• <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 ?

    基于無人艇的導(dǎo)航雷達(dá)目標(biāo)檢測跟蹤算法

    2024-11-22 00:00:00王偉杜旭洋楊志偉吳凡
    關(guān)鍵詞:檢測

    摘 要:

    在無人艇利用導(dǎo)航雷達(dá)進(jìn)行環(huán)境感知的過程中,針對雷達(dá)回波圖中出現(xiàn)的區(qū)域破碎現(xiàn)象以及對運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤時(shí)存在較大誤差的問題,提出了一種應(yīng)用于導(dǎo)航雷達(dá)的目標(biāo)檢測跟蹤方法提高無人艇對水面目標(biāo)的檢測能力。首先,對雷達(dá)原始回波圖像解析并進(jìn)行預(yù)處理操作;其次,在圖像連通的基礎(chǔ)上,設(shè)計(jì)自適應(yīng)閾值分割Hausdorff匹配算法對回波圖和地圖進(jìn)行匹配,區(qū)分屬于目標(biāo)和陸地的回波;然后,對連續(xù)兩幀的雷達(dá)回波圖進(jìn)行目標(biāo)匹配;最后,通過加入預(yù)測序列模型的經(jīng)驗(yàn)?zāi)B(tài)分解算法優(yōu)化檢測跟蹤結(jié)果,提高獲取目標(biāo)信息的準(zhǔn)確性。實(shí)驗(yàn)驗(yàn)證結(jié)果表明:對1 km內(nèi)相對運(yùn)動(dòng)速度低于30節(jié)的水面目標(biāo),所提方法目標(biāo)檢測概率提升了6.5%,距離誤差低于2%,航速誤差低于6%,航向誤差低于6°,整體性能優(yōu)于工程中常用的檢測跟蹤方法。

    關(guān)鍵詞:

    環(huán)境感知; 導(dǎo)航雷達(dá); 連通算法; 地圖匹配; 經(jīng)驗(yàn)?zāi)B(tài)分解算法

    中圖分類號(hào):

    TN 953

    文獻(xiàn)標(biāo)志碼: A""" DOI:10.12305/j.issn.1001-506X.2024.05.11

    Navigation radar target detection and tracking algorithm based on USV

    WANG Wei1, DU Xuyang1,*, YANG Zhiwei1, WU Fan2

    (1. School of Intelligent Science and Engineering, Harbin Engineering University, Harbin 150001, China;

    2. China Ship Development and Design Center, Wuhan 430064, China)

    Abstract:

    A target detection and tracking method for navigation radar is proposed to improve the detection ability of unmanned surface vessel for surface targets. This method addresses the problems of fragmented regions in the radar echo map and large errors in tracking moving targets during the process of environmental perception using navigation radar. Firstly, the original echo image of the radar is analyzed and corrected to obtain the required echo image. Secondly, based on image connectivity, a self-adaptive threshold segmentation Hausdorff matching algorithm is designed to match the echo map and the map, distinguishing the echoes belonging to the target and the land. Thirdly, the target matching is performed on the continuous two frames of radar echoes. Finally, the empirical model decomposition (EMD) algorithm of the predictive sequence model is added to optimize the detection and tracking results, and improve the accuracy of obtaining target information. The results of experimental verification show that for surface targets with a relative motion speed of less than 30 knots within 1 km, the distance error is less than 2%, the target detection probability increases by 6.5%, the speed error is less than 6%, and the heading error is less than 6° using this method. The overall performance is better than that of the detection and tracking methods commonly used in engineering.

    Keywords:

    environmental perception; navigation radar; connectivity algorithm; map matching; empirical model decomposition (EMD) algorithm

    0 引 言

    具有高精度的環(huán)境感知能力是無人艇執(zhí)行各種任務(wù)的重要前提[1-2]。目前,無人艇對水面環(huán)境進(jìn)行檢測的手段主要包括導(dǎo)航雷達(dá)、激光雷達(dá)和視覺相機(jī)等[3-6]。激光雷達(dá)和視覺相機(jī)的檢測范圍相對較小,導(dǎo)航雷達(dá)能夠?qū)崿F(xiàn)較遠(yuǎn)距離的探測,并且檢測精度受天氣和海況影響較小,所以導(dǎo)航雷達(dá)是實(shí)現(xiàn)水面環(huán)境感知的主要手段。在實(shí)際使用的過程中,一方面由于雷達(dá)接收到的回波強(qiáng)度和完整度不穩(wěn)定,需要對其進(jìn)行相應(yīng)處理才能確定屬于目標(biāo)的回波,并且在對連續(xù)多幀回波圖中屬于同一目標(biāo)的回波匹配過程中可能會(huì)出現(xiàn)已有回波消失或者出現(xiàn)新回波的情況;另一方面檢測到的目標(biāo)信息會(huì)受到船體運(yùn)動(dòng)和環(huán)境的干擾,直接將其作為環(huán)境感知的結(jié)果會(huì)影響無人艇路徑規(guī)劃和避碰等工作的進(jìn)行[7];所以降低目標(biāo)檢測的虛警率、優(yōu)化最終獲取的目標(biāo)信息對導(dǎo)航雷達(dá)目標(biāo)檢測跟蹤具有重要意義。

    本文進(jìn)行檢測跟蹤的目標(biāo)主要包括漁船、游艇和艦艇等運(yùn)動(dòng)目標(biāo)以及浮標(biāo)等靜態(tài)目標(biāo),這些目標(biāo)反映在導(dǎo)航雷達(dá)的回波圖像中是與自身大小相對應(yīng)的回波區(qū)域。通過提取雷達(dá)回波圖像中屬于目標(biāo)的回波信息來實(shí)現(xiàn)目標(biāo)檢測,具體可以分為以下三類。第一,通過雷達(dá)圖像與當(dāng)前環(huán)境的地圖結(jié)合來降低陸地雜波的干擾[8-12],這類方法能夠?qū)㈥懙?、島嶼等回波識(shí)別并剔除,但原始回波質(zhì)量對圖像匹配的結(jié)果影響較大,匹配精度較高的算法運(yùn)行速度較慢。第二,通過對原始回波進(jìn)行聚類,避免同一目標(biāo)產(chǎn)生多個(gè)回波,從而確定回波對應(yīng)的目標(biāo)[13-17],這類方法能夠?qū)⒒夭▓D中屬于同一目標(biāo)但出現(xiàn)破碎現(xiàn)象的回波聚類成完整的目標(biāo)回波,但聚類的復(fù)雜度隨著數(shù)據(jù)量的增多大幅度提升,并且水面環(huán)境存在相距較近的多個(gè)目標(biāo)時(shí),容易產(chǎn)生誤判。第三,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練降低回波誤判,提高目標(biāo)檢測能力[18-22],該類方法一般通過構(gòu)建數(shù)據(jù)集,借助卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練,確定出屬于目標(biāo)的回波,由于數(shù)據(jù)集資源匱乏,且計(jì)算量大,工程應(yīng)用過程中對硬件要求較高,缺乏廣泛性。目標(biāo)檢測只能獲取當(dāng)前回波圖像中所有目標(biāo)的位置和形態(tài)信息,對于航速和航向信息需要對目標(biāo)持續(xù)跟蹤,跟蹤過程最常用的方法是卡爾曼濾波算法,由于其只能對線性運(yùn)動(dòng)的目標(biāo)有較好的跟蹤效果[23],所以在此基礎(chǔ)上發(fā)展出了多種濾波算法,例如無跡卡爾曼濾波[24]、無偏轉(zhuǎn)換濾波[25]、交互式多模型濾波等[26]。對機(jī)動(dòng)目標(biāo)跟蹤過程中,濾波算法的復(fù)雜度升高,并且濾波器的參數(shù)設(shè)置對跟蹤效果有較大影響。近幾年也出現(xiàn)了一些自適應(yīng)的通用濾波器,適用于多種運(yùn)動(dòng)模型下的目標(biāo)跟蹤,但濾波器的參數(shù)較多[27-29]。

    綜上所述,本文提出了一種應(yīng)用于導(dǎo)航雷達(dá)的目標(biāo)檢測跟蹤算法。在連通算法的基礎(chǔ)上,首先,提出一種自適應(yīng)閾值分割Hausdorff(adaptive threshold segmentation Hausdorff, ATS-Hausdorff)匹配算法,對破碎程度較低的回波進(jìn)行聚合后,分辨出對應(yīng)目標(biāo)、陸地和島嶼的回波;檢測完成后,通過最優(yōu)匹配Kuhn-Munkres (KM)算法完成目標(biāo)回波的初匹配;最后通過經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition, EMD)算法中加入自回歸滑動(dòng)平均模型(autoregressive integrated moving average, ARIMA)進(jìn)行改進(jìn)提出模型預(yù)測-EMD (add autoregressive integrated moving average to improve-EMD, AIM-EMD)算法實(shí)現(xiàn)目標(biāo)跟蹤和信息優(yōu)化,得到當(dāng)前環(huán)境中所有目標(biāo)的位置,運(yùn)動(dòng)目標(biāo)的航速、航向信息。經(jīng)實(shí)驗(yàn)驗(yàn)證,該方法能在保證實(shí)時(shí)處理導(dǎo)航雷達(dá)回波圖的同時(shí),提高導(dǎo)航雷達(dá)對目標(biāo)檢測跟蹤的性能。

    1 回波圖預(yù)處理

    無人艇在工作過程中需要接收慣導(dǎo)數(shù)據(jù)和雷達(dá)回波數(shù)據(jù),對接收到的數(shù)據(jù)進(jìn)行解算后得到原始數(shù)據(jù)信息。由于無人艇自身運(yùn)動(dòng)狀態(tài)變化和所處環(huán)境的復(fù)雜性,雷達(dá)的回波數(shù)據(jù)中存在一定干擾和誤差?;夭〝?shù)據(jù)作為目標(biāo)檢測和跟蹤功能實(shí)現(xiàn)的基礎(chǔ),必須對其進(jìn)行以下的預(yù)處理工作。

    1.1 圖像修正

    在雷達(dá)工作過程中,受到船體運(yùn)動(dòng)的影響,需要對雷達(dá)圖像進(jìn)行修正。為保證雷達(dá)數(shù)據(jù)的完整性,避免雷達(dá)圖像出現(xiàn)盲區(qū)或重疊現(xiàn)象,本文通過圖像滑窗修正法進(jìn)行修正。利用連續(xù)兩幀雷達(dá)回波數(shù)據(jù),結(jié)合慣導(dǎo)信息,在兩幀回波圖像中各搜索一條正北徑向脈沖序數(shù),截取中間部分組成新的完整雷達(dá)圖像。新圖像與原始圖像的雷達(dá)脈沖徑向數(shù)存在差異,選取均勻分布于無人艇航向變化較大的徑向數(shù)據(jù)進(jìn)行插值或刪除操作,減小因數(shù)據(jù)量變化帶來角度偏移的累積效應(yīng)。圖1顯示出回波圖修正前后的對比,經(jīng)過圖像修正后,回波圖像實(shí)現(xiàn)正北顯示。

    1.2 坐標(biāo)系變換

    區(qū)域連通需要使用直角坐標(biāo)系下的數(shù)據(jù),原始回波數(shù)據(jù)是以極坐標(biāo)系下的形式輸出,需要將雷達(dá)回波圖進(jìn)行坐標(biāo)轉(zhuǎn)換[30]。本文采用坐標(biāo)映射的方式,將極坐標(biāo)系下的數(shù)據(jù)直接對應(yīng)到直角坐標(biāo)系中唯一的點(diǎn),通過遍歷的方式一一搜索各點(diǎn)的映射關(guān)系,得到坐標(biāo)系之間的映射矩陣。

    1.3 圖像濾波

    導(dǎo)航雷達(dá)通過硬件設(shè)置可以在一定程度上抑制雜波,但原始雷達(dá)回波數(shù)據(jù)中不可避免地包含著少數(shù)坐標(biāo)轉(zhuǎn)換過程帶來的孤立噪聲以及來自海浪、虛警雜波的干擾,對雷達(dá)回波圖像進(jìn)行孤立噪聲點(diǎn)濾波和回波閾值濾波至關(guān)重要。利用腐蝕-膨脹算法能夠?yàn)V除回波圖中的孤立噪聲;利用統(tǒng)計(jì)的方法,通過卷積核計(jì)算所有回波的均值及標(biāo)準(zhǔn)差,按照一定判斷準(zhǔn)則,確定合適的閾值能夠?yàn)V除回波圖中的閾值噪聲。濾波后的回波圖像如圖2所示。

    2 回波圖目標(biāo)檢測

    對原始回波數(shù)據(jù)進(jìn)行預(yù)處理后,得到的回波圖像初步顯示出水面環(huán)境。由于雷達(dá)自身性能以及環(huán)境的影響,屬于同一目標(biāo)的回波可能會(huì)出現(xiàn)破碎現(xiàn)象,為了確定水面環(huán)境存在目標(biāo)的具體狀態(tài),需要將回波進(jìn)行聚合。對回波圖進(jìn)行圖像區(qū)域連通操作后,結(jié)合本文提出的ATS-Hausdorff匹配算法實(shí)現(xiàn)回波圖和地圖的匹配,確定回波圖中分別屬于目標(biāo)和陸地的回波,實(shí)現(xiàn)目標(biāo)檢測。

    2.1 圖像區(qū)域連通

    連通區(qū)域算法根據(jù)像素對回波圖進(jìn)行劃分,將其中相鄰且具有相同像素值的前景區(qū)域進(jìn)行標(biāo)記,每個(gè)單獨(dú)的連通區(qū)域形成一個(gè)被標(biāo)識(shí)的塊。通過獲取不同塊中回波的輪廓、外接矩形、質(zhì)心、不變矩等幾何參數(shù),得到對應(yīng)目標(biāo)的信息。Two-pass法掃描兩遍圖像,將圖像中存在的所有連通區(qū)域找出并標(biāo)記,適合用于回波圖像的連通。對回波圖采用按行掃描方式進(jìn)行8向鄰域連通,掃描過程中,將回波圖中前景像素(目標(biāo))記為1,背景像素(水面)記為0,此時(shí)回波圖像記為I,經(jīng)過區(qū)域連通后的回波圖如圖3所示。

    2.2 圖像匹配算法

    對于回波圖中像素面積較大的破碎回波通過連通區(qū)域算法后依然會(huì)存在無法確定是否屬于同一目標(biāo)的情況。水面上的輪船、浮標(biāo)等大多數(shù)目標(biāo)回波破裂程度較低,但陸地、島嶼等反射回波存在較大的破裂現(xiàn)象?;夭▓D能夠反應(yīng)水面目標(biāo)信息,地圖能夠顯示當(dāng)前所處環(huán)境,將回波圖與地圖進(jìn)行匹配能夠解決較大區(qū)域產(chǎn)生回波破碎的現(xiàn)象,同時(shí)可以提高環(huán)境感知的性能。

    在地圖數(shù)據(jù)中,各類物標(biāo)的坐標(biāo)是以經(jīng)緯度進(jìn)行標(biāo)記的。在屏幕坐標(biāo)系下,物標(biāo)坐標(biāo)點(diǎn)需要以像素點(diǎn)進(jìn)行顯示,所以地圖顯示時(shí)需要通過墨卡托投影將地理坐標(biāo)轉(zhuǎn)換為屏幕坐標(biāo)[31]。將地圖和雷達(dá)回波圖統(tǒng)一坐標(biāo)后,利用ATS-Hausdorff匹配算法實(shí)現(xiàn)圖像融合,該算法主要分為如下步驟。

    2.2.1 尺度歸一化

    相同坐標(biāo)系下的雷達(dá)圖像與地圖進(jìn)行匹配的前提是滿足圖像顯示比例和方向一致,需要將地圖與回波圖的尺度進(jìn)行歸一化。通過實(shí)際距離和像素點(diǎn)之間的關(guān)系,可以計(jì)算出當(dāng)前尺寸范圍下的地圖尺寸。計(jì)算公式為

    P=Pc·RRc(1)

    式中:P和Pc分別為地圖和雷達(dá)圖像在屏幕坐標(biāo)系下的尺寸;Rc為雷達(dá)圖像的實(shí)際距離;R是地圖的實(shí)際距離。尺度歸一化后的地圖圖像如圖4所示。

    2.2.2 圖像二值化

    回波圖像可以直接進(jìn)行二值化,地圖中色彩較為豐富,直接通過亮度值來表達(dá)圖像的灰度值導(dǎo)致在海陸相接的區(qū)域灰度值差異不明顯,影響對地圖的特征提取,選取合理的閾值便可實(shí)現(xiàn)對地圖的二值化操作。由于無人艇的運(yùn)動(dòng),地圖不斷發(fā)生變化,不同地圖二值化將會(huì)對應(yīng)不同的閾值。因此,本文提出一種能夠自適應(yīng)選取閾值進(jìn)行圖像分割的算法實(shí)現(xiàn)地圖二值化。算法實(shí)現(xiàn)流程如圖5所示。

    步驟 1

    尋找地圖的灰度極值,計(jì)算地圖的最大灰度lmax(x,y)與最小灰度lmin(x,y)的均值G1:

    G1=lmin(x,y)+lmax(x,y)2(2)

    l(x,y)為每個(gè)像素點(diǎn)的灰度值,此時(shí)將G1作為迭代法的第一個(gè)閾值。

    步驟 2

    以第一個(gè)閾值作為分界閾值,類似的,分別尋找圖像中所有大于G1和小于G1的像素點(diǎn)灰度極值,并求其對應(yīng)平均值得到G11和G12,得到第二個(gè)粗略閾值G2:

    G2=G11+G122(3)

    步驟 3

    更新閾值為G2,分別尋找圖像中所有大于G2和所有小于G2的像素點(diǎn)灰度均值,類似閾值G2的計(jì)算,將閾值更新為G3,再次執(zhí)行步驟3,直到|Gi-Gi-1|lt;&時(shí)(&一般取3),算法停止,選取Gi對地圖進(jìn)行二值化。經(jīng)過本文算法和直接進(jìn)行二值化對圖4進(jìn)行處理,結(jié)果對比如圖6所示。

    2.2.3 圖像匹配

    以圖4為基準(zhǔn)圖像,圖3為待匹配圖像,將兩者進(jìn)行配準(zhǔn)。首先,將回波圖中本艇慣導(dǎo)提供的位置信息作為初步匹配點(diǎn),結(jié)合地圖中同一經(jīng)緯度下對應(yīng)的像素點(diǎn)完成圖像的初步匹配。建立經(jīng)緯度與像素點(diǎn)關(guān)系的過程中存在計(jì)算誤差;同時(shí),慣導(dǎo)測量的數(shù)據(jù)也會(huì)引入系統(tǒng)誤差,本文采用Hausdorff距離匹配對初步匹配的結(jié)果進(jìn)行修正。

    Hausdorff距離描述的是兩集合之間的相似程度。通過慣導(dǎo)位置匹配后,粗略得到配準(zhǔn)區(qū)域,根據(jù)配準(zhǔn)區(qū)域的點(diǎn)集進(jìn)行匹配計(jì)算,再擴(kuò)展到整張圖像能在保證匹配精度的同時(shí)提升匹配效率。假設(shè)選取地圖的點(diǎn)集為A,選取回波圖的點(diǎn)集為B,則兩點(diǎn)集之間的有向Hausdorff距離為

    A={a1,a2,…,ap}B={b1,b2,…,bq}(4)

    A、B之間的Hausdorff距離定義為

    H(A,B)=min(h(A,B),h(B,A)),

    h(A,B)=maxai∈Aminbj∈Bai-bj;

    h(B,A)=maxbj∈Bminai∈Abj-ai(5)

    通過計(jì)算得到回波圖對應(yīng)在地圖中的最佳匹配點(diǎn),根據(jù)匹配點(diǎn)對整幅圖像進(jìn)行匹配。圖7是通過ATS-Hausdorff方法進(jìn)行圖像匹配后的結(jié)果。屬于同一陸地和島嶼的多個(gè)回波已經(jīng)與地圖成功匹配,結(jié)合實(shí)際場景確定出剩余回波均是水面環(huán)境中的目標(biāo)。

    3 目標(biāo)匹配跟蹤

    通過ATS-Hausdorff算法對回波圖處理后,能夠明確當(dāng)前水面環(huán)境中存在的目標(biāo)狀態(tài),但采集到新一幀回波圖后,所有的目標(biāo)會(huì)被刷新,將連續(xù)兩幀回波圖進(jìn)行關(guān)聯(lián)獲取運(yùn)動(dòng)目標(biāo)的信息是實(shí)現(xiàn)環(huán)境感知的關(guān)鍵。

    3.1 目標(biāo)初步匹配

    水面目標(biāo)的標(biāo)簽值確定后,提取其回波形心坐標(biāo)作為當(dāng)前目標(biāo)所在位置,利用連續(xù)兩幀回波圖中目標(biāo)位置和圖像輪廓作為匹配元素,通過KM算法實(shí)現(xiàn)目標(biāo)的匹配。假設(shè)前一幀檢測水面目標(biāo)的位置坐標(biāo)為(x1,x2,…,xn),對應(yīng)的目標(biāo)回波面積為(s1,s2,…,sn);后一幀檢測出水面目標(biāo)的位置坐標(biāo)為(y1,y2,…,yn),對應(yīng)的目標(biāo)回波面積為(t1,t2,…,tn)。求出前后兩幀目標(biāo)歐式距離之和的最小值sum1和sum2:

    sum1=min∑i≤ni=0|xi-yj|

    sum2=min∑i≤ni=0|si-tj|(6)

    在兩個(gè)匹配因素的基礎(chǔ)上引入可行頂標(biāo)以及相等子圖概念,實(shí)現(xiàn)二部圖最優(yōu)匹配的求解。圖8顯示出連續(xù)兩幀回波圖中的目標(biāo)匹配結(jié)果,其中25號(hào)目標(biāo)在第二幀中回波消失。

    3.2 目標(biāo)優(yōu)化匹配

    風(fēng)浪較大時(shí),水面環(huán)境較為多變。當(dāng)雷達(dá)將海浪檢測為目標(biāo)回波時(shí),需要及時(shí)剔除;當(dāng)真實(shí)目標(biāo)回波被湮滅時(shí),要及時(shí)保留目標(biāo)信息并預(yù)測其可能出現(xiàn)的位置。由于海浪的出現(xiàn)較為短暫且不穩(wěn)定,本文通過計(jì)算同一目標(biāo)連續(xù)出現(xiàn)在雷達(dá)回波圖中的幀數(shù)進(jìn)行剔除。當(dāng)新出現(xiàn)的目標(biāo)回波連續(xù)顯示超過w幀即認(rèn)為出現(xiàn)了新目標(biāo),其他均當(dāng)作雜波剔除;當(dāng)持續(xù)出現(xiàn)v幀及以上的目標(biāo)回波突然消失時(shí),保留其目標(biāo)信息,預(yù)測下一幀目標(biāo)位置,當(dāng)其再出現(xiàn)時(shí)進(jìn)行有效匹配,w、v值可以根據(jù)實(shí)際需求進(jìn)行合理選擇,本文令w取3,v取5。在此過程中,獲取的目標(biāo)信息會(huì)受到各種類型的噪聲干擾,需要對獲取信息進(jìn)行優(yōu)化,提高檢測和跟蹤的精度,本文提出一種AIM-EMD方法在預(yù)測目標(biāo)位置的同時(shí)提高目標(biāo)檢測跟蹤過程的抗干擾能力。

    3.2.1 EMD方法原理

    EMD方法依據(jù)導(dǎo)航雷達(dá)測得目標(biāo)信息的時(shí)間尺度特征對數(shù)據(jù)信號(hào)進(jìn)行分解,不需要預(yù)先設(shè)定任何基函數(shù),具有很強(qiáng)的自適應(yīng)性。假設(shè)輸入信號(hào)為s(t),通過EMD分解后會(huì)形成多個(gè)本征模態(tài)函數(shù)(intrinsic mode function, IMF)和一個(gè)殘余分量,分解形式為

    s(t)=∑ni=1IMFi(t)+r(7)

    每個(gè)IMF都包含原有信號(hào)的特定頻率成分,先被分解的分量包含s(t)中的高頻成分,隨著分解次數(shù)增多,頻率下降。當(dāng)余量r為常量或者單調(diào)函數(shù)時(shí),停止分解。分解得到的IMF應(yīng)滿足兩個(gè)條件:① 信號(hào)中的零點(diǎn)個(gè)數(shù)與極值點(diǎn)個(gè)數(shù)差值不能大于1;② 信號(hào)任意點(diǎn)的上下包絡(luò)均值為0。分解得到IMF的過程如下:

    (1) 獲取s(t)所有的極大值和極小值,分別通過3次樣條擬合函數(shù)擬合得到s(t)的上、下包絡(luò)曲線,并求包絡(luò)均值m(t);

    (2) 計(jì)算分量Iki(t),判斷其是否為IMF,如果是IMF,轉(zhuǎn)至(3),如果不是IMF,將Iki(t)進(jìn)行(1)操作,直至得到IMF,記為Iki(t):

    Iki(t)=s(t)-m(t), i=1,2,…,n(8)

    (3) 此時(shí)的Ii(t)為第i個(gè)IMF分量,求取殘余量r(t):

    r(t)=s(t)-∑ij=1Ij(t)(9)

    (4) 當(dāng)r(t)滿足殘留余量的條件時(shí),停止分解s(t)。

    ∑ni=1[Ik+1i(t)-Iki(t)]2∑ni=1[Iki(t)]2≤λ(10)

    分解過程中,IMF的包絡(luò)均值一般不為0,當(dāng)式(10)成立時(shí),認(rèn)為滿足條件,λ一般取0.25。

    3.2.2 AIM-EMD方法分析

    實(shí)驗(yàn)過程中發(fā)現(xiàn)直接使用EMD方法存在一些問題:

    (1) 當(dāng)目標(biāo)周圍突然有海浪或船只靠近時(shí),會(huì)在檢測信號(hào)中出現(xiàn)毛刺。

    (2) EMD存在端點(diǎn)效應(yīng),分解的過程中需要尋找極值點(diǎn),而信號(hào)的邊界點(diǎn)會(huì)存在不確定性,容易導(dǎo)致邊界處的分解出現(xiàn)誤差。隨著分解次數(shù)增多,誤差累積,影響到整個(gè)信號(hào)分解。

    (3) 當(dāng)目標(biāo)突然消失時(shí),原信號(hào)中會(huì)有缺損的時(shí)間序列,需要及時(shí)預(yù)測目標(biāo)信息,才能保證EMD分解的準(zhǔn)確性。

