CN109712169A - 基于高光谱的动目标运动轨迹预测方法及自主跟踪方法 - Google Patents
基于高光谱的动目标运动轨迹预测方法及自主跟踪方法 Download PDFInfo
- Publication number
- CN109712169A CN109712169A CN201811357400.2A CN201811357400A CN109712169A CN 109712169 A CN109712169 A CN 109712169A CN 201811357400 A CN201811357400 A CN 201811357400A CN 109712169 A CN109712169 A CN 109712169A
- Authority
- CN
- China
- Prior art keywords
- target
- hyperion
- moving
- motion profile
- possible position
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 230000005856 abnormality Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及基于高光谱的动目标运动轨迹预测方法及自主跟踪方法,轨迹预测方法包括:在轨实时处理器对目标预测区域的高光谱探测数据进行快速高光谱异常检测,根据检测结果确定目标可能位置;根据已经获得的目标可能位置,采用最小二乘曲线法拟合关联目标运动轨迹,剔除虚警目标运动位置,确定当前目标的真实位置;根据已确定的当前目标位置,采用最小二乘曲线法拟合关联目标运动轨迹,根据该目标运动轨迹预测下一时刻目标可能的位置。本发明采用基于高光谱的动目标运动轨迹预测方法,克服了高光谱成像仪在对动目标进行自主跟踪时扫描幅宽及扫描速率不足这一问题,实现了对动目标的自主跟踪测量。
Description
技术领域
本发明涉及高光谱探测技术,具体涉及一种基于高光谱的动目标运动轨迹预测方法及自主跟踪方法。
背景技术
高光谱成像技术是20世纪80年代发展起来的,它在空间对地观测获取目标几何图像的同时在宽谱段范围内获取成百上千个连续精细的光谱,光谱分辨率可达nm级。高光谱成像同时采集目标的几何、辐射及光谱信息,集相机、辐射计和光谱仪功能于一体,形成图像立方体,可以获得地面任意像元的光谱特征曲线,实现对目标的“指纹”识别。利用高光谱探测技术进行动目标探测是一种可能的有效探测手段。
由于高光谱探测具有较高的空间和光谱分辨率,其幅宽往往非常有限,一般在数十公里,且由于进行了光谱细分,曝光时间长,扫描速度不快。而空中动目标具有时敏特征,高光谱探测由于其幅宽不大和扫描不快的特点,不利于对动目标进行自主跟踪探测。
针对空中动目标探测与识别的需求,如何在有限的扫描幅宽及扫描速率条件下,利用高光谱探测技术独特的指纹特征进行动目标的自主跟踪探测识别,是一项迫切需要解决的问题。
发明内容
本发明的目的在于提供一种基于高光谱的动目标运动轨迹预测方法及自主跟踪方法,采用基于高光谱的动目标运动轨迹预测方法,克服了高光谱成像仪在对动目标进行自主跟踪时扫描幅宽及扫描速率不足这一问题,实现了对动目标的自主跟踪测量。
为了达到上述的目的,本发明提供一种基于高光谱的动目标运动轨迹预测方法,其特征在于包括如下步骤:在轨实时处理器对目标预测区域的高光谱探测数据进行快速高光谱异常检测,根据检测结果确定目标可能位置;根据已经获得的目标可能位置拟合关联目标运动轨迹,剔除虚警目标运动位置,确定当前目标的真实位置;根据已确定的当前目标位置拟合关联目标运动轨迹,根据该目标运动轨迹预测下一时刻目标可能的位置。
上述基于高光谱的动目标运动轨迹预测方法中,采用最小二乘曲线法或卡尔曼滤波拟合关联目标运动轨迹。
本发明提供的另一技术方案是一种基于高光谱的动目标自主跟踪方法,包括如下步骤:高光谱成像仪对目标预测区域进行高光谱探测,获取包括背景和目标的高光谱探测数据;高光谱探测数据传输至在轨实时处理器,由在轨实时处理器对目标预测区域进行快速的高光谱异常检测,确认目标位置,并进行目标运动轨迹预测,判断下一时刻目标可能的位置;根据下一时刻目标可能的位置进行姿态机动并将高光谱成像仪视场指向目标预测位置;重复上述步骤,完成对动目标的自主跟踪。
上述基于高光谱的动目标自主跟踪方法中,所述进行目标运动轨迹预测,判断下一时刻目标可能的位置包括:在轨实时处理器根据高光谱异常检测结果确定目标可能位置;根据已经获得的目标可能位置拟合关联目标运动轨迹,剔除虚警目标运动位置,确定当前目标的真实位置;根据已确定的当前目标位置拟合关联目标运动轨迹,根据该目标运动轨迹预测下一时刻目标可能的位置。
上述基于高光谱的动目标自主跟踪方法中,采用最小二乘曲线法或卡尔曼滤波拟合关联目标运动轨迹。
与现有技术相比,本发明的有益技术效果是:
本发明的基于高光谱的动目标运动轨迹预测方法及自主跟踪方法,通过对目标进行轨迹预测,克服了因高光谱成像仪在对动目标跟踪时幅宽和扫描速率不足的问题,实现了高光谱对动目标的自主跟踪测量;
本发明的基于高光谱的动目标运动轨迹预测方法及自主跟踪方法具有一定的通用性,可应用于多类型号动目标的自主跟踪和轨迹预测。
附图说明
本发明的基于高光谱的动目标运动轨迹预测方法及自主跟踪方法由以下的实施例及附图给出。
图1是本发明较佳实施例的基于高光谱的动目标自主跟踪方法的流程图。
图2是发明较佳实施例的基于高光谱的动目标运动轨迹预测方法的流程图。
具体实施方式
以下将结合图1~图2对本发明的基于高光谱的动目标运动轨迹预测方法及自主跟踪方法作进一步的详细描述。
为解决高光谱成像仪在对动目标进行跟踪时幅宽和扫描速率不足的问题,本发明先利用在轨实时处理器对高光谱成像仪的探测数据进行异常点检测,结合目标运动轨迹预测,进行卫星姿态机动,将高光谱成像仪视场指向目标下一时刻可能出现的位置,实现对动目标的自主跟踪。
图1所示为本发明较佳实施例的基于高光谱的动目标自主跟踪方法的流程图。
参见图1,所述基于高光谱的动目标自主跟踪方法包括如下步骤:
S11,高光谱成像仪开机,设备及软件初始化;
S12,高光谱成像仪对目标预测区域进行高光谱探测,获取包括背景和目标的高光谱探测数据;
S13,高光谱探测数据传输至在轨实时处理器,由在轨实时处理器对目标预测区域进行快速的高光谱异常检测,确认目标位置,并进行目标运动轨迹预测,判断下一时刻目标可能的位置;
所述高光谱异常检测可采用现有技术,本实施例对该检测方法不展开详细说明;
S14,根据下一时刻目标可能的位置进行姿态机动并将高光谱成像仪视场指向目标预测位置;
S15,重复步骤S12~步骤S14,完成对动目标的自主跟踪高光谱测量。
图2所示为发明较佳实施例的基于高光谱的动目标运动轨迹预测方法的流程图。
参见图2,本实施例的基于高光谱的动目标运动轨迹预测方法包括如下步骤:
S21,在轨实时处理器软件初始化;
S22,根据高光谱异常检测结果,确定目标可能位置;
S23,根据已经获得的目标可能位置,采用最小二乘曲线法拟合关联目标运动轨迹,剔除虚警目标运动位置,确定当前目标的真实位置;
S24,根据已确定的当前目标位置,采用最小二乘曲线法拟合关联目标运动轨迹,根据该目标运动轨迹预测下一时刻目标可能的位置。
重复步骤S22~步骤S24,可不断地进行下一时刻目标可能的位置的预测。
获取关联目标运动轨迹还可采用卡尔曼滤波等。
动目标运动轨迹预测由在轨实时处理器完成。
Claims (5)
1.基于高光谱的动目标运动轨迹预测方法,其特征在于,包括如下步骤:
在轨实时处理器对目标预测区域的高光谱探测数据进行快速高光谱异常检测,根据检测结果确定目标可能位置;
根据已经获得的目标可能位置拟合关联目标运动轨迹,剔除虚警目标运动位置,确定当前目标的真实位置;
根据已确定的当前目标位置拟合关联目标运动轨迹,根据该目标运动轨迹预测下一时刻目标可能的位置。
2.如权利要求1的基于高光谱的动目标运动轨迹预测方法,其特征在于,采用最小二乘曲线法或卡尔曼滤波拟合关联目标运动轨迹。
3.基于高光谱的动目标自主跟踪方法,其特征在于,包括如下步骤:
高光谱成像仪对目标预测区域进行高光谱探测,获取包括背景和目标的高光谱探测数据;
高光谱探测数据传输至在轨实时处理器,由在轨实时处理器对目标预测区域进行快速的高光谱异常检测,确认目标位置,并进行目标运动轨迹预测,判断下一时刻目标可能的位置;
根据下一时刻目标可能的位置进行姿态机动并将高光谱成像仪视场指向目标预测位置;
重复上述步骤,完成对动目标的自主跟踪。
4.如权利要求3的基于高光谱的动目标自主跟踪方法,其特征在于,所述进行目标运动轨迹预测,判断下一时刻目标可能的位置包括:
在轨实时处理器根据高光谱异常检测结果确定目标可能位置;
根据已经获得的目标可能位置拟合关联目标运动轨迹,剔除虚警目标运动位置,确定当前目标的真实位置;
根据已确定的当前目标位置拟合关联目标运动轨迹,根据该目标运动轨迹预测下一时刻目标可能的位置。
5.如权利要求4的基于高光谱的动目标自主跟踪方法,其特征在于,采用最小二乘曲线法或卡尔曼滤波拟合关联目标运动轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811357400.2A CN109712169A (zh) | 2018-11-15 | 2018-11-15 | 基于高光谱的动目标运动轨迹预测方法及自主跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811357400.2A CN109712169A (zh) | 2018-11-15 | 2018-11-15 | 基于高光谱的动目标运动轨迹预测方法及自主跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109712169A true CN109712169A (zh) | 2019-05-03 |
Family
ID=66254801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811357400.2A Pending CN109712169A (zh) | 2018-11-15 | 2018-11-15 | 基于高光谱的动目标运动轨迹预测方法及自主跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109712169A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458089A (zh) * | 2019-08-08 | 2019-11-15 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于高低轨光学卫星观测的海上目标关联系统及方法 |
CN112686921A (zh) * | 2021-01-08 | 2021-04-20 | 西安羚控电子科技有限公司 | 一种基于轨迹特征的多干扰无人机检测跟踪方法 |
CN113139331A (zh) * | 2021-03-29 | 2021-07-20 | 西北工业大学 | 一种基于贝叶斯网络的空空导弹态势感知与决策方法 |
CN115877328A (zh) * | 2023-03-06 | 2023-03-31 | 成都鹰谷米特科技有限公司 | 一种阵列雷达的信号收发方法及阵列雷达 |
CN118072484A (zh) * | 2024-04-19 | 2024-05-24 | 河北久维电子科技有限公司 | 一种预警处理方法及变电站智能监控系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266710A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于规则的全天候智能视频分析监控方法 |
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
