• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于歐氏距離的無人艇載毫米波雷達(dá)點(diǎn)跡凝聚方法

    2021-01-16 05:18:12李瑞偉李立剛金久才劉德慶李方旭戴永壽
    關(guān)鍵詞:點(diǎn)跡歐氏無人

    李瑞偉, 李立剛, 金久才, 劉德慶, 李方旭, 戴永壽

    基于歐氏距離的無人艇載毫米波雷達(dá)點(diǎn)跡凝聚方法

    李瑞偉1, 李立剛2*, 金久才3, 劉德慶3, 李方旭2, 戴永壽2

    (1. 中國石油大學(xué)(華東) 控制科學(xué)與工程學(xué)院, 山東 青島, 266580; 2. 中國石油大學(xué)(華東) 海洋與空間信息學(xué)院, 山東 青島, 266580; 3. 自然資源部第一海洋研究所, 山東 青島, 266061)

    毫米波雷達(dá)在工作中會(huì)存在虛警和目標(biāo)點(diǎn)跡分裂等問題。當(dāng)前多數(shù)研究均通過處理雷達(dá)回波, 根據(jù)波形特征降低虛警, 但結(jié)果中仍存在無效點(diǎn)跡; 通過依次比較點(diǎn)跡距離和角度等多維信息判斷其是否屬于同一目標(biāo), 方法過程較為繁瑣, 且表示目標(biāo)狀態(tài)常用的質(zhì)心法不夠準(zhǔn)確。因此文中提出一種基于歐氏距離的點(diǎn)跡凝聚方法, 通過對(duì)雷達(dá)點(diǎn)跡數(shù)據(jù)進(jìn)行處理解決了虛警和目標(biāo)點(diǎn)跡分裂問題。首先, 結(jié)合雷達(dá)回波強(qiáng)度和有效檢測(cè)范圍等先驗(yàn)知識(shí), 采用閾值濾波法去除無效點(diǎn)跡。然后, 依據(jù)“屬于同一個(gè)目標(biāo)的點(diǎn)跡速度相同、距離相近”這一規(guī)律, 通過歐氏距離度量點(diǎn)跡間的信息相似度, 實(shí)現(xiàn)目標(biāo)點(diǎn)跡聚類。最后, 計(jì)算障礙目標(biāo)的位置和截面寬度等信息, 以矩形危險(xiǎn)區(qū)域表示障礙目標(biāo)所屬范圍, 從而實(shí)現(xiàn)無人艇前方障礙目標(biāo)的準(zhǔn)確檢測(cè)。實(shí)船試驗(yàn)驗(yàn)證了文中方法的有效性。

    無人艇; 毫米波雷達(dá); 障礙目標(biāo)檢測(cè); 點(diǎn)跡凝聚

    0 引言

    無人艇是一種新型水面無人平臺(tái), 具有體積小、靈活自主等優(yōu)點(diǎn), 逐漸在水質(zhì)檢測(cè)、偵查取證及海上搜救等應(yīng)用領(lǐng)域引起廣泛關(guān)注。海面障礙物的準(zhǔn)確檢測(cè)是實(shí)現(xiàn)無人艇自主作業(yè)的前提。毫米波雷達(dá)通過發(fā)射1~10 mm電磁波對(duì)目標(biāo)進(jìn)行檢測(cè), 精度高且受光線等環(huán)境因素的干擾較小, 應(yīng)用于無人艇前方障礙目標(biāo)檢測(cè)具有顯著優(yōu)勢(shì)。由于雷達(dá)檢測(cè)波束有一定寬度[1], 檢測(cè)波束掃過目標(biāo)時(shí), 一個(gè)目標(biāo)可能會(huì)反射多個(gè)回波, 導(dǎo)致雷達(dá)將其誤識(shí)為多個(gè)目標(biāo), 輸出多個(gè)目標(biāo)點(diǎn)跡, 進(jìn)而造成目標(biāo)點(diǎn)跡分裂的問題。此外, 受風(fēng)浪干擾, 雷達(dá)隨無人艇俯仰晃動(dòng)時(shí)會(huì)檢測(cè)到海面并將其誤識(shí)別為障礙目標(biāo), 輸出無效目標(biāo)點(diǎn)跡, 造成虛警。

