径向风速水平扫描结果为真值数据集；步骤4，将所述步骤3中的数据分为训练集、验证集和测试集，以支持接下来的模型训练和评估；步骤5，利用所述步骤4中的训练集和验证集对基于快速傅里叶卷积神经网络的盲区重建模型进行训练，并在测试集上完成对重建模型性能的定量评估；步骤6，利用所述步骤5中性能验证后的盲区重建模型对实时探测结果进行盲区重建，在完成重建后输出无盲区径向风速的水平扫描结果；步骤7，利用所述步骤6中输出无盲区径向风速的水平扫描结果计算格点RGB通道与径向风速色标的欧几里得距离，检索最小值得到该格点的径向风速大小；步骤8,基于不同盲区条件的测试集数据对步骤5中完成验证的盲区重建网络的重建性能进行敏感性分析，其中不同盲区条件包括：盲区范围D和扫描方位角；使用步骤7中的欧几里得距离反演以图像形式输出的径向风速重建结果，获得格点的具体径向风速，从而计算重建前后测试集径向风速的均方根误差，建立不同盲区条件下径向风速的均方根误差分布。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于快速傅里叶卷积的激光雷达盲区重建方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD