用于测深激光雷达的自适应高速回波数据采集方法

摘要

在我们团队此前研发的测深激光雷达（LiDAR）仪器“GQ-Cormorant 19”中的实时数据采集系统（RTDAQS）由于对回波信号采集时刻的判定不准确，无法完整获取水面与水底的回波数据，导致回波数据损失。因此，本研究基于现场可编程门阵列（FPGA）芯片，开发了一种自适应回波信号采集方法。该方法利用飞行高度进行粗调，并将回波信号检测峰值与细调相结合，以准确确定回波信号的采集时刻。改进后的 RTDAQS 已安装在 GQ-Cormorant 19 上的无人机（UAV）和无人水面船（USV）平台，并通过室内走廊和若干户外水域进行性能验证。实验结果表明，改进后的 RTDAQS 与之前开发的 RTDAQS 相比，可将有效回波数据率提高 11.5%。因此，可以得出结论，改进后的 RTDAQS 能实现回波数据的自适应高速采集，并在多种平台（如 UAV、USV）上获得高质量的回波数据采集（DAQ）。

作者

Guoqing Zhou 机械与控制工程学院，广西空间信息与测绘重点实验室，地球科学学院，测绘与地理信息学院，桂林理工大学，桂林，中国；遥感中心，天津大学，天津，中国 ORCID: 0000-0001-8295-0496

Guoshuai Jia 机械与控制工程学院和广西空间信息与测绘重点实验室，桂林理工大学，桂林，中国

Xiang Zhou 机械与控制工程学院和广西空间信息与测绘重点实验室，桂林理工大学，桂林，中国；天津大学微电子学院，天津，中国

Naihui Song 机械与控制工程学院和广西空间信息与测绘重点实验室，桂林理工大学，中国桂林 ORCID: 0009-0003-8401-5495

Jinhuang Wu 机械与控制工程学院和广西空间信息与测绘重点实验室，桂林理工大学，中国桂林 ORCID: 0000-0003-0306-5742

Ke Gao 机械与控制工程学院和广西空间信息与测绘重点实验室，桂林理工大学，中国桂林

Jing Huang 物理与电子信息工程学院，桂林理工大学，中国桂林

Jiasheng Xu 测绘与地理信息学院，桂林理工大学，中国桂林 ORCID: 0000-0002-2055-8947

Qiang Zhu 地球科学学院，桂林理工大学，中国桂林

发表信息

期刊: IEEE Transactions on Geoscience and Remote Sensing 年份: 2024 卷号: 62 页码: 1-17 DOI: 10.1109/TGRS.2024.3386687 文章编号: 10495068 ISSN: Print ISSN: 0196-2892, Electronic ISSN: 1558-0644

指标

论文引用次数: 6 总下载量: 347

资助

• 广西科学技术基地与人才项目（拨款：Guike AD19254002 和 Guike AD23023012）

• 中国国家自然科学基金（拨款：41961065）

• 广西创新发展宏观计划（拨款：GuikeAA18118038 和 GuikeAA18242048）

• 广西自然科学基金创新研究团队（拨款：2019GXNSFGA245001）

• 桂林研发规划计划（拨款：201902102）

• 中国国家重点研发计划（拨款：2016YFB0502501）

• 广西巴桂学者计划

关键词

IEEE 关键词： 激光雷达, 数据采集, 表面发射激光器, 现场可编程门阵列, 自适应系统, 计算机架构, 自动无人机

Index Terms: 自适应方法, 光探测与测距, 高速数据, 回波数据, 高速采集, 高速数据采集, 无人机, 数据采集系统, 回波信号, 实时采集, 自动水面船舶, 飞行高度, 数据质量, 采样时间, 触发, 时延, 实验过程, 默认模式, 方波, 手动模式, 方波信号, 固态硬盘, 外部触发, 无人机平台, 波信号, 光电倍增管, 子模块, 窄信号, 测深图

Author Keywords: 自适应采集, 测深, 回波信号, 现场可编程门阵列 (FPGA), 光探测与测距 (LiDAR)

未定义

第一节. 引言

桂林理工大学的研究团队开发了一种实时数据采集系统（RTDAQS），用于单波段测深光探测与测距（LiDAR）系统 ¹, ², ³，其称为 GQ-Cormorant 19，工作波长为 532 nm，采用光电倍增管（PMT）探测器捕获来自水面和水底的回波信号 ⁴, ⁵，并将检测到的回波存储在固态硬盘上。该设备专门用于沿海浅水测深测量 ⁶, ⁷, ⁸, ⁹, ¹⁰, ¹¹, ¹², ¹³, ¹⁴。

先前开发的RTDAQS基于模数转换器（ADC）+可编程门阵列（FPGA）+Zynq-7000全可编程SoC（ZYNQ）。该系统具有高达2 GS/s的采样速率、14位的采样分辨率以及六个LSB的采样精度 ¹⁵。然而，该RTDAQS存在一些缺陷。当平台的飞行高度变化时，数据采集（DAQ）仅通过外部触发初始化。触发采集时间与首次回波接收时间之间的时间差导致回波数据采集不完整，甚至完全缺失回波数据。在此情况下，有效回波数据率（即有效回波数据数与总数据数之比），其中有效回波数据定义为可通过回波数据波形分解计算得到的水深，下降。因此，无法保证高质量的水深测量数据。因此，本研究提出一种结合回波信号峰值时刻和LiDAR仪器飞行高度的外部触发信号的自适应采样方法，以提高RTDAQS接收的回波数据质量。

第二节：相关工作

回声DAQ系统是测深激光雷达的重要组成部分 ¹⁶, ¹⁷, ¹⁸, ¹⁹, ²⁰, ²¹，许多学者尝试开发高速DAQ系统 ²², ²³。例如，Xingguang等人 ²⁴ 开发了一个 300 MS/s 采样率的DAQ系统。然而，该系统的采样率较低，未能获得使用激光雷达进行测深时的高精度回声数据。Schiffer等人 ²⁵ 在PC端创建了一个软件程序，允许用户指定触发参数和辐射DAQ的阈值。然而，该参数无法根据飞行高度等其他参数自适应变化；因此，不能应用于测深激光雷达。Kelley ²⁶ 设计了一个通过自触发触发数据采集来探测宇宙射线的数据采集系统。然而，在采样时间固定的情况下，难以确保所有水面和水底回声数据被获取并存储在固态驱动器中。Khedkar和Khade ²⁷ 提出了一个带外部触发的高速FPGA基数据采集系统。这种触发方法在采样时间确定的条件下无法保证回声数据的完整性；因此，不能应用于用于测量水深的测深激光雷达。Veiga和Grunfeld ²⁸ 设计了一个用于伽马射线应用的自由运行ADC的数字信号处理器。由于其收集大量数据，无法应用于RTDAQS，其测深激光雷达的采样率可达2 GS/s。Shu等人 ²⁹ 通过外部触发触发信号获取，设计了一个托卡马克数据采集系统。然而，仅使用外部触发来触发回声信号获取无法确定获取时刻；因此，无法为测深激光雷达执行自适应获取。Adamczewski-Musch等人 ³⁰ 在Linux系统上使用PEXORNET驱动软件实现触发数据采集。然而，使用此方法为激光雷达触发回声信号获取既复杂又需要手动操作。Tian等人。

[^31] 设计了一个实时多波束声纳系统，通过 FPGA 生成连续波 (CW) 脉冲控制信号来控制回声信号的 ADC 采集。然而，采样率仅为 5 MS/s，无法满足高精度测深读数驱动器（LiDAR）的需求。Sahoo 等人 [^32] 设计了一个用于超热乳液探测器的数据采集系统，该系统可以调节前后触发。在此系统中，前置触发采集长度必须手动设置；因此，它无法应用于 LiDAR 的自适应回声数据采集。Li 等人 [^33] 设计了一个包含 RODS 的数据采集系统，用阈值触发方式为 STAR 小条纹薄间隙室 (sTGC) 探测器读取带电信号并实现数据过滤。Cheng 与 Xie [^34] 设计了一种采用外部触发的高重复率 LiDAR 集成离线回声信号采集系统。该系统实现了大气成分分析和环境污染检测。然而，它没有考虑回声信号的运动，因此不能应用于可变飞行高度的无人机 (UAV) 平台的 LiDAR。

如上所述，自触发 [^35]、[^36]、外部触发 [^37]、[^38]、[^39]、软件触发 [^40]、[^41] 以及其他触发方法都无法确保可变飞行高度 LiDAR 平台的水面与水底回声数据完整性。为实现自适应高速回声数据采集，必须准确确定采集时刻。本研究提出了一种自适应采样方法，利用外部触发信号与回声信号峰值时刻以及 LiDAR 系统高度相结合，实现对水面和水底数据的实时采集。本文结构安排如下：改进后的 RTDAQS 的硬件与软件开发见第三章；实验与讨论见第四章；结论见第五章。

第三节：自适应高速回声数据采集方法

A. GQ-Cormorant 19 与 RTDAQS 的架构

原始嵌入在 GQ‑Cormorant 19 LiDAR 系统中的 RTDAQS 架构如图 1(a) 所示。它由电源模块、激光模块、控制模块、4G Wi‑Fi 模块和检测模块组成。电源模块向其他模块提供不同幅度的电源。激光模块产生并发射 532 nm 激光，使用相关探头和电路来生成周期性的窄脉冲信号和方波信号。检测模块检测来自水面和底部反射的弱光信号，并将其转换为放大后的电压信号。控制模块处理包括从 GQ‑Cormorant 19 接收并转换姿态与定位系统（POS）数据、发送和接收初始飞行高度数据、控制激光参数设置以及 GQ‑Cormorant 19 的起停操作等多项任务。4G Wi‑Fi 模块从远程地面站接收相关指令和初始飞行高度数据，并将其发送给控制模块。RTDAQS 负责获取并将检测到的来自水面和底部的回波信号存储到固态硬盘中。

图 1. (a) GQ‑Cormorant 19 的架构。(b) 嵌入在 GQ‑Cormorant 19 中的原始 RTDAQS 架构。(c) 提议的 RTDAQS。

B. 自适应回波数据采集的设计与实现

RTDAQS 的架构如图 1 所示。改进后的 RTDAQS [图 1(c)] 由 FPGA 设计的三种模式组成：“默认模式”“手动模式”和“自适应模式”。在本研究中，“默认模式”定义为使用外部触发进行数据采集的原始 RTDAQS。“自适应模式”定义为通过自适应确定触发时刻来采集完整回波信号。详细说明如下：

1) 自适应回波数据采集的设计：

RTDAQS主要信号的时序图如图2所示。周期性窄脉冲信号的脉宽为2.0±0.5 ns，波长为532 nm，频率为2 kHz。方波信号具有相同的频率，幅度为3.3 V。

Fig. 2. 自适应回声数据采集的整体时序图。T_{1} ^{n} 是在 n \text { th} 比较后调整的方波信号与周期性窄脉冲信号输出之间的时间差；T_{2} ^{n} 是在第 n 次比较后调整的采样前延迟时间，n=1,2,\ldots,d；t_{0} 是 RTDAQS 的采样时间；t_{1} 是 GQ-Cormorant 19 的 PMT 在初始飞行高度数据下检测水面回声信号所需的时间，未考虑任何其他因素；t_{2} 是 GQ-Cormorant 19 系统的固定延迟（即从发射 532 nm 激光到 RTDAQS 自适应采集并存储数据的延迟，当触发信号与激光的周期性窄脉冲信号同时刻录时，采样前延迟为 0）；t_{\max } 是采样时间内第一次回声信号的峰位。

为实现 RTDAQS 的自适应工作模式，设计了一个自适应模块，包含激光延迟调整、飞行高度粗糙度调整、峰值检测和细微调节等子模块[图 1(c)]。每个子模块的设计如下：

a) 飞行高度粗糙度调整子模块：

它的设计是通过将 GQ-Cormorant 19 的飞行高度与外部触发相结合，粗略确定回声数据采集被触发的时刻，以确保回声数据可以被 RTDAQS 收集。数学上，它可以用以下等式表示。假设 t_{3} 定义为从激光发射开始到 RTDAQS 收集由 PMT 检测到的水面回声信号所需的时间

\begin{align*} t_{1} &=2h_{0} /c \tag{1}\\ t_{3} &=t_{1} +t_{2} \tag{2}\end{align*}

其中 c 定义为激光在空气中的传播速度，c=3\times 10^{8} \textrm {m}/\textrm {s}。 h_{0} 是 GQ-Cormorant 19 的初始飞行高度。 通过使用 GQ-Cormorant 19 的实验回溯，得到 t_{2} =10 \textrm {}{\textrm {ns}}。 为验证 GQ-Cormorant 19 系统的 RTDAQS 是否能够在此飞行高度获取回波数据，可比较 t_{0} 与 t_{3} 的大小。 如果 t_{3} \ge t_{0}，RTDAQS 无法收集任何水面回波信号，则需要在采样前调整延迟时间，以大致将此回波数据调到采样时间中间。 此时需调整的采样前延迟时间由 T_{2}^{0} =t_{3} -t_{0} /2 给出。

