无人机载二维探地雷达三维SAR成像的扫查探测方法与流程

无人机载二维探地雷达三维sar成像的扫查探测方法
技术领域
1.本发明涉及一种无人机的探地雷达探测方法，尤其涉及一种无人机载二维探地雷达三维sar成像的扫查探测方法。


背景技术：

2.基于无人机的探地雷达系统(uav-gpr)可以探测地下浅层金属与非金属埋藏物(包括地雷和简易爆炸装置)，避免了探测器与地面的直接接触，成为非破坏性检测的关键技术，具备广泛的应用场景。并且，对于操作者而言，相较手持或车载探地雷达，使用空载uav-gpr进行探测，尤其是难以步行或驾车到达的地方，显然更安全更高效。根据被检测物的构成参数（电导率σ和介电常数ε）的变化能产生电磁波反射的原理，通过使用探地雷达的超宽带(uwb)射频硬件采集并生成地表下土壤层的高分辨率sar图像，能够进一步提升了检测地下埋藏目标的能力。
3.但是，目前现有基于无人机的探地雷达系统(uav-gpr)受到需要根据地表特征进行校正等不确定性因素的影响，存在以下几个问题：第一、离地高度信息的准确性对gpr-synthetic aperture radar（简称gpr-sar）图像的成图质量影响较大；第二、由于来自空地界面上强反射的杂波，不能采用常规的滤波技术来进行滤除，进而影响系统的检测能力；第三、由于无人机uav上的uwb超宽带天线的微小倾斜而导致沿轨迹轴(平行航线方向)扫描的成像目标失真，进而需要进一步的配准来进行校正。因此，基于以上技术问题，现有基于无人机的探地雷达系统(uav-gpr)并不能很好地满足实际的探测需求。


技术实现要素：

4.本发明所要解决的技术问题是需要提供一种无人机载二维探地雷达三维sar成像的扫查探测方法，旨在通过整体的优化技术方案获取准确的uav离地高度、在gpr-sar成图之前减少杂波并高效改善gpr-sar图像的聚焦，以满足基于无人机的探地雷达实际探测需求。
5.对此，本发明提供一种无人机载二维探地雷达三维sar成像的扫查探测方法，包括以下步骤：步骤s1，根据探地雷达采集的原始数据提取离地高度信息，生成gpr-sar图像，gpr-sar图像指的是基于合成孔径成像算法的探地雷达图像；步骤s2，对所述gpr-sar图像进行基于距离的过滤处理；步骤s3，对过滤处理后的图像进行延迟求和处理，生成多通道三维gpr-sar图像；步骤s4，通过图像配准进行天线倾斜的补偿处理，在前向扫描和后向扫描的过程中产生不同的雷达视角，以实现gpr-sar图像聚焦。
6.本发明的进一步改进在于，所述步骤s1包括以下子步骤：步骤s101，对探地雷达采集的原始数据进行背景消除处理；步骤s102，根据处理后的雷达数据，计算雷达数据采样信号的局部能量曲线；
步骤s103，选取所述局部能量曲线的全局最小值所处位置作为空气和土壤分界面位置，然后根据到达所述分界面的时长和电磁波在空气中的波速进行相乘得到离地高度。
7.本发明的进一步改进在于，所述步骤s102中，通过公式计算雷达数据采样信号的局部能量曲线，其中，，，为采样信号的局部能量曲线的第i个样本，k为整数，n为每道雷达数据采集的采样点总数，为所有采样点的振幅累积和，为噪声因子，为测量第k个采样点得到的振幅值。
8.本发明的进一步改进在于，所述步骤s2包括以下子步骤：步骤s201，将每条测线的雷达数据矩阵y分解为个本征图像；步骤s202，滤除奇异值σ小于或等于预设阈值的本征图像；步骤s203，将剩余的本征图像按照其最大值所处的位置进行分类，滤除最大值达到预设距离阈值的本征图像，所述预设距离阈值为预先设定的接近雷达的距离判断值；步骤s204，输出过滤后的数据矩阵。
9.本发明的进一步改进在于，所述步骤s201中，通过公式将每条测线的雷达数据矩阵y分解为个本征图像，其中，= min(nm,ns)，nm为雷达数据矩阵y的测线采集道数；ns为每道测线的样本数；s是包含奇异值的对角矩阵，按降序排列；u和v分别为包含奇异向量和奇异向量的酉矩阵，h表示共轭转置。
10.本发明的进一步改进在于，所述步骤s202中，预设阈值 = 0.01，为最高奇异值。
11.本发明的进一步改进在于，所述步骤s204中，通过公式输出过滤后的数据矩阵，其中，和均为酉矩阵，h表示共轭转置，为包含奇异值的对角矩阵。
12.本发明的进一步改进在于，所述步骤s3包括以下子步骤：步骤s301，沿着平行于航线的方向往返进行全测区数据采集，并对每条测线分别进行延迟求和生成单幅gpr-sar图像；步骤s302，将所有测线的gpr-sar图像合并为多帧格式的tiff图片，基于光线跟踪法对多帧格式的tiff图片进行三维渲染，生成多通道三维gpr-sar图像。
13.本发明的进一步改进在于，所述步骤s4包括以下子步骤：步骤s401，将单幅gpr-sar图像分为两组，一组对应于前向扫描的图像，另一组对应于后向扫描的图像；步骤s402，选择前向扫描对应的图像作为参考，将后向扫描对应的图像基于负互信息的度量尺度进行最佳变换以实现图像配准。
14.本发明的进一步改进在于，所述步骤s402中，根据公式将后向扫描对应的图像基于负互信息的度量尺度进行最佳变换，其中，表示求解出的
最佳变换，当取得最小值时变换t为最佳变换；mmi表示基于负互信息度量用于进行多模图像的配准。
15.与现有技术相比，本发明的有益效果在于：在所述步骤s1中，根据探地雷达采集的原始数据中提取离地高度信息，能够使得gpr-sar图像质量优于现有uav-gpr系统的传感器所提供的高度信息，为提高成图质量提供了很好的基础；在所述步骤s2中，通过优化的svd过滤处理，能够自动滤除主要包含来自空地分界面上强反射的杂波的本征图像，有效地提升了检测能力；通过所述步骤s4的配准来补偿不同的天线倾斜，在前向扫描和后向扫描中产生不同的雷达视角，用于生成更好的聚焦的gpr-sar图像。
16.因此，本发明能够获取准确的uav离地高度、在gpr-sar成图之前减少杂波并高效改善gpr-sar图像的聚焦，很好地解决了现有技术所存在的技术问题，满足基于无人机的探地雷达实际探测需求。
附图说明
17.图1是本发明一种实施例的工作流程示意图；图2是本发明一种实施例的采样信号的局部能量曲线；图3是本发明一种实施例的步骤s2基于距离实现的svd过滤原理示意图；图4是本发明一种实施例的uav-gpr系统飞行扫描策略示意图；图5是本发明一种实施例步骤s3生成的多通道三维gpr-sar图像的示意图；图6是本发明一种实施例步骤s4的互信息度量mmi的配准过程示意图；图7是本发明一种实施例步骤s4基于负互信息度量的配准方法的代码实现示意图。
具体实施方式
18.在本发明的描述中，如果涉及到“若干”，其含义是一个以上；如果涉及到
ꢀ“
多个”，其含义是两个以上；如果涉及到“大于”、“小于”、“超过”，均应理解为不包括本数；如果涉及到“以上”、“以下”、“以内”，均应理解为包括本数。如果涉及到“第一”、“第二”等，应当理解为仅用于相同或是相似技术特征名称的区分，而不能理解为暗示/指明技术特征的相对重要性，不能理解为暗示/指明技术特征的数量，也不能理解为暗示/指明技术特征的先后关系。
19.下面结合附图，对本发明的较优的实施例作进一步的详细说明。
20.如图1所示，本实施例提供一种无人机载二维探地雷达三维sar成像的扫查探测方法，包括以下步骤：步骤s1，根据探地雷达采集的原始数据提取离地高度信息，生成gpr-sar图像，gpr-sar图像指的是基于合成孔径成像算法的探地雷达图像；步骤s2，对所述gpr-sar图像进行基于距离的过滤处理；步骤s3，对过滤处理后的图像进行延迟求和处理，生成多通道三维gpr-sar图像；步骤s4，通过图像配准进行天线倾斜的补偿处理，在前向扫描和后向扫描的过程中产生不同的雷达视角，以实现gpr-sar图像聚焦。
