基于BP神经网络的光子计数激光雷达点云滤波

随着高灵敏探测技术的不断发展，单光子量级的测量灵敏度成为了可能，结合高精度的计时技术，基于时间相关单光子计数的激光雷达应运而生，其能够大幅提高测量的分辨率和精度。然而，单光子量级的高灵敏探测极易受环境噪声的影响，光子计数激光雷达在测量的过程中会产生大量的噪声数据。为了克服噪声的影响，提出一种基于BP神经网络的光子计数激光雷达点云数据去噪算法。通过选取点云数据特征值，进行归一化处理，以训练BP神经网络，最终达到精确的二分类去噪效果。所提算法能够减小传统去噪算法中引入的人为误差，在多种探测环境下具备出色去噪性和强大适应性。在强背景噪声探测条件下，该算法的F数仍能达到0.9773。在模拟各种背景噪声的条件下，所提算法具有良好的信息提取能力，并通过对ICESAT-2点云实验数据进行的验证，进一步证明该算法的一致性优势。