CN105403884A - 一种三维近场扫描系统的数据量化方法 - Google Patents
一种三维近场扫描系统的数据量化方法 Download PDFInfo
- Publication number
- CN105403884A CN105403884A CN201510885846.2A CN201510885846A CN105403884A CN 105403884 A CN105403884 A CN 105403884A CN 201510885846 A CN201510885846 A CN 201510885846A CN 105403884 A CN105403884 A CN 105403884A
- Authority
- CN
- China
- Prior art keywords
- radar
- subpoint
- dimension
- distance
- max
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种三维近场扫描系统的数据量化方法,通过在距离维求取数据模值最大值的方式完成了三维数据到二维的投影变换,结合投影点与雷达的距离信息,将数据进行加权,并通过直方图统计的方法求取阈值上限和下限,将加权后的数据进行图像线性量化,真实的表征出了目标的特征信息,便于后续的图像处理和目标特征提取。
Description
技术领域
本发明涉及雷达技术领域,特别涉及一种三维近场扫描系统的数据量化方法。
背景技术
随着技术的飞速发展,雷达探测模式从之前的一维单脉冲测距模式逐渐发展到二维的测距测角、合成孔径雷达成像(SAR)等模式,以及三维不仅具有测距测角还具备测高功能的诸如干涉SAR、圆柱SAR之类的新模式。为了满足日益旺盛的民用和军用需求,雷达的探测精度越来越高,成像水平已接近于光学水平,雷达处理的场景维数也由之前的一维、二维提高到了更复杂的三维。
传统的雷达数据量化方法都是在一维或二维中进行的,通常涉及到高度维信息,且量化方法比较单一,极少综合考虑场景以及目标的具体特性,无法真实表征实际的目标信息,不利于后续的图像处理工作。
发明内容
为解决上述技术问题,本发明提供了一种三维近场扫描系统的数据量化方法。本发明将目标各部分与雷达的距离信息纳入考虑范围,对数据进行权值加权,并结合直方图分布求取量化阈值的上限和下限,对数据进行图像线性量化,使得量化后的图像更真实的反应目标的特征信息,便于后续的图像处理工作。
根据本发明的一个方面,提供一种三维近场扫描系统的数据量化方法,所述方法包括如下步骤:
步骤1:进行三维数据到二维的投影变换,并记录投影点的模值和位置;
步骤2:计算投影点的位置到雷达的距离;
步骤3:用投影点的位置到雷达的距离对投影点的模值进行加权;
步骤4:对加权后的模值进行直方图统计;
步骤5:根据直方图分布,计算图像量化的阈值的上限和下限;
步骤6:利用图像量化的阈值的上限和下限,对加权后的模值进行图像线性量化。
进一步地,所述步骤1具体为:
在三维近场扫描系统中,雷达阵列在伺服传动装置的传动下对目标进行多角度扫描,每间隔一个固定的角度对目标进行一次扫描采样;在每个采样角度,雷达阵列的多通道依次对目标进行从顶部到底部的扫描,从而采样数据不仅具有了雷达固有的距离维信息,也具有了高度维的信息;因此多角度完成对目标的扫描后,采集的数据是具有距离维、方位维、高度维信息的三维数据;在雷达成像技术中,采用波数域算法对三维近场扫描系统的采样数据进行三维脉冲压缩相当于完成了能量聚焦的过程;三维脉冲压缩完的数据为了便于二维图像输出,还需要进行三维到二维的投影;选取在距离维上进行投影变换,即选取距离维的模值最大值点作为投影点,并记录模值和位置。
进一步地,所述步骤2采用如下方法实现:
由于目标各部分与其对应的雷达距离远近不同,导致反射的能量不能体现目标各部分的真实反射特性,因此需要加入距离因素,对投影点的模值进行加权;投影点的位置与雷达的距离的计算方法为:设投影点的位置为(a,b),其中,a是投影点距离维的位置,b是投影点方位维的位置,雷达的位置为(c,d),其中,c是雷达距离维的位置,d是雷达方位维的位置,故两者间的距离为
进一步地,所述步骤3采用如下方法实现:
根据雷达方程,用投影点的位置与雷达的距离r对投影点的模值p_max进行如下加权:
p_max*r4,即投影点离雷达越近,相应的权值越小。
进一步地,所述步骤4采用如下方法实现:
将加权后的值p_max*r4在方位-高度维进行直方图统计;具体方法如下:
(1)求出所有的加权后的值p_max*r4中的最大值q_max
(2)设定直方图划分的份数N,将每个加权后的值p_max*r4通过运算进行归类,其中为向下取整操作。
进一步地,所述步骤5采用如下方法实现:
根据统计出来的直方图服从卡方分布,设定大数比例poss_up和小数比例poss_down,来求取图像量化的阈值上限p_up和下限p_down,具体为:
p_up=poss_up*q_max
p_down=poss_down*q_max
其中,q_max为所有的加权后的值p_max*r4中的最大值。
进一步地,所述步骤6采用如下方法实现:
利用阈值上限和下限,对加权后的投影点模值p_max*r4在图像量化区间[0,255]上进行线性量化,具体的量化方式为:
有益效果:
本发明提供一种三维近场扫描系统的数据量化方法,通过在距离求取数据模值最大值的方式完成了三维数据到二维的投影变换,结合投影点与雷达的距离信息,将数据进行加权,并通过直方图统计的方法求取阈值上限和下限,将加权后的数据进行图像线性量化,真实的表征出了目标的特征信息,便于后续的图像处理和目标特征提取。