US20110116684A1 (en) * | 2007-12-21 | 2011-05-19 | Coffman Thayne R | System and method for visually tracking with occlusions |
CN103901432A (zh) * | 2012-12-25 | 2014-07-02 | 中国科学院声学研究所 | 一种多观测节点下非合作目标的轨迹跟踪方法及系统 |
US20140314272A1 (en) * | 2013-04-19 | 2014-10-23 | Ge Aviation Systems Llc | Method of tracking objects using hyperspectral imagery |
CN105067115A (zh) * | 2015-07-15 | 2015-11-18 | 中国科学院长春光学精密机械与物理研究所 | 利用狭缝型成像光谱仪进行地基对月观测的方法 |
CN105654516A (zh) * | 2016-02-18 | 2016-06-08 | 西北工业大学 | 基于目标显著性的卫星图像对地面弱小运动目标检测方法 |
CN106023244A (zh) * | 2016-04-13 | 2016-10-12 | 南京邮电大学 | 基于最小二乘法轨迹预测及智能避障模型的行人跟踪方法 |
CN107169989A (zh) * | 2017-04-17 | 2017-09-15 | 南京邮电大学 | 一种基于数据关联与轨迹评估的多目标跟踪方法 |
CN107273530A (zh) * | 2017-06-28 | 2017-10-20 | 南京理工大学 | 基于互联网信息的重要船只目标动态监测方法 |
CN108198228A (zh) * | 2017-12-29 | 2018-06-22 | 华中科技大学 | 一种天基红外高光谱图像智能压缩方法 |
CN108734103A (zh) * | 2018-04-20 | 2018-11-02 | 复旦大学 | 卫星视频中运动目标的检测与跟踪方法 |
-
2018
- 2018-11-15 CN CN201811357400.2A patent/CN109712169A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266710A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于规则的全天候智能视频分析监控方法 |
US20110116684A1 (en) * | 2007-12-21 | 2011-05-19 | Coffman Thayne R | System and method for visually tracking with occlusions |
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
CN103901432A (zh) * | 2012-12-25 | 2014-07-02 | 中国科学院声学研究所 | 一种多观测节点下非合作目标的轨迹跟踪方法及系统 |
US20140314272A1 (en) * | 2013-04-19 | 2014-10-23 | Ge Aviation Systems Llc | Method of tracking objects using hyperspectral imagery |
CN105067115A (zh) * | 2015-07-15 | 2015-11-18 | 中国科学院长春光学精密机械与物理研究所 | 利用狭缝型成像光谱仪进行地基对月观测的方法 |
CN105654516A (zh) * | 2016-02-18 | 2016-06-08 | 西北工业大学 | 基于目标显著性的卫星图像对地面弱小运动目标检测方法 |
CN106023244A (zh) * | 2016-04-13 | 2016-10-12 | 南京邮电大学 | 基于最小二乘法轨迹预测及智能避障模型的行人跟踪方法 |
CN107169989A (zh) * | 2017-04-17 | 2017-09-15 | 南京邮电大学 | 一种基于数据关联与轨迹评估的多目标跟踪方法 |
CN107273530A (zh) * | 2017-06-28 | 2017-10-20 | 南京理工大学 | 基于互联网信息的重要船只目标动态监测方法 |
CN108198228A (zh) * | 2017-12-29 | 2018-06-22 | 华中科技大学 | 一种天基红外高光谱图像智能压缩方法 |
CN108734103A (zh) * | 2018-04-20 | 2018-11-02 | 复旦大学 | 卫星视频中运动目标的检测与跟踪方法 |
Non-Patent Citations (1)
Title |
---|
张国亮: ""红外多光谱多个弱小运动目标的检测与跟踪技术研究"", 《中国博士学位论文全文数据库 (信息科技辑)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458089A (zh) * | 2019-08-08 | 2019-11-15 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于高低轨光学卫星观测的海上目标关联系统及方法 |
CN112686921A (zh) * | 2021-01-08 | 2021-04-20 | 西安羚控电子科技有限公司 | 一种基于轨迹特征的多干扰无人机检测跟踪方法 |
CN112686921B (zh) * | 2021-01-08 | 2023-12-01 | 西安羚控电子科技有限公司 | 一种基于轨迹特征的多干扰无人机检测跟踪方法 |
CN113139331A (zh) * | 2021-03-29 | 2021-07-20 | 西北工业大学 | 一种基于贝叶斯网络的空空导弹态势感知与决策方法 |
CN115877328A (zh) * | 2023-03-06 | 2023-03-31 | 成都鹰谷米特科技有限公司 | 一种阵列雷达的信号收发方法及阵列雷达 |
CN118072484A (zh) * | 2024-04-19 | 2024-05-24 | 河北久维电子科技有限公司 | 一种预警处理方法及变电站智能监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109712169A (zh) | 基于高光谱的动目标运动轨迹预测方法及自主跟踪方法 | |
US10395113B2 (en) | Polarization-based detection and mapping method and system | |
Hammer et al. | Lidar-based detection and tracking of small UAVs | |
Navia et al. | Multispectral mapping in agriculture: Terrain mosaic using an autonomous quadcopter UAV | |
RU2596246C2 (ru) | Система наблюдения и способ обнаружения засорения или повреждения аэродрома посторонними предметами | |
US7026600B2 (en) | System and method of identifying an object in a laser beam illuminated scene based on material types | |
US20150134152A1 (en) | Integrated remote aerial sensing system | |
JP2014512591A (ja) | 画像処理 | |
CN114637023A (zh) | 用于激光深度图取样的系统及方法 | |
US10877143B2 (en) | Method and device for geo-referencing aerial image data with the aid of SAR image data | |
Hammer et al. | UAV detection, tracking, and classification by sensor fusion of a 360 lidar system and an alignable classification sensor | |
US20180033124A1 (en) | Method and apparatus for radiometric calibration and mosaicking of aerial images | |
Sheu et al. | Dual-axis rotary platform with UAV image recognition and tracking | |
Briese et al. | Vision-based detection of non-cooperative UAVs using frame differencing and temporal filter | |
Szabó et al. | Zooming on aerial survey | |
AU2018230648A1 (en) | Polarization-based detection and mapping method and system | |
Gowravaram et al. | UAS-based multispectral remote sensing and NDVI calculation for post disaster assessment | |
JP2016166802A (ja) | 位置検出システム、位置検出装置、および位置検出方法 | |
Premachandra et al. | UWB radar SLAM: An anchorless approach in vision denied indoor environments | |
Müller et al. | Drone detection, recognition, and assistance system for counter-UAV with VIS, radar, and radio sensors | |
KR101688642B1 (ko) | 무인기 영상기반 자동 착륙을 위한 마커 인식 장치 및 방법 | |
Laurenzis et al. | Tracking and prediction of small unmanned aerial vehicles' flight behavior and three-dimensional flight path from laser gated viewing images | |
KR102317104B1 (ko) | 탐지제외영역 설정에 의한 이물질 탐지정확도 향상방법 | |
Uzkent et al. | Efficient integration of spectral features for vehicle tracking utilizing an adaptive sensor | |
Fischer et al. | An Evolutionary Algorithm for fast intensity based image matching between optical and SAR imagery |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |
|
RJ01 | Rejection of invention patent application after publication |