CN109407087B - 一种目标特征矢量图匹配方法及系统 - Google Patents
一种目标特征矢量图匹配方法及系统 Download PDFInfo
- Publication number
- CN109407087B CN109407087B CN201811502854.4A CN201811502854A CN109407087B CN 109407087 B CN109407087 B CN 109407087B CN 201811502854 A CN201811502854 A CN 201811502854A CN 109407087 B CN109407087 B CN 109407087B
- Authority
- CN
- China
- Prior art keywords
- radar
- target
- infrared
- targets
- coordinate system
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000010586 diagram Methods 0.000 title claims abstract description 38
- 239000013598 vector Substances 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 230000005855 radiation Effects 0.000 claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims description 14
- 230000002093 peripheral effect Effects 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000009897 systematic effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种目标特征矢量图匹配方法及系统,所述方法包括:将雷达中每个雷达目标的跟踪位置转换到红外传感器焦平面坐标系;消除雷达和红外传感器的系统偏差;去除每个雷达目标中的异常目标;提取所述焦平面坐标系下每个雷达目标和红外传感器中每个红外目标的ODT特征信息;根据每个雷达目标和每个红外目标的ODT特征信息得到雷达与红外传感器间目标的特征相关性矩阵;确定每个雷达目标的雷达散射截面积调制周期和每个红外目标的辐射强度调制周期;根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标,本发明可提高目标匹配的正确率。
Description
技术领域
本发明涉及目标特征矢量图匹配技术领域。更具体地,涉及一种目标特征矢量图匹配方法及系统。
背景技术
当雷达和红外传感器对同一目标群进行观测时,为获得更多信息,可将雷达获得的群内目标相对位置、速度、特征、识别标记等信息,即目标特征矢量图(Target ObjectMap,TOM),与红外传感器对目标的探测信息进行融合。在进行信息融合之前,首先要对雷达和红外传感器观测到的目标进行匹配关联,确保目标的同一性。由于传感器视角不同,雷达和红外传感器观测到的目标群具有不同的相互位置关系,但其都是同一目标群在不同视线方向上的投影,在同一参考坐标系下应具有一致的空间分布关系,目前传统的TOM图匹配技术基于这一事实完成对目标同一性的匹配。
在通常情况下,传感器之间存在偏差,雷达和红外测量都存在随机误差和系统偏差,这些耦合在一起的偏差和误差会使雷达TOM图与红外图像之间存在角偏差,增加匹配的难度。除此之外,由于目标群内存在大量目标、因目标密集使得红外传感器未能在角度上分辨所有目标,和雷达与红外传感器特性间差异导致目标失配(即两个传感器观测到的目标数不同)等现象的产生使得雷达和红外传感器间目标的关联匹配更为困难。
传统的TOM图匹配方法主要包括拍卖算法、最近邻方法等。这些方法利用目标之间的相对距离信息进行关联匹配,且在对目标进行关联匹配前还需要消除系统的偏差。当目标数较少时,这类基于距离信息的传统方法表现较好。但当视场内存在大量目标形成多对多指派情况和由于雷达、红外传感器检测性能差异造成目标失配等情况下,传统方法的计算复杂度迅速上升,且匹配正确性迅速下降。基于自适应几何拓扑结构的TOM图匹配方法基于目标群在不同的传感器有着相似的结构信息(拓扑关系)这一事实,避免了系统偏差补偿过程,直接利用目标空间分布的拓扑信息实现目标间的关联匹配,在目标失配情况下,能够提升TOM图匹配正确性,但当目标极为接近时,这种方法也容易出现误匹配的情况。
发明内容
本发明的一个目的在于提供一种目标特征矢量图匹配方法,提高目标匹配的正确率,防止目标失配情况较严重和目标极为接近情况下的目标匹配方法失效。本发明的另一个目的在于提供一种目标特征矢量图匹配系统。
为达到上述目的,本发明采用下述技术方案:
本发明一方面公开了一种目标特征矢量图匹配方法,包括:
将雷达中每个雷达目标的跟踪位置转换到红外传感器焦平面坐标系;
消除雷达和红外传感器的系统偏差;
去除每个雷达目标中的异常目标;
提取所述焦平面坐标系下每个雷达目标和红外传感器中每个红外目标的ODT特征信息;
根据每个雷达目标和每个红外目标的ODT特征信息得到雷达与红外传感器间目标的特征相关性矩阵;
确定每个雷达目标的雷达散射截面积调制周期和每个红外目标的辐射强度调制周期;
根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标。
优选地,所述将雷达中每个雷达目标的跟踪位置转换到红外传感器焦平面坐标系具体包括:
将雷达阵面坐标系每个雷达目标的跟踪位置转换至雷达直角坐标系;
将雷达直角坐标系每个雷达目标的跟踪位置转换至地心直角坐标系;
将地心直角坐标系每个雷达目标的跟踪位置转换至红外传感器直角坐标系;
将红外传感器直角坐标系每个雷达目标的跟踪位置转换至红外传感器视线坐标系;
将红外传感器视线坐标系每个雷达目标的跟踪位置转换至红外传感器焦平面坐标系。
优选地,所述消除雷达和红外传感器的系统偏差具体包括:
根据所述焦平面坐标系中每个雷达目标和每个红外目标的方位角和俯仰角得到每个雷达目标与每个红外目标间的距离偏差;
确定所述距离偏差的中值为雷达和红外传感器间的系统偏差并消除所述系统偏差。
优选地,所述去除异常目标得到待匹配目标具体包括:
根据所述焦平面坐标系中每个雷达目标的方位角和俯仰角以及所述系统偏差确定所有雷达目标中的异常目标并去除所述异常目标。
优选地,所述提取所述焦平面坐标系下每个雷达目标和红外传感器中每个红外目标的ODT特征信息具体包括:
根据预设极坐标距离和角度划分准则划分所述焦平面坐标下的每个雷达目标和每个红外目标的周边区域;
根据划分后的每个雷达目标和每个红外目标的周边区域得到每个雷达目标和每个红外目标的ODT特征矩阵以得到ODT特征信息。
优选地,所述根据每个雷达目标和每个红外目标的ODT特征信息得到雷达与红外传感器间目标的特征相关性矩阵具体包括:
将每个雷达目标和每个红外目标的ODT特征矩阵拉伸为一维ODT特征向量;
将每个雷达目标对应的一维ODT特征向量和每个红外目标对应的一维ODT特征向量分别乘积得到雷达与红外传感器间目标的特征相关性矩阵。
优选地,所述确定每个雷达目标的雷达散射截面积调制周期和每个红外目标的辐射强度调制周期具体包括:
基于雷达的雷达散射截面积时间序列提取每个雷达目标的雷达散射截面积调制周期;
基于红外传感器的红外辐射强度序列提取每个红外目标的红外辐射强度调制周期。
优选地,所述根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标具体包括:
确定所述特征相关性矩阵中的元素的最大值;
确定所述最大值对应的至少一对雷达目标和红外目标;
确定所述至少一对雷达目标和红外目标中相对距离最小的一对雷达目标和红外目标;
校验所述一对雷达目标和红外目标,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标;
针对特征相关性矩阵中对应未匹配的雷达目标和红外目标的元素重复以上步骤直至每个雷达目标或每个红外目标匹配完成。
优选地,所述校验所述一对雷达目标和红外目标,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标具体包括:
校验所述一对雷达目标和红外目标的相对距离;
若校验通过,进一步校验雷达目标的雷达散射截面积调制周期和红外目标的辐射强度调制周期,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标。
本发明还公开了一种目标特征矢量图匹配系统,包括
雷达目标转换单元,用于将雷达中每个雷达目标的跟踪位置转换到红外传感器焦平面坐标系;
系统偏差消除单元,用于消除雷达和红外传感器的系统偏差;
异常目标消除单元,用于去除每个雷达目标中的异常目标;
特征信息提取单元,用于提取所述焦平面坐标系下每个雷达目标和红外传感器中每个红外目标的ODT特征信息;
相关信息提取单元,用于根据每个雷达目标和每个红外目标的ODT特征信息得到雷达与红外传感器间目标的特征相关性矩阵;
调制周期提取单元,用于确定每个雷达目标的雷达散射截面积调制周期和每个红外目标的辐射强度调制周期;
目标匹配确定单元,用于根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标。
本发明的有益效果如下:
本发明拓展了TOM图匹配的信息维度,综合利用目标的RCS调制周期、红外辐射强度调制周期、目标间的相对距离以及目标群的方位-距离拓扑(Orientation-DistanceTopological,ODT)特征进行TOM图匹配。本发明提出的方法可有效提升TOM图匹配性能,提高目标匹配的正确率,解决目标失配情况严重和距离极为接近情况下的误匹配问题。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明目标特征矢量图匹配方法一个具体实施例的流程图之一;
图2示出本发明目标特征矢量图匹配方法一个具体实施例的流程图之二;
图3示出本发明目标特征矢量图匹配方法一个具体实施例的流程图之三;
图4示出本发明目标特征矢量图匹配方法一个具体实施例的流程图之四;
图5示出本发明目标特征矢量图匹配方法一个具体实施例ODT特征矩阵的示意图;
图6示出本发明目标特征矢量图匹配方法一个具体实施例的流程图之五;
图7示出本发明目标特征矢量图匹配方法一个具体实施例的流程图之六;
图8示出本发明目标特征矢量图匹配方法一个具体实施例的流程图之七;
图9示出本发明目标特征矢量图匹配方法一个具体实施例的流程图之八;
图10(a)示出情况1传统拍卖算法得到的雷达目标和红外目标的匹配图;
图10(b)示出情况1传统拍卖算法匹配的正确率;
图10(c)示出情况1本发明TOM图匹配方法得到的雷达目标和红外目标的匹配图;
图10(d)示出情况1本发明TOM图匹配方法的正确率;
图11(a)示出情况2传统拍卖算法得到的雷达目标和红外目标的匹配图;
图11(b)示出情况2传统拍卖算法匹配的正确率;
图11(c)示出情况2本发明TOM图匹配方法得到的雷达目标和红外目标的匹配图;
图11(d)示出情况2本发明TOM图匹配方法的正确率;
图12(a)示出情况3传统拍卖算法得到的雷达目标和红外目标的匹配图;
图12(b)示出情况3传统拍卖算法匹配的正确率;
图12(c)示出情况3本发明TOM图匹配方法得到的雷达目标和红外目标的匹配图;
图12(d)示出情况3本发明TOM图匹配方法的正确率;
图13示出本发明目标特征矢量图匹配系统一个具体实施例的结构图;
图14示出适于用来实现本发明实施例的计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
当目标在空间存在微运动时,其姿态将发生变化,而这使得传感器视线与目标本体之间的角度发生变化,继而导致目标的RCS和红外辐射强度随着目标运动姿态的变化而出现变化。因此,从目标的RCS序列和红外辐射强度序列中,可提取出反映目标微动特征的因子。特别的,目标RCS序列和红外辐射强度序列的调制周期即反映了目标自身的微动周期。同时,由于目标的微动特征是不受传感器自身因素影响的,因而对同一目标而言,基于不同传感器提取得到的微动周期是一致的。因此,基于目标光电特性的变化序列提取的调制特征可用于辅助光电传感器的TOM图匹配,提高关联匹配的正确率。
由此,本实施例公开了一种目标特征矢量图匹配方法。如图1所示,本实施例中,所述方法包括:
S100:将雷达中每个雷达目标的跟踪位置转换到红外传感器焦平面坐标系。
S200:消除雷达和红外传感器的系统偏差。
S300:去除每个雷达目标中的异常目标。
S400:提取所述焦平面坐标系下每个雷达目标和红外传感器中每个红外目标的ODT特征信息。
S500:根据每个雷达目标和每个红外目标的ODT特征信息得到雷达与红外传感器间目标的特征相关性矩阵。
S600:确定每个雷达目标的雷达散射截面积调制周期和每个红外目标的辐射强度调制周期。
S700:根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标。
在优选的实施方式中,如图2所示,所述S100具体可包括:
S110:将雷达阵面坐标系每个雷达目标的跟踪位置转换至雷达直角坐标系。在一个具体例子中,雷达直角坐标系定义如下:坐标原点为雷达站阵面中心,X轴指向正东,Y轴指向正北,Z轴垂直向上。雷达阵面坐标(R,A,E)到雷达直角坐标(xR,yR,zR)的坐标转换公式如下所示:可通过以下公式实现:
S120:将雷达直角坐标系每个雷达目标的跟踪位置转换至地心直角坐标系。在一个具体例子中,设雷达地理站的经纬高为(LR,BR,hR),地心坐标系以地心为原点,则雷达站在地心坐标系下的坐标[Xs,Ys,Zs]T可由式(2)所得:
其中,C=a(1-e2sin2BR)-1/2,a为地球赤道半径,e为地球第一偏心率。
雷达直角坐标(xR,yR,zR)到地心直角坐标(Xe,Ye,Ze)的转换公式为:
其中,TR为旋转矩阵,定义如下:
S130:将地心直角坐标系每个雷达目标的跟踪位置转换至红外传感器直角坐标系。在一个具体例子中,定义红外传感器直角坐标系的原点为红外传感器质心,X轴指向正东,Y轴指向正北,Z轴为该点的重力反方向。红外传感器在某时刻的经纬高为(LK,BK,hK)。则地心直角坐标(Xe,Ye,Ze)到红外传感器直角坐标系下的坐标为:
其中,(X2,Y2,Z2)为红外传感器质心在地心直角坐标系下的坐标,由红外传感器经纬高代入到式(3)中所得,TRC为旋转矩阵,可由把红外传感器经纬高代入到式(4)中求得。
S140:将红外传感器直角坐标系每个雷达目标的跟踪位置转换至红外传感器视线坐标系。在一个具体例子中,定义红外传感器视线坐标系的原点为红外传感器质心,Y轴指向视线方向,Z轴与Y轴垂直,且在包含Y轴与地面法线的平面内,远离地面方向为正方形,X轴与Y轴和Z轴成右手坐标系。红外传感器视线坐标系由红外传感器直角坐标系沿视线方向在红外传感器直角坐标系下的方位角βm和俯仰角εm旋转两次得到。由红外传感器直角坐标系坐标(xK,yK,zK)转换到红外传感器视线坐标系下(xK2,yK2,zK2)坐标的公式为:
其中,旋转矩阵Tm为:
S150:将红外传感器视线坐标系每个雷达目标的跟踪位置转换至红外传感器焦平面坐标系。在一个具体例子中,从红外传感器视线坐标系到红外传感器焦平面坐标系的转换是一个透视投影成像的过程,目标的三维坐标信息经投影后保留了方位与俯仰角度信息。红外传感器视线坐标系下(xK2,yK2,zK2)坐标在焦平面内的方位角βK和俯仰角εK分别为:
在优选的实施方式中,如图3所示,所述S200具体可包括:
S210:根据所述焦平面坐标系中每个雷达目标和每个红外目标的方位角和俯仰角得到每个雷达目标与每个红外目标间的距离偏差。
S220:确定所述距离偏差的中值为雷达和红外传感器间的系统偏差并消除所述系统偏差。
在一个具体例子中,若雷达目标图中共有nA个目标,第i个雷达目标在红外焦平面坐标系下的方位角和俯仰角为和红外目标图中共有nB个目标,第j个红外目标在红外焦平面坐标系下的方位角和俯仰角为和则第i个雷达目标和第j个红外目标的距离偏差为(Δβi,j,Δεi,j),其中:
首先,获取{Δβi,j}(i=1,…,nA,j=1,…,nB)序列中的中值Δβmedian,并设置方位角偏差的波动门限β0;随后,挑出所有满足|Δβm,n-Δβmedian|≤β0的距离偏差(Δβm,n,Δεm,n),并获取序列中的中值Δεmedian。(Δβmedian,Δεmedian)即为雷达和红外传感器之间的系统偏差。
在优选的实施方式中,为避免远超出红外传感器视场范围内的雷达目标对TOM图匹配带来干扰,逐一判定雷达目标是否为异常目标。若为根据红外传感器视场范围判断的异常目标,则剔除该雷达目标的信息,不令其进入后续匹配流程。所述S300具体可包括根据所述焦平面坐标系中每个雷达目标的方位角和俯仰角以及所述系统偏差确定所有雷达目标中的异常目标并去除所述异常目标。
在一个具体例子中,可将超出两倍红外传感器视场范围的雷达目标确定为异常目标,则剔除该雷达目标的信息。具体的,逐一判定第i个雷达目标是否超出两倍的传感器视场范围,若:
则剔除第i个雷达目标的信息,不令其进入后续匹配流程。式(12)中,φ为红外传感器半视场角。
在优选的实施方式中,如图4所示,所述S400具体可包括:
S410:根据预设极坐标距离和角度划分准则划分所述焦平面坐标下的每个雷达目标和每个红外目标的周边区域。
S420:根据划分后的每个雷达目标和每个红外目标的周边区域得到每个雷达目标和每个红外目标的ODT特征矩阵以得到ODT特征信息。
在优选的实施方式中,可预设极坐标距离和角度划分规则,该规则具体可包括:每个目标周边区域划分的距离取值范围(0,ρmax],角度取值范围[0,2π],距离划分数N,角度划分数M。本实施例中ρmax可为红外焦平面坐标系下,两两目标在焦平面坐标系下距离的最大值。
具体的,可以每个雷达目标为原点,以ρmax为半径画圆,接着把每个雷达目标周边区域按极坐标系划分为N×M个部分,其中距离等分为N部分,角度等分为M部分。每个小格子对应一个矩阵元素,因此构成一个N×M的ODT特征矩阵。随后,遍历每一个小格,若小格中存在k个目标,则令雷达目标ODT特征矩阵对应该小格的元素取值为k。图5示出了目标O划分的一个具体例子,图中O、A、B、C、D和E为目标,N取5,M取12对目标O的周边区域进行划分。根据目标O划分后的周边区域的小格子的遍历结果可得到目标O的ODT特征矩阵为
相同原理,对每个红外目标以其为原点建立极坐标系,将每个红外目标极坐标的周边区域按照距离和角度划分为N×M个小格,并遍历所有目标分布信息,提取红外目标图下每个目标的ODT特征矩阵。
在一个具体例子中,每个雷达目标和每个红外目标的ODT特征矩阵可通过以下步骤求得:
1)对雷达目标图中的每一个目标以其为原点建立极坐标系,并定义ODT特征矩阵。
对雷达目标图中的目标在焦平面上以其为原点建立极坐标系,根据距离和角度划分准则将雷达目标i周围的区域划分为若干小格,并建立雷达目标i的ODT特征矩阵MAi。矩阵MAi大小为N×M,其中第i行、第j列的元素对应着区域元素初始值设为0。
2)遍历雷达目标分布信息,提取每个雷达目标的ODT特征。对于雷达目标图中的每一个目标若有其他目标落在以目标i为原点划分的某小格内,则该小格对应的ODT特征矩阵元素加1,遍历所有目标,最终得到每一个目标的ODT特征矩阵MAi(该特征矩阵MAi代表目标i周围其他目标点的拓扑分布)。其中,nA为雷达观测到的目标个数。
3)对红外目标图中的每一个目标以其为原点建立极坐标系,并定义ODT特征矩阵。
4)遍历红外目标分布信息,提取每个红外目标的ODT特征。遍历红外目标分布信息,按照步骤3)中所述方法提取每个红外目标的ODT特征矩阵MBj。
在优选的实施方式中,如图6所示,所述S500具体可包括:
S510:将每个雷达目标和每个红外目标的ODT特征矩阵拉伸为一维ODT特征向量。
S520:将每个雷达目标对应的一维ODT特征向量和每个红外目标对应的一维ODT特征向量分别乘积得到雷达与红外传感器间目标的特征相关性矩阵。
在一个具体例子中,将每个雷达目标和红外目标的ODT特征矩阵拉伸成一维向量,定义矩阵J中第i行第j列元素为第i个雷达目标和第j个红外目标ODT特征矩阵拉伸为一维向量后的逐点乘积之和。具体流程可为:
1)将雷达和红外目标图中的所有目标的ODT特征矩阵MAi和MBj拉伸为1×(N·M)大小的一维ODT特征向量VAi和VBj:
VAi((n-1)N+m)=MAi(n,m),n∈{1,…,N},m∈{1,…,M} (13)
VBj((n-1)N+m)=MBj(n,m),n∈{1,…,N},m∈{1,…,M} (14)
2)获取雷达目标图与红外目标图的ODT特征相关性矩阵JODT
ODT特征相关性矩阵JODT中第i行、第j列的元素为雷达目标i与红外目标j的ODT特征向量相关性参数:
J(i,j)=VAi×VBjT (15)
在优选的实施方式中,如图7所示,所述S600具体可包括:
S610:基于雷达的雷达散射截面积时间序列提取每个雷达目标的雷达散射截面积调制周期。
S620:基于红外传感器的红外辐射强度序列提取每个红外目标的红外辐射强度调制周期。
对各个雷达目标和红外目标,分别基于RCS时间序列和红外辐射强度序列,提取雷达目标的RCS调制周期和红外辐射强度调制周期。记第i个雷达目标的RCS调制周期为Ti A,第j个红外目标的RCS调制周期为Tj B。周期的提取方法可采用自相关函数法或去心法,由于周期提取并非本发明重点,且相关算法比较成熟,本发明中不再赘述。
在优选的实施方式中,如图8所示,所述S700具体可包括:
S710:确定所述特征相关性矩阵中的元素的最大值。
S720:确定所述最大值对应的至少一对雷达目标和红外目标。
S730:确定所述至少一对雷达目标和红外目标中相对距离最小的一对雷达目标和红外目标。
S740:校验所述一对雷达目标和红外目标,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标。
S750:针对特征相关性矩阵中对应未匹配的雷达目标和红外目标的元素重复以上步骤直至每个雷达目标或每个红外目标匹配完成。
在优选的实施方式中,如图9所示,所述S740具体可包括:
S741:校验所述一对雷达目标和红外目标的相对距离。
S742:若校验通过,进一步校验雷达目标的雷达散射截面积调制周期和红外目标的辐射强度调制周期,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标。
在一个具体例子中,寻找雷达目标图与红外目标图ODT相关性矩阵JODT中最大值,其中若矩阵中同时有多个元素的值为最大值,则取对应的雷达目标和红外目标相对距离最小的元素,判断该元素所对应的雷达和红外目标的相对距离和调制周期相对误差是否均满足对应门限。如是,则令该元素对应的雷达和红外目标匹配,并将矩阵JODT中该元素所在行和列中元素值均置为-1;否则将矩阵JODT中该元素的值替换为-1。随后,进行下一次的处理。如此循环迭代,直到矩阵JODT中所有元素的值都为-1,即完成所有雷达目标和红外目标的匹配。
具体流程可为:
11)定义大小为nA×nB的矩阵Dvalid描述雷达和红外传感器观测到的目标之间的分配情况,将其中所有元素置为0。
12)对与雷达根据目标图与红外目标图的ODT相关性矩阵JODT,寻找矩阵元素中的最大值Jmax=max{JODT(i,j)}=JODT(m,n)。
13)寻找ODT相似度值为Jmax的元素中,相对距离dism,n最小的目标对——雷达目标m和红外目标n,其中:
14)判断dism,n是否在门限值以内。如是,则进入步骤5);否则,令J中元素J(m,n)=-1,并转入步骤6)。
15)判断第m个雷达目标与第n个红外目标调制周期相对误差err_Tm.n是否在门限以内。其中,相对误差err_Tm.n定义为:每
式(17)中,c0是为避免分子为0出现非数值解而定义的一个极小常数量,通常可设c0=10-16。如err_Tm.n在门限内,令Dvalid(m,n)=1,并将ODT相似矩阵JODT中第m行和第n列元素全部置为-1;否则,令JODT中元素JODT(m,n)=-1;
16)判断JODT中的元素是否全部为-1。如否,转入步骤2),对剩下的目标重新进行匹配;如是,输出当前匹配关系。
本实施例将雷达目标的坐标转换到红外传感器焦平面坐标系下,基于雷达目标和红外目标的坐标偏差中值进行系统偏差的消除,完成两倍红外传感器视场外的雷达目标剔除,分别提取雷达目标和红外目群的ODT特征,获取雷达目标图与红外目标图的ODT特征相关性矩阵,提取各个雷达目标的RCS调制周期和红外目标的辐射强度序列调制周期,利用目标群的方位-距离拓扑特征相似性对雷达和红外目标进行初匹配,利用雷达和红外目标调制周期的一致性对匹配结果进行复核。
本发明提出的TOM匹配方法可有效提升TOM图匹配的正确性,解决目标失配情况严重和距离极为接近情况下的误匹配问题。图X-图X示出了利用仿真数据,对模型进行检验,并给出雷达与红外传感器在几种不同观测情况下的匹配结果。雷达测量误差3倍偏差为200m,红外传感器位置导航误差3倍偏差为100m,姿态测量误差3倍偏差为0.1°,并设置雷达观测坐标转换到红外传感器焦平面坐标系之后,雷达和红外传感器观测坐标系之间的系统误差在方位角和高低角两个维度均为0.05°。对多种观测情况进行仿真,得到TOM匹配结果如下所示。为方便观察,相同的目标用同一种颜色标记,雷达观测到的目标用“*”标记,红外传感器观测到的目标用“□”标记。
情况1:雷达观测到5个目标,红外传感器观测到5个目标,这5对目标能够完全匹配。由图10(a)-10(d)可见,在雷达和红外传感器能够观测到全部目标信息的情况下,本发明提出的TOM匹配模型和传统只基于距离信息的拍卖算法匹配模型都能达到100%的正确率。
情况2:雷达观测到5个目标,红外传感器观测到3个目标,有3对目标能够完全匹配。
由图11(a)-11(d)可见,在雷达和红外传感器一个能够观测到全部目标信息,而一个只能观测到部分信息的情况下,本发明提出的TOM匹配模型在3124个时间点中只有3个时间点未能做到完全匹配正确,且这3个时间点下仅是有两对目标没有匹配成功,而并未出现误匹配情况,与传统的拍卖算法匹配模型相比,基于多维度信息的匹配算法性能明显更佳。
情况3:雷达观测到3个目标,红外传感器观测到4个目标,其中有2对目标能够匹配。由图12(a)-12(d)可见,在雷达和红外传感器观测到的目标信息有部分重合时,本发明提出的TOM匹配模型与传统的拍卖算法匹配模型相比,基于多维度信息的匹配算法性能明显更佳。
基于相同原理,本实施例还公开了一种目标特征矢量图匹配系统。本实施例中,所述方法包括雷达目标转换单元、系统偏差消除单元、异常目标消除单元、特征信息提取单元、相关信息提取单元、调制周期提取单元和目标匹配确定单元。
其中,所述雷达目标转换单元用于将雷达中每个雷达目标的跟踪位置转换到红外传感器焦平面坐标系。
所述系统偏差消除单元用于消除雷达和红外传感器的系统偏差。
所述异常目标消除单元用于去除每个雷达目标中的异常目标。
所述特征信息提取单元用于提取所述焦平面坐标系下每个雷达目标和红外传感器中每个红外目标的ODT特征信息。
所述相关信息提取单元用于根据每个雷达目标和每个红外目标的ODT特征信息得到雷达与红外传感器间目标的特征相关性矩阵。
所述调制周期提取单元用于确定每个雷达目标的雷达散射截面积调制周期和每个红外目标的辐射强度调制周期。
所述目标匹配确定单元用于根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备,具体的,计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中计算机设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的由客户端执行的方法,或者,所述处理器执行所述程序时实现如上所述的由服务器执行的方法。
下面参考图14,其示出了适于用来实现本申请实施例的计算机设备600的结构示意图。
如图14所示,计算机设备600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603中,还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡,调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口606。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装如存储部分608。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (8)
1.一种目标特征矢量图匹配方法,其特征在于,包括:
将雷达中每个雷达目标的跟踪位置转换到红外传感器焦平面坐标系;
消除雷达和红外传感器的系统偏差;
去除每个雷达目标中的异常目标;
提取所述焦平面坐标系下每个雷达目标和红外传感器中每个红外目标的ODT特征信息;
根据每个雷达目标和每个红外目标的ODT特征信息得到雷达与红外传感器间目标的特征相关性矩阵;
确定每个雷达目标的雷达散射截面积调制周期和每个红外目标的辐射强度调制周期;
根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标;
所述根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标具体包括:
确定所述特征相关性矩阵中的元素的最大值;
确定所述最大值对应的至少一对雷达目标和红外目标;
确定所述至少一对雷达目标和红外目标中相对距离最小的一对雷达目标和红外目标;
校验所述一对雷达目标和红外目标,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标;
针对特征相关性矩阵中对应未匹配的雷达目标和红外目标的元素重复以上步骤直至每个雷达目标或每个红外目标匹配完成;
所述校验所述一对雷达目标和红外目标,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标具体包括:
校验所述一对雷达目标和红外目标的相对距离;
若校验通过,进一步校验雷达目标的雷达散射截面积调制周期和红外目标的辐射强度调制周期,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标。
2.根据权利要求1所述的方法,其特征在于,所述将雷达中每个雷达目标的跟踪位置转换到红外传感器焦平面坐标系具体包括:
将雷达阵面坐标系每个雷达目标的跟踪位置转换至雷达直角坐标系;
将雷达直角坐标系每个雷达目标的跟踪位置转换至地心直角坐标系;
将地心直角坐标系每个雷达目标的跟踪位置转换至红外传感器直角坐标系;
将红外传感器直角坐标系每个雷达目标的跟踪位置转换至红外传感器视线坐标系;
将红外传感器视线坐标系每个雷达目标的跟踪位置转换至红外传感器焦平面坐标系。
3.根据权利要求1所述的方法,其特征在于,所述消除雷达和红外传感器的系统偏差具体包括:
根据所述焦平面坐标系中每个雷达目标和每个红外目标的方位角和俯仰角得到每个雷达目标与每个红外目标间的距离偏差;
确定所述距离偏差的中值为雷达和红外传感器间的系统偏差并消除所述系统偏差。
4.根据权利要求3所述的方法,其特征在于,所述去除每个雷达目标中的异常目标得到待匹配目标具体包括:
根据所述焦平面坐标系中每个雷达目标的方位角和俯仰角以及所述系统偏差确定所有雷达目标中的异常目标并去除所述异常目标。
5.根据权利要求1所述的方法,其特征在于,所述提取所述焦平面坐标系下每个雷达目标和红外传感器中每个红外目标的ODT特征信息具体包括:
根据预设极坐标距离和角度划分准则划分所述焦平面坐标下的每个雷达目标和每个红外目标的周边区域;
根据划分后的每个雷达目标和每个红外目标的周边区域得到每个雷达目标和每个红外目标的ODT特征矩阵以得到ODT特征信息。
6.根据权利要求5所述的方法,其特征在于,所述根据每个雷达目标和每个红外目标的ODT特征信息得到雷达与红外传感器间目标的特征相关性矩阵具体包括:
将每个雷达目标和每个红外目标的ODT特征矩阵拉伸为一维ODT特征向量;
将每个雷达目标对应的一维ODT特征向量和每个红外目标对应的一维ODT特征向量分别乘积得到雷达与红外传感器间目标的特征相关性矩阵。
7.根据权利要求1所述的方法,其特征在于,所述确定每个雷达目标的雷达散射截面积调制周期和每个红外目标的辐射强度调制周期具体包括:
基于雷达的雷达散射截面积时间序列提取每个雷达目标的雷达散射截面积调制周期;
基于红外传感器的红外辐射强度序列提取每个红外目标的红外辐射强度调制周期。