21.本实施例所述步骤s1根据探地雷达采集的原始数据中提取离地高度信息，替代其
他现有技术通过uav-gpr系统（基于无人机的探地雷达系统）的传感器提供的高度信息，以便生成更高质量的gpr-sar图像。gpr-sar中，gpr 指的是ground penetrating radar，sar指的是synthetic aperture radar。
22.生成高分辨率gpr-sar图像的关键在于如何获取准确的地理信息。为了实现这一点，gpr系统主要使用全球导航卫星系统-实时动态差分系统（gnss-rtk）接收器以及激光测距仪，这些厘米级垂直定位精度的传感器与uav系统中的标准定位传感器获得的信息相互结合补充，标准定位传感器包括罗盘、惯性测量单元、常规gnss接收器和气压计等。而对于空载uav-gpr系统而言，更需要准确测量地面上方的高度，以便正确识别空气和土壤之间的分解界面，特别是涉及到浅层目标的检测，这一点尤为重要。
23.uav高度信息虽然可以直接从激光测距仪和gnss-rtk所提供的高程信息中获取，但是实际上rtk的高程信息却不能用于估算无人机到地面的距离，特别是在大型场景的情况下。其原因在于：rtk高程信息使用不代表地形局部变化的参考大地水准面，即，rtk高程是对应于大地水准面上的高度，而不是地形上的高度。激光测距仪虽然可以提供较高精度的真实的高度信息，但是在无人机应用领域采用激光测距仪，无需需要增加较大的成本开销，并不适合于广泛应用和推广。
24.与现有技术不同，本实施例直接从探地雷达采集的原始数据中提取离地高度信息，用以确定空气和土壤分界面，所述空气和土壤分界面简称空地分界面，可以在不增加激光测距仪等额外硬件开销的情况下，保证高精度和真实性。
25.从uav-gpr采集的原始数据中提取高度信息，从而确定空地分界面，可以简单地通过原始数据中雷达电磁波反射信号的能量振幅阈值来实现，但是这种方法存在较高的误差，尤其当采集的数据质量较差时。因此，与现有技术不同，本技术通过能量振幅的累积和的变化来确定空地分界面，即确定空气和土壤分界面。
26.更为具体的，本实施例所述步骤s1包括以下子步骤：步骤s101，对探地雷达采集的原始数据进行背景消除处理，优选采用的是background removal的背景消除法，通过在发射端和接收端之间的tx-rx耦合用以消除不需要的信号；步骤s102，根据处理后的雷达数据，通过公式计算雷达数据采样信号的局部能量曲线，其中，，，为采样信号的局部能量曲线的第i个样本，k为整数，n为每道雷达数据采集的采样点总数；为所有采样点的振幅累积和，也称能量累计和；为噪声因子，为测量第k个采样点得到的振幅值；步骤s103，选取所述局部能量曲线的全局最小值所处位置作为空气和土壤分界面位置，即图2所示的实心黑圆点处横轴坐标所在位置，然后根据到达所述分界面的时长和电磁波在空气中的波速进行相乘得到离地高度。明显的，本实施例通过这种技术方案也会比直接通过电磁波能量振幅阈值来得到离地高度更加可靠，因为直接通过电磁波能量振幅阈值来得到离地高度可能会受到噪声等因素的影响，而本实施例能够很好地克服了这个缺陷。
27.本实施例所述步骤s2旨在通过改进的基于距离的svd过滤处理，移除主要包含来
自空地分界面强反射杂波的本征图像，提高系统的检测能力。提升gpr-sar图像的信噪比是实现准确探测埋藏目标的关键。基于奇异值分解（svd）滤波是gpr系统中的一种杂波抑制技术，用于提高gpr-sar图像的信噪比。本实施例通过改进的基于距离的svd（奇异值分解）过滤技术，能够自动滤除主要包含来自空地分界面上强反射的杂波的本征图像，使得其检测能力得到提升。
28.更为具体的，本实施例所述步骤s2包括以下子步骤：步骤s201，将每条测线的雷达数据矩阵y分解为个本征图像；步骤s202，滤除奇异值σ小于或等于预设阈值的本征图像；步骤s203，将剩余的本征图像按照其最大值所处的位置进行分类，滤除最大值达到预设距离阈值的本征图像，所述预设距离阈值为预先设定的接近雷达的距离判断值；步骤s204，输出过滤后的数据矩阵。
29.本实施例所述步骤s201中，每条测线的雷达数据矩阵y由nm道采集和每道ns个样本组成。在应用svd过滤之后，nm×ns
矩阵可以分解为n
i = min(nm,ns)个本征图像。在所述步骤s201中，通过公式将每条测线的雷达数据矩阵y分解为个本征图像，其中，nm为雷达数据矩阵y的测线采集道数；ns为每道测线的样本数；s是包含奇异值的对角矩阵，按降序排列，即σ1⩾
σ2⩾
…
⩾
σ
ni
；u和v分别为包含奇异向量和奇异向量的酉矩阵，h表示共轭转置。
30.本实施例使用上述svd滤波将数据矩阵分解为n
i 个本征图像后，如图3所示，执行如下滤波处理：首先，滤除奇异值σ小于等于阈值的本征图像，亦即测量过程中产生的噪声干扰；所述步骤s202中，预设阈值 = 0.01，为最高奇异值。
31.然后，在本实施例所述步骤s203中，在剩余的本征图像按照其最大值所处的位置进行分类，滤除最大值达到预设距离阈值的本征图像，所述预设距离阈值为预先设定的接近雷达的距离判断值，可以根据实际情况和需求进行设置；即滤除那些最大值接近雷达某个距离之内的本征图像，此处可以表示为cx，是以厘米为单位的距离，该距离大约对应于空地分界面的位置，这个处理可以解释为，如果在此距离之内找到本征图像的最大值，则可能对应于空地反射，而如果峰值更深（即更深入地下），则可能对应于埋藏目标。
32.最后，在本实施例所述步骤s204中，通过公式输出过滤后的数据矩阵，其中，和均为酉矩阵，h表示共轭转置，为包含奇异值的对角矩阵。，position{}表示得到所处位置，是根据步骤s1所提取的离地高度，该公式表示距离和奇异值同时超过其各自阈值的那些位置position里的数据得以保留，任何低于两个阈值之一的位置里的数据都是杂波将被滤除。
33.本实施例所述步骤s3包括以下子步骤：步骤s301，如图4所示，使用uav-gpr系统沿着平行于航线的方向往返进行全测区数据采集，并对每条测线分别进行延迟求和生成单幅gpr-sar图像；所述的延迟求和优选采用的是后向投影算法，即bp算法；该算法是一种基于时域处理的成像算法，通过计算双程延
时将对应信号进行相干累加，获得高分辨率sar图像；其核心思想就是根据延时时间，将目标波束对齐，相加增强；而干扰源如果也根据该延时时间对齐，累加并没有得到增强，从而突显了目标波束，由于这个后向投影算法可以采用现有的图像处理方法，因此，不再另行展开描述；步骤s302，如图5所示，将所有测线的gpr-sar图像合并为多帧格式的tiff图片，基于光线跟踪法对多帧格式的tiff图片进行三维渲染，生成多通道三维gpr-sar图像。同样的额，基于光线跟踪法的三维渲染，也可以采用现有的图像处理方法，同样不再另行展开描述。
34.本实施例所述步骤s4用于通过图像配准技术来补偿不同的天线倾斜，在前向扫描和后向扫描中产生不同的雷达视角，从而更好地聚焦gpr-sar图像。如图4所示，在前向（+y）扫描和后向（-y）扫描期间，飞行控制器的姿态角度不同，uwb gpr天线与地面的倾斜角度略有不同，即前向和后向扫描的雷达视角略有不同。因此，考虑到前向和后向扫描时，gpr-sar图像并不完全聚焦。
