[发明专利]一种无扫描单通道太赫兹雷达前视三维成像方法和系统

权利要求书

1.一种无扫描单通道太赫兹雷达前视三维成像方法，其特征在于，所述方法包括：

通过两路同步的时钟信号分别控制单发单收太赫兹雷达收发信号得到检测场景的一维距离像，以及控制飞行时间相机采集信号得到所述检测场景对应的三维深度图像，进一步通过变换检测场景中目标的姿态和位置，得到由多组一维距离像和三维深度图像对构成的训练集；

将训练集中的一维距离像转换为列向量后输入预先设计的神经网络模型中，以所述一维距离像对应的三维深度图像展平得到的列向量作为输出，对所述神经网络模型进行训练，得到训练好的神经网络模型；

获取待检测场景的一维距离像，转换为列向量后输入所述训练好的神经网络模型中，根据所述训练好的神经网络模型输出的列向量得到所述待检测场景的三维图像。

2.根据权利要求1所述的方法，其特征在于，所述通过两路同步的时钟信号分别控制单发单收太赫兹雷达收发信号得到检测场景的一维距离像，以及控制飞行时间相机采集信号得到所述检测场景对应的三维深度图像，包括：

通过第一时钟信号控制单发单收太赫兹雷达在触发模式下采集信号，以使所述单发单收太赫兹雷达每检测到一个下降沿收发信号并保存数据，得到检测场景的一维距离像；

通过第二时钟信号控制飞行时间相机在触发模式下采集信号，以使所述飞行时间相机每检测到一个下降沿采集并保存数据，得到所述检测场景对应的三维深度图像；所述三维深度图像包含了所述检测场景中各点的横纵坐标和深度信息；

所述第一时钟信号与所述第二时钟信号保持同步。

3.根据权利要求1所述的方法，其特征在于，将训练集中的一维距离像转换为列向量后输入预先设计的神经网络模型中，以所述一维距离像对应的三维深度图像展平得到的列向量作为输出，对所述神经网络模型进行训练，得到训练好的神经网络模型，包括：

将训练集中的一维距离像转换为列向量后输入预先设计的神经网络模型中，以所述一维距离像对应的三维深度图像展平得到的列向量作为输出，对所述神经网络模型进行训练，得到训练好的神经网络模型；所述神经网络为多层感知机的神经网络；所述多层感知机的神经网络包括输入层，三个全连接层和输出层；所述全连接层用于将输入数据的每个点与输出数据的每个点连接起来；每个所述全连接层之后有一个激活函数层。

4.根据权利要求3所述的方法，其特征在于，将训练集中的一维距离像转换为列向量后输入预先设计的神经网络模型中，以所述一维距离像对应的三维深度图像展平得到的列向量作为输出，对所述神经网络模型进行训练，得到训练好的神经网络模型，包括：

将训练集中的一维距离像转换为列向量后输入预先设计的神经网络模型中；

将所述一维距离像对应的三维深度图像在横纵方向的M×N维展平为长度为MN的列向量；

以所述长度为MN的列向量作为所述神经网络模型的输出，对所述神经网络模型进行训练，得到训练好的神经网络模型。

5.根据权利要求4所述的方法，其特征在于，根据所述训练好的神经网络模型输出的列向量得到所述待检测场景的三维图像，包括：

将所述训练好的神经网络模型输出的长度为MN的列向量恢复为M×N维，得到所述待检测场景的三维图像。

6.一种无扫描单通道太赫兹雷达前视三维成像系统，其特征在于，所述系统包括：

数据收集模块，用于通过两路同步的时钟信号分别控制单发单收太赫兹雷达收发信号得到检测场景的一维距离像，以及控制飞行时间相机采集信号得到所述检测场景对应的三维深度图像，进一步通过变换检测场景中目标的姿态和位置，得到由多组一维距离像和三维深度图像对构成的训练集；

模型训练模块，用于将训练集中的一维距离像转换为列向量后输入预先设计的神经网络模型中，以所述一维距离像对应的三维深度图像展平得到的列向量作为输出，对所述神经网络模型进行训练，得到训练好的神经网络模型；

模型应用模块，用于获取待检测场景的一维距离像，转换为列向量后输入所述训练好的神经网络模型中，根据所述训练好的神经网络模型输出的列向量得到所述待检测场景的三维图像。