Меню
Публикации
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2018-18-5-709-718
УДК 629.7.05; 681.78
АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ ОБЪЕКТОВ ПО ДАННЫМ3D-ЛИДАРА НА БАЗЕ ТЕХНОЛОГИИ СЧЕТА ЕДИНИЧНЫХ ФОТОНОВ
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
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
Список литературы
-
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
-
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
-
Williams G.M. Limitations of Geiger-mode arrays for Flash LADAR applications // Proc. SPIE. 2010. V. 7684. doi: 10.1117/12.853382
-
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
-
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
-
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
-
Marino R.M., Davis W.R.Jigsaw: a foliage-penetrating 3D imaging laser // Lincoln Laboratory Journal. 2005. V. 15. P. 23–36.
-
Single Photon Lidar: Sigma-Space [Электронныйресурс]. Режим доступа: http://www.sigmaspace.com/single-photon-lidar, своб. Яз. англ. (дата обращения 10.07.2018).
-
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).
-
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