DOI: 10.17586/2226-1494-2018-18-5-709-718


УДК629.7.05; 681.78

АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ ОБЪЕКТОВ ПО ДАННЫМ 3D-ЛИДАРА НА БАЗЕ ТЕХНОЛОГИИ СЧЕТА ЕДИНИЧНЫХ ФОТОНОВ

Тимофеев А. В., Денисов В. М.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования: Тимофеев А.В., Денисов В.М. Автоматическая классификация объектов по данным 3D-лидара на базе технологии счета единичных фотонов // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 5. С. 709–718. doi: 10.17586/2226-1494-2018-18-5-709-718

Аннотация
Предмет исследования. В работе выполнено сравнение эффективности процедуры автоматической классификации зондируемых объектов по данным 3D-лидара, построенного на базе технологии счета единичных фотонов, с эффективностью процедуры классификации по данным обычного линейного лидара. Лидары на основе технологии счета единичных фотонов существенно превосходят обычные линейные лидары по целому ряду целевых параметров, в том числе по величине пространственного разрешения – более чем на порядок, по производительности процесса сканирования местности – на порядок, по массогабаритным показателям – в разы. В отличие от линейных лидаров, каждая лазерная точка в случае SPCT-лидара описывается не только ее координатами и интенсивностью отраженного сигнала, но координатами и дополнительным блоком данных, который характеризует рельеф поверхности зондируемого объекта в направлении зондирующего фотонного потока. Наличие этого дополнительного блока данных для каждой лазерной точки позволяет считать полученные изображения 3D-изображениями, что существенно облегчает решение не только фотограмметрической задачи, но и задачи автоматической классификации целевых объектов (целей) на SPCT-изображении. Метод. Рассмотрено решение задачи автоматической классификации целей на базе SPCT-данных с привлечением методов машинного обучения (XGBoost и многослойных нейронных сетей – ANN). Основные результаты. Результаты численного моделирования, проведенного в рамках настоящего исследования, показали, что при прочих равных условиях, эффективность решения классификационной задачи на базе SPCT-данных в практически важных случаях повышается до 20% по сравнению со случаем использования для классификации данных, полученных от обычного линейного лидара. Практическая значимость. Полученные результаты могут быть использованы при создании мобильных SPCT-лидаров, позволяющих с высокой надежностью обнаруживать и классифицировать объекты на поверхности Земли в реальном масштабе времени.

Ключевые слова: технология счета единичных фотонов, 3D-лидар, гейгеровский лидар, однофотонный лидар, XGBoost, искусственная нейронная сеть

Список литературы
 
  1. Priedhorsky W.C., Smith R.C., Ho C. Laser ranging and mapping with a photon-counting detector // Applied Optics. 1996. V. 35. N 3. P. 441–452. doi: 10.1364/AO.35.000441
  2. Degnan J., Wells D., Machan R., Leventhal E. Second generation airborne 3D imaging lidars based on photon counting // Proc. SPIE. 2007. V. 6771. doi: 10.1117/12.732086
  3. Williams G.M. Limitations of Geiger-mode arrays for Flash LADAR applications // Proc. SPIE. 2010. V. 7684. doi: 10.1117/12.853382
  4. Aull B.F., Loomis A.H., Young D.J., Stern A., Felton B.J., Daniels P.J., Landers D.J., Retherford L., Rathman D.D., Heinrichs R.M. et al. Three-dimensional imaging with arrays of geiger-mode avalanche photodiodes // Proc. SPIE. 2004. V. 5353. P. 105–116. doi: 10.1117/12.532723
  5. Li Q., Dengan J., Barrett T., Shan J. First evaluation on single photon-sensitive lidar data // Photogrammetric Engineering and Remote Sensing. 2016. V. 82. N 7. P. 455–463. doi: 10.14358/PERS.82.7.455
  6. Moussavi M.S., Abdalati W., Scambos T., Neuenschwander A. Applicability of an automatic surface detection approach to micro-pulse photon-counting lidar altimetry data: implications for canopy height retrieval from future ICESat-2 data // International Journal of Remote Sensing. 2014. V. 35. N 13. P. 5263–5279. doi: 10.1080/01431161.2014.939780
  7. Marino R.M., Davis W.R.Jigsaw: a foliage-penetrating 3D imaging laser // Lincoln Laboratory Journal. 2005. V. 15. P. 23–36.
  8. Single Photon Lidar: Sigma-Space [Электронныйресурс]. Режим доступа: http://www.sigmaspace.com/single-photon-lidar, своб. Яз. англ. (дата обращения 10.07.2018).
  9. Geiger-Mode Lidar: Raising the Standard to New Heights [Электронныйресурс]. Harris, 2007. Режим доступа: www.harrisgeospatial.com/Portals/0/pdfs/HG_Geiger-mode_LiDAR_brochure_WEB.pdf, своб. Яз. англ. (дата обращения 10.07.2018).
  10. Chen T., Guestrin C. XGBoost: a scalable tree boosting system // Proc. 22nd ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining. San Francisco, USA, 2016. V. 13-17. P. 785–794.doi: 10.1145/2939672.2939785


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2018 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика