Huijing Zhang¹˒², Linsheng Chen¹, Haohao Wu¹, Mei Zhou¹*, Jiuying Chen¹, Zhichao Chen³, Jian Hu¹, Yuwei Chen⁴˒⁵, Jinhu Wang¹, Yifang Niu⁶, Meisong Liao⁷, Xiaoxing Wang¹, Wanqiu Xu¹, Tianxing Wang⁷˒⁸ и Shizi Yu⁷˒⁸

¹ Институт аэрокосмических информационных исследований Китайской академии наук, Пекин 100094, Китай; zhanghuijing@aircas.ac.cn (H.Z.); chenls01@aircas.ac.cn (L.C.); wuhh@aircas.ac.cn (H.W.); chenjy@aircas.ac.cn (J.C.); hujian@aircas.ac.cn (J.H.); wangjh@aoe.ac.cn (J.W.); wangxiaoxing@aircas.ac.cn (X.W.); xuwq@aircas.ac.cn (W.X.). ² Школа электронной техники, электротехники и связи Университета Китайской академии наук, Пекин 100049, Китай. ³ Университет Китайской академии наук, Пекин 100049, Китай; chenzhichao23@mails.ucas.ac.cn. ⁴ Ханчжоуский институт перспективных исследований Университета Китайской академии наук, Ханчжоу 310024, Китай; yuwei.chen@ucas.ac.cn. ⁵ Лаборатория перспективных лазерных технологий провинции Аньхой, Хэфэй 230037, Китай. ⁶ Государственная ключевая лаборатория дистанционного зондирования, Институт аэрокосмических информационных исследований Китайской академии наук, Пекин 100101, Китай; niuyifang@aircas.ac.cn. ⁷ Ключевая лаборатория материалов для мощных лазеров, Шанхайский институт оптики и точной механики Китайской академии наук, Шанхай 201800, Китай; liaomeisong@siom.ac.cn (M.L.); wangtianxing@siom.ac.cn (T.W.); shiziyu@siom.ac.cn (S.Y.). ⁸ Центр материаловедения и оптоэлектронной инженерии Университета Китайской академии наук, Пекин 100049, Китай. * Автор для корреспонденции: zhoumei@aircas.ac.cn.

Академический редактор: Beiwen Li. Получено: 17 февраля 2025 г.; исправлено: 20 марта 2025 г.; принято: 4 апреля 2025 г.; опубликовано: 10 апреля 2025 г.

Цитирование: Zhang, H.; Chen, L.; Wu, H.; Zhou, M.; Chen, J.; Chen, Z.; Hu, J.; Chen, Y.; Wang, J.; Niu, Y.; et al. Hyperspectral LiDAR for Subsea Exploration: System Design and Performance Evaluation. Electronics 2025, 14, 1539. https://doi.org/10.3390/electronics14081539

Гиперспектральный LiDAR (HSL) представляет собой перспективный метод активного обнаружения для подводного позиционирования и дистанционного зондирования, обеспечивающий одновременное получение трёхмерной топографической и спектральной информации о подводных объектах. В настоящем исследовании представлена усовершенствованная система подводного гиперспектрального LiDAR (UDHSL) со спектральным диапазоном 450-700 нм, регулируемой шириной спектральной полосы 10-300 нм и перестраиваемой частотой повторения импульсов от 50 кГц до 1 МГц. Система обеспечивает высокую точность при угле расходимости лазерного пучка ≤1 мрад, длительности импульса 7 нс, энергии лазера 7,5 мкДж, разрешении по дальности 1,13 см и точности дальнометрирования 1,02 м на расстоянии 27 м.

В трёхмерных экспериментах в бассейне сформированы гиперспектральные облака точек в 11 каналах диапазона 450-650 нм. Облака точек с цветовым кодированием по расстоянию точно соответствовали геометрическим характеристикам мишеней; облака точек с цветовым кодированием по нормализованной интенсивности в разных спектральных каналах демонстрировали различимость, необходимую для идентификации мишеней; цветокомпозитные облака точек приближённо воспроизводили истинные цвета объектов. В совокупности это подтверждает способность системы одновременно получать спектральные и топографические данные. Результаты подчёркивают потенциал данной технологии для подводных исследований и позиционирования.

Ключевые слова: LiDAR; гиперспектральный LiDAR; подводное дистанционное зондирование; проектирование системы; анализ данных; высокое спектральное разрешение; оптические свойства; стабильность данных; оптоэлектронная интеграция

Гиперспектральные системы LiDAR (HSL) обладают большим потенциалом для одновременного получения спектральной и пространственной информации, особенно в сложных подводных условиях. Такая система сочетает возможности пространственного картирования, имеющие решающее значение для систем позиционирования на основе LiDAR, с передовой технологией спектрального анализа, позволяющей определять состав материалов. Благодаря этой интеграции система использует преимущества как спектральной, так и пространственной информации, что существенно повышает точность и надёжность обнаружения. Кроме того, высокоточные пространственные данные и достоверный спектральный анализ обеспечивают точное измерение подводных объектов, расширяя применение технологии LiDAR в сложных подводных условиях и выводя технологии подводного обнаружения на новый уровень. Однако до настоящего времени такие системы не применялись в подводной среде.

В последние годы гиперспектральные LiDAR достигли значительного прогресса в атмосферных и наземных наблюдениях. В 2011 году Woodhouse et al. [1] предложили четырехволновый (531, 550, 660 и 780 nm) многоспектральный LiDAR на основе Nd: YAG-накачанного лазера и коммерческой настраиваемой лазерной системы, позволяющей измерять нормализованный индекс разности растительности (NDVI) и индекс фотохимической отражательной способности (PRI).В 2014 году Wallace et al. [2] использовали суперконтинуумный источник света и акустооптический перестраиваемый фильтр (AOTF), охватывающий диапазон 500-850 nm с восемью селективными длинами волн, что облегчает дальнейшее исследование лесных структур и физиологических параметров. В 2010 году Финский геопространственный исследовательский институт (FGI) разработал двухканальную систему LiDAR (600-2000 nm), а в 2012 году построил полноволновую систему 450-1050 nm на основе суперконтинуумного источника света, способного приобретать 16 волновых каналов, которые использовались для измерения отражения обратного рассеяния и NDVI норвежской ели [3,4]. FGIпосвящен исследованиям по технологии гиперспектрального LiDAR и глубоко занимается соответствующими исследованиями, применяя технологию гиперспектрального LiDAR к дистанционному зондированию лесов, разведке лесных ресурсов и другим областям [5–7]. В 2013 году Уханьский университет объединил источник света суперконтинуума, систему дисперсии на основе решетки и массив APD для создания гиперспектрального LiDAR, обеспечивающего 32 канала со спектральным разрешением 12 nm, охватывающих 450-910 nm [8–10]. В том же году Институт аэрокосмических исследований информации (ранее Институт дистанционного зондирования и цифровой Земли) Китайской академии наук разработал четырехволновый полноволновый многоспектральный прототип LiDAR, позже расширенный в 2016 году до 32 каналов (409-914 nm) со средним спектральным разрешением 17 nm [11–14]. Между тем, Wang et al. [15] в Институте аэрокосмических исследований информации (ранее Институт оптоэлектроники) использовали спектральную дисперсию на основе решетки для создания восьмиканальной полноволновой формы LiDAR, охватывающей видимый - ближний инфракрасный - коротковолновый инфракрасный диапазон, который впоследствии был расширен до 17 каналов (450 - 1600 nm). Li Wei et al. [16] использовал суперконтинуумный лазер и AOTF, охватывающий 500 - 1000 nm с спектральным разрешением 10 nm, получая 51-канальные данные для измерений листьев растений. Эти исследования подчеркивают, что текущие гиперспектральные прототипы LiDAR в первую очередь нацелены на атмосферные и наземные приложения, что дает значительные достижения в мониторинге растительности, лесном хозяйстве и классификации минералов. Тем не менее, для обнаружения под водой не была развернута зрелая гиперспектральная система LiDAR. В отличие от воздуха, морская вода имеет уникальные проблемы, которые значительно влияют на производительность систем LiDAR [17–20]. Современные системы подводного обнаружения сталкиваются с тремя основными техническими ограничениями: (1) неадекватная адаптация к окружающей среде: плохая механическая стабильность, низкая точность спектрального сопоставления и отсутствие интегрированных конструкций гидроизоляции / управления термой подрывают долгосрочную подводную надежность; (2) выраженные эффекты водного ослабления: двойные взаимодействия поглощения-рассеивания во время оптической передачи вызывают нелинейное накопление ошибок диапазона с расстоянием; и (3) нестабильные характеристики излучения: связанные колебания энергии лазерного импульса и сложные эффекты рассеяния значительно ухудшают уверенность в спектральной инверсии. Эти технические барьеры подчеркивают настоятельную необходимость разработки специализированных высоконадежных систем подводного обнаружения LiDAR (UDHSL).

Для решения этих задач мы разработали систему UDHSL, которая интегрирует источник сверхконтинуального лазера с настраиваемым фильтром. Эта комбинация обеспечивает точный выбор длины волны, обеспечивая при этом механическую стабильность системы, тем самым повышая точность данных и общее качество. Система UDHSL предлагает комплексный подход к подводному исследованию путем одновременного захвата спектральных характеристик и пространственных данных о местности. Используя перестраиваемый фильтр и суперконтинуумный лазер, система может эффективно собирать длины волн, наиболее подходящие для различных условий глубоководья, тем самым смягчая эффекты селективного затухания воды на длине волны и повышая общую надежность данных. Это исследование впервые достигло инженерного применения UDHSL. В нем подробно описана архитектура системы UDHSL, включающая четыре модуля: лазерное излучение, приемную оптику, детектор и сканирующие модули. Система достигает спектрального диапазона 450-700 nm, регулируемой спектральной полосы пропускания 10-300 nm и настраиваемой частоты повторения 50 kHz-1 MHz, обеспечивающей высокую гибкость и производительность. Экспериментальные результаты подводных испытаний подтверждают эффективность системы. Для оценки производительности системы точности диапазона Echo сигналы собирались на 12 дискретных расстояниях от 2.88 m до 27.03 m, а точность диапазона измерялась как 1.02 m@distance of 27 m. Трехмерные эксперименты с бассейном генерировали гиперспектральные облака точек в 11 диапазонах (450-650 nm) с исправленными цветами, которые были примерно истинными цветами целей. Эти результаты демонстрируют способность системы UDHSL одновременно достигать высокоточных измерений расстояния и спектральной дискриминации нескольких целей под водой. Это значительный актив для подробных и надежных подводных исследований в подводной разведке и обнаружении целей.

Сценарии глубоководных исследований предъявляют строгие требования к получению трехмерной информации о местности, а также подчеркивают важность захвата спектральных характеристик окружающих веществ.На основе тщательного анализа текущего состояния разработки гиперспектральной технологии LiDAR это исследование интегрирует суперконтинуумный лазер с настраиваемым фильтром для построения системы гиперспектрального LiDAR, которая успешно отвечает этим требованиям. Схема предложенной системы UDHSL показана на рисунке 1. Система UDHSL в основном включает в себя модуль лазерного излучения, модуль приемной оптики, модуль обнаружения, модуль сканирования и модуль управления. Все эти модули установлены в самодельной водонепроницаемой оболочке, позволяющей осуществлять охлаждение воды с помощью оптического окна для лазерной передачи. Лазерный эмиссионный модуль состоит в первую очередь из суперконтинуумного лазера, настраиваемого фильтра и эмиссионной оптической системы. Суперконтинуумный лазер служит источником света для эмиссионного модуля. Настраиваемый фильтр выбирает конкретные длины волн от суперконтинуумного лазера. Испускательная оптическая система направляет фильтрованные лазерные импульсы к цели. Модуль предназначен для излучения лазерных сигналов с различными временными интервалами, причем каждый интервал соответствует различной длине волны. Приемная оптическая система собирает лазерные эхо-сигналы нескольких длин волн. Эти собранные сигналы ориентированы на фотоприемник. Фотоприемник преобразует собранные оптические сигналы в электрические сигналы. Модуль обнаружения обрабатывает электрические сигналы. Схема усиления в модуле обнаружения усиливает эти электрические сигналы. После усиления сигналы подвергаются аналого-цифровому преобразованию в системе сбора данных. Система сбора данных используется для сбора и хранения преобразованной цифровой информации.

Модуль сканирования используется для синхронизации направления пучка излучения с мгновенным полем зрения принимающей системы. Модуль сканирования также контролирует движение как эмиссионной, так и приемной систем.

Основные показатели системы приведены в таблице 1.

Для обеспечения диапазона обнаружения гиперспектральной системы LiDAR выбран суперконтинуумный лазер с относительно высокой одноимпульсной энергией. Лазер компактный, легкий и оптимизированный с воздушным охлаждением для удовлетворения требований системной интеграции. Он состоит из высокоэнергетического насосного лазера и фотонного кристаллического волокна. Частота повторения импульсов лазера колеблется от 50 kHz до 1 MHz. Ширина импульса составляет 7 ns. Спектральная покрытие колеблется от 400 nm до 2400 nm. Максимальная одноимпульсная энергия - 100 µJ. Энергия одноимпульсного в диапазоне 400 nm до 720 nm - 21 µJ. После фильтрации однодиапазонная одноимпульсная энергия

1.1 µJ (с полосой пропускания ≥20 nm @450 nm~700 nm). Коэффициент качества луча, M2, составляет 1,25. На рисунке 2 показан типичный спектр выходного излучения суперконтинуума лазера, который мы используем здесь.

Для достижения спектрального затвора, указанного для гиперспектральной системы LiDAR, используется комбинация настраиваемого фильтра и источника света суперконтинуума. Настраиваемый фильтр — это подключаемый и проигрываемый спектральный модуль. В нём используется линейный переменный фильтр (LVF), обеспечивающий высокую эффективность передачи. Система фильтра состоит из фильтрующего устройства, модуля драйвера и программного обеспечения управления. Пользователи могут устанавливать диапазон длин волн между 400 nm и 740 nm через программное обеспечение управления. Выходная полоса длин волн регулируется между 10 nm и 300 nm, при этом типичное значение больше, чем у 20 nm, вся система фильтра обеспечивает пространственный коллимированный световой выход с пропусканием 71%. В системе используются два линейных переменных фильтра. Скорость линейного изменения длины волны фильтра составляет приблизительно 9 nm/мм. Для достижения выходной полосы спектра меньше 20 nm размер пятна должен быть меньше 2 mm. Коллимационная линза лазера регулирует размер пятна. Меньший размер пятна может привести к чрезмерной плотности энергии, которая может повредить фильтр. Для предотвращения повреждения перед основным фильтром добавляется фильтр короткого прохода с длиной волны отсечки 750 nm. Фильтр короткого прохода используется для блокирования ближнего инфракрасного света. Он установлен под углом 1-2 ⁇ , чтобы предотвратить возвращение отраженного света к лазеру и причинение повреждения. Отфильтрованный свет имеет большой угол дивергенции, который соответствует конечным требованиям применения. Поэтому в установку интегрирована система расширения луча для корректировки этой дивергенции.Вся система расширения луча закреплена на корпусе фильтра с использованием конструкции клетки для обеспечения стабильности при эксплуатации.

Выбор рабочей спектральной полосы основан на спектральном окне передачи чистой морской воды. Основное окно передачи чистой морской воды происходит на 480 nm. Согласно спектральному распределению затухания воды в диапазоне длин волн от 200 nm до 800 nm [21], учитывая как ослабляющий эффект воды, так и распределение энергии источника света, в качестве рабочей спектральной полосы системы выбран диапазон от 400 nm до 720 nm. Выбирая сине-зеленый свет с высокой пропускающей способностью и высокой энергией от источника лазерного света, можно достичь измерения дальнего расстояния для поддержки трехмерной топографической съемки морского дна. На относительно коротких расстояниях спектральные данные по всему спектру видимого спектра могут быть собраны для подводного исследования.

Исходя из требований глубоководного исследования, приемная оптическая система должна быть компактной и способной покрывать рабочее расстояние от 3 до 12 m без необходимости регулировки фокальной плоскости. Поэтому конструкция оптической системы должна быть компактной и иметь достаточно большую детекторную фоточувствительную область. В этом исследовании был выбран ФЭУ-фотодетектор с фоточувствительной областью 8 mm (Hamamatsu H10721 [22]), а также была спроектирована соответствующая оптическая система. На рисунке 3 показана схема проектирования, включающая параболическое зеркало диаметром 210 mm и диаметром центральной обскурации 50 mm, в результате чего получается эффективная апертура примерно 202 mm. На рисунке 4 показано, что на рабочих расстояниях 3 m, 7.5 m и 12 m. Результаты проектирования показывают, что диаметр пятна в фокальной плоскости составляет максимум приблизительно 6 mm как в 3 m, так и в 12 m. Зеркало изготовлено из сплавленного кремнеземного стекла низкой плотности с серебряным покрытием и защитным слоем для улучшения отражательной способности до более чем 85%.

Механизм сканирования реализован с помощью двумерного поворотного стола. Этот поворотный стол представляет собой гимбаловую платформу, вращающуюся вокруг двух осей. Система состоит из оси возвышения и оси азимута. Этот механизм используется для точного наведения и отслеживания целей на головку детектора. Двумерный поворотный стол включает в себя основание, основную опорную конструкцию азимута и опорную конструкцию азимута. Также в него входят кронштейн крепления детектора, ось возвышения и ось азимута. Компоненты приводного механизма и электронный модуль управления также являются частью сборки. Механизм привода включает в себя осевой редуктор и ось возвышения азимута, а также редуктор азимута и ось азимута. Элемент обратной связи оси представляет собой однооборотный кодер. Тип кодера представляет собой 16-битный абсолютный кодер с разрешением не более 0,0055 ⁇ . Точность направления вращения лучше 0,1 ⁇ .

Система в основном состоит из оптико-механической системы сканирования и шкафа управления, как показано на рисунке 5. Система использует волоконно-оптическое соединение между лазером и головкой оптической машины фильтра. Хотя этот подход вносит некоторую потерю энергии, он эффективно снижает механический центр тяжести и достигает более компактной и рациональной компоновки, тем самым улучшая стабильность системы при работе. Система, оснащенная картой сбора данных 10 GHz, достигает разрешения диапазона 1.13 cm под водой.

Для подводных экспериментов система заключена в специальный водонепроницаемый корпус, оснащенный композитными водонепроницаемыми интерфейсами и специально разработанным оптическим окном, как показано на рисунке 6. Оптическое окно выполнено из оптического стекла H-K9L диаметром 450 mm, а на обе поверхности нанесены антиотражающие покрытия (покрытие воздух-стекло и стекло-вода), значительно увеличивающие пропускание с примерно 80% до 99,5%. Противоотражающее покрытие значительно снижает потери энергии лазера, предотвращая шум и насыщение детектора, вызванные отражениями ближнего радиуса действия.

Для изучения характеристик гиперспектрального LiDAR в глубоководной разведке была построена испытательная платформа с использованием водопроводной трубы, как показано на рисунке 7. Водяная труба была изготовлена из непрозрачного ПВХ-материала, а один конец представлял собой покрытое оптическим стеклом окно с теми же параметрами, что и стеклопакет водонепроницаемой оболочки. Водяная труба состояла примерно из длинной прямой трубы 2 m и трехсторонних компонентов, соединённых с интервалами. При трёхстороннем открытии можно было ставить цели, а также была предусмотрена крышка для обеспечения темной среды внутри водопроводной трубы. Перед экспериментом мы промыли водопроводную трубу чистой водой, а затем добавили пресную водопроводную воду. Мы позволили ей стоять не менее 2 часов перед экспериментом.

Испытательная цель представляла собой водонепроницаемую стандартную цель отражения, как показано на рисунке 8.

В ходе эксперимента система UDHSL была размещена за пределами светового окна, лазер был испущен в воду в трубе, и было собрано эхо. При этом к среде, где находилась система UDHSL, была применена обработка затенения. Настройки параметров системы были следующими: спектральный диапазон: 450 nm-610 nm; спектральная ширина: 10 nm, с 17 полосами; частота повторения: 50 kHz, повторные измерения 20 импульсов на полосу частот; и выборка 10 GHz. Используя измеритель поглощения и затухания воды AC-S от WET Labs, Philomath, OR, USA, измерения пресной водопроводной воды в водопроводной трубе показали коэффициент затухания примерно 0.05 m−1 на длине волны 550 nm.

Данные эха полной формы волны LiDAR показаны на рисунке 9 (отображаются на длине волны 470 nm).

На рисунке абсцисса представляет собой точку выборки k полной цифровой карты получения формы волны (ADC), а ординат представляет Echo_Value (безразмерный).

На рисунке по оси абсцисс отложен номер отсчёта k полноволновой цифровой карты сбора данных (ADC), а по оси ординат - величина Echo_Value (безразмерная величина) карты сбора данных, которая по существу соответствует интенсивности (Вт/м²). Соотношение между регистрируемым значением и интенсивностью имеет вид:

Value = Intensity · S_d · S_k · (G_amp / V_FS) · 2ᴺ - bias. (1)

где S_d - эффективная площадь детектора, м²; S_k - радиационная чувствительность фотокатода детектора, А/Вт; G_amp - коэффициент усиления, В/А; V_FS - полный диапазон входного напряжения ADC, В; N - число разрядов полного диапазона; bias - значение смещения.

Для заданной системы параметр k_s = S_d · S_k · (G_amp / V_FS) · 2ᴺ является постоянным. Следовательно:

Value_correct = Value + bias = k_s · Intensity. (2)

Частота дискретизации составляет f = 10 ГГц, а расстояние рассчитывается по дальномерному уравнению LiDAR:

L = [c / (2n_λ)] · (k / f). (3)

где L - расстояние, м; c - скорость света, 3 × 10⁸ м/с; n_λ - показатель преломления на длине волны λ; k - номер отсчёта полноволновой цифровой карты сбора данных; f - частота дискретизации, Гц.

В частности, при k = 1 и n_λ = n_water = 1,33 (приближённый показатель преломления воды) расчётное разрешение по дальности составляет ΔL = 1,13 см, что соответствует теоретическому пределу измерительных возможностей системы. Первым эхо-сигналом, обнаруживаемым системой, является отражение от оконного стекла, а вторым - отражение от мишени. На рисунке 10 представлены данные эхо-сигналов в 17 спектральных каналах для одной пластины диффузного отражателя.

В процессе лазерного обнаружения первый эхо-сигнал рассматривается как опорный импульс, несущий энергию, излучённую лазером. Из-за присущей одиночным импульсам нестабильности энергии это явление может существенно влиять на применение данных. Энергия эхо-сигнала содержит спектральную информацию о мишени, поэтому флуктуации энергии мешают точной интерпретации её истинных спектральных характеристик. Для обеспечения надёжности и достоверности данных особенно важно исключить влияние интенсивности излучения на значения эхо-сигнала. Поэтому энергетические данные опорного импульса использовались для нормализации энергии остальных эхо-сигналов. Это позволяет эффективно устранить влияние интенсивности излучения, существенно повысить согласованность данных и сформировать надёжную основу для последующих приложений и анализа. Нормализация выполнялась следующим образом:

(a) Коррекция смещения: для устранения систематического смещения к Echo_Value и Transmit_Value (опорному импульсу) прибавляли значение смещения 215, заданное полноволновой цифровой картой сбора данных:

Echo_Value_Corrected = Echo_Value + bias. (4)

Transmit_Value_Corrected = Transmit_Value + bias. (5)

(b) Нормализация: скорректированные значения эхо-сигнала делили на скорректированное значение переданного импульса:

Echo_Value_Normalized = Echo_Value_Corrected / Transmit_Value_Corrected. (6)

Для количественной оценки стабильности данных для исходных и нормализованных наборов рассчитывали следующие статистические показатели:

(a) Стандартное отклонение (SD), характеризующее рассеяние точек данных относительно среднего значения:

SD = √{[1/(N - 1)] Σᵢ₌₁ᴺ (xᵢ - μ)²}. (7)

Здесь x_i обозначает отдельные измерения, а μ - среднее значение набора данных.

(b) Коэффициент вариации (CV), представляющий отношение стандартного отклонения к среднему значению, выраженное в процентах:

CV = (SD / μ) × 100%. (8)

Результаты расчёта показателей стабильности приведены в таблице 2 и на рисунке 11.

Из-за плохой стабильности выхода лазерной интенсивности (Echo_Value_Corrected) из передающего лазера стандартное отклонение (SD), вычисленное с помощью уравнения (7), составило 17 193,05, а коэффициент вариации (CV), полученный из уравнения (8), достиг 298,88%. В этом исследовании использовались обычные протоколы анализа данных и применялось уравнение (6) для нормализации данных. Расчетные результаты Echo_Value_Normalized показали, что SD

Эти изменения указывают на то, что нормализация эффективно снижала дисперсию и относительную изменчивость набора данных, выравнивая с типичными тенденциями улучшения, наблюдаемыми после стандартизации данных. Дальнейший анализ показал, что концентрация стандартизированного распределения данных увеличилась примерно на три порядка по сравнению с исходными данными, при этом значение CV уменьшилось на 87,43%. Эти результаты попадают в ожидаемый диапазон улучшений при обращении к гетероскедастическим данным с использованием методов нормализации. Количественные результаты показывают, что применение методов предварительной обработки данных, стандартных для доменов, значительно повышает согласованность измерений эхо-сигналов UDHSL, тем самым создавая более надежную основу данных для последующего анализа.

На следующем рисунке показан участок коробки распределения нормализованных интенсивность эхо-сигнала для пяти целей по разным диапазонам волн. Целями являются водонепроницаемые стандартные объекты отражательной способности, как проиллюстрировано на рисунке 12. В кассетах графика состоит из коробки и верхних/нижних усов. Границы коробки соответствуют верхнему квартилу (Q3, третий квартил) и нижнему квартилу (Q1, первый квартил) набора данных, с горизонтальной линией внутри коробки, обозначающей среднее значение. Усы простираются от краев коробки до самых экстремальных точек данных в пределах 1,5-кратного межквартильного диапазона (IQR = Q3 −Q1). Выбросы, представленные красным плюсом, определяются как те наблюдения, которые выходят за пределы диапазона усов и демонстрируют значительные отклонения от основного распределения набора данных. На рисунке показано, что нормализованная интенсивность эха варьируется в разных диапазонах для одной и той же цели, в то время как тренды распределения участка коробки схожи для разных целей. Это предполагает, что факторы окружающей среды преимущественно управляют общим механизмом реагирования. В частности, резкое снижение интенсивности на более длинных длинах волн тесно согласуется со спектрами поглощения воды, непосредственно подтверждая доминирующее ограничение сильного молекулярного затухания воды на длинноволновой лазерной энергии. Наблюдаемые расхождения в интенсивности возникают из связанных физических механизмов вдоль путей передачи: связанных с аппаратным обеспечением факторов, включая зависящие от длины волны характеристики пропускания оконных материалов и характеристики отклика детектора; воздействия окружающей среды, в первую очередь, обусловленные спектральными свойствами поглощения компонентов воды (фитопланктон, CDOM и взвешенные частицы) и затухание, специфичное для длины волны. Хотя нормализация повышает стабильность данных, остаточная дисперсия сохраняется в кассетах, которые могут усугубляться в сложных подводных условиях (например, турбулентность или различные концентрации взвешенных частиц). Для решения этих проблем, аппаратные улучшения должны быть направлены на повышение стабильности лазерной энергии и оптимизации однородности передаточного диапазона.

Методические усовершенствования рекомендуют осуществлять избыточные измерения с помощью алгоритмов усреднения интенсивности эха для смягчения случайного шума, дополненного компенсацией затухания в реальном времени с использованием спектральных баз данных воды для повышения надежности обнаружения.

Точность дальнометрирования характеризует соответствие расстояний, измеренных системой UDHSL, истинным расстояниям и определяется как абсолютное отклонение среднего измеренного значения от истинного расстояния. Для оценки производительности системы в качестве цели использовался стандартный диффузный отражатель с 90% отражательной способностью. В качестве цели были собраны эхо-сигналы на 12 дискретных расстояниях, начиная от 2.88 mдо 27.03 m. Истинное расстояние было калибровано с использованием высокоточной измерительной ленты (разрешение: ±1 mm). Погрешность измерения была рассчитана как разница между средним значением повторных измерений и истинным расстоянием, в то время как

Для количественной оценки дисперсии единичных измерений было использовано стандартное отклонение. Как показано в таблице 3, анализ экспериментальных данных показывает следующее:

(1) В 20.36 m погрешность измерения показывает положительную корреляцию с расстоянием цели, т.е. погрешность увеличивается нелинейно с расстоянием, что согласуется с теоретическим ожиданием поведения погрешности LiDAR в диапазоне [23]. (2) За пределами 20.36 m погрешность измерения и стандартное отклонение значительно уменьшаются. Спектральный анализ исходных данных указывает на то, что эффективные эхо-сигналы на расстояниях, превышающих 20.36 m, сосредоточены в диапазоне длин волн 480-560 nm (диапазон зеленого света). Более низкий коэффициент ослабления этой полосы в воде (0.3 m-1 @550 nm, как измерено в Разделе 3.2) повышает стабильность сигнала, тем самым уменьшая дисперсию ошибок. Ключевые выводы этого эксперимента включают следующее: (1) Многоволновое диапазонирование вводит ненужные помехи, которые ухудшают точность диапазона. Рекомендуется принять одну низкозатухающую длину волны (например, 550 nm) для повышения стабильности производительности системы диапазона. (2) Коррекция на основе модели: будущие исследования должны сосредоточиться на создании подводной модели лазерного затухания передачи для компенсации необработанных значений диапазона, тем самым еще больше повышая точность диапазона системы.

В качестве площадки для проведения испытаний в морской среде был выбран бассейн светотеневого типа. Бассейн был длиной 50 m, шириной 15 m и глубиной 10 m. Светотеневое устройство покрывало водную поверхность и имитировало темную оптическую среду морского дна. Сайт был оборудован двумя комплектами козловых рам и телескопических стержней, которые, соответственно, использовались для фиксации испытательного оборудования и цели, как показано на рисунке 13. Мы интегрировали оборудование в водонепроницаемый корпус и установили его на телескопическом стержне. Путем движения козлового каркаса и телескопического стержня закрепили оборудование под водой для проведения трехмерного испытания на получение облака точек подводной сцены, как показано на рисунке 14. Испускательный оптический путь UDHSL был параллелен горизонтальной плоскости. Мы устроили трехмерную сцену на расстоянии около 3 m. Мы зафиксировали типичную рудную цель и стандартную мишень отражательной способности 60% на скобках с разностью расстояния 0.5 m в пошаговом режиме. Передняя сторона скобок обрабатывалась, чтобы сделать ее черной, чтобы избежать генерации сильного отраженного света, как показано на рисунке 15.

В ходе эксперимента система UDHSL была размещена вдали от целей. Настройки параметров системы были следующими: спектральный диапазон: 450 nm-650 nm; спектральная ширина: 20 nm, с 11 полосами; частота повторения: 50 kHz, повторные измерения 20 импульсов на полосу частот; и выборка 10 GHz. Используя измеритель поглощения и затухания воды AC-S от Wetlabs, США, измерения воды в бассейне показали коэффициент затухания примерно 0.3 m−1 на длине волны 550 nm.

Для сканирования сцены цели вращался двумерный поворотный стол UDHSL как в азимутальном, так и в возвышенном направлениях. Лазерный луч проводил всестороннее сканирование цели, тем самым получая многомерную информацию сцены цели. Режим сканирования находился в «зигзаговой» форме, как показано направлениями стрелки на рисунке 16.

При работе системы LiDAR цифровая карта приобретения записывает азимут и углы возвышения двумерного поворотного стола в реальном времени и использует их для последующих точечных облачных вычислений. Эта информация угла может помочь системе определить положение и угол облучения лазерного луча и затем генерировать соответствующие данные облака точки. Угол азимута, α, является углом между проекцией лазерного луча и осью y, причем поворот по часовой стрелке положительный; угол возвышения, β, является углом между лазерным лучом и его проекцией. Проекция лазерного луча — это проекция на плоскости, определяемая осями xand z. После вычисления расстояния R, между LiDAR и целью, подлежащей измерению путем объединения угла возвышения и угла азимута поворотного стола в момент лазерного излучения, можно вычислить трехмерные координатные значения облака лазерной точки в картезианской системе координат. Вычисление трехмерного облака точки может быть выполнено по результатам расчета. Принимая центр излучения системы UDHSL в качестве начала и обозначая его как (X0, Y0, Z0) и координаты любой точки сканирования в качестве (X, Y, Z), вычисление пространственных координат точки сканирования в картезианской системе координат выглядит следующим образом:

X = X₀ + R · cosβ · sinα

Y = Y₀ + R · cosβ · cosα

Z = Z₀ + R · sinβ. (9)

После вычисления трехмерных координат через сумму расстояний может быть сформировано облако точек с пространственными координатами, где каждая точка одновременно соответствует одному и тому же значению.

Показано ниже облако точек, полученное из измерений обратного рассеяния UDHSL в диапазоне длин волн 550 nm.

На рисунке 17a представлен вид спереди (плоскость X-Z) облака точки-мишени, цвет которого кодируется значениями Y-координаты. Облако точки эффективно захватывает трехмерную геометрию и структурные особенности целей. Примечательно, что почти полная внешняя структура и прикрепленная к ней губка (указаны синими точками) хорошо видны, что согласуется с наблюдениями на рисунке 17b. Более низкие значения Y этих точек указывают на их близость к происхождению системы координат устройства. Кроме того, очевидно слоистое расположение внутренних целей, таких как кварцит (верхний слой) и марганцевая руда (нижний слой), оба проявляют отголоски с низкими значениями Y (синие точки). Данные облака точек демонстрируют полное покрытие целевой области с высокой плотностью (без значительных пустот или скудных областей), что указывает на то, что система UDHSL поддерживает стабильную способность сбора данных в подводных средах.

На рисунке 17c отображается верхний вид (плоскость X-Y) облака целевой точки, цветной кодируемый значениями Y-координаты. Стратификация по оси Y наблюдается в конкретных областях, в первую очередь, отнесенных к ограничениям разрешения диапазона UDHSL. Для повышения качества данных могут быть реализованы методы постобработки, такие как полноволновая выборка данных и высокоточная подгонка формы волны, тем самым улучшая эффективное разрешение диапазона на алгоритмическом уровне.

В эксперименте были получены облака точек LiDAR на нескольких длинах волн. Интенсивность эхо-сигнала нормализовали по эталонной панели с коэффициентом отражения 60% согласно формуле [16]:

I_Normalized(λ) = [V_Target(λ) / V_Reference(λ)] · ρ_Reference(λ). (10)

где λ - длина волны, нм; I_Normalized(λ) - нормализованная интенсивность; V_Target(λ) - значение интенсивности мишени; V_Reference(λ) - значение интенсивности эталонной отражающей мишени; ρ_Reference(λ) - коэффициент отражения эталонной мишени.

3D облака точек UDHSL (плоскость X-Z) на длинах волн (450-650 nm), закодированные цветом с нормализованной интенсивностью эха, показаны на рисунке 18. Ключевые аналитические результаты включают следующее: (1) Идентификация контура мишени: распределение интенсивности эха эффективно раскрывает геометрические контуры различных целей (например, стандартная отражающая панель, губка, кварцит), демонстрируя способность данных интенсивности характеризовать пространственную морфологию подводных объектов. (2) Вариации спектральной подписи: Марганцевая руда демонстрирует значительно повышенную интенсивность эха в полосе 590-630 nm (рисунок 18h-j), показывая незначительные сигналы (похожие на черный фон) в диапазоне 450-470 nm (рисунок 18a,b). Кварцит отображает нормированную интенсивность ниже 60% стандартной цели на 470 nm (рисунок 18b), но превышает 60% стандартной цели в полосе 610-630 nm (рисунок 18i,j), указывая на то, что его силикатная кристаллическая структура преимущественно отражает более длинные волны.

Для использования этих спектрально-пространственных признаков можно применять алгоритмы сопоставления гиперспектральных признаков (например, классификаторы вектора поддержки или случайного леса) для автоматической классификации целей путем обучения моделей реагирования с интенсивностью волны. Кроме того, интеграция 3D-очковой интенсивности облака и геометрических атрибутов может повысить точность распознавания перекрывающихся целей в сложных подводных сценариях. Облачные данные точки из трех диапазонов - 450 nm (B), 550 nm (G) и 630 nm (R) - были обработаны с использованием формулы (10) для генерации псевдоцветного слияния на основе нормализованной интенсивности. Результаты облака 3D-очков (плоскость X-Z) показаны на рисунке 19. Ключевые наблюдения включают следующее: (1) Стандартная цель отражения и кварц показывают почти белый, в то время как черная структура поддерживает черный цвет низкой интенсивности, предварительно подтверждая эффективность алгоритма калибровки отражения. (2) Цвета цели тесно согласуются с их внутренними спектральными свойствами: губки отображают слабый желтоватый оттенок, марганцевые корки показывают доминирующие красные тона, апатит демонстрирует красно-серый гибридный вид, и касситерит представляет собой циан-серый оттенок. (3) Цветовое псевдонимирование происходит на краях цели, предлагая будущие улучшения с помощью пространственно-спектральных методов совместного синтеза для повышения хроматической точности.

Система UDHSL демонстрирует первоначальную способность к совместному спектрально-пространственному распознаванию подводных целей. Дальнейшие исследования следует сосредоточить на разработке модели переноса излучения в подводной среде для гиперспектрального LiDAR и создании связанной схемы коррекции затухания и рассеяния, обеспечивающей высокоточную инверсию коэффициента отражения. Это позволит повысить детальность разведки и классификации минеральных ресурсов морского дна.

В настоящем исследовании разработана система UDHSL и подробно описана схема её построения, включающая детектор, лазерный источник, перестраиваемый фильтр, передающую и приёмную оптические системы, а также механизм сканирования. Система работает в спектральном диапазоне 450–700 нм, имеет регулируемую ширину спектральной полосы 10–300 нм и регулируемую частоту повторения импульсов от 50 кГц до 1 МГц; угол расходимости лазерного пучка составляет ≤1 мрад, длительность импульса (FWHM) — 7 нс, энергия лазерного импульса (450–700 нм) — 7,5 мкДж, апертура оптической системы — 202 мм, а поле сканирования по азимуту — ±35°. Эксперименты со стандартными отражающими мишенями на различных расстояниях подтвердили точность дальнометрирования системы. Эхо-сигналы регистрировали на 12 дискретных расстояниях от 2,88 до 27,03 м; точность дальнометрирования составила 1,02 м на расстоянии 27 м. Работоспособность системы была дополнительно подтверждена трёхмерными экспериментами в бассейне. При сканировании образцов руд и стандартных отражающих мишеней были сформированы многомерные облака точек в 11 спектральных каналах диапазона 450–650 нм.

Для синтеза цвета были выбраны спектральные каналы 450 нм (B), 550 нм (G) и 650 нм (R), после чего применён алгоритм нормализации. Полученные результаты продемонстрировали предварительную эффективность метода: цвета целей соответствовали их собственным спектральным характеристикам, несмотря на артефакты наложения на границах. Это подтверждает способность системы выполнять детальный спектральный и топографический анализ подводных объектов. Предложенная система UDHSL реализует активный метод обнаружения с интеграцией спектральной и пространственной информации и преодолевает ограничения традиционных однофункциональных систем подводного наблюдения. Ожидается, что дальнейшая оптимизация конструкции для морской среды и интеграция с высокоточными системами позиционирования позволят создать новые решения для мультимодальной подводной навигации, обнаружения целей и картирования окружающей среды в сложных морских условиях. Дальнейшие исследования могут быть сосредоточены на трёх ключевых направлениях: (1) повышение адаптивности к условиям глубоководной среды, включая разработку корпуса с высокой устойчивостью к давлению и регистрацию эхо-сигналов в широком динамическом диапазоне; (2) высокоточная инверсия коэффициента отражения целей на основе моделей переноса оптического излучения в морской среде; (3) испытания и верификация системы в различных водных условиях.

Концепция: M.Z. и Y.C.; методология: H.Z. и W.X.; программное обеспечение: L.C.; валидация: H.W.; исследование: H.Z., J.W. и X.W.; ресурсы: M.L., T.W. и S.Y.; курирование данных: L.C.; подготовка первоначального текста: H.Z.; рецензирование и редактирование: Z.C. и Y.C.; визуализация: J.C. и Z.C.; руководство: J.H. и Y.N. Все авторы прочитали и одобрили опубликованную версию рукописи.

Исследование финансировалось в рамках ключевого проекта развёртывания Института аэрокосмических информационных исследований Китайской академии наук (CAS), № E1Z206020F. Исследование также частично поддержано Национальным фондом естественных наук Китая (NSFC), грант № 42201487.

Набор данных предоставляется авторами по запросу.

Авторы заявляют об отсутствии конфликта интересов.

1. Woodhouse, I.H.; Nichol, C.; Sinclair, P.; Jack, J.; Morsdorf, F.; Malthus, T.J.; Patenaude, G. A Multispectral Canopy LiDAR Demonstrator Project. IEEE Geosci. Remote Sens. Lett. 2011, 8, 839–843. [CrossRef]

2. Wallace, A.M.; McCarthy, A.; Nichol, C.J.; Ren, X.; Morak, S.; Martinez-Ramirez, D.; Woodhouse, I.H.; Buller, G.S. Design and Evaluation of Multispectral LiDAR for the Recovery of Arboreal Parameters. IEEE Trans. Geosci. Remote Sens. 2014, 52, 4942–4954. [CrossRef]

3. Vauhkonen, J.; Hakala, T.; Suomalainen, J.; Kaasalainen, S.; Nevalainen, O.; Vastaranta, M.; Holopainen, M.; Hyyppa, J. Classification of Spruce and Pine Trees Using Active Hyperspectral LiDAR. IEEE Geosci. Remote Sens. Lett. 2013, 10, 1138–1141. [CrossRef]

4. Kaasalainen, S.; Nevalainen, O.; Hakala, T.; Anttila, K. Incidence Angle Dependency of Leaf Vegetation Indices from Hyperspectral Lidar Measurements. Photogrammm. Fernerkun. Geoinform. 2016, 2016, 75–84. [CrossRef]

5. Li, W.; Jiang, C.; Chen, Y.; Hyyppä, J.; Tang, L.; Li, C.; Wang, S.W. A Liquid Crystal Tunable Filter-Based Hyperspectral LiDAR System and Its Application on Vegetation Red Edge Detection. IEEE Geosci. Remote Sens. Lett. 2019, 16, 291–295. [CrossRef]

