1.一种基于GABP的脉冲激光测距误差补偿方法，其特征在于，包括以下步骤：

步骤1、设计硬件电路，所述硬件电路用于对光信号进行探测，将光信号转化为模拟电信号，然后采用固定阈值将模拟信号转化为数字信号；再将数字信号输入到时间测量单元，测量回波信号的脉冲宽度与原始飞行时间；

步骤2、设定不同位置的目标物；利用步骤1的数据获取方式获得回波信号的脉冲宽度和飞行时间误差的参数值；数据分析软件再利用GABP回归分析方法获得校正曲线网络参数，具体包括：1)对进行优化前的单BP神经网络进行训练；2)利用遗传算法优化BP神经网络的权值，阈值和方差；3)根据优化的参数建立的BP神经网络进行仿真验证；

步骤3、将步骤2获取的优化的神经网络参数写入微处理器；在60‑600cm的范围内进行实际测距试验，验证基于GABP补偿算法的测距机的测距精度；

所述步骤2的数据分析软件再利用GABP回归分析方法获得校正曲线网络参数主要步骤如下：i i i

1)获取原始数据后，整理数据如下：回波信号的脉冲宽度w j＝t j2‑t j1，误差偏移量iOffset＝tj1‑Δt‑R/30，i＝1,2,3,4；j＝1,2,…,10；Δt表示固定延迟时间；

2)将原始数据分为两部分，train集和test集，train集用来做网络模型训练，test集数据用于测试网络性能；train集的脉冲宽度和误差偏移量作为BP神经网络的输入和输出进行回归分析，获取其网络参数，包括训练次数、目标误差精度、学习率、中间层传递函数、网络训练函数；所述BP网络由输入层、隐含层和输出层组成，其学习算法由信息的正向传播和误差的反向传播两个过程组成：信息从输入层经隐含层处理后到达输出层，当实际输出与期望不相符时，进入误差的反向传播阶段；误差通过输出层，按梯度下降的方式修正各层权值，向隐含层、输入层逐层反传；两个过程不断迭代是各层权值不断调整的过程，也是BP网络学习训练的过程，直至输出误差降低到可接受的程度，或预先设定的学习次数为止；

同时利用GA遗传算法对BP网络的初始值进行训练，得到最优的网络参数，包括遗传种群大小、遗传代数在内的参数，再利用test集数据进行仿真验证；其中所述GA遗传算法步骤为：从任意初始群体出发，按照选择的适应度函数，通过随机选择、交叉和变异三项基本操作对个体进行筛选，适应度较好的个体获得较高生存率而被保留，适应度较差的获得较低生存率而被淘汰，从而产生更适应环境的后生代种群，这种过程不断迭代，直至最后收敛获取最适应环境的种群；

所述步骤2根据实际系统设定四种目标物，用于后面校正试验获取的工具；校正试验数据获取的主要步骤如下：(1)搭建实验平台，系统包括激光发射模块、接收模块、步骤1的硬件电路和信号处理模块，专用时间测量芯片TDC获取的时刻信息通过上位机保存；

(2)获取start信号时刻，采用905半导体激光器作为信号发射源，其电脉冲驱动信号的前沿时刻输入到TDC芯片，获取激光发射start信号时刻t0；

(3)在距离激光发射60cm处，分别放置目标1、2、3、4，通过TDC芯片测得回波信号的i istop1前沿t11和stop2后沿时刻t12，i＝1,2,3,4；

(4)根据步骤(3)分别测量120cm、180cm、240cm、300cm、360cm、420cm、480cm、540cm和i i

600cm处，目标1、2、3、4的不同回波信号的前沿tj1和后沿时刻tj2；i＝1,2,3,4；j＝1,2,…,

10；

(5)将目标物放置于接收窗口处，测量系统的固定延迟时间Δt；

所述步骤3将步骤2获取的优化的神经网络参数写入微处理器；在60‑600cm的范围内进行实际测距试验，验证基于GABP补偿算法的测距机的测距精度，搭建实际测距系统，获取测距数据，并分析对比未校正、分段校正和GABP校正三种方法的测距精度，所述的分段校正方法为：在回波信号未饱和之前采用线性拟合公式，回波信号饱和以后采用对数拟合公式，具体为：y＝‑0.2x+19(x＜100)

y＝‑3.02lgx+18.3(x≥100)

其中，y代表误差补偿量，x代表脉冲宽度。

2.根据权利要求1所述的一种基于GABP的脉冲激光测距误差补偿方法，其特征在于，所述步骤1设计的硬件电路具体包括：基于固定阈值回波探测电路和时间间隔测量电路，基于固定阈值回波探测电路的核心部分是光电探测器，其作用为探测回波信号，将光信号转化为电信号；时间间隔测量电路的核心部分是高速计时器或者专用时间测量芯片TDC，其作用是接收探测电路的信号，触发内部计时开始与停止，输出时间间隔，信号的上升和下降沿同时触发高速计时器或者TDC芯片工作，以能够获取信号脉冲宽度。