8.一种目标特征矢量图匹配系统,其特征在于,包括
雷达目标转换单元,用于将雷达中每个雷达目标的跟踪位置转换到红外传感器焦平面坐标系;
系统偏差消除单元,用于消除雷达和红外传感器的系统偏差;
异常目标消除单元,用于去除每个雷达目标中的异常目标;
特征信息提取单元,用于提取所述焦平面坐标系下每个雷达目标和红外传感器中每个红外目标的ODT特征信息;
相关信息提取单元,用于根据每个雷达目标和每个红外目标的ODT特征信息得到雷达与红外传感器间目标的特征相关性矩阵;
调制周期提取单元,用于确定每个雷达目标的雷达散射截面积调制周期和每个红外目标的辐射强度调制周期;
目标匹配确定单元,用于根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标;
所述根据每个雷达目标的雷达散射截面积调制周期、每个红外目标的辐射强度调制周期以及每个雷达目标与每个红外目标的特征相关性矩阵匹配雷达目标和红外目标具体包括:
确定所述特征相关性矩阵中的元素的最大值;
确定所述最大值对应的至少一对雷达目标和红外目标;
确定所述至少一对雷达目标和红外目标中相对距离最小的一对雷达目标和红外目标;
校验所述一对雷达目标和红外目标,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标;
针对特征相关性矩阵中对应未匹配的雷达目标和红外目标的元素重复以上步骤直至每个雷达目标或每个红外目标匹配完成;
所述校验所述一对雷达目标和红外目标,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标具体包括:
校验所述一对雷达目标和红外目标的相对距离;
若校验通过,进一步校验雷达目标的雷达散射截面积调制周期和红外目标的辐射强度调制周期,若校验通过,则所述一对雷达目标和红外目标为匹配的雷达目标和红外目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811502854.4A CN109407087B (zh) | 2018-12-10 | 2018-12-10 | 一种目标特征矢量图匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811502854.4A CN109407087B (zh) | 2018-12-10 | 2018-12-10 | 一种目标特征矢量图匹配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109407087A CN109407087A (zh) | 2019-03-01 |
CN109407087B true CN109407087B (zh) | 2023-05-09 |
Family
ID=65458049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811502854.4A Active CN109407087B (zh) | 2018-12-10 | 2018-12-10 | 一种目标特征矢量图匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109407087B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111537956B (zh) * | 2020-04-02 | 2022-09-23 | 北京电子工程总体研究所 | 一种基于实时空情的单雷达责任扇区确定方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6466156B1 (en) * | 1999-02-26 | 2002-10-15 | Totalforsvarets Forskningsinstitut | Method of detecting objects that change with time by means of a SAR radar |
JP2011033344A (ja) * | 2009-07-29 | 2011-02-17 | Mitsubishi Electric Corp | レーダ装置 |
JP2016075615A (ja) * | 2014-10-08 | 2016-05-12 | 三菱電機株式会社 | 目標検出装置 |
CN106204629A (zh) * | 2016-08-17 | 2016-12-07 | 西安电子科技大学 | 天基雷达与红外数据融合在轨动目标检测方法 |
CN107907879A (zh) * | 2017-11-10 | 2018-04-13 | 北京电子工程总体研究所 | 一种基于几何拓扑结构的tom图匹配方法 |
-
2018
- 2018-12-10 CN CN201811502854.4A patent/CN109407087B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6466156B1 (en) * | 1999-02-26 | 2002-10-15 | Totalforsvarets Forskningsinstitut | Method of detecting objects that change with time by means of a SAR radar |