35.针对该技术问题，本实施例所述步骤s4包括以下子步骤：步骤s401，将单幅gpr-sar图像分为两组，一组对应于前向（+y）扫描的图像，另一组对应于后向（-y）扫描的图像；步骤s402，为步骤s401的两组图像基于其强度进行配准，即选择前向扫描对应的图像作为参考，将后向扫描对应的图像基于mattes负互信息的度量尺度进行最佳变换以实现图像配准。
36.更为具体的，变换旨在最大化要配准的图像强度之间的相似性，即是通过最小化mmi的负值来获得的。本实施例所述步骤s402中，根据公式将后向扫描对应的图像基于mattes负互信息的度量尺度进行最佳变换，其中，表示求解出的最佳变换，表示在所有可能的值中找到一个使函数t最小的值；当取得最小值时变换t为最佳变换；表示针对后向扫描对应的图像进行变换；mmi表示基于mattes负互信息度量用于进行多模图像的配准。
37.上述求解最佳变换的过程，采用了一种迭代非线性优化算法（称为(1 + 1)进化策略），即在基于互信息的图像配准中，将图像强度看作是某个连续随机变量的采样，利用这些离散采样值估计出单个图像的概率密度和两幅图像的联合概率密度，再求出图像的互信息。当两幅图像配准得越好时，它们之间的相关性越大，互信息值也就越大。作为相似性测度，mmi度量具有许多的优点：对图像之间的关系没有任何先验假设；不需要对图像进行预处理、自动化程度高以及配准精度高。上述求解过程和相关的重点代码实现分别如图6和图7所示。
38.综上所述，本实施例在所述步骤s1中，根据探地雷达采集的原始数据中提取离地高度信息，能够使得gpr-sar图像质量优于现有uav-gpr系统的传感器所提供的高度信息，为提高成图质量提供了很好的基础；在所述步骤s2中，通过优化的svd过滤处理，能够自动滤除主要包含来自空地分界面上强反射的杂波的本征图像，有效地提升了检测能力；通过所述步骤s4的配准来补偿不同的天线倾斜，在前向扫描和后向扫描中产生不同的雷达视
角，用于生成更好的聚焦的gpr-sar图像，进而很好地解决了现有技术所存在的技术问题，满足基于无人机的探地雷达实际探测需求。
39.以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

技术特征：
1.一种无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，包括以下步骤：步骤s1，根据探地雷达采集的原始数据提取离地高度信息，生成gpr-sar图像，gpr-sar图像指的是基于合成孔径成像算法的探地雷达图像；步骤s2，对所述gpr-sar图像进行基于距离的过滤处理；步骤s3，对过滤处理后的图像进行延迟求和处理，生成多通道三维gpr-sar图像；步骤s4，通过图像配准进行天线倾斜的补偿处理，在前向扫描和后向扫描的过程中产生不同的雷达视角，以实现gpr-sar图像聚焦。2.根据权利要求1所述的无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，所述步骤s1包括以下子步骤：步骤s101，对探地雷达采集的原始数据进行背景消除处理；步骤s102，根据处理后的雷达数据，计算雷达数据采样信号的局部能量曲线；步骤s103，选取所述局部能量曲线的全局最小值所处位置作为空气和土壤分界面位置，然后根据到达所述分界面的时长和电磁波在空气中的波速进行相乘得到离地高度。3.根据权利要求2所述的无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，所述步骤s102中，通过公式计算雷达数据采样信号的局部能量曲线，其中，，，为采样信号的局部能量曲线的第i个样本，k为整数，n为每道雷达数据采集的采样点总数，为所有采样点的振幅累积和，为噪声因子，为测量第k个采样点得到的振幅值。