如果 t_{3} < t_{0}，则表示 RTDAQS 能够收集水面回波信号，无需调整，即 T_{2} ^{0}=0。

此时，可以保证 RTDAQS 获取的数据包含水面回波信号。

b) 峰值检测子模块：

通过前置模块，无法保证数据质量，且存在不完整的回波数据。因此，该模块通过遍历方法寻找缓存，以获取回波数据位置的最大值。

c) 精细调整子模块：

基于前述模块组合，触发采集的时刻根据回波峰值位置进行精细调整，以确保数据完整性并提升数据质量。从数学上可描述如下。计算激光水面与水底回波信号的最大时间差 t_{4} 可以使用以下方程计算：

\begin{equation*} t_{4} =2h_{\max } /c_{1} \tag{3}\end{equation*}

其中 c_{1} 是水中光速传播速度，c_{1} =3/4\times 3\times 10^{8} \textrm {m}/\textrm {s}；h_{\max } 是 GQ-Cormorant 19 LiDAR 的最大水深，h_{\max } =20 \textrm {}\text {m}。t_{4} 的最大值计算为 \approx 178 \textrm {}{\textrm {ns}}。由于 GQ-Cormorant 19 必须测量水深，t_{0} 被设置为 0.4 \textrm {}\textrm {ns}。此时，t_{\max }、t_{0} /4 和 t_{0} /2 的幅度可以进行比较。如果 t_{\max } < t_{0} /4、\Delta T_{1} =t_{0} /4-t_{\max }，调整激光输出方波信号与周期性窄脉冲信号 T_{1} ^{n}=T_{1}^{n-1}+\Delta T_{1} 之间的时间差以及采样前的延迟时间 T_{2} ^{n}=T_{2}^{n-1}。T_{1} ^{0} 是激光输出的方波信号与周期性窄脉冲信号之间的初始时间差，默认值为 0.~T_{2} ^{0}，该值来自飞行高度粗糙度调整子模块。

如果 t_{0} /4\le t_{\max } \le t_{0} /2，调整激光输出方波信号与周期性窄脉冲信号 T_{1} ^{n}=T_{1} ^{n-1} 之间的时间差以及采样前的延迟时间 T_{2} ^{n}=T_{2}^{n-1}。

如果 t_{0} /2 < t_{\max }、\Delta T_{2} =t_{\max } -t_{0} /4，调整激光输出方波信号与周期性窄脉冲信号 T_{1} ^{n}=T_{1} ^{n-1} 之间的时间差以及采样前的延迟时间 T_{2} ^{n}=T_{2}^{n-1}+\Delta T_{2}。

d) 激光延迟校准子模块:

当 FPGA 改进后的 RTDAQS 确定 T_{1} ^{n} 后，它使用 J30J 连接器实现 RS232 协议，将相关命令发送给控制模块。随后，相应的命令通过控制模块发送以对激光模块进行调整。

上述步骤可以确保水面和水底回波信号的完整获取。此时，在最大水深情况的水深图中，由于回波峰距从获取开始到结束时间约为 t_{0} /4，从(1)可以计算出携带 GQ‑Cormorant 19 的 UAV 的飞行高度变化约为 \Delta h=15 \textrm {}\text {m}。由于 UAV 以最大 4 m/s 的速度爬升或下降，FPGA 自适应条件下 500 Hz 的峰值检测足以应对无人机飞行高度变化所带来的飞行高度变化。

2) 自适应回波数据采集实现：

根据设计，参数 t_{0}、T_{2}^{n} 和 T_{1} ^{n} 必须变化，且 t_{\max } 必须检测（图 2），其实现如下：

a) 对 t_{0} 和 T_{2} ^{n} 的调整：

两​个参数由 RTDAQS 中的 FPGA 进行调整。采样时间调整的时序图如图 3 所示，其中 “pw_buf” 表示采样时间信号。用于采样前延时控制的有限状态机（FSM）如图 4 所示，其中 “delay” 表示采样前的延时。以采集模块通道 1 为例；当复位信号 “rst = 1” 时，16 位存储计数器每个位均为 “0”，状态设为 “00”。当时钟出现上升沿时，如果 “store_en1_cnt < delay”，计数器加 1；若 “store_en1_cnt = delay”，进入状态 “01”，计数器设为 “0”，此时提供采集时间。随后设定 “pw_buf” 的值。如果 “store_en1_cnt < pw_buf”，则存储使能信号 “store_en_1_buf” 设为 “1”，直到计数器达到采样时间设定值。