    目前, 以無人艇自主避碰為應(yīng)用背景的毫米波雷達(dá)海面障礙目標(biāo)檢測(cè)方法較少, 通常采用點(diǎn)跡凝聚的方法[1]解決虛警和點(diǎn)跡分裂問題。其中, 針對(duì)虛警問題, 當(dāng)前大多數(shù)研究均在回波層, 通過對(duì)雷達(dá)回波進(jìn)行處理, 采用恒虛警檢測(cè)[2]等方法, 根據(jù)波形特征等降低虛警, 但處理效果有限, 雷達(dá)檢測(cè)結(jié)果中仍存在無效點(diǎn)跡, 而且在采購成品雷達(dá)后, 雷達(dá)回波也并不容易獲取; 在數(shù)據(jù)層, 通常采用閾值濾波法[3], 通過對(duì)點(diǎn)跡的距離等關(guān)鍵信息設(shè)置有效范圍, 來濾除無效目標(biāo)點(diǎn)跡, 該方法原理簡(jiǎn)單, 易于實(shí)現(xiàn), 可有效地進(jìn)一步抑制虛警。針對(duì)目標(biāo)點(diǎn)跡分裂問題, 通常采用點(diǎn)跡聚類方法劃分屬于同一目標(biāo)的點(diǎn)跡, 常用的聚類方法有均值法、基于密度的聚類算法(density-based spatial clustering of applications with noise, DBSCAN)等。其中均值法必須預(yù)知目標(biāo)數(shù)量[4-5], 顯然難以滿足當(dāng)前需求。DBSCAN法認(rèn)為只有某區(qū)域內(nèi)點(diǎn)跡密度達(dá)到一定閾值時(shí)點(diǎn)跡有效[6], 容易造成目標(biāo)丟失。

    如何判斷不同點(diǎn)跡是否屬于同一目標(biāo)是實(shí)現(xiàn)點(diǎn)跡聚類的關(guān)鍵環(huán)節(jié), 目前主流方法通過依次比較點(diǎn)跡距離和角度等多維信息進(jìn)行判斷[6-9], 每次判斷需多次比較, 較為繁瑣。采用基于點(diǎn)跡信息相似度的方法可有效簡(jiǎn)化判斷過程, 常見的相似度度量有歐幾里德距離和曼哈頓距離等。曼氏距離常用于度量路徑差異, 而歐氏距離常用于度量空間中兩點(diǎn)間的直線距離, 用于度量點(diǎn)跡信息相似度更加準(zhǔn)確。

    在點(diǎn)跡完成聚類后, 通常采用質(zhì)心法[8-12]1.91.101.11根據(jù)點(diǎn)跡信息計(jì)算各目標(biāo)的位置、距離和角度等信息, 該方法較簡(jiǎn)單, 但無法獲取目標(biāo)最近距離及所屬區(qū)域范圍等信息, 計(jì)算結(jié)果在近距離(200 m)無人艇避碰應(yīng)用中顯然不夠完整和準(zhǔn)確。

    綜上所述, 現(xiàn)有方法在無人艇避碰應(yīng)用背景下尚存不足, 為此文中提出了基于歐氏距離的雷達(dá)目標(biāo)點(diǎn)跡凝聚(plots-centroid based on Euclideansistance, PCBED)方法, 以實(shí)現(xiàn)海面障礙物的準(zhǔn)確檢測(cè), 為無人艇避碰和路徑規(guī)劃準(zhǔn)確提供前方障礙目標(biāo)的相對(duì)距離、角度、速度和橫向和縱向截面寬度等信息。

    1 基于歐氏距離的點(diǎn)跡凝聚方法

    首先, 采用閾值濾波法濾除無效目標(biāo)點(diǎn)跡。然后, 依據(jù)“屬于同一個(gè)目標(biāo)的點(diǎn)跡速度值相同、距離相近”的規(guī)律, 通過歐氏距離度量點(diǎn)跡間的信息相似度, 實(shí)現(xiàn)目標(biāo)點(diǎn)跡聚類。最后, 計(jì)算目標(biāo)距離、角度、速度和寬度等信息, 并以矩形危險(xiǎn)區(qū)域表示目標(biāo)所屬范圍。

    1.1 數(shù)據(jù)獲取與預(yù)處理

    將雷達(dá)安裝于船艏, 檢測(cè)無人艇前方障礙目標(biāo), 可實(shí)時(shí)獲取目標(biāo)點(diǎn)跡的相對(duì)距離()、角度()、徑向速度()、雷達(dá)散射截面()和位置(,)等信息。通過觀察分析大量試驗(yàn)數(shù)據(jù), 結(jié)合毫米波雷達(dá)檢測(cè)原理, 可以得出無效目標(biāo)點(diǎn)跡具有以下特點(diǎn): 其、、值可能會(huì)超出雷達(dá)有效檢測(cè)范圍; 無效目標(biāo)點(diǎn)跡對(duì)應(yīng)的回波強(qiáng)度通常較低, 因此其值較低。根據(jù)上述特點(diǎn), 采用閾值濾波法去除無效目標(biāo)點(diǎn)跡, 具體如下: 設(shè)置、、及閾值, 確定信息有效范圍, 即當(dāng)點(diǎn)跡的、、及值不滿足以下條件時(shí), 則該點(diǎn)跡將被視為無效目標(biāo)點(diǎn)跡濾除。

    式中:min0、min0、min0、max0、max0和max0分別為相對(duì)距離、角度、速度的最小閾值和最大閾值, 具體數(shù)值根據(jù)所用毫米波雷達(dá)的性能指標(biāo)設(shè)置;0為雷達(dá)散射截面最小閾值, 具體數(shù)值應(yīng)結(jié)合應(yīng)用場(chǎng)景經(jīng)試驗(yàn)分析設(shè)定。

    由于從雷達(dá)得到的點(diǎn)跡數(shù)據(jù)未按距離排序, 此時(shí)按文中方法的聚類過程處理亂序目標(biāo)點(diǎn)跡時(shí), 容易導(dǎo)致聚類失敗, 即一個(gè)目標(biāo)被錯(cuò)誤處理為多個(gè)目標(biāo)。為了減少上述情況的發(fā)生, 按照目標(biāo)點(diǎn)跡的相對(duì)距離, 由近及遠(yuǎn)對(duì)所有目標(biāo)點(diǎn)跡進(jìn)行重排列, 得到一組新的有序目標(biāo)點(diǎn)跡。

    1.2 目標(biāo)點(diǎn)跡聚類

    目標(biāo)點(diǎn)跡聚類即通過數(shù)據(jù)處理將屬于同一目標(biāo)的點(diǎn)跡進(jìn)行有效劃分。依據(jù)“屬于同一個(gè)目標(biāo)的點(diǎn)跡速度值相同、距離相近”這一規(guī)律, 根據(jù)目標(biāo)點(diǎn)跡的速度和位置信息, 計(jì)算點(diǎn)跡之間的歐氏距離, 用其度量點(diǎn)跡之間的信息相似度[13], 并據(jù)此對(duì)目標(biāo)點(diǎn)跡進(jìn)行聚類處理, 流程如圖1所示。

    首先, 獲取預(yù)處理后的目標(biāo)點(diǎn)跡數(shù)據(jù), 建立目標(biāo)點(diǎn)跡集與空目標(biāo)集,且

    式中:為目標(biāo)點(diǎn)跡集中的點(diǎn)跡序號(hào);為目標(biāo)集中的目標(biāo)序號(hào), 將屬于目標(biāo)的點(diǎn)跡稱為目標(biāo)的“成員點(diǎn)跡”;為成員點(diǎn)跡序號(hào)。

    生成新目標(biāo)并將首個(gè)點(diǎn)跡設(shè)定為該目標(biāo)的成員點(diǎn)跡, 即

    然后, 依次計(jì)算第1個(gè)目標(biāo)所有成員點(diǎn)跡1p與下一目標(biāo)點(diǎn)跡D的歐氏距離, 用其度量兩點(diǎn)跡間的數(shù)據(jù)信息相似度,值越小, 則兩點(diǎn)跡的信息相似度越高, 反之亦然。標(biāo)準(zhǔn)歐氏距離

    圖1 目標(biāo)點(diǎn)跡聚類流程圖

    式中,、和分別為點(diǎn)跡的橫向距離、縱向距離和徑向速度值。

    由于計(jì)算歐氏距離時(shí)使用了位置和徑向速度2種不同量綱的信息, 而且當(dāng)無人艇以某一角度與大型障礙目標(biāo)接近時(shí), 可能造成同一目標(biāo)的點(diǎn)跡徑向速度值差異較大, 此時(shí)直接采用式(4)將會(huì)造成較大誤差。針對(duì)上述問題, 首先采用閾值化方法對(duì)位置和速度指標(biāo)進(jìn)行無量綱化處理, 然后在計(jì)算歐氏距離時(shí)為點(diǎn)跡速度信息設(shè)置衰減系數(shù),在10~100 m內(nèi)隨點(diǎn)跡距離減小而減小, 從而在一定程度上降低隨著目標(biāo)的靠近同一目標(biāo)點(diǎn)跡徑向速度值不同帶來的影響, 即

    式中:1、2為位置和速度指標(biāo)在計(jì)算歐氏距離時(shí)所占權(quán)重, 分別取值0.7和0.3;d、d分別為位置差異和速度差異的閾值,d=2 m/s, 而由于隨著探測(cè)距離增大, 雷達(dá)分辨率會(huì)逐漸降低, 同時(shí)考慮無人艇自主避碰的安全性等因素,d取值為