    因?yàn)槊坛霈F(xiàn)頻率較小,維持區(qū)間較短,通過數(shù)值對比即可分辨,將其所在的一段信號(hào)中最高頻IMF分量剔除得到較為理想的檢測值;對于問題(2)和問題(3),本文通過在EMD算法中添加ARIMA模型進(jìn)行改進(jìn)得以解決。

    對雷達(dá)檢測到的目標(biāo)信息序列建立ARIMA模型,首先需要確定差分階數(shù)d,當(dāng)原始序列差分d階后將會(huì)變成平穩(wěn)隨機(jī)序列,記為S(n)。假設(shè)ε(n)為白噪聲序列,可以建立p階自回歸與q階滑動(dòng)平均混合模型:

    式中:L為模型的似然函數(shù);k為獨(dú)立參數(shù)個(gè)數(shù)。AIC函數(shù)由兩項(xiàng)構(gòu)成,第一項(xiàng)體現(xiàn)模型擬合的好壞,隨著階數(shù)的增大而變小;第二項(xiàng)標(biāo)志了模型參數(shù)的多少,隨著階數(shù)的增大而變大。當(dāng)式(15)具有最小值時(shí),與之對應(yīng)的階數(shù)p、q就是理想階數(shù)。得到d、p和q參數(shù)值后即可對αi和βj進(jìn)行最小二乘估計(jì),擬合出ARIMA模型, 對新一幀回波圖中目標(biāo)位置進(jìn)行預(yù)測。AM-EMD算法的步驟如下:

    步驟 1

    判斷檢測的信號(hào)序列有無毛刺干擾,如果有轉(zhuǎn)至步驟2,如果沒有轉(zhuǎn)至步驟3;

    步驟 2

    確定毛刺所在的區(qū)間,單獨(dú)對其使用EMD算法分解,將最高頻的IMF剔除掉,得到新的一段序列代替原序列;

    步驟 3

    對信號(hào)序列建立ARIMA模型,確定建立模型的參數(shù);

    步驟 4

    預(yù)測某時(shí)刻消失目標(biāo)的位置以及最后時(shí)刻目標(biāo)所在位置,得到完整的信號(hào)序列;

    步驟 5

    對步驟4得到信號(hào)序列進(jìn)行EMD分解,將IMF分量重新組合得到最終信號(hào)序列。

    4 算法驗(yàn)證

    為了驗(yàn)證本文方法的有效性,在湖北某水域開展無人艇目標(biāo)檢測跟蹤實(shí)驗(yàn)。無人艇a搭載導(dǎo)航雷達(dá),安裝高度距水面4 m;合作艇b搭載與a艇相同的慣導(dǎo)系統(tǒng)。實(shí)驗(yàn)中使用的導(dǎo)航雷達(dá)為連續(xù)波雷達(dá)。該雷達(dá)包含兩根天線,一根不斷發(fā)射連續(xù)信號(hào),另一根持續(xù)接收目標(biāo)反射回來的回波,并記錄回波信號(hào)的強(qiáng)度;具有距離分辨率高、發(fā)射功率低等特點(diǎn)。

    4.1 目標(biāo)檢測概率分析

    對工程常用的帶噪聲的基于密度的空間聚類(density-based spatial clustering of applications with noise, DBSCAN)算法+KM算法+卡爾曼濾波算法(以下簡稱A算法)和本文提出的算法(以下簡稱B算法),利用每組包含1 500幀連續(xù)雷達(dá)回波圖像的樣本,通過仿真分析關(guān)于系統(tǒng)信噪比(signal to noise ratio, SNR)、虛警率Pf和目標(biāo)與無人艇的相對距離d和相對速度v對目標(biāo)檢測概率Pd的影響,具體結(jié)果如圖9所示。

    圖9(a)顯示不同算法下SNR的變化對Pd的影響,可以看出隨著SNR的增加,Pd不斷提高。A算法在SNR為10~20 dB的區(qū)間內(nèi),系統(tǒng)的Pd顯著增長;B算法在SNR為10~23 dB的區(qū)間內(nèi),系統(tǒng)的Pd顯著增長。Pd增長過程中, B算法的Pd整體高于A算法,相同SNR的條件下,A、B算法的Pd相差最大達(dá)到16.5%。圖9(b)顯示不同算法下Pf的變化對Pd的影響,可以看出隨著Pf的增加,Pd不斷提高。在相同Pf條件下,B算法的Pd高于A算法, A、B算法的Pd相差最大達(dá)到5.3%。在Pf足夠大的情況下,Pd最終會(huì)趨于1,但Pf過大會(huì)導(dǎo)致虛假目標(biāo)出現(xiàn),所以需要設(shè)置合理的門限值確保目標(biāo)檢測的準(zhǔn)確性。圖9(c)顯示不同算法下d和v的變化對Pd的影響,可以看出隨著d和v的增加,Pd均會(huì)逐漸降低。檢測過程中主要考慮dlt;1 km和vlt;30節(jié)的目標(biāo),分析結(jié)果顯示,d從200 m變至1 km雖然導(dǎo)致Pd降低,但由于雷達(dá)探測距離遠(yuǎn),d的變化對Pd影響較小;在d保持不變的情況下,隨著v的增加A、B算法對應(yīng)的Pd下降相對更為明顯,所以在dlt;1 km的目標(biāo)中,v對Pd的影響更大。在相同v和d條件下,B算法Pd高于A算法,A、B算法的Pd相差最大達(dá)到7.6%,整體目標(biāo)檢測概率提升了6.5%。

    4.2 導(dǎo)航雷達(dá)標(biāo)定

    硬件安裝過程中,難以保證雷達(dá)正方向與運(yùn)動(dòng)平臺(tái)艏向完全一致,存在一定的方位誤差。方位誤差會(huì)導(dǎo)致導(dǎo)航雷達(dá)探測到的目標(biāo)位置與其實(shí)際位置誤差隨著距離的增大而增大,目標(biāo)檢測得到的信息偏差過大,無法準(zhǔn)確感知水面環(huán)境,需要通過靜態(tài)標(biāo)定修正系統(tǒng)誤差。a、b兩艇均處于水流平穩(wěn)的空曠海域,兩者的相對位置如圖10所示,標(biāo)定過程中a、b兩艇處于相對靜止?fàn)顟B(tài)。藍(lán)色點(diǎn)代表a,紅色點(diǎn)代表b。

    將慣導(dǎo)采集的信息作為a、b兩艇位置真值,計(jì)算出兩者所在直線與正北方向的夾角,將此角度作為真實(shí)方位角;a艇導(dǎo)航雷達(dá)檢測得到b艇相對于正北方向的夾角,將此角度作為測量方位角,對比兩角度,補(bǔ)償雷達(dá)安裝方位誤差。標(biāo)定結(jié)束后改變a、b兩艇的距離及方位,按照上述標(biāo)定流程進(jìn)行多次標(biāo)定以避免粗大誤差。

    4.3 導(dǎo)航雷達(dá)實(shí)驗(yàn)

    4.3.1 實(shí)驗(yàn)場景

    兩艇運(yùn)動(dòng)的場景存在著多樣性,為了體現(xiàn)本文算法在各種運(yùn)動(dòng)環(huán)境下的有效性,設(shè)計(jì)了如圖11所示的3種場景對A算法和B算法的性能進(jìn)行對比。

    場景 1

    a艇保持靜止不動(dòng),b艇以a艇所在位置為圓心進(jìn)行圓周運(yùn)動(dòng),如圖11(a)所示。該場景主要測試靜止情況下,本文算法對角度持續(xù)變化的目標(biāo)檢測跟蹤性能。

    場景 2

    a艇保持勻低速運(yùn)動(dòng),b艇以圖11(b)所示的軌跡進(jìn)行勻速運(yùn)動(dòng)。該場景主要測試勻速運(yùn)動(dòng)情況下,本文算法對大角度變化目標(biāo)的檢測跟蹤性能。

    場景 3

    a艇先曲線運(yùn)動(dòng)后直線運(yùn)動(dòng),從低速運(yùn)動(dòng)變加速至中高速運(yùn)動(dòng);b艇保持靜止,如圖11(c)所示。該場景主要測試變速運(yùn)動(dòng)情況下,本文算法對靜止目標(biāo)的檢測跟蹤性能。

