一种基于改进的EM算法的激光雷达波形数据分解的方法

摘要

本发明公开了一种基于改进EM算法的激光雷达波形数据分解的方法，属于机载激光雷达技术领域。通过改进的EM算法即将波形振幅当作一个权值加入到EM算法原始公式的分子和分母上对激光雷达波形进行分析，可以更加详细地了解物体的纵向结构，如表面倾斜、粗糙度、反射率。本发明在后处理过程中让使用者自己提取三维坐标获得高精度的点云结果。本发明使用改进的EM算法得到回波脉冲的位置和宽度，是一种性能可靠、精度较高的波形分解算法。

主权项

1.一种基于改进的EM算法的激光雷达波形数据分解的方法，其特征在于包括以下步骤：(1)依据雷达等式的推导，用高斯函数模拟激光雷达的波形数据；(2)通过使用去噪阈值和平滑算法去除噪音；(3)在去噪后会出现毛刺现象，将毛刺作为噪音再进行一次去噪处理；(4)在去除噪音后，通过波形维护来优化波形；(5)对完全去除噪音后的激光雷达波形数据求梯度算子，把检测到的若干激光雷达波形极大值作为高斯函数的初始值；(6)通过EM算法对高斯函数参数做最大相似评估，将波形振幅当作一个权值加入到EM算法原始公式的分子和分母上；(7)用改进的EM算法高斯分解波形数据，由于激光雷达波形数据会产生波形重叠的情况，运用最小距离法通过计算高斯函数期望值之间的差值来决定重叠波形的高斯分解，所述改进的EM算法即为将波形振幅当作一个权值加入到EM算法原始公式的分子和分母上；(8)提取分解激光雷达波形得到的高斯函数，高斯函数期望值为激光雷达波形的位置，高斯函数的均方差为激光雷达波形的宽度；(9)通过应用高斯函数期望值求解激光雷达点云数据三维坐标，均方差求解森林参数等地物属性。