    判斷是否存在<1, 若是, 則認(rèn)為該目標(biāo)點(diǎn)跡是屬于該目標(biāo)的一個(gè)成員點(diǎn)跡, 繼續(xù)按上述過程處理下一目標(biāo)點(diǎn)跡; 若否, 則計(jì)算下一目標(biāo)所有成員點(diǎn)跡與該目標(biāo)點(diǎn)跡的歐氏距離, 進(jìn)行上述判定; 若遍歷所有已存在目標(biāo)仍無法將該目標(biāo)點(diǎn)跡劃分, 則在目標(biāo)集生成新目標(biāo), 并將該點(diǎn)跡設(shè)定為新目標(biāo)的第1個(gè)成員點(diǎn)跡。循環(huán)上述過程, 直至遍歷所有目標(biāo)點(diǎn)跡。

    最后, 將目標(biāo)集中成員點(diǎn)跡個(gè)數(shù)小于經(jīng)驗(yàn)閾值0的目標(biāo)視為虛假目標(biāo), 刪除此類目標(biāo), 降低離散點(diǎn)跡對(duì)檢測(cè)結(jié)果的影響。

    通過上述過程, 能夠遍歷所有目標(biāo)點(diǎn)跡, 將屬于不同目標(biāo)的點(diǎn)跡進(jìn)行區(qū)分, 將屬于同一目標(biāo)的點(diǎn)跡實(shí)現(xiàn)聚類。

    1.3 目標(biāo)信息計(jì)算與表示

    由于無人艇自主避碰不僅需要獲取前方障礙目標(biāo)的距離、角度和速度, 還必須得到障礙目標(biāo)的寬度等信息, 因此采用主流方法質(zhì)心法獲取的障礙目標(biāo)信息在無人艇近距離避碰應(yīng)用中顯然不夠完整和準(zhǔn)確。文中根據(jù)各目標(biāo)所包含的成員點(diǎn)跡信息, 計(jì)算相應(yīng)目標(biāo)的最近距離、角度、速度和橫向、縱向截面寬度等信息, 并得到一個(gè)矩形危險(xiǎn)區(qū)域來表示障礙目標(biāo)所屬范圍。

    假設(shè)目標(biāo)包含成員點(diǎn)跡數(shù)量為, 則根據(jù)各成員點(diǎn)跡信息計(jì)算目標(biāo)的信息

    式中:R,AV表示目標(biāo)的距離, 角度和速度; (X,Y)表示目標(biāo)所屬矩形危險(xiǎn)區(qū)域的左下角位置;XWYW分別表示目標(biāo)矩形危險(xiǎn)區(qū)域的橫向、縱向截面寬度, 考慮安全性, 設(shè)置最小目標(biāo)寬度值0, 若目標(biāo)寬度值小于0, 則令其等于0。

    2 實(shí)船試驗(yàn)與結(jié)果分析

    為驗(yàn)證PCBED法在工程應(yīng)用中的有效性, 通過實(shí)船試驗(yàn), 選取多個(gè)不同試驗(yàn)場(chǎng)景, 并采用PCBED法(方法1)和常用的基于DBSCAN聚類的點(diǎn)跡凝聚方法(方法2)分別對(duì)各試驗(yàn)場(chǎng)景獲取的目標(biāo)點(diǎn)跡數(shù)據(jù)進(jìn)行二次處理, 對(duì)比分析文中方法應(yīng)用于障礙目標(biāo)檢測(cè)的有效性和準(zhǔn)確性。

    2.1 試驗(yàn)準(zhǔn)備及過程

    該試驗(yàn)在1~2級(jí)海況下進(jìn)行, 地點(diǎn)為青島膠州灣海域, 共有4處試驗(yàn)場(chǎng)景。3種被測(cè)目標(biāo)分別為: 小型皮劃艇、小型漁船和大型輪船。試驗(yàn)中, 為使雷達(dá)保持穩(wěn)定, 保證試驗(yàn)數(shù)據(jù)的可靠性, 試驗(yàn)船以低速行駛靠近被測(cè)目標(biāo), 獲取檢測(cè)數(shù)據(jù)。經(jīng)調(diào)研, 試驗(yàn)選用德國 Continental公司的ARS408-21型77 GHz長距離毫米波雷達(dá)。該雷達(dá)采用快斜率調(diào)頻連續(xù)波體制, 檢測(cè)范圍可達(dá)200 m(20o~120o), 測(cè)距精度為0.1~0.4 m, 檢測(cè)周期為70 ms。將毫米波雷達(dá)安裝于船艏位置, 距海平面高度約1.5 m, 通過計(jì)算機(jī)控制毫米波雷達(dá)開啟, 獲取各試驗(yàn)場(chǎng)景中本船前方障礙目標(biāo)點(diǎn)跡信息并進(jìn)行實(shí)時(shí)處理。