图 3. 采样时间调整时序图。N_{1} 是 “pw_buf” 信号的值。N_{2} 是 “delay” 信号的值。

图 4. 延迟时间控制前采样的建议 FSM.

b) 检测 t_{\max}:

峰值检测子模块的电路图如图 5 所示。 时钟信号频率为 250 MHz。 data_chmax 子模块将判断 “max_en = 0” 的 condition1 是否满足。 若 condition1 满足，则将 24 位计数器的每一位设为 “0”，并将 valid 信号设为 “0”。 若 condition1 未满足，则判断 “cnt < 499~900” 的 condition2。 若 condition2 满足，则计数器加 1，trig 信号设为 “1”，valid 信号设为 “0”。 此时处于获取最大值及其位置的阶段。 若 condition2 未满足，则判断 “499900\le cnt < 500000” 的 condition3。 若 condition3 满足，则计数器加 1，trig 信号设为 “0”，valid 信号设为 “1”。 此时进入最大值保持阶段，确保 data_max 信号的传输。 在获取最大值及其位置的阶段，以采集模块通道 1 为例。 输入子模块的 128 位宽 data_1 信号被顺序拆分成八个 16 位宽的数据。 由于 RTDAQS 的采样率为 2 GS/s，采样时间为 400 ns，每个数据集包含 800 个点。 取这些数据的绝对值并比较，以得到最大值。 获得最大值后，取采样时间 t_{\max } 中第一个最大值的位置。 最后，将四个通道的 16 位最大值和 10 位最大值位置组合成 104 位 data_max 输出信号，在满足 “valid = 1” 条件时将数据传输到后续子模块。

图 5. 峰值检测子模块的电路图.

与原始 RTDAQS 不同，使用改进版 RTDAQS 的回声数据采集步骤如下：首先，当 UAV 到达指定位置时，点击手机上的“run”按钮即可启动 GQ-Cormorant 19 LiDAR。UAV 主机电脑采集到的飞行高度数据通过 4G Wi‑Fi 模块传输到控制模块。在此时，激光模块产生并发射 532 nm 的激光。主波检测器检测到激光周期性窄脉冲信号，并将其接入 RTDAQS 的通道 1 进行采集，同时产生同频率的方波信号，作为与初始飞行高度相结合的外部触发信号。随后，检测模块中的普通开启型（NN 型）和普通关闭型（NF 型）PMT 将接收到的激光脉冲信号转换为电信号，再由两颗 AD9208 芯片采用多通道同步方式转换为数字信号。随后根据收集到的数据进行峰值时刻分析，并对相应参数进行调整，实现回声数据的自适应完整采集。

上述部分通过介绍自适应采集原理和改进后的RTDAQS的实现，描述了自适应高速回波数据采集功能。第四节描述了与默认模式的实验比较，以验证改进后RTDAQS的可行性和优越性。

C. 改进后的RTDAQS硬件实现

改进版 RTDAQS 在 GQ-Cormorant 19 中的硬件模块如图 6 所示。它包含两颗 AD9208 芯片 [^42]、[^43]，FPGA Kintex7 系列的 XC7K480T-2FFG1 [^44]、[^45]，Zynq UltraScale+ MPSoC 的 XCZU4CG，Nvme.M.2 的 SSD 以及散热模块。与上一代相比，硬件部分增加了一个散热模块，由风扇和热传导硅胶薄膜组成。固态硬盘已从 970 EVO Plus 升级至 970 Pro，新一代固态硬盘提供更佳的散热性能。改进版 RTDAQS 由单独的 12V 电源供电。它解决了当该系统安装在 GQ-Cormorant 19 上时，内部芯片温度升高导致失效以及可能造成数据传输丢失的硬件问题。

图 6。改进的 RTDAQS 的硬件实现.

D. 固定飞行高度的案例分析

在一个特殊情况下，当 GQ-Cormorant 19 携带的平台相对于水面高度固定时，本研究设计的自适应采集触发所使用的高度和峰值时刻保持不变。该重复检测方法会浪费资源并导致过度能耗。为了解决此特殊情况，本研究采用了 RTDAQS 的一种采集方法，称为“手动模式”。下面将以 GQ-Cormorant 19 安装在 USV 上的实例来讨论“手动模式”。

