[发明专利]一种基于经验模型的激光雷达衰减估计方法及系统在审
申请号: | 202210647862.8 | 申请日: | 2022-06-08 |
公开(公告)号: | CN115201791A | 公开(公告)日: | 2022-10-18 |
发明(设计)人: | 张艳;檀庄斌;陈金涛;焦中兴;马非凡;黄坤 | 申请(专利权)人: | 中山大学·深圳;中山大学 |
主分类号: | G01S7/497 | 分类号: | G01S7/497;G06F30/25 |
代理公司: | 深圳市创富知识产权代理有限公司 44367 | 代理人: | 范伟民 |
地址: | 518107 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 经验 模型 激光雷达 衰减 估计 方法 系统 | ||
1.一种基于经验模型的激光雷达衰减估计方法,其特征在于,包括以下步骤:
根据大气分子对激光雷达衰减特性的影响构建第一经验模型;
根据大气气溶胶对激光雷达在大气中传输的影响构建第二经验模型;
整合第一经验模型和第二经验模型,得到最终经验模型;
获取大气参数并导入最终经验模型,得到衰减估计结果。
2.根据权利要求1所述一种基于经验模型的激光雷达衰减估计方法,其特征在于,还包括:
对最终经验模型进行分析,得到激光雷达衰减特性的影响参数;
根据激光雷达衰减特性的影响参数提出衰减抑制手段。
3.根据权利要求1所述一种基于经验模型的激光雷达衰减估计方法,所述根据大气分子对激光雷达衰减特性的影响构建第一经验模型这一步骤,其具体包括:
根据大气分子对激光雷达衰减特性的影响,基于瑞利散射理论进行分析,建立第一理论模型;
忽略大气分子吸收效应,基于分子散射效应对第一理论模型进行分析和化简,得到第一经验模型。
4.根据权利要求3所述一种基于经验模型的激光雷达衰减估计方法,其特征在于,所述第一经验模型的公式表示如下:
上式中,βm表示分子散射系数,N表示分子数密度,P表示压强,T表示温度,Ar表示影响参数,λ表示激光雷达波长。
5.根据权利要求4所述一种基于经验模型的激光雷达衰减估计方法,其特征在于,所述根据大气气溶胶对激光雷达在大气中传输的影响构建第二经验模型这一步骤,其具体包括:
根据大气气溶胶对激光雷达在大气中传输的影响,基于Mie散射理论进行分析,建立第二理论模型;
对第二理论模型中的消光截面进行化简并进行函数拟合,得到第二经验模型。
6.根据权利要求3所述一种基于经验模型的激光雷达衰减估计方法,其特征在于,对于雾天气,所述第二经验模型的公式表示如下:
ηn(h)=1.93e-10(erf(10.52r2-4.53)-erf(10.52r1-4.53))+2.93e-10(erf(12.36r2-3.84)-erf(12.36r1-3.84))+1.20e-10(erf(7.75r2-1.64)-erf(7.75r1-1.64))
上式中,ηn(h)表示气溶胶效应系数,r2表示粒子半径上限,r1表示粒子半径下限。
7.根据权利要求5所述一种基于经验模型的激光雷达衰减估计方法,其特征在于,所述最终经验模型公式:
上式中,km(r)、kn(r)分别表示由大气分子、气溶胶引起的吸收系数,βm(r)、βn(r)分别为由大气分子、气溶胶引起的散射系数,H表示传播距离,kt,λ表示介质的衰减系数。
8.一种基于经验模型的激光雷达衰减估计系统,其特征在于,包括:
第一经验模型构建模块,用于根据大气分子对激光雷达衰减特性的影响构建第一经验模型;
第二经验模型构建模块,用于根据大气气溶胶对激光雷达在大气中传输的影响构建第二经验模型;
整合模块,用于整合第一经验模型和第二经验模型,得到最终经验模型;
衰减估计模块,用于获取大气参数并导入最终经验模型,得到衰减估计结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学·深圳;中山大学,未经中山大学·深圳;中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210647862.8/1.html,转载请声明来源钻瓜专利网。