4.根据权利要求1至3任意一项所述的无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，所述步骤s2包括以下子步骤：步骤s201，将每条测线的雷达数据矩阵y分解为y个本征图像；步骤s202，滤除奇异值σ小于或等于预设阈值的本征图像；步骤s203，将剩余的本征图像按照其最大值所处的位置进行分类，滤除最大值达到预设距离阈值的本征图像，所述预设距离阈值为预先设定的接近雷达的距离判断值；步骤s204，输出过滤后的数据矩阵。5.根据权利要求4所述的无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，所述步骤s201中，通过公式将每条测线的雷达数据矩阵y分解为个本征图像，其中，= min(n
m
,n
s
)，n
m
为雷达数据矩阵y的测线采集道数；n
s
为每道测线的样本数；s是包含奇异值的对角矩阵，按降序排列； u和v分别为包含奇异向量和奇异向量的酉矩阵，h表示共轭转置。6.根据权利要求4所述的无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，所述步骤s202中，预设阈值 = 0.01，为最高奇异值。7.根据权利要求4所述的无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，所述步骤s204中，通过公式输出过滤后的数据矩阵，其
中，和均为酉矩阵，h表示共轭转置，为包含奇异值的对角矩阵。8.根据权利要求1至3任意一项所述的无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，所述步骤s3包括以下子步骤：步骤s301，沿着平行于航线的方向往返进行全测区数据采集，并对每条测线分别进行延迟求和生成单幅gpr-sar图像；步骤s302，将所有测线的gpr-sar图像合并为多帧格式的tiff图片，基于光线跟踪法对多帧格式的tiff图片进行三维渲染，生成多通道三维gpr-sar图像。9.根据权利要求1至3任意一项所述的无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，所述步骤s4包括以下子步骤：步骤s401，将单幅gpr-sar图像分为两组，一组对应于前向扫描的图像，另一组对应于后向扫描的图像；步骤s402，选择前向扫描对应的图像作为参考，将后向扫描对应的图像基于负互信息的度量尺度进行最佳变换以实现图像配准。10.根据权利要求9所述的无人机载二维探地雷达三维sar成像的扫查探测方法，其特征在于，所述步骤s402中，根据公式将后向扫描对应的图像基于负互信息的度量尺度进行最佳变换，其中，表示求解出的最佳变换，当取得最小值时变换t为最佳变换；mmi表示基于负互信息度量用于进行多模图像的配准。

技术总结
本发明提供一种无人机载二维探地雷达三维SAR成像的扫查探测方法，包括以下步骤：步骤S1，根据探地雷达采集的原始数据提取离地高度信息，生成GPR-SAR图像；步骤S2，对所述GPR-SAR图像进行基于距离的过滤处理；步骤S3，对过滤处理后的图像进行延迟求和处理，生成多通道三维GPR-SAR图像；步骤S4，通过图像配准进行天线倾斜的补偿处理，在前向扫描和后向扫描的过程中产生不同的雷达视角，以实现GPR-SAR图像聚焦。本发明能够获取准确的UAV离地高度、在GPR-SAR成图之前减少杂波并高效改善GPR-SAR图像的聚焦，满足基于无人机的探地雷达实际探测需求。求。求。


技术研发人员：项芒 狄毅 黄钰琳
受保护的技术使用者：深圳安德空间技术有限公司
技术研发日：2023.07.12
技术公布日：2023/8/9