en
×

分享给微信好友或者朋友圈

使用微信“扫一扫”功能。
作者简介:

张吟(1982-),男,硕士,高级工程师,主要从事水下小目标探测技术研究。

中图分类号:P715.6

文献标识码:A

文章编号:2096-5753(2023)04-0450-08

DOI:10.19838/j.issn.2096-5753.2023.04.008

参考文献 1
LlOYD J M.Magic lantern deployment contingency[M]//WAITS M P,BOZICEVICH D M,BRYANT C,et al.Technical Digest:1998 Issue-Technology Transition and Dual-use Technology.Virginia:Naval Surface Warfare Center,1998:86-93.
参考文献 2
胡群星.美国 AN/AES-1 机载激光水雷探测系统[J].兵器知识,2018(4):36-39.
参考文献 3
杨国华,张永峰,储泽国.水下激光探测与告警[J].舰船电子工程,2017,37(12):134-136.
参考文献 4
金伟其,王霞,曹峰梅,等.水下光电成像技术与装备研究进展(下)[J].红外技术,2011,33(3):125-132.
参考文献 5
韩文杰,董光焰,彭凤超,等.水下目标高分辨成像激光雷达研究[J].光电子技术,2020,40(1):1-5,18.
参考文献 6
韦强.“环太平洋-2018”军演都有哪些武器亮相[J].军事文摘,2018(19):40-43.
参考文献 7
胡光兰.美国海军增购先进机载激光水雷探测系统 [J].水雷战与舰船防护,2015,23(2):15.
参考文献 8
陈超,杨鸿儒,吴磊,等.水下目标光电探测技术及其进展[J].应用光学,2011,32(6):1059-1066.
参考文献 9
赵一鸣,李艳华,商雅楠,等.激光雷达的应用及发展趋势[J].遥测遥控,2014,35(5):4-22.
参考文献 10
丁凯,李清泉,朱家松,等.运用MODIS遥感数据评测南海北部区域机载激光雷达测深系统参数[J].测绘学报,2018,47(2):180-187.
参考文献 11
贺岩,胡善江,陈卫标,等.国产机载双频激光雷达探测技术研究进展[J].激光与光电子学进展,2018,55(8):7-17.
参考文献 12
刘焱雄,郭锴,何秀凤,等.机载激光测深技术及其研究进展[J].武汉大学学报:信息科学版,2017,42(9):1185-1194.
参考文献 13
王狮凌,房丰洲.大功率激光器及其发展[J].激光与光电子学进展,2017,54(9):51-64.
参考文献 14
王德,李学千.半导体激光器的最新进展及其应用现状[J].光学精密工程,2001(3):279-283.
参考文献 15
马剑,朱小磊,陆婷婷,等.海洋应用高峰值功率蓝光脉冲激光器技术研究[J].光学学报,2022,42(17):250-259.
参考文献 16
MACCARONE A,MCCARTHY A,REN X M,et al.Underwater depth imaging using time-correlated single-photon counting[J].Optics Express,2015,23(26):33911.
参考文献 17
MACCARONE A,ROCCA F M D,MCCARTHY A,et al.Three-dimensional imaging of stationary and moving targets in turbid underwater environments using a single-photon detector array[J].Optics express,2019,27(20):284.
参考文献 18
钟凯,张献中,徐德刚,等.全固态双波长激光器研究进展(特邀)[J].光电技术应用,2022,37(4):13-26,78.
参考文献 19
王伟亭,冯巍巍,朱智林,等.基于激光偏振技术的海洋牧场水下成像技术研究[J].光电子·激光,2021,32(6):581-586.
参考文献 20
李朝锋,王振,陈晨,等.基于涡旋光场水下激光雷达空间滤波技术研究[J].光学技术,2023,49(2):211-214.
参考文献 21
柯钧,张临夏,周群.压缩感知在光学成像领域的应用[J].光学学报,2020,40(1):98-123.
参考文献 22
ZHAO Z J,谈宇光,刘鹏,等.基于激光选通成像技术的水下远距离目标智能识别系统研究[J].集成技术,2023,12(2):39-52.
参考文献 23
张慧,王坤峰,王飞跃.深度学习在目标视觉检测中的应用进展与展望[J].自动化学报,2017,43(8):1289-1305.
参考文献 24
赵嘉玮.基于SVM算法的目标分类筛选方法研究[J].无线互联科技,2022,19(23):123-125.
参考文献 25
刘舒,姜琦刚,马玥,等.基于多目标遗传随机森林特征选择的面向对象湿地分类[J].农业机械学报,2017,48(1):119-127.
参考文献 26
赵中阳,程英蕾,释小松,等.基于多尺度特征和PointNet的 LiDAR 点云地物分类方法[J].激光与光电子学进展,2019,56(5):251-258.
参考文献 27
吴登禄,薛喜辉,张东文,等.基于 PointNet++的室外场景三维点云多目标检测方法[J].自动化与信息工程,2019,40(4):5-10.
参考文献 28
江月松.机载 GPS、姿态和激光扫描测距集成定位系统的精确定位方程、误差分析与精度评估[J].遥感学报,2001(4):241-247.
参考文献 29
俞家勇,卢秀山,田茂义,等.机载激光雷达测深系统定位模型与视准轴误差影响分析[J].红外与激光工程,2019,48(6):337-345.
参考文献 30
王海涛.激光武器关键技术及典型作战模式分析[J].航空兵器,2020,27(2):25-31.
目录contents