在 RTDAQS 的“手动模式”下，无需反复修改 T_{1} ^{n} 和 T_{2}^{n} 的幅值；T_{1} 将相应用于表示 T_{1} ^{n}，并用 T_{2} 表示 T_{2} ^{n}。

h_{0} 在（1）中表示 GQ-Cormorant 19 安装在 USV 上相对于水面的高度。

由（1）和（2）可得，t_{3} 是指 GQ-Cormorant 19 从发射激光光束到接收到 PMT 检测到的回波信号所需的时间，在固定高度后可求得。接下来，比较了 t_{3} 与 t_{0} /2。

如果 t_{3} < t_{0} /2、T_{1} 需要调整，可使用以下方程计算：

\begin{equation*} T_{1} =t_{0} /2-t_{3}. \tag{4}\end{equation*}

如果 t_{3} =t_{0} /2，则不需要调整任何参数。

如果 t_{3} >t_{0} /2、T_{2} 需要调整，可使用以下方程计算：

\begin{equation*} T_{2} =t_{_{3}} -t_{0} /2. \tag{5}\end{equation*}

在上述步骤通过“手动模式”实现完整回声数据采集的过程中，通过将回声数据调整到存储结果的中间位置并固定平台高度来完成。上述部分描述了 GQ-Cormorant 19 自适应回声数据采集功能的 RTDAQS 实现，且“手动模式”和“自适应模式”实现流程图如图 7 所示。

图 7. 自适应回声数据采集流程图。

本节已描述自适应高速回声数据采集功能的设计与实现。第 IV 节描述了验证所提出 RTDAQS 可行性和优势的实验。

第 IV 节 实验验证与讨论

A. 在实验室走廊中的验证

实验设置如下：GQ-Cormorant 19 激光雷达放置在实验室走廊的一侧，另一侧放置黑色挡板，二者距离为 20 米（图 8）。GQ-Cormorant 19 激光雷达的规格见表 I。实验流程如下：

1. 调整激光发射位置和挡板的飞行高度，使激光能够在 GQ-Cormorant 19 系统激活前返回 GQ-Cormorant 19 光学系统。

2. 在触摸屏上点击运行，向黑色挡板发射激光，该激光随后以漫射方式反射，光信号被 GQ-Cormorant 19 检测模块中的 PMT 检测。

3. 改变黑色挡板与 GQ-Cormorant 19 之间的距离：14 米、18 米和 22 米，1 分钟时的回声信号实验结果如图 9(a1)–(a3) 所示。

4. 开启手动模式，重复步骤 1) 和 2)，手动输入 GQ-Cormorant 19 的飞行高度为 18、20、22 米，并相应改变黑色挡板与 GQ-Cormorant 19 之间的距离：14、18、22 米。1 分钟时的回波信号实验结果见图 9(b1)–(b3)。

图 9(a1)–(a3)

图 9(b1)–(b3)

表 I

图 8. 实验在实验室走廊中.

图 9. 实验室走廊的实验结果。(a1)–(a3) 在不同距离下收集的回波信号，使用 RTDAQS 的默认模式。(b1)–(b3) 在不同距离下收集的回波信号，使用 RTDAQS 的手动模式，只将盒子的一部分水平放大。

B. 在户外水池中的验证

实验设置如下：GQ-Cormorant 19 LiDAR 被放置在户外圆形池塘的一侧，反射器放置在池塘顶部，将激光反射进入圆形池塘，距离为 20 米（图 10）。反射器与水面之间的距离为 1.05 米。实验过程如下：

1. 调整激光发射位置和镜面角度，使激光在 GQ-Cormorant 19 测深系统激活之前能返回到 GQ-Cormorant 19 光学系统。

2. 在触摸屏上点击运行，使用 RTDAQS 的默认模式将激光发射到反射器。随后将激光反射入池塘，随后被 GQ-Cormorant 19 检测模块中的 PMT 检测到。

3. 将 GQ-Cormorant 19 与反射器之间的距离更改为 14、20、26、38 米。1 分钟时的回波信号实验结果见图 11(a1)–(a4)。

4. 通过将手动模式飞行高度设置为 14、20、26、38 米，重复第 3 步。1 分钟时的回波信号结果见图 11(b1)–(b4)。

5. 通过将自适应模式飞行高度的初始值设为 14 米，重复第 3 步。1 分钟时的回波信号结果见图 11(c1)–(c4)。对比分析见表 II。

图 11(a1)–(a4)

图 11(b1)–(b4)

图 11(c1)–(c4)

图 11(a1)–11(a3)–11(b1)–11(b3)–11(c1)–11(c3)