    試驗(yàn)前對(duì)方法中涉及的各個(gè)閾值參數(shù)進(jìn)行設(shè)定: 根據(jù)雷達(dá)性能說明書設(shè)置min0=0,max0=200,min0=-60,max0=60,min0=-40,max0=25,0=3, 其中速度值的正負(fù)分別代表目標(biāo)遠(yuǎn)離和靠近; 考慮無人艇避碰安全距離等因素設(shè)置0=3。0設(shè)置過小會(huì)導(dǎo)致濾除效果較差, 過大容易造成漏檢, 因此對(duì)其進(jìn)行合理設(shè)定最為關(guān)鍵。在車載雷達(dá)中0參考值為0, 即值正負(fù)分別代表點(diǎn)跡有效和無效。但海上障礙目標(biāo)類型、材質(zhì)等更加多樣復(fù)雜, 采用該值相對(duì)過大, 易濾除有效點(diǎn)跡, 造成漏檢。因此從各類目標(biāo)中分別隨機(jī)選取若干不同目標(biāo)的300個(gè)點(diǎn)跡, 統(tǒng)計(jì)其值分布情況, 如表1所示。

    表1 海面障礙目標(biāo)RCS值分布表

    顯然, 各類目標(biāo)點(diǎn)跡的值基本大于–10 dBsm, 因此設(shè)置0=–10 dBsm。

    2.2 試驗(yàn)結(jié)果

    在4個(gè)試驗(yàn)場(chǎng)景的檢測(cè)結(jié)果中均存在以下問題: 盡管試驗(yàn)船低速行駛, 行駛過程中仍不可避免地產(chǎn)生俯仰運(yùn)動(dòng), 導(dǎo)致毫米波雷達(dá)會(huì)檢測(cè)到海面并將其誤識(shí)別為目標(biāo), 從而檢測(cè)結(jié)果存在無效目標(biāo)點(diǎn)跡, 同時(shí), 受雷達(dá)分辨率等因素影響, 有效目標(biāo)會(huì)被分裂為多個(gè)目標(biāo)點(diǎn)跡。以2種點(diǎn)跡凝聚方法分別對(duì)4處試驗(yàn)場(chǎng)景獲取的目標(biāo)點(diǎn)跡數(shù)據(jù)進(jìn)行凝聚處理, 具體結(jié)果如下。

    1) 試驗(yàn)一: 被測(cè)目標(biāo)為前方70 m外一艘小型皮劃艇, 試驗(yàn)船與其相對(duì)徑向速度約為–2 m/s, 試驗(yàn)場(chǎng)景及雷達(dá)原始目標(biāo)點(diǎn)跡如圖2所示。

    通過圖2可以看出, 被測(cè)目標(biāo)在原始目標(biāo)點(diǎn)跡圖中表現(xiàn)為6個(gè)點(diǎn)跡, 圖中存在3個(gè)無效目標(biāo)點(diǎn)跡, 分別采用2種點(diǎn)跡凝聚方法對(duì)本幀數(shù)據(jù)進(jìn)行處理, 效果如圖3所示。通過2種點(diǎn)跡凝聚方法所得目標(biāo)信息如表2所示。

    圖2 試驗(yàn)一場(chǎng)景及雷達(dá)原始目標(biāo)點(diǎn)跡圖

    圖3 試驗(yàn)一數(shù)據(jù)處理效果圖

    表2 試驗(yàn)一計(jì)算所得目標(biāo)信息

    通過對(duì)比試驗(yàn)結(jié)果可知, 2種方法均對(duì)目標(biāo)信息進(jìn)行較為準(zhǔn)確的計(jì)算, 而方法1可獲取目標(biāo)最近距離、最高速度以及目標(biāo)寬度等信息, 能夠在無人艇進(jìn)行自主避碰時(shí)進(jìn)一步提高安全性。

    2) 試驗(yàn)二: 被測(cè)目標(biāo)為前方15 m以外一艘小型漁船, 本船與其相對(duì)徑向速度約為–1 m/s試驗(yàn)場(chǎng)景及雷達(dá)原始目標(biāo)點(diǎn)跡如圖4所示。

    圖4 試驗(yàn)二場(chǎng)景及雷達(dá)原始目標(biāo)點(diǎn)跡圖

    通過圖4可以看出, 原始目標(biāo)點(diǎn)跡圖中除目標(biāo)船返回的4個(gè)點(diǎn)跡外, 還存在大量無效目標(biāo)點(diǎn)跡, 分別采用2種點(diǎn)跡凝聚方法對(duì)本幀數(shù)據(jù)進(jìn)行處理, 效果如圖5所示。通過2種點(diǎn)跡凝聚方法所得目標(biāo)信息如表3所示。通過對(duì)比試驗(yàn)結(jié)果可知, 方法2所得的目標(biāo)1實(shí)際為虛假目標(biāo), 而針對(duì)虛警問題, 方法1通過數(shù)據(jù)預(yù)處理及聚類后刪除離散點(diǎn)跡雙重處理, 有效濾出了虛假目標(biāo)。