    摘要

    阐述了机载激光雷达水下探测的原理与发展,包括激光雷达水下探测原理和激光雷达水下探测发展历程。对主要机载激光雷达水下探测系统进行了详细的分析,包括主流机载激光雷达测深系统及其发展趋势。在浅水小目标探测关键技术方面,对高功率密度激光器技术、高性能水下光学系统、大视场快速成像技术、小目标自主识别与精确定位技术和轻小型化技术等进行了剖析和总结。为进一步推进激光雷达水下高精度目标探测技术的发展提供参考和依据。

    Abstract

    The principles and development of airborne LiDAR underwater detection are described,including the principle of LiDAR underwater detection and the development history of LiDAR underwater detection. A detailed analysis of the main airborne LiDAR underwater detection systems is conducted,including mainstream airborne LiDAR depth measurement systems and their development trends. In terms of key technologies for shallow water small target detection,high-power density laser technology,high-performance underwater optical systems,wide-field rapid imaging technology,small target autonomous identification and precise positioning technology,and lightweight technology are analyzed and summarized. This serves as a reference and basis for further promoting the development of high-precision underwater target detection technology using LiDAR.

  • 0 引言

  • 随着我国海洋强国战略的提出,海洋资源开发和国家主权维护的需求不断增加。为有效应对水雷威胁,应全面加强我反水雷能力,其中浅水水雷探测是当前所面临的主要挑战。相对于传统声、磁等探测手段,机载激光雷达是典型的跨介质探测方法,在机动性、安全性、适应性等方面具有不可比拟的优势。

  • 机载激光雷达利用高功率激光和精密光学系统实现了水下环境的长距离立体成像和目标检测。机载激光雷达可以在不潜入水体的情况下获取高分辨率三维成像。利用机载激光雷达浅水小目标探测优势主要体现在以下几个方面:一是卓越的机动性,凭借与飞行平台的一体化集成和高巡航速度等优势,可快速抵达和覆盖作业海区;二是优越的安全性,不受浅水暗礁、水下障碍物等因素的影响,昼夜可开展探测作业,具有较强的抗干扰性;三是作业效率高,得益于跨介质探测的技术特点,探测速度快,有效作用时间占比高(无布放回收传感器、转弯灵活机动等特点),能够对大面积的海域进行快速搜索探测。

  • 虽然机载激光雷达系统在目标探测方面优势明显,但对于浅水水雷小目标,同样面临一系列技术难点,如对于小尺寸目标探测分辨率有所欠缺、近岸重点区域受浑浊水体影响测量深度大幅下降、单次飞行覆盖范围需进一步提高、小目标自主识别能力应重点加强等。

  • 本文通过调研和分析,对机载激光雷达浅水小目标探测技术的发展现状和关键技术进行了系统研究。主要分析了全球先进机载激光探测系统的发展历程和技术特点,并总结了未来发展趋势。重点分析了高功率密度激光器技术、高性能水下光学系统、自主识别与精确定位技术以及轻小型化等关键技术,并指出了机载激光雷达在浅水小目标探测领域的不足和发展方向。以期为进一步推进激光雷达水下高精度目标探测技术的发展提供参考和依据。

  • 1 技术原理及发展历程

  • 1.1 技术原理

  • 机载激光雷达系统安装于飞机、无人机或直升机上,基于时差原理,通过向水体发射大功率、窄脉冲激光脉冲,并接收反射回的光信号,计算光信号传播的时间差来确定水下地形的深度和目标位置。

  • 具备水下探测能力的机载激光雷达系统通常由激光器、光学系统、探测器、高精度定位与姿态测量系统、信号处理与数据处理系统构成。其中,激光器作为光源,负责产生激光脉冲,通常采用技术成熟的 Nd:YAG 激光器,同时输出 532 nm 和 1 064 nm 双波长激光脉冲,前者用于穿透海水形成水下目标的回波,后者用于形成海水表面的回波; 光学系统负责发射激光脉冲并接收反射回的光信号,它通常包括透镜、分束器、反射镜等光学元件,以实现激光的聚焦、发射和接收;探测器将接收到的光信号转换为电信号,常用的探测器类型包括光电二极管、雪崩光电二极管(APD)和光电倍增管 (PMT)等;信号处理与数据处理系统首先对探测器产生的电信号进行放大、滤波和采样等处理,然后对处理后的信号进行进一步的分析,包括目标检测、跟踪、分类等功能;高精度定位与姿态测量系统负责测量激光雷达的位置和姿态,以便实现对水下目标位置的精确解算。

