一种基于建筑物多次散射的阵列SAR点云三维重建方法 专利技术说明

计算;推算;计数设备的制造及其应用技术一种基于建筑物多次散射的阵列sar点云三维重建方法技术领域1.本发明涉及合成孔径雷达信号处理技术领域，具体涉及一种基于建筑物多次散射的阵列sar点云三维重建方法。背景技术：2.sar成像系统具有全天时、全天候、可穿透的工作特性，在遥感观测、地形测绘等领域具有重要应用价值。随着地理信息大数据的快速发展，三维高分辨率成像系统得到越来越多的重视。阵列sar系统在获取目标散射体的高程信息同时还能够得到散射体在高程向上的分布，对复杂地形形成的叠掩区域依然具有三维重建能力，可以实现城市复杂目标三维重建，获得了国内外的广泛关注。3.然而由于阵列sar散射机理较为复杂，阵列sar点云中存在大量的干扰点，导致阵列sar点云应用受到限制，因此点云后处理和目标提取成为阵列sar信号处理的研究热点。4.目前阵列层析sar信号处理，尤其是复杂城市区域信号处理面临较大困难。复杂城市环境由不同种类、形状的建筑物、不同面积的绿化地、基础设施(道路桥梁等)和城郊区复杂结构组成，一直以来是遥感测量和分析的困难问题。5.国内外研究大多集中在阵列sar三维成像技术高度向成像算法，主要包括傅里叶变换算法、谱估计算法、压缩感知算法等。上述方法为三维成像算法，不能解决多次散射问题。针对多次散射问题，目前研究多关注二次散射，没有考虑三次散射，并且只局限于散射抑制，而没有充分利用散射信息。技术实现要素：6.有鉴于此，本发明提供了一种基于建筑物多次散射的阵列sar点云三维重建方法，能够实现多次散射信息的再利用，提高三维重建能力，解决阵列sar城区三维点云中存在明显的多次散射干扰的问题。7.为实现上述目的，本发明的技术方案为：8.本发明一种基于建筑物多次散射的阵列sar点云三维重建方法，通过阵列sar获取建筑物三维点云数据；对建筑物侧面进行平面拟合，定位建筑物位置；在阵列sar点云中估计建筑物高度和宽度，根据雷达观测视角计算建筑物阴影区；在计算出的建筑物阴影区中检测多次散射点，然后关于建筑物侧面进行对称位移，得到建筑物结构信息和散射信息；基于建筑物结构信息和散射信息实现三维成像。9.其中，根据雷达观测视角计算建筑物阴影区的具体计算公式为l＝w+h*tanθ，其中l为建筑物阴影区，h和w分别为建筑物高度和宽度，θ为下视角。10.其中，在计算出的建筑物阴影区中检测多次散射点，然后关于建筑物侧面进行对称位移。11.其中，基于建筑物结构信息和散射信息，对建筑物进行建模，并将散射信息贴于模型上，得到三维成像结果。12.其中，采用最小二乘法对建筑物侧面进行平面拟合。13.有益效果：14.1、本发明采用阵列sar技术，通过在交轨向依次增加多个天线，形成阵列天线结构，具有高度向分辨能力，从而达到目标场景的三维成像效果。本发明在高建筑的阴影里面检测散射点，然后关于高建筑侧面进行对称位移，不仅可以避免多次散射干扰，有效抑制多次散射干扰，而且实现了三次散射信息的再利用，获取了更多建筑物散射信息，可使建筑物三维成像结果更加精细。15.2、本发明通过在阵列sar点云中估计建筑物高度，根据观测几何计算阴影范围；在计算出的阴影范围中检测散射点，实现建筑物阴影区的准确获取，有效抑制多次散射干扰。16.3、本发明通过对建筑物进行建模，并将散射信息贴于模型上，得到三维成像结果，三维成像结果较为清晰地反映了建筑物结构信息和侧面、楼顶纹理信息，更易于应用推广。附图说明17.图1为建筑物二次散射示意图。18.图2为建筑物三次散射示意图。19.图3为阵列sar点云中多次散射干扰图。20.图4为本发明流程示意图。21.图5为本发明建筑物成像几何示意图。22.图6为本发明点云后处理结果图。23.图7为本发明三维成像结果图。具体实施方式24.下面结合附图并举实施例，对本发明进行详细描述。25.由于阵列sar波长与建筑物表面粗糙度接近，建筑物对雷达波的镜面散射较强，因此成像中存在明显的散射干扰。图1为二次散射(abcd)，图2为三次散射(abcba)。由于阵列sar信号模型是基于单次散射构建的，因此建筑物多次散射在阵列sar点云中会形成干扰点，二次散射会形成较强的角反射干扰，三次散射会形成镜像干扰。如图3所示为实际多发多收阵列sar点云。由于雷达从左上侧观测，建筑物右下侧部分区域为阴影区域，因此该区域不存在可观测散射体。然而，由图3中可以看到建筑物右下侧存在两处较为密集的点云，一处为二次散射形成，另一处为三次散射形成。二次散射主要由高建筑侧面和矮建筑楼顶形成，两簇二次散射点云关于该二面角的棱对称；三次散射主要由高建筑侧面和矮建筑形成，三次散射形成点云为矮建筑关于高建筑侧面的镜像。需要说明的是，三次散射观测到了矮建筑的背阴面，该信息在单次散射点云中观测不到。二次散射点云具有对称分布特性，可以在信号处理过程中消除。三次散射点云多位于高建筑的阴影里，而且位置与实际目标关于高建筑侧面对称。26.基于上述分析，本发明为一种基于建筑物多次散射的阵列sar点云三维重建方法，在高建筑的阴影里面检测散射点，然后关于高建筑侧面进行对称位移。该方法不仅可以避免多次散射干扰，而且实现了三次散射信息的再利用，已有技术局限于剔除散射信息，没有实现点云散射信息的再利用。本发明方法具体流程如图4所示，包括如下步骤：27.步骤1，通过阵列sar获取建筑物三维点云数据；28.其中，阵列sar通过对建筑物层析向的信号聚焦获取建筑物三维点云数据，阵列sar技术是对传统insar技术的进一步拓展，通过在交轨向依次增加多个天线，形成阵列天线结构，具有高度向分辨能力，从而达到目标场景的三维成像效果。29.步骤2，对建筑物侧面进行平面拟合，定位建筑物位置；在阵列sar点云中估计建筑物高度和宽度，根据雷达观测视角计算建筑物阴影区，具体计算公式为30.l＝w+h*tanθ31.其中l为建筑物阴影区，h和w分别为建筑物高度和宽度，θ为下视角。本发明建筑物成像几何示意图如图5所示。32.其中，采用最小二乘法对建筑物侧面进行平面拟合。具体地最小二乘法平面拟合主要是通过已知点云数据的坐标值xi、yi和zi来拟合平面，利用xi、zi拟合得到的函数值与实际值yi之差的平方最小。其中xi、yi、zi分别表示方位向、距离向和高度向点云坐标。根据数据点(xi，yi，zi)，将平面方程记为f(x，z)＝pt(x，z)a。其中pt和a分别为平面方程的基函数和系数，可取由最小二乘法的定义可得：[0033][0034]为得到j(a)中对平面方程的系数最小的结果，可将式(1)改为[0035][0036]为求出式(2)的解，定义其中p是一个n×3矩阵，y是所有已知点yi的坐标值，故(2)改写为矩阵形式：[0037][0038]根据式(3)可求出拟合的平面方程系数a。[0039]步骤3，在计算出的建筑物阴影区中检测散射点；[0040]由于三次散射点云多位于建筑物阴影区，因此在建筑物阴影区检测散射点。[0041]步骤4，关于建筑物侧面进行对称位移，得到建筑物结构信息和散射信息；[0042]由于三次散射点云位置与实际目标关于建筑物侧面对称，因此将关于建筑物侧面进行对称位移。利用本发明方法进行阵列sar点云后处理结果如图6所示，可以看到点云后处理之后建筑物右下侧阴影区域已无多次散射干扰，而前侧矮建筑不仅实现了前侧面重建而且实现了背阴的后侧面重建，获得了更为精确的建筑物结构信息和散射信息。[0043]步骤5，基于建筑物结构信息和散射信息，对建筑物进行建模，并将散射信息贴于模型上，得到三维成像结果。[0044]对建筑物进行建模，并将散射信息贴于模型上所得的三维成像结果如图7所示，可以看到三维成像结果较为清晰地反映了建筑物结构信息和侧面、楼顶纹理信息，更易于应用推广。[0045]综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!