    圖5 試驗(yàn)二數(shù)據(jù)處理效果圖

    3) 試驗(yàn)三: 被測(cè)目標(biāo)為前方80 m以外一艘大型輪船, 試驗(yàn)船與其相對(duì)徑向速度約為–2 m/s試驗(yàn)場(chǎng)景及雷達(dá)原始目標(biāo)點(diǎn)跡如圖6所示。

    通過圖6可以看出, 被測(cè)大型輪船返回了大量點(diǎn)跡, 分別采用2種點(diǎn)跡凝聚方法對(duì)本幀數(shù)據(jù)進(jìn)行處理, 效果如圖7所示。通過2種點(diǎn)跡凝聚方法所得目標(biāo)信息如表4所示。

    表3 試驗(yàn)二計(jì)算所得目標(biāo)信息

    圖6 試驗(yàn)三場(chǎng)景及雷達(dá)原始目標(biāo)點(diǎn)跡圖

    圖7 試驗(yàn)三數(shù)據(jù)處理效果圖

    表4 試驗(yàn)三計(jì)算所得目標(biāo)信息

    通過試驗(yàn)結(jié)果可知, 相對(duì)方法1而言, 盡管方法2計(jì)算得出了目標(biāo)的質(zhì)心距離、角度和速度等信息, 但在無人艇進(jìn)行自主避碰及路徑規(guī)劃時(shí)該結(jié)果顯然不能代表目標(biāo)實(shí)際情況, 甚至嚴(yán)重威脅本船安全。

    4) 試驗(yàn)四: 實(shí)驗(yàn)船緩慢行駛與試驗(yàn)三被測(cè)大型輪船不斷靠近至30 m左右, 實(shí)際速度約–3 m/s, 點(diǎn)跡的徑向速度檢測(cè)值為–2.75~0 m/s, 試驗(yàn)場(chǎng)景及雷達(dá)原始目標(biāo)點(diǎn)跡如圖8所示。

    圖8 試驗(yàn)四場(chǎng)景及雷達(dá)原始目標(biāo)點(diǎn)跡圖

    分別采用2種點(diǎn)跡凝聚方法對(duì)本幀數(shù)據(jù)進(jìn)行處理, 效果如圖9所示。

    圖9 試驗(yàn)四數(shù)據(jù)處理效果圖

    通過2種點(diǎn)跡凝聚方法所得目標(biāo)信息如表5所示。

    當(dāng)試驗(yàn)船與大型目標(biāo)靠近時(shí)會(huì)導(dǎo)致屬于同一目標(biāo)的點(diǎn)跡速度值不同, 影響聚類效果。通過試驗(yàn)結(jié)果可知, 在計(jì)算歐氏距離時(shí)為速度設(shè)置與距離相關(guān)的衰減系數(shù), 有效解決了上述問題。

    表5 試驗(yàn)四計(jì)算所得目標(biāo)信息

    2.3 試驗(yàn)結(jié)果分析

    通過對(duì)比不同場(chǎng)景下2種方法效果可得: PCBED法有效濾除了大量虛假目標(biāo)點(diǎn)跡, 降低虛警; 基于歐氏距離實(shí)現(xiàn)點(diǎn)跡聚類, 解決了不同大小目標(biāo)的點(diǎn)跡分裂問題; 計(jì)算獲得了目標(biāo)的最近距離、角度、速度和橫向、縱向截面寬度, 并以矩形危險(xiǎn)區(qū)域表示障礙目標(biāo)的所屬范圍, 所得信息較為全面, 有效提高了檢測(cè)結(jié)果的準(zhǔn)確性, 保證了無人艇的安全。

    3 結(jié)束語

    針對(duì)毫米波雷達(dá)應(yīng)用于無人艇前方海面障礙目標(biāo)檢測(cè)存在的虛警和目標(biāo)點(diǎn)跡分裂問題, 文中提出了PCBED法, 能夠有效提高雷達(dá)檢測(cè)結(jié)果的準(zhǔn)確性。采用閾值濾波法濾除了無效目標(biāo)點(diǎn)跡, 同時(shí)能夠降低數(shù)據(jù)量, 提高后續(xù)數(shù)據(jù)處理的效率; 通過計(jì)算歐氏距離度量點(diǎn)跡間信息相似度的方式判定點(diǎn)跡是否屬于同一目標(biāo), 簡(jiǎn)化了目標(biāo)點(diǎn)跡聚類過程; 得到了目標(biāo)的位置、速度和橫向、縱向截面寬度等信息, 以矩形危險(xiǎn)區(qū)域表示障礙目標(biāo)的所屬范圍, 為無人艇自主避碰提供更完整、準(zhǔn)確的障礙物信息。