表 II

图 10. 在户外池塘的实验。d 是 GQ-Cormorant 19 LiDAR 与反射器之间的距离；d_{0} 是反射器与水面之间的距离。

图 11. 户外池塘的实验结果。 (a1)–(a4) 在不同距离下收集的回波信号，使用 RTDAQS 默认模式。 (b1)–(b4) 在不同距离下收集的回波信号，使用 RTDAQS 手动模式。 (c1)–(c4) 在不同距离下收集的回波信号，使用 RTDAQS 自适应模式。

表 II 显示，随着 GQ-Cormorant 19 与反射器之间距离的增大，最大峰值时间在默认模式下随之增大；在手动模式下保持在约 200 ns；在自适应模式下保持在 100~200 ns 之间。

C. 在太平洋北海湾的验证

实验设置如下：GQ-Cormorant 19 LiDAR、POS 及电源被安装在 GQ-S20 无人水面船（USV）上（图 12）。GQ-S20 USV 是我们团队开发的轻量化双推进平台，可通过自动路径跟踪、导航和运行进行操作。其详细参数见表 III。本实验在广西北海湾太平洋近海地区进行。实验流程如下：

1. 在触摸屏上点击运行，使用 GQ-Cormorant 19 系统的 RTDAQS 默认模式。控制 GQ-S20 按预设轨迹扫描，然后返回起始位置。

2. 停止系统运行并导出数据。0.5、1.0 和 1.5 分钟的回波信号结果见图 13(a1)–(a3)。

3. 采用改进的 RTDAQS 手动模式，并将高度调整为 0.45 m。在 GQ-Cormorant 19 系统的触摸屏上点击运行，控制 GQ-S20 按相同轨迹扫描，然后返回起始位置。

4. 停止系统运行并导出数据。0.5、1.0 和 1.5 分钟的回波信号结果如图 13(a1)–(a3) 所示。

5. 采用改进后的RTDAQS手动模式，并将高度调至 0.45 m。点击 GQ-Cormorant 19 系统触摸屏上的运行按钮，控制 GQ-S20 按相同轨迹扫描，然后返回起始位置。

6. 停止系统运行并导出数据。0.5、1.0 和 1.5 分钟的回波信号结果如图 13(b1)–(b3) 所示。

表 III

图 12. 太平洋北海湾实验.

图13. 太平洋北海湾的实验结果。(a1)–(a3) 在不同时间收集的回声信号，使用RTDAQS默认模式。(b1)–(b3) 在不同距离收集的回声信号，使用RTDAQS手动模式。

图13(a1)–(a3)显示，当GQ-S20遵循预定轨迹时，GQ-Cormorant 19检测到的浅水通道峰回波位置分别为15、17和16.5 ns。图13(b1)–(b3)显示，当GQ-S20沿相同轨迹运行时，浅水通道的峰回波位置为200.5、202.5和203 ns。根据统计，分别从两次实验的结果数据中随机抽取了5000组数据。在默认模式下，有效数据集数量为3058，数据有效率为61.2%。采用手动模式时，有效数据集数量增加至3486，数据有效率提升至69.7%。比较两种模式后可得出结论：当改进后的RTDAQS安装在USV平台上，采用手动模式时，能够在整组采样数据中调整浅水通道峰回波的位置，从而有效保证收集到的表面与水下回波信号数据质量。

D. 在龙江河畔吴九海滩的验证

The LiDAR实验的设置如下：GQ-Cormorant 19 LiDAR和POS被安装在UAV上，飞行高度为50米（图14）。本实验中的UAV是一架名为KWT-X8L-25的八旋翼大型UAV平台，能够携带电磁敏感设备，并能实现UAV的自动悬停。该UAV的详细参数见表IV。

表 IV

Fig. 14. 使用GQ-Cormorant 19在龙江河的吴九海滩进行的实验.

本实验在广西桂林市吴九海滩旁的龙江河进行。实验当天的环境参数见表V。实验过程如下:

1. 当无人机到达指定位置时，使用 RTDAQS 默认模式在远程地面站的手机屏幕上点击运行。然后，无人机按照指定路线飞行。扫描完成后，停止 GQ-Cormorant 19 的运行并控制无人机降落，然后导出数据。0.5、1、1.5 和 2 分钟的回波信号结果如图 15(a1)–(a4) 所示。

2. 当无人机到达指定位置时，通过手机开启 GQ-Cormorant 19。无人机再次沿相同路径飞行。在此时，采用 GQ-Cormorant 19 的自适应模式。