  • 1.2 发展历程

  • 机载激光雷达技术自 20 世纪 60 年代起步,经过半个世纪的发展,已取得显著进步。其发展历程可大致划分为 3 个阶段:

  • 第 1 阶段:初创期(20 世纪 60–80 年代)。机载激光雷达技术刚刚兴起,主要采用固体激光器和镜面转向装置,最大探测范围仅为 200~500 m,图像分辨率较低。这一阶段为机载激光雷达的基本原理奠定了基础。

  • 第 2 阶段:发展期(20 世纪末–21 世纪初)。伴随新型激光器、光电探测器及数字信号处理技术的出现,机载激光雷达技术得以迅速发展。具备扫描、定位及高速数据记录功能的测深系统不仅能够进行测深,还可绘制海底地形。这一阶段实现了机载激光雷达技术的飞跃。

  • 第3 阶段:成熟期(21 世纪后)。机载激光雷达技术不断优化,关键技术逐渐成熟。采用半导体泵浦 Nd:YAG 固体激光器和双波长系统显著提升了系统的探测能力,同时系统的体积、重量及能耗均得到一定程度的降低,机动性和续航时间得以增强。此外,数字信号处理和机器学习技术的融入显著提高了系统的智能化水平。典型系统包括 CZMIL SuperNova、HAWKEYE Ⅲ和 LADS MAK Ⅲ 等。在这一阶段,机载激光雷达技术逐渐走向成熟。

  • 综上,机载激光雷达技术经过长期发展,探测性能不断提高,技术不断成熟和完善。当前,机载激光雷达已成为水下目标探测的重要手段,未来可望在更广范围内得以应用。

  • 2 主流产品及发展趋势

  • 2.1 美国“魔灯”

  • 1988 年“罗伯茨”号护卫舰在波斯湾霍尔木兹海峡险遭水雷击沉后,美国开始研制“魔灯”机载激光水雷探测系统。1988 年 7 月,“魔灯”原理样机在海军水面战中心(Naval Surface Warfare Center)进行测试,验证技术可行性,但探测宽度有限[1]。1994 年,美国财政部批准 3 320 万美元支持“魔灯”系统研制。卡曼公司研制成功“魔灯”改进型,提高扫描宽度、搜索速率并增加自动目标识别功能(ATR)。 1996 年 12 月 7 日,“魔灯”配置的 SH-2G Lamps Mk I 直升机(如图1(a))投入使用[2]

  • 图1 “魔灯”系统

  • Fig.1 Magic Lantern

  • “魔灯”系统旨在探测浅水海域及水下浅层的锚雷和漂雷,具备自动目标识别功能,能布放灭雷具并消除水雷,同时具有潜艇探测和水深测量功能。其工作原理如图1(b)。

  • “魔灯”改进型包括激光发射机、接收机、图像处理器和显控台。采用固体二极管泵浦的 Nd: YAG 激光器,输出 532 nm 波长、10 ns 脉冲宽度的激光脉冲。20 W 激光器输出脉冲能量为 500 mJ,脉冲重复频率为 40 Hz。系统配备 6 个增强型 CCD 摄像机作为接收器,可同时探测不同深度的水雷目标[3]

  • 2.2 美国 ALMDS

  • 美国的 AN/AES-1 机载激光探雷系统(Airborne Laser Mine Detection System,ALMDS)是“魔灯” 系统的后续型,成为美国反水雷装备的关键组成部分(如图2)。其主要任务是快速检测、分类和定位近海漂雷和锚雷,保障航母打击群及远征打击群的安全。此能力在沿海地区、狭窄海峡、关键区域及两栖作战目标区显得尤为重要[4]

  • 1994 年,美国国会批准 ALMDS 计划。2003 年进行场地试验,计划装备在 MH-53E 反水雷直升机;2005 年进入低速初始生产,与诺斯罗普·格鲁曼公司签约,将 ALMDS 装备在 MH-60S 直升机,定型为 AN/AES-1;2007 年,首套 ALMDS 系统交付美国海军;2012 年完成作战评估;2015 年与水雷战舰进行联合测试;2016 年实现初始作战能力; 2018 年在“环太平洋–2018”军演上展示了 ALMDS 系统[5-7]

  • ALMDS 系统集成于重 371 kg、长 2.7 m、直径 533 mm 的吊舱,使用 BRU-14/A 炸弹架安装在 MH-60S 直升机上。系统由脉冲激光器、条纹管成像接收器和数据处理单元组成。激光器采用 Nd: YAG MOPA 固态激光器,发射波长 532 nm、单脉冲能量 145 mJ、脉宽 9 ns、束散角 30°、重复频率 350 Hz 的扇形蓝绿激光束,探测水深 3~60 m[8]。反射信号通过 4 套条纹管接收器和 1 台机载摄像机获取。接收器采集激光照射水下产生的多普勒频移变化,定位水下目标;摄像机记录照射区域,获得三维数字图像。数据处理单元融合处理收件器和摄像机数据,基于图像与多普勒分析,准确识别水雷目标,标记位置与轮廓。

