DATA-DRIVEN ANGULAR JITTER ESTIMATOR FOR LIDAR

Space-based ground-imaging lidar has become increasingly feasible with recent advances in compact fiber lasers and single-photon-sensitive Geiger-mode detector arrays. A challenge with such a system is imperfect pointing knowledge caused by angular jitter, exacerbated by long distances between the satellite and the ground. Unless mitigated, angular jitter blurs the 3D lidar data. Unfortunately, using mechanical isolation, advanced IMUs, star trackers, or auxiliary passive optical sensors to reduce the error in pointing knowledge increases size, weight, power, and/or cost. Here, the 2-axis jitter time series is estimated from the lidar data. Simultaneously, a single-surface model of the ground is estimated as nuisance parameters. Expectation Maximization separates signal and background detections, while maximizing the joint posterior probability density of the jitter and surface states. The resulting estimated jitter, when used in coincidence processing or image reconstruction, can reduce the blurring effect of jitter to an amount comparable to the optical diffraction limit. Un lidar d'imagerie au sol basé sur l'espace est devenu de plus en plus faisable avec les avancées récentes dans les lasers à fibre compacts et les réseaux de détecteurs en mode Geiger sensibles à un photon unique. Un défi avec un tel système est les connaissances de pointage imparfaites provoquées par la gigue angulaire, exacerbée par de longues distances entre le satellite et le sol. A condition d'être atténuée, la gigue angulaire produit les données lidar 3D. Malheureusement, l'utilisation d'une isolation mécanique, d'IMU avancés, de suiveurs stellaires ou de capteurs optiques passifs auxiliaires pour réduire l'erreur dans les connaissances de pointage augmente la taille, le poids, la puissance et/ou le coût. Ici, la série chronologique de gigue à 2 axes est estimée à partir des données lidar. Simultanément, un modèle de surface unique du sol est estimé en tant que paramètres de nuisance. La maximisation des attentes sépare les détections de signal et d'arrière-plan, tout en maximisant la densité de probabilité postérieure conjointe des états de gigue et de surface. La gigue estimée ainsi obtenue, lorsqu'elle est utilisée dans un traitement de coïncidence ou une reconstruction d'image, peut réduire l'effet de flou de la gigue à une quantité comparable à la limite de diffraction optique.