3. 停止运行并控制无人机降落，在扫描完成后导出数据。0.5、1、1.5 和 2 分钟的回波信号结果如图 15(b1)–(b4) 所示。

图 15(a1)–(a3)

图 15(b1)–(b4)

图 15(a4)

1/4\sim 1/2

表 V

Fig. 15. Wujiu Beach 里江河岸实验结果。(a1)–(a4) 在不同时间收集的回声信号，RTDAQS处于默认模式。(b1)–(b4) 在不同距离收集的回声信号，RTDAQS处于自适应模式。

表 VI 显示，当 RTDAQS 采用默认模式且 UAV 平台的起飞高度为 50 米时，某些情况下未收集到完整的回波数据。包含水深信息的有效回波数据更少。根据统计，在 5000 组随机抽样数据集中，有效回波数据集为 3070，且有效回波数据率为 61.4%。当 RTDAQS 采用自适应模式时，有效数据集数量增至 3647，有效回波数据率提升至 72.9%。因此，可以得出结论：安装在 UAV 平台上的 GQ-Cormorant 采用自适应采集模式，能够提升有效回波数据率，从而确保回波数据质量。

表 VI

使用改进的 RTDAQS 在吴久海滩获取的回波数据随后被处理以生成点云数据图，用于展示所提出方法的优势 [图 16(a)]。
后续流程如下：首先，波形分解通过以下步骤完成：1）高斯滤波；2）使用高斯拐点选择法进行参数估计和噪声消除；3）使用我们研究组开发的粒子群算法进行参数拟合 [^46]。
最后，使用我们研究组开发的软件计算 3D 坐标，并生成海深图并在图 16(b)中展示 [^46]。

图 16. (a) 描绘了在 Lijiang 河的吴九湾使用 GQ-Cormorant 19 LiDAR 与浅水多波束声纳同时采集的点云数据。(b) 使用 GQ-Cormorant 19 LiDAR 采集的深度图。(c) 使用浅水多波束声纳采集的深度图.

为确认可实现的 3‑D 坐标精度，安装在无人船（USV）上的浅水多波束声纳被用于在同一水域获取深度数据。实验设置如下：声纳装配在 USV 上（图 17）。浅水多波束声纳的规格如表 VII 所示。实验过程如下：

1. 将组装好的 USV 启航入水，并使其按相同轨迹航行。

2. 收集相应的数据，并通过串口将其传输到计算机。

3. 通过 CloudCompare 软件生成轨迹图 [Fig. 16(a)] 和深度图 [Fig. 16(c)]。

图 16

表 VII

图 17. 在琉江河吴九海滩使用浅水多波束测深仪的 USV 进行的实验。

此外，采用 GQ-Cormorant 19 LiDAR 和多波束测深仪获取的八个检查点被选用于进一步定量评估深度测量精度。 在相同的全球大地测量系统 (WGS)-84 下，随机选择了八个具有相同 X 与 Y 坐标的点，并比较其 Z 坐标（Z_{1} 坐标由 GQ-Cormorant 19 LiDAR 获得，Z_{2} 坐标由多波束测深仪获取）。结果如表 VIII 所示。从表 VIII 可见，\Delta Z 的平均值达到 −0.1 m，标准差为 0.3 m。此结果再次验证了由 GQ-Cormorant 19 LiDAR 测量得到的深度图与浅水多波束测深仪测量得到的深度图具有相同的精度水平，即通过改进的 RTDAQS 系统收集的 GQ-Cormorant 19 LiDAR 回波数据的质量已得到提升。

表 VIII

第五章. 结论

本研究提出了一种适用于测深激光雷达 GQ-Cormorant 19 的自适应高速回声数据采集方法，以克服先前代 RTDAQS 系统嵌入测深激光雷达所存在的问题。采用外部触发结合飞行高度和回声信号峰值时刻，准确确定水面和底部回声数据采集时刻。该方法在实验室走廊、室外池塘、太平洋北海湾以及丽江河的吴九海滩进行了实地验证。该改进方法的优势可归纳如下：改进后的 RTDAQS 系统能够自适应采集回声数据，并有效保证回声数据的高质量。实验结果显示，有效回声数据率达到了 72.9%，比前一代 RTDAQS 系统（默认模式）提高了 11.5%。当平台飞行高度固定时，有效回声数据率达到 69.7%，提高了 8.5%。改进后的 RTDAQS 系统在回声信号峰值位置选择方面仍需提升。因此，未来工作将聚焦于峰值位置的选择。

参考文献

附加参考文献