  • 2.3 美国、加拿大 SHOALS 系列

  • SHOALS(Scanning Hydrographic Operational Airborne Lidar Survey System)系列产品由加拿大 Optech 公司研制,已成为全球知名激光雷达海洋探测系统之一。Optech 公司成立于 1974 年,专注激光雷达测量技术研发,产品广泛应用于地形测量、海洋测量等领域[9]

  • SHOALS 系统始于 1994 年,历经 SHOALS200、SHOALS-400、SHOALS-1000 和 SHOALS-3000 等版本升级。其中,SHOALS-1000 于 2003 年交付日本海上保安厅,具备 10 kHz 地形测绘能力;SHOALS-3000(如图3(a))于 2006 年交付美国海军,激光测量速率提高至 3 kHz。

  • 图2 机载激光探雷系统

  • Fig.2 ALMDS

  • 图3 Optech 公司 ALB 系统样图

  • Fig.3 ALB system from Optech company

  • 为解决浑浊水域和浅水测量问题,2012 年, Optech 为美国军方研发 CZMIL(Coastal Zone Mapping and Imaging Lidar)系统。2015 年,美国 Teledyne Technologies 收购了 Optech[10],创建了 Teledyne Optech。2021 年,Teledyne Optech 推出 CZMIL SuperNova 系统(如图3(b))具备卓越测深性能、极高绿色激光点密度和实时处理能力,适用于内陆水环境、海岸带和海岸线基础测绘。

  • CZMIL SuperNova 系统采用独特的多通道接收器架构,涵盖 1 个红外通道、1 个深水通道以及多个浅水通道,分别负责陆地、水面、深水和浅水回波的探测。该系统整合了双频激光雷达(1 064 nm、 532 nm)、高光谱成像仪和数字相机,实现一次飞行获取多种数据。根据处理程度,数据处理分为 4 个层级:

  • L0(原始级),包含 LiDAR、高光谱、数字相机原始数据和辅助数据,由飞行获取。

  • L1(基础级),包括 LiDAR 点云、高光谱正射影像和数字相机正射影像。

  • L2(成果级),基于 L1,结合专业软件处理,生成海陆地形、数字高程模型、水陆分类图等。

  • L3(应用级),以 L1 和 L2 为基础,根据应用需求进行数据融合生成应用产品。CZMIL Nova 系统在海岸带及岛礁调查中实现了多传感器一体化,能够满足各种不同级别的数据和产品需求。

  • 2.4 中国上海光机所 Mapper 5000

  • 中国科学院上海光学精密机械研究所从 1998 年开始,先后研发了 LADM-I、LADM-Ⅱ和 Mapper 5000 三代机载双频激光雷达,完成了从原理样机阶段到产品样机阶段的转化[11]。系统持续优化,提升性能与精度。这表明我国具备独立研发浅海测绘机载双频激光雷达的能力,奠定了产品化技术基础。

  • 自 1998–2002 年,研制成功第一代机载双频激光雷达(LADM-I),在南海试验中成功获取海底三维地形数据,最大实测深度 50 m。采用半导体Nd:YAG 全固态激光器技术,具有高效率、紧凑体积等优点。自 2001 年起,中科院上海光机所与海洋测绘研究所联合开发性能更先进的机载海洋测深系统。2004 年,研制成功第二代机载双频激光雷达(LADM-Ⅱ),实现测量能力、测点密度和位置精度的提升。采用 1 kHz 全固态激光器,脉冲重复频率提升 5 倍;卵形扫描方式,搭配高精度 IMU 和 DGPS 提高精度。

  • 图4 上海光机所 Mapper 5000 系统

  • Fig.4 Mapper 5000 system from Shanghai Institute of Optics and Fine Mechanics

  • 2015 年,研制成功的机载双频激光雷达工程样机(Mapper 5000-S)在南海完成试验,获得海陆一体化三维地形数据。2017 年,完成 Mapper 5000 (如图4)产品定型,优化后的系统在南海获得南海岛礁的三维地形数据,最大实测深度达到 51 m,最浅水深达到 0.25 m,测深精度为 0.23 m(统计水深范围为 7~45 m),水平位置精度为 0.26 m,海洋测点密度为 1.1 m×1.1 m,陆地测点密度为 0.25 m×0.25 m。Mapper 5000 系统包括 6 个模块:位置和姿态系统、飞行管理系统、航空摄影系统、陆地测绘系统、海洋测绘系统和数据后处理系统。陆地测绘系统采用 1 550 nm 光纤激光器和高速波形采集卡;海洋测绘系统采用 1 064 nm 和 532 nm 双波长固体激光器和高速波形采集卡。光路结构采用同轴光路,进行视场分光、波长分光和偏振分光[11]