JP2011033344A (ja) * | 2009-07-29 | 2011-02-17 | Mitsubishi Electric Corp | レーダ装置 |
JP2016075615A (ja) * | 2014-10-08 | 2016-05-12 | 三菱電機株式会社 | 目標検出装置 |
CN106204629A (zh) * | 2016-08-17 | 2016-12-07 | 西安电子科技大学 | 天基雷达与红外数据融合在轨动目标检测方法 |
CN107907879A (zh) * | 2017-11-10 | 2018-04-13 | 北京电子工程总体研究所 | 一种基于几何拓扑结构的tom图匹配方法 |
Non-Patent Citations (1)
Title |
---|
基于多特征融合的异类传感器中段目标关联算法研究;肖冠;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315;第18-34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109407087A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112082545B (zh) | 一种基于imu和激光雷达的地图生成方法、装置及系统 | |
CN109215129B (zh) | 一种基于三维点云的局部特征描述方法 | |
US8774508B2 (en) | Local feature amount calculating device, method of calculating local feature amount, corresponding point searching apparatus, and method of searching corresponding point | |
CN105631844A (zh) | 一种摄像机标定方法 | |
CN110211163A (zh) | 一种基于epfh特征的点云匹配算法 | |
CN109117851A (zh) | 一种基于网格统计约束的视频图像匹配方法 | |
Zhu et al. | A robust and fast star identification algorithm based on an ordered set of points pattern | |
CN109407087B (zh) | 一种目标特征矢量图匹配方法及系统 | |
CN110365404B (zh) | 无波前传感自适应系统及利用该系统提高收敛速度的方法 | |
Du et al. | Star identification based on radial triangle mapping Matrix | |
CN112927294B (zh) | 一种基于单敏感器的卫星定轨定姿方法 | |
CN113111706B (zh) | 一种面向方位角连续缺失的sar目标特征解缠与识别方法 | |
CN107907879B (zh) | 一种基于几何拓扑结构的tom图匹配方法 | |
CN111965645B (zh) | 一种顾及几何约束的多基线植被高度反演方法及装置 | |
Chen et al. | Multi-stage matching approach for mobile platform visual imagery | |
Yoon | Autonomous star identification using pattern code | |
CN116699574A (zh) | 用于激光雷达的外参标定方法和装置及机器可读存储介质 | |
Zhang et al. | Improved genetic algorithm for intrinsic parameters estimation of on-orbit space cameras | |
CN113670253B (zh) | 空间目标姿态反演方法、装置、计算设备及存储介质 | |
Somayehee et al. | Uniform Star Catalogue using GWKM Clustering for Application in Star Sensors. | |
CN114545412A (zh) | Isar图像序列等效雷达视线拟合的空间目标姿态估计方法 | |
Chen et al. | A Star Identification Algorithm based on Radial Basis Neural Network | |
Sadat et al. | Star tracking and attitude determination using fuzzy based positional pattern and rotation compensation in Fourier domain | |
CN118052840B (zh) | 一种实时姿态信息计算方法、装置、设备和存储介质 | |
Basaru et al. | HandyDepth: Example-based stereoscopic hand depth estimation using Eigen Leaf Node Features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |