基于 DNN 噪声去除与介电常数估计的 3D 度量式探地雷达成像
信号处理
2021-05-18 v3
摘要
探地雷达（GPR）是检测地下物体（如钢筋、公用管道）并揭示地下场景最重要的无损评估（NDE）设备之一。基于 GPR 的检测面临的两大挑战是 GPR 数据采集与地下目标成像。为应对这些挑战，我们提出了一种以自由运动模式实现 GPR 数据采集自动化的机器人方案。它通过实时将位姿信息与 GPR 测量值关联，促进了 3D 度量式 GPR 成像。我们还引入了一种基于深度神经网络（DNN）的 GPR 数据分析方法，包含用于清除 GPR 原始数据中噪声的噪声去除分割模块，以及用于估计每个 GPR B-scan 数据中地下介质介电值的 DielectricNet。我们使用现场数据与合成数据来验证所提方法。实验结果表明，我们的方法在 GPR 数据采集与 3D GPR 成像方面比其他方法具有更优的性能和更快的处理速度。
引用
@article{arxiv.2104.10722,
title = {Towards 3D Metric GPR Imaging Based on DNN Noise Removal and Dielectric Estimation},
author = {Jinglun Feng and Liang Yang and Jizhong Xiao},
journal= {arXiv preprint arXiv:2104.10722},
year = {2021}
}
备注
under review