附图说明
图1为本发明的三维近场扫描系统的数据量化方法处理流程示意图
图2为三维近场扫描系统俯视图
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作详细描述。
本发明通过距离维的求取模值最大值完成将三维数据到二维的投影变换,再结合目标各部分与雷达的距离信息,对二维的数据进行加权,更真实体现目标的特征信息,最后通过直方图分布来求取量化阈值的上限和下限,完成数据的图像量化。
具体实施步骤如下:
步骤1:进行三维数据到二维的投影变换,并记录投影点的模值和位置。
具体描述如下:在三维近场扫描系统中,雷达阵列在伺服传动装置的传动下对目标进行多角度扫描(图2所示),一般每间隔一固定的角度(如1度)对目标进行一次扫描采样。在每个采样角度,雷达阵列的多通道依次对目标进行从顶部到底部的扫描,因此采样数据不仅具有了雷达固有的距离维信息,也具有了高度维的信息,从而多角度完成对目标的扫描后,采集的数据是具有距离维、方位维、高度维信息的三维数据。
在雷达成像技术中,采用波数域算法对三维近场扫描系统的采样数据进行三维脉冲压缩相当于完成了能量聚焦的过程,还需要对脉冲压缩完的数据进行图像量化输出二维图片等后处理工作,才能满足系统的后续使用。
三维脉冲压缩完的数据为了便于二维图像输出,还需要进行三维到二维的投影。通常选取在距离维上进行投影变换,即选取距离维的模值最大值点作为投影点,并记录模值和位置。
步骤2:计算投影点的位置与雷达的距离。
由于目标各部分与其对应的雷达距离远近不同,导致反射的能量不能体现目标各部分的真实反射特性,因此需要加入距离因素,对投影点的模值进行加权。投影点的位置与雷达的距离的计算方法为:设投影点的位置为(a,b)(a是投影点距离维的位置,b是投影点方位维的位置),雷达的位置为(c,d)(c是雷达距离维的位置,d是雷达方位维的位置),故两者间的距离为
步骤3:将投影点的位置与雷达的距离和投影点的模值进行加权;
根据雷达方程,将投影点的位置与雷达的距离r和投影点的模值p_max进行如下加权:
p_max*r4,即投影点离雷达越近,相应的权值越小。其中,*为乘法运算符号。
步骤4:对加权后的模值进行直方图统计;
将加权后的值p_max*r4在方位-高度维进行直方图统计。具体方法如下:
(1)求出所有的这些p_max*r4中的最大值q_max
(2)设定直方图划分的份数N,将每个p_max*r4通过运算进行归类,其中为向下取整操作。例如,可通过上述方法将0到10000归类到0到255。
步骤5:根据直方图分布,计算阈值上限和下限;
根据统计出来的直方图一般服从卡方分布,设定大数比例poss_up和小数比例poss_down,来求取图像量化的阈值上限p_up=poss_up*q_max和下限p_down=poss_down*q_max。
步骤6:利用阈值的上限和下限,对加权后的模值进行图像线性量化。
利用阈值上限和下限,对加权后的投影点模值p_max*r4在图像量化区间[0,255]进行线性量化,量化方式为:
通过上述具体实施方式可知,本发明提供了一种三维近场扫描系统的数据量化方法,通过在距离求取数据模值最大值的方式完成了三维数据到二维的投影变换,结合投影点与雷达的距离信息,将数据进行加权,并通过直方图统计的方法求取阈值上限和下限,将加权后的数据进行图像线性量化,真实的表征出了目标的特征信息,便于后续的图像处理和目标特征提取。
上述具体的实施方式仅用于解释和说明本发明的技术方案,并不能作为对权利要求保护范围的限定。本领域技术人员应当清楚,在本发明的技术方案的基础上进行任何简单的替换、变形而得到的新的技术方案,均将落入本发明的保护范围之内。
Claims (7)
1.一种三维近场扫描系统的数据量化方法,其特征在于,所述方法包括如下步骤:
步骤1:进行三维数据到二维的投影变换,并记录投影点的模值和位置;
步骤2:计算投影点的位置到雷达的距离;
步骤3:用投影点的位置到雷达的距离对投影点的模值进行加权;
步骤4:对加权后的模值进行直方图统计;
步骤5:根据直方图分布,计算图像量化的阈值的上限和下限;
步骤6:利用图像量化的阈值的上限和下限,对加权后的模值进行图像线性量化。
2.如权利要求1所述的方法,其特征在于,所述步骤1具体为:
在三维近场扫描系统中,雷达阵列在伺服传动装置的传动下对目标进行多角度扫描,每间隔一个固定的角度对目标进行一次扫描采样;在每个采样角度,雷达阵列的多通道依次对目标进行从顶部到底部的扫描,从而采样数据不仅具有了雷达固有的距离维信息,也具有了高度维的信息;因此多角度完成对目标的扫描后,采集的数据是具有距离维、方位维、高度维信息的三维数据。在雷达成像技术中,采用波数域算法对三维近场扫描系统的采样数据进行三维脉冲压缩相当于完成了能量聚焦的过程;三维脉冲压缩完的数据为了便于二维图像输出,还需要进行三维到二维的投影;选取在距离维上进行投影变换,即选取距离维的模值最大值点作为投影点,并记录模值和位置。
3.如权利要求1所述的方法,其特征在于,所述步骤2采用如下方法实现:
由于目标各部分与其对应的雷达距离远近不同,导致反射的能量不能体现目标各部分的真实反射特性,因此需要加入距离因素,对投影点的模值进行加权;投影点的位置与雷达的距离的计算方法为:设投影点的位置为(a,b),其中,a是投影点距离维的位置,b是投影点方位维的位置,雷达的位置为(c,d),其中,c是雷达距离维的位置,d是雷达方位维的位置,故两者间的距离为
4.如权利要求1所述的方法,其特征在于,所述步骤3采用如下方法实现:
根据雷达方程,用投影点的位置与雷达的距离r对投影点的模值p_max进行如下加权:
p_max*r4,即投影点离雷达越近,相应的权值越小。
5.如权利要求1所述的方法,其特征在于,所述步骤4采用如下方法实现:
将加权后的值p_max*r4在方位-高度维进行直方图统计;具体方法如下:
(1)求出所有的加权后的值p_max*r4中的最大值q_max
(2)设定直方图划分的份数N,将每个加权后的值p_max*r4通过运算进行归类,其中为向下取整操作。
6.如权利要求1-5中任一项所述的方法,其特征在于,所述步骤5采用如下方法实现:
根据统计出来的直方图服从卡方分布,设定大数比例poss_up和小数比例poss_down,来求取图像量化的阈值上限p_up和下限p_down,具体为:
p_up=poss_up*q_max
p_down=poss_down*q_max
其中,q_max为所有的加权后的值p_max*r4中的最大值。
7.如权利要求1-6中任一项所述的方法,其特征在于,所述步骤6采用如下方法实现:
利用阈值上限和下限,对加权后的投影点模值p_max*r4在图像量化区间[0,255]上进行线性量化,具体的量化方式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885846.2A CN105403884B (zh) | 2015-12-04 | 2015-12-04 | 一种三维近场扫描系统的数据量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885846.2A CN105403884B (zh) | 2015-12-04 | 2015-12-04 | 一种三维近场扫描系统的数据量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105403884A true CN105403884A (zh) | 2016-03-16 |
CN105403884B CN105403884B (zh) | 2017-12-15 |
Family
ID=55469484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510885846.2A Active CN105403884B (zh) | 2015-12-04 | 2015-12-04 | 一种三维近场扫描系统的数据量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105403884B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124614A (zh) * | 2017-04-20 | 2017-09-01 | 华东师范大学 | 一种具有超高压缩比的图像数据压缩方法 |
CN107741584A (zh) * | 2017-09-28 | 2018-02-27 | 北京华航无线电测量研究所 | 一种多视角三维图像显示方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976359A (zh) * | 2010-09-26 | 2011-02-16 | 浙江大学 | 一种三维人脸的特征点自动定位的方法 |
CN102609979A (zh) * | 2012-01-17 | 2012-07-25 | 北京工业大学 | 一种基于傅里叶梅林域的二维三维图像配准方法 |
CN102663087A (zh) * | 2012-04-09 | 2012-09-12 | 北京邮电大学 | 基于拓扑和视觉特征的三维模型检索方法 |
US20120263346A1 (en) * | 2011-04-13 | 2012-10-18 | International Business Machines Corporation | Video-based detection of multiple object types under varying poses |
CN104751511A (zh) * | 2013-12-30 | 2015-07-01 | 北京师范大学 | 一种三维场景构建方法和装置 |
-
2015
- 2015-12-04 CN CN201510885846.2A patent/CN105403884B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976359A (zh) * | 2010-09-26 | 2011-02-16 | 浙江大学 | 一种三维人脸的特征点自动定位的方法 |
US20120263346A1 (en) * | 2011-04-13 | 2012-10-18 | International Business Machines Corporation | Video-based detection of multiple object types under varying poses |
CN102609979A (zh) * | 2012-01-17 | 2012-07-25 | 北京工业大学 | 一种基于傅里叶梅林域的二维三维图像配准方法 |
CN102663087A (zh) * | 2012-04-09 | 2012-09-12 | 北京邮电大学 | 基于拓扑和视觉特征的三维模型检索方法 |
CN104751511A (zh) * | 2013-12-30 | 2015-07-01 | 北京师范大学 | 一种三维场景构建方法和装置 |
Non-Patent Citations (4)
Title |
---|
张臻: "基于压缩感知的图像编解码方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
李运锋: "SAR成像算法及技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
林昌禄: "卫星天线测量的近场扫描技术", 《系统工程与电子技术》 * |
郭凯 等: "三维曲面的特征描述和特征匹配", 《微计算机信息》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124614A (zh) * | 2017-04-20 | 2017-09-01 | 华东师范大学 | 一种具有超高压缩比的图像数据压缩方法 |
CN107124614B (zh) * | 2017-04-20 | 2019-12-13 | 华东师范大学 | 一种具有超高压缩比的图像数据压缩方法 |
CN107741584A (zh) * | 2017-09-28 | 2018-02-27 | 北京华航无线电测量研究所 | 一种多视角三维图像显示方法 |
CN107741584B (zh) * | 2017-09-28 | 2019-10-22 | 北京华航无线电测量研究所 | 一种多视角三维图像显示方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105403884B (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11556745B2 (en) | System and method for ordered representation and feature extraction for point clouds obtained by detection and ranging sensor | |
CN101988963B (zh) | 利用风廓线雷达获取三维风场的方法 | |
CN108872985B (zh) | 一种近场圆周sar快速三维成像方法 | |
CN102998664B (zh) | 一种基于合成孔径雷达的水华识别方法及装置 | |
CN109116356B (zh) | 基于低比特量化数据的合成孔径雷达运动目标成像方法 | |
CN103679167A (zh) | 一种ccd图像处理的方法 | |
CN113341396A (zh) | 机器人及其充电桩识别方法和装置 | |
CN103425990B (zh) | 一种基于纹理特征的合成孔径声纳目标检测方法 | |
CN103106660A (zh) | 基于对比敏感度特性的sar图像质量评价方法 | |
CN114511682B (zh) | 一种基于激光雷达的三维场景重建方法、装置及电子设备 | |
Wang et al. | Classification of space micromotion targets with similar shapes at low SNR | |
CN105403884A (zh) | 一种三维近场扫描系统的数据量化方法 | |
CN110412609B (zh) | 一种多脉冲激光雷达目标检测方法 | |
CN113537120B (zh) | 基于复数坐标注意力的复数卷积神经网络的目标识别方法 | |
CN113627283A (zh) | 基于雷达回波信号的料面测量方法、终端设备及存储介质 | |
CN111862208B (zh) | 一种基于屏幕光通信的车辆定位方法、装置及服务器 | |
CN105139432A (zh) | 基于高斯模型的红外弱小目标图像仿真方法 | |
CN116097123A (zh) | 针对静止对象的成像雷达超分辨率 | |
CN113378920A (zh) | 一种面向低分辨率雷达的舰船分类识别方法 | |
CN110929811A (zh) | 一种获取全波形激光雷达高分辨率数据的深度学习方法 | |
CN102506815A (zh) | 基于图像识别的多目标跟踪与被动距离测量装置 | |
CN104732190B (zh) | 一种基于正交纹理相关分析的合成孔径声纳目标检测方法 | |
CN110309793A (zh) | 一种基于图像比特分层解译的sar目标识别方法 | |
CN113895482B (zh) | 基于轨旁设备的列车测速方法及装置 | |
CN112950708B (zh) | 一种定位方法、定位装置及机器人 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190509 Address after: 100013 No. 3 Pingli South Street, Dongcheng District, Beijing Patentee after: Beijing Huahang Haiying New Technology Development Co.,Ltd. Address before: 100013 No. 3 Pingli South Street, Dongcheng District, Beijing Patentee before: Beijing Huahang Radio Measurement Research Institute |
|
TR01 | Transfer of patent right |