  • 2.5 其他国家主流产品

  • 目前,除本文已经介绍的机载激光雷达系统之外,较为先进的机载激光测深系统还有瑞典 AHAB 公司的 HAWKEYE Ⅲ和澳大利亚 FUGRO 公司的 LADS MAK Ⅲ[12]

  • HAWKEYE Ⅲ是瑞典 AHAB 公司在 HAWKEYE Ⅱ和蝙蝠系统基础上于 2013 年下半年推出的新一代机载激光测深系统。该系统具有浅水模块和深水模块,测量频率分别为 35 kHz 和 10 kHz,最大测深分别为 15 m 和 50 m;最浅测深为 0.4 m,测深精度、水平精度、扫描角度和扫描宽度与 CZMIL 一致。系统重量不超过 200 kg。HAWKEYE Ⅲ系统的技术参数和功能设计以 CZMIL 为目标,其深水激光模块与 CZMIL 系统具有相同的探测深度、精度和分辨率。采用椭圆形扫描方式,同时具备深水模块、浅水模块和陆地模块,插件式结构可同时或分开独立使用,实现海陆一体化、无缝测量。

  • 澳大利亚 FUGRO 公司自 1992 年开始研发激光测深设备,并完成了数百个项目。LADS MK Ⅲ 是其最新研发的商用系统,主要技术参数包括:测量频率为 1.5 kHz,最浅深度为 0.4 m,最大深度为 80 m,水平精度优于 5 m,测深精度优于 0.5 m。 LADS MK Ⅲ采用直线扫描方式。值得注意的是, FUGRO 公司的机载激光测量系统采用水陆分开设计和使用,LADS MK Ⅲ系统仅用于水下探测。若要实现海陆一体化测量,需与其陆地激光测量系统同步使用,因此该公司的产品需搭载具有 2 个观测窗口的飞机。

  • 2.6 发展趋势分析

  • 从主流机载激光雷达探测系统的发展历程来看,以下几个方面的技术进步将对未来机载激光雷达水下探测技术产生重大影响。

  • 1)激光器技术的进步:固态激光器、光纤激光器以及半导体激光器领域的创新使得测量精度和探测范围得到更大程度的提高。具有高功率、短脉冲和窄线宽特性的激光器有望进一步提升系统的分辨率和探测深度。

  • 2)高性能水下光学系统:光学设计软件的优化、制造工艺的改进以及新型光学材料的研发将使未来水下光学系统具备更高的成像质量、更大的视场以及更强的抵抗环境干扰能力。

  • 3)自主识别与分类技术普及:深度学习、机器学习以及计算机视觉技术的发展将促使特征提取、目标检测和分类算法得到改进,从而提升系统的自动化程度和实用性。

  • 3 浅水小目标探测关键技术

  • 尽管浅水小目标探测在近年来的研究中已取得了一定的成果,但在实际应用中仍然面临着一系列挑战。首先,当前水平分辨率和测点密度不足,普遍在 2 m×2 m 左右,而针对水雷等小目标探测需要,分辨率应提高至厘米级,为后续的目标识别提供数据支撑。此外,近岸区域是浅水小目标探测的关键区域,系统测量深度受浑浊水体影响较大,但至少应满足 30 m 的测深范围实际需求。测量效率和单次飞行覆盖范围也有待提高,探测宽度应覆盖 300 m 以上,即在 400~500 m 飞行高度时满足 0.7 倍高度的覆盖范围。在小目标自主识别方面,探测概率应达到 95%,虚警率应不大于 20%。最后,系统需进一步的轻小型化,以满足无人机平台适装要求。针对上述挑战和不足,有必要发展一系列关键技术。

  • 3.1 高功率密度激光技术

  • 激光器的性能直接影响到系统的测量精度和探测范围。高功率激光器可以产生更强的光信号,有助于提高探测距离和目标反射信号的强度。目前,固体激光器[13]和半导体激光器[14]都在高功率激光器研发中取得了显著成果。通过提高激光器的输出功率,可以增加系统的探测深度和目标反射信号的信噪比,从而提高系统的性能。短脉冲激光器[15]可以产生更短的光脉冲,有助于提高系统的时间分辨率和空间分辨率。同时,短脉冲激光器在水下探测中可以减小水体对光的吸收和散射影响,提高探测效果。此外,应采用更加先进的激光器技术,在海水透过窗口内输出更多的波长,获取更加丰富的光谱剖面信息。

  • 单光子激光雷达(Single-Photon Lidar,SPL)是一种高灵敏度的光学测距技术。与传统的激光雷达相比,单光子激光雷达采用单光子探测器,如盖革模式(Geiger Mode)的雪崩光电二极管,能够在极低光子数量的情况下实现高精度的距离测量。这使得单光子激光雷达在探测距离、分辨率和速度等方面具有显著优势。但是在光照强度较高时,单光子激光雷达容易受到日光散射的干扰,影响测量精度。2015 年和 2019 年,英国赫里瓦特大学利用扫描成像和面阵凝视成像技术,在实验室环境中对水下目标进行了成像实验,验证了光子计数激光雷达对水下微弱回波信号的检测能力[16-17]。单光子激光雷达目前处于技术快速发展阶段,其成像能力和探测距离优势同样适用于水下探测,具有广阔的应用前景。

  • 3.2 高性能光学系统

  • 水下光学系统负责光信号的传输、成像和处理。高性能水下成像系统是实现高分辨率、高信噪比和高动态范围成像的关键。通过优化光学设计和制造工艺,提高水下成像系统的成像质量和视场范围。另外,自适应光学技术在水下探测中的应用也将有助于提高成像性能。水下光学系统需要具备良好的抗环境干扰能力,以应对水体中的浮游物、悬浮颗粒等对光信号的影响。采用多波长激光器、偏振光学技术和空间滤波等方法,可以有效降低环境干扰对成像质量的影响,提高系统的探测性能[18-20]。在水下光学成像过程中,水体对光信号的吸收和散射会导致成像质量下降。采用压缩感知技术[21]和深度学习方法进行图像重建与降噪,可以大幅提升成像质量。通过对图像数据进行有效处理,可以提高浅水小目标的可识别性和可检测性。

  • 3.3 自主识别及精确定位技术

  • 自主识别与分类技术可以提高系统的自动化程度和实用性,将辅助操作人员从高强度的人工标注识别目标的工作中解放出来,并提高目标识别的准确率。机器学习和深度学习方法的研究为小目标识别与分类提供了有力支持。特征提取是识别和分类的基础。通过对水下目标的形状、纹理、光谱等特征进行提取,可以构建目标的特征描述。针对浅水小目标,需要研究高效且鲁棒的特征提取方法,以应对复杂的水下环境和目标变化。目标检测是识别与分类的前提。在浅水小目标探测中,需要实现对目标的快速、准确检测。采用深度学习方法,如卷积神经网络(CNN)和循环神经网络(RNN),可以有效提高目标检测的准确性和实时性[22-23]。分类算法的研究是提高自主识别性能的关键。针对浅水小目标,需要研究高效且鲁棒的分类算法。支持向量机(SVM)[24] 和随机森林(RF)[25]等都在目标分类中取得了显著成果。另外,对于机载激光测深系统生成的三维空间点云数据,还可以采用专门针对点云数据设计的 PointNet[26]和 PointNet++[27]深度学习网络,可以直接对输入的三维点云数据进行分类和分割,自动学习点云数据的特征表示,无需显式地提取特征。通过对这些算法的研究和优化,可以进一步提高浅水小目标探测的识别与分类性能。

  • 水下目标精确定位是后续小目标处置环节的前提条件,其原理主要依赖于测量激光束在水中的往返时间与扫描角度,结合机载平台的位置和姿态信息以计算目标的绝对地理位置。为提升水下目标定位系统的整体性能,有必要在现有研究基础上构建定位计算模型,分析各组成部分的误差传递,对定位模型及误差校正方法进行深入研究与优化。江月松探讨了机载 GPS、姿态测量和激光扫描测距三维遥感集成定位系统的定位模式,提出了精确定位方程[28];俞家勇等分析了视准轴误差对扫描系统定位精度的影响[29]

  • 3.4 轻小型化技术

  • 通过对激光器、光学系统和传感器等器件的技术研究和优化,实现器件的小型化[30]。采用微光机电系统(MEMS)技术和集成光子学技术等先进制造方法,可以降低器件的尺寸和重量,提高系统的便携性。

  • 系统集成技术是实现机载激光雷达水下探测系统轻小型化的关键。针对浅水小目标探测,需要研究高效且紧凑的系统集成方案。通过优化系统结构和模块化设计,实现系统的集成和高度集成,降低系统的尺寸和重量。在实现轻小型化的同时,需要关注系统的能耗。通过对激光器、光学系统和传感器等器件的技术研究和优化,降低系统的能耗。采用低功耗器件和能源管理技术,可以延长系统的工作时间,提高系统的实用性。

  • 4 结束语

  • 近年来,机载激光雷达水下探测技术已经取得了显著的进步。然而,在浅水水雷小目标探测任务方面,仍然存在诸多挑战和发展机遇。为了进一步提高浅水水雷探测的实用性和探测能力,研究人员需要不断探索新的方法和技术。这些探索包括开发新型高性能激光器和光学系统,以提高光束质量和探测范围;结合机器学习和深度学习技术,提升小目标识别与分类的准确性;优化定位模型并校正误差,持续提高小目标的定位精度。

  • 总之,本文系统地回顾了机载激光雷达水下目标探测技术的研究现状和发展趋势,为相关领域的研究者和工程师提供了理论指导和实践参考。随着科技的进步和研究的深入,机载激光雷达水下探测技术将不断发展,为国家水下安全做出更大的贡献。

  • 参考文献

    • [1] LlOYD J M.Magic lantern deployment contingency[M]//WAITS M P,BOZICEVICH D M,BRYANT C,et al.Technical Digest:1998 Issue-Technology Transition and Dual-use Technology.Virginia:Naval Surface Warfare Center,1998:86-93.

    • [2] 胡群星.美国 AN/AES-1 机载激光水雷探测系统[J].兵器知识,2018(4):36-39.

    • [3] 杨国华,张永峰,储泽国.水下激光探测与告警[J].舰船电子工程,2017,37(12):134-136.

    • [4] 金伟其,王霞,曹峰梅,等.水下光电成像技术与装备研究进展(下)[J].红外技术,2011,33(3):125-132.

    • [5] 韩文杰,董光焰,彭凤超,等.水下目标高分辨成像激光雷达研究[J].光电子技术,2020,40(1):1-5,18.

    • [6] 韦强.“环太平洋-2018”军演都有哪些武器亮相[J].军事文摘,2018(19):40-43.

    • [7] 胡光兰.美国海军增购先进机载激光水雷探测系统 [J].水雷战与舰船防护,2015,23(2):15.

    • [8] 陈超,杨鸿儒,吴磊,等.水下目标光电探测技术及其进展[J].应用光学,2011,32(6):1059-1066.

    • [9] 赵一鸣,李艳华,商雅楠,等.激光雷达的应用及发展趋势[J].遥测遥控,2014,35(5):4-22.

    • [10] 丁凯,李清泉,朱家松,等.运用MODIS遥感数据评测南海北部区域机载激光雷达测深系统参数[J].测绘学报,2018,47(2):180-187.

    • [11] 贺岩,胡善江,陈卫标,等.国产机载双频激光雷达探测技术研究进展[J].激光与光电子学进展,2018,55(8):7-17.

    • [12] 刘焱雄,郭锴,何秀凤,等.机载激光测深技术及其研究进展[J].武汉大学学报:信息科学版,2017,42(9):1185-1194.

    • [13] 王狮凌,房丰洲.大功率激光器及其发展[J].激光与光电子学进展,2017,54(9):51-64.

    • [14] 王德,李学千.半导体激光器的最新进展及其应用现状[J].光学精密工程,2001(3):279-283.

    • [15] 马剑,朱小磊,陆婷婷,等.海洋应用高峰值功率蓝光脉冲激光器技术研究[J].光学学报,2022,42(17):250-259.

    • [16] MACCARONE A,MCCARTHY A,REN X M,et al.Underwater depth imaging using time-correlated single-photon counting[J].Optics Express,2015,23(26):33911.

    • [17] MACCARONE A,ROCCA F M D,MCCARTHY A,et al.Three-dimensional imaging of stationary and moving targets in turbid underwater environments using a single-photon detector array[J].Optics express,2019,27(20):284.

    • [18] 钟凯,张献中,徐德刚,等.全固态双波长激光器研究进展(特邀)[J].光电技术应用,2022,37(4):13-26,78.

    • [19] 王伟亭,冯巍巍,朱智林,等.基于激光偏振技术的海洋牧场水下成像技术研究[J].光电子·激光,2021,32(6):581-586.

    • [20] 李朝锋,王振,陈晨,等.基于涡旋光场水下激光雷达空间滤波技术研究[J].光学技术,2023,49(2):211-214.

    • [21] 柯钧,张临夏,周群.压缩感知在光学成像领域的应用[J].光学学报,2020,40(1):98-123.

    • [22] ZHAO Z J,谈宇光,刘鹏,等.基于激光选通成像技术的水下远距离目标智能识别系统研究[J].集成技术,2023,12(2):39-52.

    • [23] 张慧,王坤峰,王飞跃.深度学习在目标视觉检测中的应用进展与展望[J].自动化学报,2017,43(8):1289-1305.

    • [24] 赵嘉玮.基于SVM算法的目标分类筛选方法研究[J].无线互联科技,2022,19(23):123-125.

    • [25] 刘舒,姜琦刚,马玥,等.基于多目标遗传随机森林特征选择的面向对象湿地分类[J].农业机械学报,2017,48(1):119-127.

    • [26] 赵中阳,程英蕾,释小松,等.基于多尺度特征和PointNet的 LiDAR 点云地物分类方法[J].激光与光电子学进展,2019,56(5):251-258.

    • [27] 吴登禄,薛喜辉,张东文,等.基于 PointNet++的室外场景三维点云多目标检测方法[J].自动化与信息工程,2019,40(4):5-10.

    • [28] 江月松.机载 GPS、姿态和激光扫描测距集成定位系统的精确定位方程、误差分析与精度评估[J].遥感学报,2001(4):241-247.

    • [29] 俞家勇,卢秀山,田茂义,等.机载激光雷达测深系统定位模型与视准轴误差影响分析[J].红外与激光工程,2019,48(6):337-345.

    • [30] 王海涛.激光武器关键技术及典型作战模式分析[J].航空兵器,2020,27(2):25-31.