    PCBED法是基于單幀檢測(cè)數(shù)據(jù)的處理, 在下一步研究中, 可根據(jù)“同一目標(biāo)在多幀檢測(cè)數(shù)據(jù)中存在關(guān)聯(lián)”進(jìn)行展開, 通過處理連續(xù)多幀檢測(cè)數(shù)據(jù), 進(jìn)一步提高檢測(cè)結(jié)果的有效性和準(zhǔn)確性。

    [1] 劉美云. 一種基于兩坐標(biāo)搜索雷達(dá)的點(diǎn)跡凝聚算法[J]. 科學(xué)技術(shù)創(chuàng)新, 2018(24): 60-61.

    [2] 孫元, 孫梧雨, 韋家軍, 等. 基于恒虛警檢測(cè)的汽車主動(dòng)防撞毫米波雷達(dá)信號(hào)處理算法[J]. 兵工自動(dòng)化, 2017, 36(9): 45-49.Sun Yuan, Sun Wu-yu, Wei Jia-jun, et a1. CFAR Based Signals Processing of Millimeter-wave Radar for Automotive Anti-collision[J]. Ordnance Industry Automation, 2017, 36(9): 45-49.

    [3] Liu Y Y, Gao S W, Wang J, et a1. Design and Implementation of Target Detection System for Miniature Intelligent Vehicles[J]. Journal of Beijing University of Technology, 2016, 42(10): 1509-1518.

    [4] 何佩佩, 唐霜天, 匡華星. 一種基于層次劃分聚類的雷達(dá)信號(hào)分選算法[J]. 現(xiàn)代防御技術(shù), 2016, 44(4): 51-55.He Pei-pei, Tang Shuang-tian, Kuang Hua-xin. A Radar Signal Sorting Algorithm Based on Hierarchical Clustering[J]. Modern Defence Technology, 2016, 44(4): 51-55.

    [5] 張什永, 張海黎, 胡澤賓, 等. 基于聚類分析的雷達(dá)信號(hào)分選研究[J]. 航天電子對(duì)抗, 2013, 29(1): 49-52.Zhang Shi-yong, Zhang Hai-li, Hu Ze-bin, et al. Research on Clustering-based Radar Signal Sorting[J]. Aerospace Electronic Warfare, 2013, 29(1): 49-52.

    [6] 王曉峰, 張國毅, 王然. 一種新的未知雷達(dá)信號(hào)快速分選方法[J]. 電子信息對(duì)抗技術(shù), 2011, 26(5): 19-22.Wang Xiao-feng, Zhang Guo-yi, Wang Ran. A New Method of Unknown Radar Signals Sorting[J]. Electronic Information Warfare Technology, 2011, 26(5): 19-22.

    [7] 劉志英. 基于TS-201的三坐標(biāo)雷達(dá)點(diǎn)跡處理器的設(shè)計(jì)與實(shí)現(xiàn)[J]. 信息技術(shù)與信息化, 2012(1): 79-81.Liu Zhi-ying. The Design and Implementation of Plot Acquisition Processor for 3D Radar Based on TS-201[J]. Information Technology and Informatization, 2012(1): 79-81.

    [8] 吉軍. 雷達(dá)點(diǎn)跡的目標(biāo)智能特征提取方法研究[J]. 信息技術(shù), 2013(6): 83-87.Ji Jun. Intelligent Radar Point Target Trace Feature Extraction Method[J]. Information Technology, 2013(6): 83-87.

    [9] 周釔辛. 基于多維特征數(shù)據(jù)信息的點(diǎn)跡凝聚算法[J]. 工程技術(shù)(文摘版), 2017(9): 96-97.

    [10] Ruoskanen J, Eskelinen P, Heikkila H. Target Detection Trials with a Millimeter Wave Radar System[J]. IEEE Aerospace and Electronic Systems Magazine, 2003, 18(11): 26-30.

    [11] 韓俊峰, 寧軍. 一種三坐標(biāo)雷達(dá)的點(diǎn)跡凝聚處理方法[J]. 現(xiàn)代導(dǎo)航, 2011(5): 363-366.Han Jun-feng, Ning Jun. A Plots Centriod Method of Three Dimension Radar[J]. Modern Navigation, 2011(5): 363-366.