6. Sun, H.; Wang, Z.; Chen, Y.; Tian, W.; He, W.; Wu, H.; Zhang, H.; Tang, L.; Jiang, C.; Jia, J.; et al. Preliminary Verification of Hyperspectral LiDAR Covering VIS-NIR-SWIR Used for Objects Classification. Eur. J. Remote Sens. 2022, 55, 291–303. [CrossRef]

7. Puttonen, E.; Hakala, T.; Nevalainen, O.; Kaasalainen, S.; Krooks, A.; Karjalainen, M.; Anttila, K. Artificial Target Detection with a Hyperspectral LiDAR over 26-h Measurement. Opt. Eng. 2015, 54, 013105. [CrossRef]

8. Du, L.; Ma, Y.; Zhu, B.; Shi, S.; Gong, W.; Song, S. A Method to Select Receiving Channels for the Multi-Spectral Earth Observation LiDAR. Acta Opt. Siniga 2014, 34, 304–311. (In Chinese)

9. Shi, S.; Gong, W.; Du, L.; Sun, J.; Yang, J. Potential application of novel hyperspectral lidar for monitoring crops nitrogen stress. ISPRS—Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci. 2016, XLI-B8, 1043–1047. [CrossRef]

10. Gong, W.; Shi, S.; Chen, B.; Song, S.; Niu, Z.; Wang, C.; Guan, H.; Li, W.; Gao, S.; Lin, Y.; et al. Development and prospect of hyperspectral LiDAR for earth observation. Natl. Remote Sens. Bull. 2021, 25, 501–513. (In Chinese) [CrossRef]

11. Sun, G.; Niu, Z.; Gao, S.; Huang, W.; Wang, L.; Li, W.; Feng, M. 32-Channel Hyperspectral Waveform LiDAR Instrument to Monitor Vegetation: Design and Initial Performance Trials. In Proceedings of the Multispectral, Hyperspectral, and Ultraspectral Remote Sensing Technology, Techniques and Applications V, Beijing, China, 13–16 October 2014; Volume 926331. [CrossRef]

12. Bi, K.; Niu, Z.; Gao, S.; Xiao, S.; Pei, J.; Zhang, C.; Huang, N. Simultaneous Extraction of Plant 3-D Biochemical and Structural Parameters Using Hyperspectral LiDAR. IEEE Geosci. Remote Sens. Lett. 2022, 19, 1–5. [CrossRef]

13. Bai, J.; Niu, Z.; Wang, L. A Theoretical Demonstration on the Independence of Distance and Incidence Angle Effects for Small-Footprint Hyperspectral LiDAR: Basic Physical Concepts. Remote Sens. Environ. 2024, 315, 114452. [CrossRef]

14. Bai, J.; Niu, Z.; Huang, Y.; Bi, K.; Fu, Y.; Gao, S.; Wu, M.; Wang, L. Full-Waveform Hyperspectral LiDAR Data Decomposition via Ranking Central Locations of Natural Target Echoes (Rclonte) at Different Wavelengths. Remote Sens. Environ. 2024, 310, 114227. [CrossRef]

15. Wang, Z.; Chen, Y.; Li, C.; Tian, M.; Zhou, M.; He, W.; Wu, H.; Zhang, H.; Tang, L.; Wang, Y.; et al. A Hyperspectral LiDAR with Eight Channels Covering from VIS to SWIR. In Proceedings of the IGARSS 2018—2018 IEEE International Geoscience and Remote Sensing Symposium, Valencia, Spain, 22–27 July 2018; pp. 4293–4296.

16. Li, W. Research on Tunable Hyperspectral Lidar Technology. Ph.D. Thesis, University of Chinese Academy of Sciences, Beijing, China, 2018. (In Chinese).

17. Chen, Y.; Luo, Q.; Guo, S.; Chen, W.; Hu, S.; Ma, J.; He, Y.; Huang, Y. Multispectral LiDAR-Based Underwater Ore Classification Using a Tunable Laser Source. Opt. Commun. 2024, 551, 129903. [CrossRef]

18. Bräuer-Burchardt, C.; Munkelt, C.; Bleier, M.; Heinze, M.; Gebhart, I.; Kühmstedt, P.; Notni, G. A New Sensor System for Accurate 3D Surface Measurements and Modeling of Underwater Objects. Appl. Sci. 2022, 12, 4139. [CrossRef]

19. Maccarone, A.; Drummond, K.; McCarthy, A.; Steinlehner, U.K.; Tachella, J.; Garcia, D.A.; Pawlikowska, A.; Lamb, R.A.; Henderson, R.K.; McLaughlin, S.; et al. Submerged Single-Photon LiDAR Imaging Sensor Used for Real-Time 3D Scene Reconstruction in Scattering Underwater Environments. Opt. Express 2023, 31, 16690–16708. [CrossRef] [PubMed]

20. Gomaa, W.; El-Sherif, A.F.; El-Sharkawy, Y.H. Underwater Laser Detection System. In Proceedings of the Solid State Lasers XXIV: Technology and Devices, San Francisco, CA, USA, 8–10 February 2015; p. 934221. [CrossRef]

21. Pope, R.M.; Fry, E.S. Absorption Spectrum (380–700 Nm) of Pure Water.2. Integrating Cavity Measurements. Appl. Opt. 1997, 36, 8710–8723. [CrossRef] [PubMed]

22. Hamamatsu Photonics, K.K. Photomultiplier Tube Modules. 2022. Available online: https://www.hamamatsu.com.cn/content/dam/ hamamatsu-photonics/sites/documents/99_SALES_LIBRARY/etd/PMTmodules_TPMO1113E.pdf (accessed on 3 April 2025).

23. Dai, Y. The Principle of Lidar; National Defence Industry Press: Beijing, China, 2002; ISBN 978-7-118-02557-6.

© 2025 авторы. Лицензиат: MDPI, Базель, Швейцария. Статья распространяется в открытом доступе на условиях лицензии Creative Commons Attribution (CC BY): https://creativecommons.org/licenses/by/4.0/. Заявления, мнения и данные, содержащиеся во всех публикациях, принадлежат исключительно соответствующим авторам и участникам, а не MDPI и/или редакторам. MDPI и/или редакторы не несут ответственности за ущерб людям или имуществу, возникший вследствие любых идей, методов, инструкций или продуктов, упомянутых в содержании.