    4.3.2 實(shí)驗(yàn)結(jié)果

    對第4.3.1節(jié)中場景分別通過A算法和B算法對b艇進(jìn)行檢測跟蹤,將得到的航速、航向和距離信息進(jìn)行對比。

    場景1的測試結(jié)果對比如圖12所示。根據(jù)圖12可以看出:在b艇繞a艇進(jìn)行圓周運(yùn)動(dòng)的過程中, b艇與a艇的距離實(shí)際無法保證固定數(shù)值。在14:09:12時(shí)刻,由于雷達(dá)硬件內(nèi)部噪聲,回波形態(tài)產(chǎn)生較大的形變,同時(shí)b艇與a艇距離也發(fā)生突變,A算法產(chǎn)生了較大的距離檢測誤差,最大誤差達(dá)到34.45 m,B算法距離誤差略有增大,最大誤差為12.85 m;A、B算法在該時(shí)刻下的航向檢測也出現(xiàn)突變,導(dǎo)致航向誤差均有增大,A算法最大誤差達(dá)到26.30°,B算法最大誤差上升為14.25°; b艇速度全程穩(wěn)定,在14:07:09左右減速兩節(jié),A算法此時(shí)未能穩(wěn)定檢測到航速的變化,導(dǎo)致航速最大誤差為2.04 m/s,B算法整體誤差基本保持穩(wěn)定,最大為0.84 m/s;整體看來,A算法對目標(biāo)的距離、航向和航速檢測結(jié)果波動(dòng)較大,B算法的檢測結(jié)果整體較平滑。

    場景2中的結(jié)果對比如圖13所示。根據(jù)圖13可以看出:在a艇進(jìn)行勻速直線運(yùn)動(dòng)的過程中,b艇做勻速直線運(yùn)動(dòng)時(shí),A、B兩算法的檢測結(jié)果相差較小,整體檢測性能相差不大;但該場景下b艇軌跡存在著多次大角度轉(zhuǎn)彎,B算法在此情況下,檢測性能明顯優(yōu)于A算法。在14:26:31~14:28:49時(shí)間段內(nèi),b艇做了180°大轉(zhuǎn)彎后開始“S”形曲線運(yùn)動(dòng);轉(zhuǎn)彎多變導(dǎo)致A算法不能及時(shí)檢測到當(dāng)前b艇運(yùn)動(dòng)狀態(tài),雖然距離誤差較為穩(wěn)定,但航向誤差出現(xiàn)多次突變,整體偏離真實(shí)航向;航速誤差波動(dòng)也較大,出現(xiàn)兩次峰值,整體效果不佳。該場景下,A算法距離最大誤差達(dá)到12.67 m,航向最大誤差達(dá)到22.89°,航速最大誤差達(dá)到1.38 m/s;相比之下,B算法整體較為穩(wěn)定,距離誤差略有減小,最大誤差為9.42 m;航向和航速檢測誤差存在明顯優(yōu)勢,航向最大誤差為15.67°,航向最大誤差為0.37 m/s。

    場景3中的結(jié)果對比如圖14所示。根據(jù)圖14可以看出:在b艇靜止的過程中,14:52:28~14:54:25時(shí)間段內(nèi),a艇做勻速曲線運(yùn)動(dòng),此時(shí)A、B算法在距離上的檢測結(jié)果都比較平穩(wěn),A算法檢測誤差整體略大于B算法;在14:54:00時(shí)刻,b艇100 m內(nèi)出現(xiàn)其他目標(biāo),導(dǎo)致A算法對回波誤判,檢測的航速信息出現(xiàn)突變,導(dǎo)致A算法最大航速誤差達(dá)到0.80 m/s,B算法成功剔除了此干擾信號(hào)。14:54:26~15:00:07時(shí)間段內(nèi),a艇做變速直線運(yùn)動(dòng),在a艇發(fā)生機(jī)動(dòng)時(shí),A算法檢測效果明顯受到本艇運(yùn)動(dòng)的影響,精度略有下降,測得距離信息誤差整體增大,最大誤差達(dá)到23.71 m,航速誤差則基本保持穩(wěn)定;B算法受到的影響較小,距離誤差基本保持穩(wěn)定,最大誤差為11.79 m,由于B算法將航速小于0.5 m/s的目標(biāo)自動(dòng)歸為靜止目標(biāo),所以航速總保持0值。

    計(jì)算以上3個(gè)場景中本艇與目標(biāo)的實(shí)際距離均值和目標(biāo)的實(shí)際運(yùn)動(dòng)速度均值,同時(shí)計(jì)算A、B算法測試結(jié)果的均方根誤差(root mean square error, RMSE),結(jié)果如表1所示。進(jìn)一步量化兩種算法目標(biāo)檢測跟蹤的精度,可以看出,B算法在所有場景中的表現(xiàn)均優(yōu)于A算法,尤其在本艇發(fā)生運(yùn)動(dòng)的情況下優(yōu)勢更為突出。相比A算法,B算法總體上距離精度提高不低于50%,航向精度提高不低于30%,航速精度提高不低于35%。場景3中航速誤差是由于算法檢測到相對靜止的目標(biāo)自動(dòng)將判定其為速度為0產(chǎn)生的,算法可以根據(jù)使用需求選擇取消自動(dòng)判定功能。

    5 結(jié) 論

    本文針對無人艇搭載導(dǎo)航雷達(dá)對水面目標(biāo)檢測跟蹤時(shí)精度較低的問題,在連通算法的基礎(chǔ)上,提出一種ATS-Hausdorff匹配算法實(shí)現(xiàn)回波圖像與地圖的匹配;同時(shí)為了保證跟蹤過程的穩(wěn)定和獲取目標(biāo)信息的準(zhǔn)確性,設(shè)計(jì)AIM-EMD算法提升性能。多次實(shí)驗(yàn)結(jié)果表明,該算法能夠精確識(shí)別出屬于目標(biāo)和陸地的回波。相比工程中常用的算法結(jié)構(gòu),在目標(biāo)與本艇相對距離小于1 km、相對運(yùn)動(dòng)速度低于30節(jié)(包括1 km、30節(jié))的情況下,對各種運(yùn)動(dòng)狀態(tài)下的目標(biāo)檢測跟蹤效果均有提升,尤其在本艇做直線運(yùn)動(dòng)或者靜止時(shí),表現(xiàn)出明顯優(yōu)勢;當(dāng)本艇轉(zhuǎn)彎或曲線運(yùn)動(dòng)時(shí),算法性能略有下降,但依然滿足無人艇的工作需求。該算法對目標(biāo)檢測跟蹤的整體距離誤差低于2%,航向誤差低于6°,航速誤差低于6%,在實(shí)際工程中有著較強(qiáng)的表現(xiàn)。

    參考文獻(xiàn)

    [1] ZHOU Z G, HU X X, LI Z M, et al. A fusion algorithm of object detection and tracking for unmanned surface vehicles[J]. Front Neurorobot, 2022, 16: 808147.

    [2] ZHANG W, GAO X Z, YANG C F, et al. A object detection and tracking method for security in intelligence of unmanned surface vehicles[J]. Journal of Ambient Intelligence and Humanized Computing, 2020, 13(3): 1279-1291.

    [3] KIM H, KIM D, LEE S M. Marine object segmentation and tracking by learning marine radar images for autonomous surface vehicles[J]. IEEE Sensors Journal, 2023, 23(9): 10062-10070.

    [4] YU Q Z, WANG B, SU Y M. Object detection-tracking algorithm for unmanned surface vehicles based on a radar-photoelectric system[J]. IEEE Access, 2021, 9: 57529-57541.

    [5] DENG L H, GUO T T, WANG H J, et al. Obstacle detection of unmanned surface vehicle based on lidar point cloud data[C]∥Proc.of the Oceans, 2022.

    [6] 陳任飛, 彭勇, 李忠文. 基于持續(xù)無監(jiān)督域適應(yīng)策略的水面漂浮物目標(biāo)檢測方法[J/OL]. [2023-06-19].http:∥kns.cnki.net/kcms/detail/11.2422.TN.20230220.1441.018.html.

    CHEN R F, PENG Y, LI Z W. Based on adaptive strategy for unsupervised domain floats on the surface of the target detection method[J/OL]. [2023-06-19]. http:∥kns.cnki. net/kcms/detail/11.2422.TN.20230220.1441.018.html.

    [7] WANG W M, DU J L, TAO Y H. A dynamic collision avoidance solution scheme of unmanned surface vessels based on proactive velocity obstacle and set-based guidance[J]. Ocean Engineering, 2022, 248(15). DOI: 10.1016/j.oceaneng.2022.110794.14.

    [8] WU Y, CHU X M, DENG L, et al. A new multi-sensor fusion approach for integrated ship motion perception in inland waterways[J]. Measurement, 2022, 200: 111630.

    [9] NAUS K, WAZ M, SZYMAK P, et al. Assessment of ship position estimation accuracy based on radar navigation mark echoes identified in an electronic navigational chart[J]. Measurement, 2021, 169:108630.

    [10] 張大恒, 張英俊, 張闖. 基于Faster R-CNN的電子海圖和雷達(dá)圖像的數(shù)據(jù)融合[J]. 系統(tǒng)工程與電子技術(shù), 2020, 42(6): 1267-1273.

    ZHANG D H, ZHANG Y J, ZHANG C. Based on a faster R-CNN electronic chart and radar image data fusion[J]. Systems Engineering and Electronics, 2020, 42(6): 1267-1273.

    [11] DAGDILELIS D, BLANKE M, ANDERSEN R H, et al. Cyber-resilience for marine navigation by information fusion and change detection[J]. Ocean Engineering, 2022, 266: 112605.

    [12] XU J, JIA B Z, PAN X X, et al. Hydrographic data inspection and disaster monitoring using shipborne radar small range images with electronic navigation chart[J]. PeerJ Computer Science, 2020. DOI: 10.7717/peerj-CS.290.

    [13] DI H B, SHAFIQ M, ALREGIB G. Multi-attribute k-means clustering for salt-boundary delineation from three-dimensional seismic data[J]. Geophysical Journal International, 2018, 215(3): 1999-2007.

    [14] ADHAMI M H, GHAZIZADEH R. Secure multiple target tracking based on clustering intersection points of measurement circles in wireless sensor networks[J]. Wireless Networks, 2021, 27: 1233-1249.

    [15] XU Y, JIA T, CAO D, et al. Adaptive clustering-based marine radar sea clutter normalization[J]. Journal of Sensors, 2021, 2021(7): 1-11.

    [16] 李立剛, 李勃然, 金久才, 等. 基于圖像輪廓特征的無人水面艇航海雷達(dá)目標(biāo)檢測修正方法[J].水下無人系統(tǒng)學(xué)報(bào), 2022, 30(2): 190-196.

    LI L G, LI B R, JIN J C, et al. Target detection and correction method of marine radar for unmanned surface craft based on image contour features[J]. Journal of Unmanned Undersea Systems, 2022, 30(2): 190-196.

    [17] 劉寧波, 董云龍, 王國慶, 等. X波段雷達(dá)對海探測試驗(yàn)與數(shù)據(jù)獲?。跩]. 雷達(dá)學(xué)報(bào), 2019, 8(5): 656-667.

    LIU N B, DONG Y L, WANG G Q, et al. X-band radar sea detection test and data acquisition[J]. Journal of Radars, 2019, 8(5): 656-667.

    [18] BAIRD Z, MCDONALD M K, RAJAN S, et al. A CNN-LSTM network for augmenting target detection in real maritime wide area surveillance radar data[J]. IEEE Access, 2020, 8: 179281-179294.

    [19] SU N Y, CHEN X L, GUAN J, et al. Maritime target detection based on radar graph data and graph convolutional network[J]. IEEE Geoscience and Remote Sensing Letters, 2022, 19: 1-5.

    [20] WILLIAMS J, ROSENBERG L, STAMATESCU V, et al. Maritime radar target detection using convolutional neural networks[C]∥Proc.of the IEEE Radar Conference, 2022.

    [21] CHEN X L, MU X Q, GUAN J, et al. Marine target detection based on marine-faster R-CNN for navigation radar plane position indicator images[J]. Frontiers of Information Technology amp; Electronic Engineering, 2022, 23(4): 630-643.

    [22] 蘇寧遠(yuǎn), 陳小龍, 關(guān)鍵, 等. 基于卷積神經(jīng)網(wǎng)絡(luò)的海上微動(dòng)目標(biāo)檢測與分類方法[J]. 雷達(dá)學(xué)報(bào), 2018, 7(5): 565-574.

    SU N Y, CHEN X L, GUAN J, et al. Detection and classification of marine fretting targets based on convolutional neural networks[J]. Journal of Radars, 2018, 7(5): 565-574.

    [23] FAN Y S, QIAO S H, WANG G F, et al. A modified adaptive kalman filtering method for maneuvering target tracking of unmanned surface vehicles[J]. Ocean Engineering, 2022, 266: 112890.

    [24] COLE B, SCHAMBERG G. Unscented Kalman filter for long-distance vessel tracking in geodetic coordinates[J]. Applied Ocean Research, 2022, 124: 103205.

    [25] 王志達(dá), 薛林, 陳陽陽, 等. 引入測速信息的雷達(dá)導(dǎo)引頭無偏轉(zhuǎn)換跟蹤方法[J]. 系統(tǒng)工程與電子技術(shù), 2020, 42(8): 1695-1702.

    WANG Z D, XUE L, CHEN Y Y, et al. Unbiased conversion tracking method of radar seeker with velocity measurement information[J]. Systems Engineering and Electronics, 2020, 42(8): 1695-1702.

    [26] EBRAHIMI M, ARDESHIRI M, KHANGHAH S A. Bearing-only 2D maneuvering target tracking using smart interacting multiple model filter[J]. Digital Signal Processing, 2022, 126: 103497.

    [27] XIAO Z, FU X J, ZHANG L Y, et al. Big data driven vessel trajectory and navigating state prediction with adaptive learning, motion modeling and particle filtering techniques[J]. IEEE Trans.on Intelligent Transportation Systems, 2022, 23(4): 3696-3709.

    [28] BREKKE E F, HEM A G, TOKLE L N. Multitarget tracking with multiple models and visibility: derivation and verification on maritime radar data[J]. IEEE Journal of Oceanic Engineering, 2021, 46(4): 1272-1287.

    [29] ZEMSKOV Y, KOPTSEVA E, PANKRATOVA A, et al. Universal prediction algorithm in maneuvering target tracking[J]. Journal of Physics: Conference Series, 2022, 2176(1): 012074.

    [30] MA F, ZHANG F, XIANG D L, et al. Fast task-specific region merging for SAR image segmentation[J]. IEEE Trans.on Geoscience and Remote Sensing, 2022, 60: 5222316.

    [31] BLINDHEIM S, JOHANSEN T A. Electronic navigational charts for visualization, simulation, and autonomous ship control[J]. IEEE Access, 2022, 10: 3716-3737.

    作者簡介

    王 偉(1979—),男,教授,博士,主要研究方向?yàn)榄h(huán)境感知與智能決策、目標(biāo)跟蹤與控制。

    杜旭洋(1999—),男,碩士研究生,主要研究方向?yàn)閷?dǎo)航雷達(dá)環(huán)境感知、目標(biāo)跟蹤與控制。

    楊志偉(1999—),男,碩士研究生,主要研究方向?yàn)楹@朔囱荨⒗走_(dá)目標(biāo)檢測。

    吳 凡(1997—),男,工程師,碩士,主要研究方向?yàn)楹I夏繕?biāo)檢測、海浪參數(shù)估計(jì)。

    猜你喜歡
    檢測
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    “幾何圖形”檢測題
    “角”檢測題
    小波變換在PCB缺陷檢測中的應(yīng)用
    日本欧美国产在线视频| 精品亚洲成国产av| www.av在线官网国产| 91午夜精品亚洲一区二区三区| 国产欧美另类精品又又久久亚洲欧美| av国产久精品久网站免费入址| 一边摸一边做爽爽视频免费| 久久久精品免费免费高清| 全区人妻精品视频| 十分钟在线观看高清视频www| 少妇猛男粗大的猛烈进出视频| 国产无遮挡羞羞视频在线观看| 在线观看免费视频网站a站| 高清午夜精品一区二区三区| 日韩制服骚丝袜av| 最后的刺客免费高清国语| 18禁观看日本| 久久久久久久久久成人| 国产 一区精品| 国产高清国产精品国产三级| 国产精品99久久99久久久不卡 | 伊人久久精品亚洲午夜| 国产黄频视频在线观看| 国产成人av激情在线播放 | 狠狠婷婷综合久久久久久88av| 草草在线视频免费看| 久久99热这里只频精品6学生| 少妇熟女欧美另类| 人妻一区二区av| 这个男人来自地球电影免费观看 | 国产不卡av网站在线观看| 人成视频在线观看免费观看| 免费不卡的大黄色大毛片视频在线观看| av卡一久久| 晚上一个人看的免费电影| 久久精品国产自在天天线| 青青草视频在线视频观看| 人妻系列 视频| 少妇的逼水好多| 91久久精品电影网| 777米奇影视久久| 性色avwww在线观看| 亚洲图色成人| 夜夜看夜夜爽夜夜摸| 少妇人妻久久综合中文| 2021少妇久久久久久久久久久| 中文字幕人妻熟人妻熟丝袜美| 国产精品一区二区三区四区免费观看| 欧美xxⅹ黑人| 欧美日韩精品成人综合77777| 黄片播放在线免费| 亚洲综合精品二区| 少妇人妻精品综合一区二区| 国产高清三级在线| 欧美+日韩+精品| 边亲边吃奶的免费视频| 免费av中文字幕在线| 国产精品一区www在线观看| 国产淫语在线视频| 18在线观看网站| av一本久久久久| 国产老妇伦熟女老妇高清| 一级爰片在线观看| 精品国产一区二区三区久久久樱花| 亚洲av成人精品一二三区| 免费观看无遮挡的男女| 老熟女久久久| 欧美日韩一区二区视频在线观看视频在线| 日本猛色少妇xxxxx猛交久久| 成年人午夜在线观看视频| 国产精品麻豆人妻色哟哟久久| 女性生殖器流出的白浆| 桃花免费在线播放| 午夜老司机福利剧场| 久久精品国产a三级三级三级| 九草在线视频观看| 18禁裸乳无遮挡动漫免费视频| 免费观看性生交大片5| 老司机影院成人| 亚洲国产毛片av蜜桃av| 久久久久久久久久久免费av| 99久久中文字幕三级久久日本| 国产免费一区二区三区四区乱码| 日韩视频在线欧美| 国产精品国产三级专区第一集| 丰满迷人的少妇在线观看| 久久精品久久久久久久性| 亚洲久久久国产精品| 国产精品无大码| 免费观看性生交大片5| 18禁动态无遮挡网站| 久久久国产精品麻豆| 日韩制服骚丝袜av| a 毛片基地| 80岁老熟妇乱子伦牲交| 国产熟女午夜一区二区三区 | 精品国产露脸久久av麻豆| 久久久久久久久大av| 婷婷色综合www| 日本欧美视频一区| 欧美日韩成人在线一区二区| 国产成人免费无遮挡视频| 亚洲人成网站在线播| 国产成人精品在线电影| 亚洲内射少妇av| 97精品久久久久久久久久精品| 两个人免费观看高清视频| 久久免费观看电影| 国产av国产精品国产| 精品99又大又爽又粗少妇毛片| 夫妻性生交免费视频一级片| 少妇的逼好多水| 黄色视频在线播放观看不卡| 人妻一区二区av| 最黄视频免费看| 亚洲,一卡二卡三卡| 成年av动漫网址| 久久久久久久久久人人人人人人| 九色成人免费人妻av| 狂野欧美激情性bbbbbb| 国产欧美亚洲国产| 亚洲综合色网址| a 毛片基地| a级片在线免费高清观看视频| 91aial.com中文字幕在线观看| 久久97久久精品| 成年av动漫网址| 全区人妻精品视频| 成人漫画全彩无遮挡| 如何舔出高潮| 99视频精品全部免费 在线| 久久久久视频综合| 丰满饥渴人妻一区二区三| 久久久久国产网址| 久久久久久久久大av| av女优亚洲男人天堂| 精品一区二区三卡| 哪个播放器可以免费观看大片| 久久99热这里只频精品6学生| 国产精品蜜桃在线观看| 熟女电影av网| 亚洲情色 制服丝袜| 国产亚洲最大av| 国产成人aa在线观看| 在线播放无遮挡| av免费观看日本| 丝袜美足系列| h视频一区二区三区| 免费高清在线观看视频在线观看| 亚洲婷婷狠狠爱综合网| 蜜桃在线观看..| 大话2 男鬼变身卡| 国产片内射在线| 国产精品一二三区在线看| 大香蕉久久网| 日本猛色少妇xxxxx猛交久久| 天堂俺去俺来也www色官网| 国产在线免费精品| 国产精品三级大全| 午夜91福利影院| 乱码一卡2卡4卡精品| 亚洲成人av在线免费| 最新中文字幕久久久久| 在线观看免费高清a一片| 韩国av在线不卡| 综合色丁香网| 好男人视频免费观看在线| 国产精品久久久久久av不卡| 啦啦啦啦在线视频资源| 毛片一级片免费看久久久久| 中文精品一卡2卡3卡4更新| 午夜老司机福利剧场| 一本一本综合久久| 国产乱人偷精品视频| 色5月婷婷丁香| 人成视频在线观看免费观看| av免费观看日本| 免费观看性生交大片5| 午夜激情av网站| 欧美精品高潮呻吟av久久| 国产高清不卡午夜福利| 亚洲精品亚洲一区二区| 精品久久蜜臀av无| 99久久精品国产国产毛片| 亚洲国产精品国产精品| 五月开心婷婷网| 日本色播在线视频| 天堂8中文在线网| 少妇人妻精品综合一区二区| 日韩电影二区| 满18在线观看网站| 国产欧美另类精品又又久久亚洲欧美| 国内精品宾馆在线| 在线观看人妻少妇| 久久久久久久久久人人人人人人| 人人妻人人澡人人看| 亚洲,一卡二卡三卡| 亚洲国产欧美日韩在线播放| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 99热国产这里只有精品6| 少妇猛男粗大的猛烈进出视频| 日本欧美视频一区| 精品国产一区二区久久| 国产日韩欧美视频二区| 精品熟女少妇av免费看| 观看美女的网站| 亚洲国产毛片av蜜桃av| 国产欧美日韩综合在线一区二区| 亚洲精品第二区| 国产精品一区二区在线观看99| 亚洲内射少妇av| 欧美日韩亚洲高清精品| 亚洲精品亚洲一区二区| 国产精品熟女久久久久浪| 伦精品一区二区三区| 99久久中文字幕三级久久日本| 国产精品国产三级国产专区5o| 色网站视频免费| 国产高清国产精品国产三级| 精品一区二区三卡| www.色视频.com| 秋霞在线观看毛片| 我的老师免费观看完整版| 黄色怎么调成土黄色| 亚洲国产毛片av蜜桃av| 亚洲国产av影院在线观看| 亚洲精品成人av观看孕妇| 亚洲人成77777在线视频| 成人影院久久| 成人综合一区亚洲| 亚洲伊人久久精品综合| 韩国av在线不卡| 黑丝袜美女国产一区| 少妇的逼好多水| 99热这里只有精品一区| 亚洲av中文av极速乱| 免费观看无遮挡的男女| 人人妻人人爽人人添夜夜欢视频| 国国产精品蜜臀av免费| 欧美成人午夜免费资源| 大话2 男鬼变身卡| av国产久精品久网站免费入址| 一区二区日韩欧美中文字幕 | 九九在线视频观看精品| 2018国产大陆天天弄谢| 热re99久久精品国产66热6| 肉色欧美久久久久久久蜜桃| 亚洲高清免费不卡视频| 国产成人freesex在线| 亚洲综合色网址| 内地一区二区视频在线| 欧美日韩视频精品一区| 亚洲五月色婷婷综合| 一级毛片黄色毛片免费观看视频| 精品少妇内射三级| 一个人看视频在线观看www免费| 五月玫瑰六月丁香| 久久精品国产鲁丝片午夜精品| 欧美日韩成人在线一区二区| 国产成人aa在线观看| 大陆偷拍与自拍| 色视频在线一区二区三区| 成年女人在线观看亚洲视频| 爱豆传媒免费全集在线观看| 97在线人人人人妻| 国产欧美日韩综合在线一区二区| 婷婷成人精品国产| 国产极品天堂在线| 2021少妇久久久久久久久久久| 国产成人freesex在线| √禁漫天堂资源中文www| 久久久久久久久久久丰满| 大香蕉久久成人网| 欧美xxxx性猛交bbbb| 国产av精品麻豆| 色视频在线一区二区三区| 日韩一区二区视频免费看| 菩萨蛮人人尽说江南好唐韦庄| 性色av一级| 久久99一区二区三区| 国产免费视频播放在线视频| 人妻一区二区av| 一边亲一边摸免费视频| 又黄又爽又刺激的免费视频.| 五月伊人婷婷丁香| 成人二区视频| 欧美精品一区二区免费开放| 日韩一区二区三区影片| 亚洲精品视频女| 国产精品熟女久久久久浪| 看十八女毛片水多多多| 免费观看无遮挡的男女| 成年人免费黄色播放视频| a级毛片免费高清观看在线播放| 少妇精品久久久久久久| 色婷婷av一区二区三区视频| 久热久热在线精品观看| 国产精品成人在线| 一边摸一边做爽爽视频免费| 这个男人来自地球电影免费观看 | 日韩电影二区| 欧美精品国产亚洲| 久久国产精品男人的天堂亚洲 | videossex国产| 伊人久久精品亚洲午夜| 日韩成人av中文字幕在线观看| 80岁老熟妇乱子伦牲交| 亚洲欧洲日产国产| 久久这里有精品视频免费| 我的女老师完整版在线观看| 中文字幕人妻熟人妻熟丝袜美| 99热国产这里只有精品6| 久久久精品区二区三区| 久久99精品国语久久久| av女优亚洲男人天堂| 欧美日韩一区二区视频在线观看视频在线| 99久久综合免费| 91精品三级在线观看| 97在线视频观看| 日本91视频免费播放| 国产极品粉嫩免费观看在线 | 欧美精品人与动牲交sv欧美| 美女国产高潮福利片在线看| 人成视频在线观看免费观看| a级毛片黄视频| 人人妻人人澡人人爽人人夜夜| 人人妻人人添人人爽欧美一区卜| 97超碰精品成人国产| 26uuu在线亚洲综合色| 成人无遮挡网站| 人妻制服诱惑在线中文字幕| 美女xxoo啪啪120秒动态图| 两个人免费观看高清视频| 亚州av有码| 最近2019中文字幕mv第一页| 插逼视频在线观看| 婷婷色综合www| 欧美+日韩+精品| 国产成人91sexporn| 成人二区视频| 免费观看a级毛片全部| 丰满饥渴人妻一区二区三| 亚洲精品乱码久久久久久按摩| 国产老妇伦熟女老妇高清| 夜夜看夜夜爽夜夜摸| 亚洲国产最新在线播放| 欧美日韩综合久久久久久| 久久 成人 亚洲| 亚洲国产日韩一区二区| 日韩成人av中文字幕在线观看| 国产成人午夜福利电影在线观看| 一边亲一边摸免费视频| 国产成人精品一,二区| 中国三级夫妇交换| 在线观看人妻少妇| 最近最新中文字幕免费大全7| 久久精品国产a三级三级三级| 国产欧美日韩综合在线一区二区| 亚洲美女搞黄在线观看| 国产成人91sexporn| 久久精品国产亚洲av天美| 最新中文字幕久久久久| 亚洲精品一区蜜桃| 亚洲综合色惰| 亚洲国产毛片av蜜桃av| 国产国拍精品亚洲av在线观看| 少妇精品久久久久久久| 大片电影免费在线观看免费| 在线观看免费视频网站a站| 大片电影免费在线观看免费| 两个人免费观看高清视频| 国产男女内射视频| 亚洲人成网站在线观看播放| 亚洲国产精品一区三区| 国产探花极品一区二区| 久久 成人 亚洲| www.av在线官网国产| 日本爱情动作片www.在线观看| 精品少妇黑人巨大在线播放| 国产成人免费无遮挡视频| 伦理电影大哥的女人| 国产免费视频播放在线视频| 亚洲成人av在线免费| 能在线免费看毛片的网站| 亚洲人成77777在线视频| 好男人视频免费观看在线| 欧美最新免费一区二区三区| av电影中文网址| 中文字幕人妻丝袜制服| 国产精品久久久久久精品电影小说| 亚洲精品aⅴ在线观看| av女优亚洲男人天堂| 成人毛片a级毛片在线播放| 老司机亚洲免费影院| 肉色欧美久久久久久久蜜桃| 国产老妇伦熟女老妇高清| 亚洲精品aⅴ在线观看| 午夜激情av网站| 91午夜精品亚洲一区二区三区| 少妇 在线观看| 久久久亚洲精品成人影院| 亚洲欧美一区二区三区国产| 一区二区三区精品91| 天堂俺去俺来也www色官网| 91aial.com中文字幕在线观看| 亚洲精品中文字幕在线视频| 成人国产麻豆网| 国产乱人偷精品视频| 中国三级夫妇交换| 亚洲丝袜综合中文字幕| 成人18禁高潮啪啪吃奶动态图 | 高清av免费在线| 亚洲精品久久成人aⅴ小说 | 天天影视国产精品| 国产精品欧美亚洲77777| 久久毛片免费看一区二区三区| 久久久久人妻精品一区果冻| 日本黄色日本黄色录像| 18禁在线无遮挡免费观看视频| 色网站视频免费| 久久国内精品自在自线图片| 天天躁夜夜躁狠狠久久av| 亚洲精品第二区| 成人手机av| 蜜桃国产av成人99| 亚洲怡红院男人天堂| 高清在线视频一区二区三区| 五月玫瑰六月丁香| 热99久久久久精品小说推荐| 免费观看性生交大片5| 久久久久久久久久久免费av| 99久久精品国产国产毛片| 永久免费av网站大全| 国产 精品1| 最新的欧美精品一区二区| 妹子高潮喷水视频| 亚洲av成人精品一二三区| 日韩av免费高清视频| 两个人免费观看高清视频| 中国国产av一级| 欧美人与善性xxx| 国产成人免费无遮挡视频| 色网站视频免费| 免费日韩欧美在线观看| 这个男人来自地球电影免费观看 | 九九久久精品国产亚洲av麻豆| 乱码一卡2卡4卡精品| 人妻 亚洲 视频| 精品久久久久久久久av| 亚洲国产精品999| 91在线精品国自产拍蜜月| 色94色欧美一区二区| 99久久精品国产国产毛片| av网站免费在线观看视频| 三级国产精品片| 国产熟女午夜一区二区三区 | 色哟哟·www| 热99久久久久精品小说推荐| 国精品久久久久久国模美| 免费av不卡在线播放| 高清欧美精品videossex| 久久久久久久久久久久大奶| 热re99久久精品国产66热6| 欧美人与性动交α欧美精品济南到 | 精品少妇黑人巨大在线播放| av国产久精品久网站免费入址| 大话2 男鬼变身卡| 99热这里只有是精品在线观看| 精品国产乱码久久久久久小说| 国产亚洲精品第一综合不卡 | 亚洲国产精品成人久久小说| 免费人妻精品一区二区三区视频| 午夜精品国产一区二区电影| 亚州av有码| 国产午夜精品一二区理论片| 日日爽夜夜爽网站| 美女脱内裤让男人舔精品视频| 久久久久精品性色| 男人操女人黄网站| 91成人精品电影| 久久久久视频综合| 亚洲欧美色中文字幕在线| 最近最新中文字幕免费大全7| 精品人妻在线不人妻| 久久久久久久精品精品| 国产精品久久久久久久电影| 午夜激情福利司机影院| 亚洲欧洲国产日韩| 日本欧美视频一区| 天堂8中文在线网| 国产男女超爽视频在线观看| 下体分泌物呈黄色| 欧美人与性动交α欧美精品济南到 | www.色视频.com| 乱码一卡2卡4卡精品| 久久久国产一区二区| 久久av网站| 美女福利国产在线| 满18在线观看网站| 欧美亚洲日本最大视频资源| 最近最新中文字幕免费大全7| 80岁老熟妇乱子伦牲交| 在线观看免费高清a一片| 国产免费一级a男人的天堂| 一边摸一边做爽爽视频免费| 精品久久久久久电影网| 久久这里有精品视频免费| 久久精品久久精品一区二区三区| 天堂中文最新版在线下载| 国产精品国产三级国产专区5o| 视频区图区小说| 日韩视频在线欧美| 久久99热这里只频精品6学生| 夜夜看夜夜爽夜夜摸| 在线免费观看不下载黄p国产| 日韩中字成人| 精品视频人人做人人爽| 久久99热这里只频精品6学生| 狠狠婷婷综合久久久久久88av| 99热6这里只有精品| 日本wwww免费看| 人妻 亚洲 视频| 日日爽夜夜爽网站| 交换朋友夫妻互换小说| 亚洲av不卡在线观看| 久久人人爽人人爽人人片va| 国产一区二区三区综合在线观看 | 日本91视频免费播放| 国产高清国产精品国产三级| 久久国产精品大桥未久av| 亚洲人与动物交配视频| 国产欧美日韩综合在线一区二区| 青春草视频在线免费观看| xxxhd国产人妻xxx| 亚洲国产精品一区二区三区在线| 国产无遮挡羞羞视频在线观看| 97超视频在线观看视频| 色5月婷婷丁香| 婷婷色综合www| 久久99蜜桃精品久久| 国产乱人偷精品视频| 久久ye,这里只有精品| .国产精品久久| 狂野欧美激情性bbbbbb| 精品久久久久久电影网| 免费看不卡的av| 精品国产国语对白av| 婷婷色麻豆天堂久久| 精品人妻一区二区三区麻豆| 青春草亚洲视频在线观看| 99精国产麻豆久久婷婷| 久久精品久久久久久久性| 成人国语在线视频| 一个人看视频在线观看www免费| 国产亚洲精品久久久com| 亚洲熟女精品中文字幕| 久久狼人影院| 91久久精品国产一区二区成人| 久久热精品热| 熟妇人妻不卡中文字幕| 久久久精品94久久精品| 久久久久久久久久人人人人人人| 一边摸一边做爽爽视频免费| 国产精品国产三级国产av玫瑰| 色5月婷婷丁香| 热99国产精品久久久久久7| 五月伊人婷婷丁香| 精品一品国产午夜福利视频| 一二三四中文在线观看免费高清| 边亲边吃奶的免费视频| 丝瓜视频免费看黄片| 国产亚洲最大av| 人体艺术视频欧美日本| 亚洲av综合色区一区| 在线观看三级黄色| 亚洲中文av在线| 少妇 在线观看| 日日撸夜夜添| 99国产精品免费福利视频| a级毛片黄视频| 亚洲av成人精品一二三区| 亚洲精品一二三| 国语对白做爰xxxⅹ性视频网站| 91aial.com中文字幕在线观看| 夜夜爽夜夜爽视频| 久久国产亚洲av麻豆专区| 这个男人来自地球电影免费观看 | 国产视频首页在线观看| 国产高清不卡午夜福利| 亚洲av综合色区一区| 少妇的逼好多水| 亚洲成色77777| 三级国产精品片| 黑人高潮一二区| 国产成人精品福利久久| 少妇 在线观看| 日韩大片免费观看网站| 成年人免费黄色播放视频| 久久精品夜色国产| 色婷婷av一区二区三区视频| 久久精品国产亚洲av涩爱| 人妻少妇偷人精品九色| 国产成人免费观看mmmm| 九色成人免费人妻av| 视频区图区小说| 涩涩av久久男人的天堂| 日韩强制内射视频| 夫妻性生交免费视频一级片| a级毛色黄片| 中文精品一卡2卡3卡4更新| videosex国产| 日本黄色片子视频| 777米奇影视久久| 久久女婷五月综合色啪小说| 性色av一级|