    [12] 熊毅, 張承志. VxWorks平臺(tái)下的米波雷達(dá)點(diǎn)跡凝聚方法研究[J]. 雷達(dá)科學(xué)與技術(shù), 2009, 7(6): 47-50, 55.Xiong Yi, Zhang Cheng-zhi. A Plot Clotting Approach of Meter Wave Radar Based on VxWorks[J]. Radar Science and Technology, 2009, 7(6): 47-50, 55.

    [13] Wang X, Xu L H, Sun H B, et al. On-Road Vehicle Detection and Tracking Using MMW Radar and Monovision Fusion[J]. IEEE Transactions on Intelligent Transportation Systems, 2016, 17(7): 2075-2084.

    Plots-Centroid Method for USV-Borne Millimeter-Wave Radar Based on Euclidean Distance

    LI Rui-wei1, LI Li-gang2*, JIN Jiu-cai3, LIU De-qing3, LI Fang-xu2, DAI Yong-shou2

    (1. College of Control Science and Engineering, China University of Petroleum(East China), Qingdao 266580, China; 2. College of Ocean and Space Information, China University of Petroleum(East China), Qingdao 266580, China; 3. Laboratory of Marine Physics and Remote Sensing, First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China)

    To solve the problems of false alarm and target-plot splitting of millimeter-wave(MMW) radar used in the detection of obstacles in unmanned surface vessels(USVs) on the sea, most recent studies have reduced false alarms by processing radar echo based on waveform characteristics. These studies have also compared multi-dimensional information such as the distance and angle of plots to determine whether the plots belong to the same target, this studies are cumbersome. And the centroid methods are not sufficiently accurate to represent the target state. Therefore, this study proposes a plots-centroid method based on Euclidean distance that solves the problems of false alarm and target-plot splitting by processing radar plot data. First, using prior knowledge related to radar echo intensity and effective detection range, a threshold filtering method is used to remove invalid plots. Then, based on the rule stating that plots belonging to the same target have the same speed and close distance, the Euclidean distance is used to measure the similarity of information between plots. Finally, target-plot clustering is realized. Finally, the position and section width of the obstacle target are calculated, where the range of the obstacle target is denoted by a rectangular dangerous area to enable accurate detection of the obstacle target in front of the USV. The effectiveness of this method is verified by an actual ship test conducted.

    unmanned surface vessel(USV); millimeter-wave radar; obstacle target detection; plots-centroid

    李瑞偉, 李立剛, 金久才, 等. 基于歐氏距離的無人艇載毫米波雷達(dá)點(diǎn)跡凝聚方法[J]. 水下無人系統(tǒng)學(xué)報(bào), 2020, 28(6): 604-610.

    TJ630; U674.91; TN959.1

    A

    2096-3920(2020)06-0604-07

    10.11993/j.issn.2096-3920.2020.06.003

    2020-05-16;

    2020-07-29.

    國家重點(diǎn)研發(fā)計(jì)劃(2017YFC1405203); 中央高?;究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資助(19CX05003A-1).

    李立剛(1976-), 男, 博士, 副教授, 主要研究方向?yàn)闊o人船智能信息處理技術(shù).

    (責(zé)任編輯: 許 妍)

    猜你喜歡
    點(diǎn)跡歐氏無人
    如何根據(jù)紙帶上的點(diǎn)跡計(jì)算加速度
    無人戰(zhàn)士無人車
    一種基于特征加權(quán)的點(diǎn)跡質(zhì)量評(píng)估方法及應(yīng)用
    反擊無人機(jī)
    空管自動(dòng)化系統(tǒng)的多雷達(dá)數(shù)據(jù)處理與融合
    一種生成雷達(dá)航跡的算法研究
    詩到無人愛處工
    岷峨詩稿(2017年4期)2017-04-20 06:26:43
    無人超市會(huì)流行起來嗎?
    基于多維歐氏空間相似度的激光點(diǎn)云分割方法
    麗江“思奔記”(上)
    探索地理(2013年5期)2014-01-09 06:40:44
    安龙县| 福泉市| 农安县| 南江县| 巫山县| 台州市| 嫩江县| 太仓市| 锡林浩特市| 江城| 房山区| 开鲁县| 会东县| 平安县| 时尚| 景宁| 天峻县| 朝阳区| 石柱| 玛纳斯县| 台湾省| 屏东市| 天镇县| 沧州市| 科尔| 泰顺县| 临汾市| 平阳县| 丰都县| 枝江市| 任丘市| 凤凰县| 红安县| 宿迁市| 隆子县| 十堰市| 寿阳县| 南乐县| 漾濞| 额尔古纳市| 留坝县|