  • 参考文献

    • [1] LlOYD J M.Magic lantern deployment contingency[M]//WAITS M P,BOZICEVICH D M,BRYANT C,et al.Technical Digest:1998 Issue-Technology Transition and Dual-use Technology.Virginia:Naval Surface Warfare Center,1998:86-93.

    • [2] 胡群星.美国 AN/AES-1 机载激光水雷探测系统[J].兵器知识,2018(4):36-39.

    • [3] 杨国华,张永峰,储泽国.水下激光探测与告警[J].舰船电子工程,2017,37(12):134-136.

    • [4] 金伟其,王霞,曹峰梅,等.水下光电成像技术与装备研究进展(下)[J].红外技术,2011,33(3):125-132.

    • [5] 韩文杰,董光焰,彭凤超,等.水下目标高分辨成像激光雷达研究[J].光电子技术,2020,40(1):1-5,18.

    • [6] 韦强.“环太平洋-2018”军演都有哪些武器亮相[J].军事文摘,2018(19):40-43.

    • [7] 胡光兰.美国海军增购先进机载激光水雷探测系统 [J].水雷战与舰船防护,2015,23(2):15.

    • [8] 陈超,杨鸿儒,吴磊,等.水下目标光电探测技术及其进展[J].应用光学,2011,32(6):1059-1066.

    • [9] 赵一鸣,李艳华,商雅楠,等.激光雷达的应用及发展趋势[J].遥测遥控,2014,35(5):4-22.

    • [10] 丁凯,李清泉,朱家松,等.运用MODIS遥感数据评测南海北部区域机载激光雷达测深系统参数[J].测绘学报,2018,47(2):180-187.

    • [11] 贺岩,胡善江,陈卫标,等.国产机载双频激光雷达探测技术研究进展[J].激光与光电子学进展,2018,55(8):7-17.

    • [12] 刘焱雄,郭锴,何秀凤,等.机载激光测深技术及其研究进展[J].武汉大学学报:信息科学版,2017,42(9):1185-1194.

    • [13] 王狮凌,房丰洲.大功率激光器及其发展[J].激光与光电子学进展,2017,54(9):51-64.

    • [14] 王德,李学千.半导体激光器的最新进展及其应用现状[J].光学精密工程,2001(3):279-283.

    • [15] 马剑,朱小磊,陆婷婷,等.海洋应用高峰值功率蓝光脉冲激光器技术研究[J].光学学报,2022,42(17):250-259.

    • [16] MACCARONE A,MCCARTHY A,REN X M,et al.Underwater depth imaging using time-correlated single-photon counting[J].Optics Express,2015,23(26):33911.

    • [17] MACCARONE A,ROCCA F M D,MCCARTHY A,et al.Three-dimensional imaging of stationary and moving targets in turbid underwater environments using a single-photon detector array[J].Optics express,2019,27(20):284.

    • [18] 钟凯,张献中,徐德刚,等.全固态双波长激光器研究进展(特邀)[J].光电技术应用,2022,37(4):13-26,78.

    • [19] 王伟亭,冯巍巍,朱智林,等.基于激光偏振技术的海洋牧场水下成像技术研究[J].光电子·激光,2021,32(6):581-586.

    • [20] 李朝锋,王振,陈晨,等.基于涡旋光场水下激光雷达空间滤波技术研究[J].光学技术,2023,49(2):211-214.

    • [21] 柯钧,张临夏,周群.压缩感知在光学成像领域的应用[J].光学学报,2020,40(1):98-123.

    • [22] ZHAO Z J,谈宇光,刘鹏,等.基于激光选通成像技术的水下远距离目标智能识别系统研究[J].集成技术,2023,12(2):39-52.

    • [23] 张慧,王坤峰,王飞跃.深度学习在目标视觉检测中的应用进展与展望[J].自动化学报,2017,43(8):1289-1305.

    • [24] 赵嘉玮.基于SVM算法的目标分类筛选方法研究[J].无线互联科技,2022,19(23):123-125.

    • [25] 刘舒,姜琦刚,马玥,等.基于多目标遗传随机森林特征选择的面向对象湿地分类[J].农业机械学报,2017,48(1):119-127.

    • [26] 赵中阳,程英蕾,释小松,等.基于多尺度特征和PointNet的 LiDAR 点云地物分类方法[J].激光与光电子学进展,2019,56(5):251-258.

    • [27] 吴登禄,薛喜辉,张东文,等.基于 PointNet++的室外场景三维点云多目标检测方法[J].自动化与信息工程,2019,40(4):5-10.

    • [28] 江月松.机载 GPS、姿态和激光扫描测距集成定位系统的精确定位方程、误差分析与精度评估[J].遥感学报,2001(4):241-247.

    • [29] 俞家勇,卢秀山,田茂义,等.机载激光雷达测深系统定位模型与视准轴误差影响分析[J].红外与激光工程,2019,48(6):337-345.

    • [30] 王海涛.激光武器关键技术及典型作战模式分析[J].航空兵器,2020,27(2):25-31.