CN110596728A

CN110596728A - 一种基于激光雷达的水面小目标探测方法

Info

Publication number: CN110596728A
Application number: CN201910868521.1A
Authority: CN
Inventors: 王文光
Original assignee: Beijing University of Aeronautics and Astronautics
Current assignee: Beihang University; Beijing University of Aeronautics and Astronautics
Priority date: 2019-09-16
Filing date: 2019-09-16
Publication date: 2019-12-20

Abstract

本发明公开了一种基于激光雷达的水面小目标探测方法，针对水上搜救、水面漂浮物清理、水上养殖和捕捞设施检测、无人艇水面避障等应用中水面目标难以准确检测的问题，给出了一种利用激光雷达进行目标探测的方法。由于激光雷达的稀疏扫描特性，单帧数据难以给出稳定的检测结果，本发明所给出的水面小目标检测方法利用了多帧数据的积累，在多帧积累的基础上进行目标检测，提高了目标检测的稳定性，并且也提高了所提取的目标信息的可靠性。

Description

一种基于激光雷达的水面小目标探测方法

技术领域：

本发明给出了一种利用激光雷达探测水面小目标的方法，属于水上目标探测领域。

背景技术：

本专利中的水面小目标主要指漂浮于水面上，具有较小的体积的目标，是水上搜救、水面污染物及水面垃圾清理、非法捕捞设施检测等所面对的主要对象。对于水面目标的探测，常用的传感器包括了可见光传感器、红外传感器、雷达等，这些传感器在水上搜救、自主航行避障、水上交通监视、打击走私等诸多反面都有广泛的应用。其中可见光传感器成本低廉，也具有较远的探测距离，但由于受到光照等因素的影响，在浓雾、夜晚、强光等场景下难以提供有效的水面信息；红外传感器依赖于物体与背景间的温度差异来区分目标与背景以及不同的目标类型，对于水面小目标，当其温度与水温接近时，用红外传感器难以有效区分，另外，红外传感器所成的图像分辨率较低，对于水面小目标，难以形成稳定的检测；大型远距离探测雷达虽然具有很远的探测距离，也可以达到很高的距离分辨率，但当安装位置很低时，小的雷达擦地角会导致很强的水面杂波干扰，对于水上小目标的探测仍然是难点问题。激光雷达具有测距精度高、全天时工作等优点，随着3D激光技术的不断发展，基于激光雷达的水上小目标探测变得可行。

目前的水上小目标探测主要基于图像处理的方法，利用目标与水面背景在回波强度、颜色、纹理等方面的差异，进行漂浮物的检测，受环境因素的影响严重，难以实现全天候检测。人为搜索仍然是主要的水上目标检测手段，总体上的检测效果不高，尤其是在水上搜救方面，效率亟待提高。

激光雷达的应用，以及与激光雷达数据相对应的水面弱小目标检测方法的开发和应用，将明显提高水面小目标的检测和识别性能。

发明内容：

1、要解决的技术问题

本发明的目的在于利用水面对于激光雷达具有很低的反射，而与水面相比，水面漂浮物体具有高的反射的特性。通过两者对激光的反射差异，克服水面杂波对于目标探测的干扰，给出一种能够稳定探测水面漂浮小目标的方法。要解决的技术问题有：

1)激光雷达稀疏点云的有效积累

由于激光雷达所发射的激光信号是稀疏的，以及激光的弱扩散性，在保证激光探测具有良好的方向性的同时，很小的探测范围成为激光探测的缺点。本专利利用多帧数据的长时间积累，实现对目标点云的聚集，积累后再进行目标的检测，增强了激光探测水面漂浮物的稳定性和可靠性。

2)水面漂浮物的真伪判断

水面漂浮物的形状和尺寸是各种各样的，没有统一的规则外形，在多帧数据积累后，需要进一步的真伪判断以去除虚假目标。在进行真伪判断中，需要利用目标的共有特征，在本发明中，采用了目标具有一定的几何尺寸来形成点云点数的约束；目标是漂浮在水面上，目标点云的最低也形成真伪判断约束；目标会在多帧数据中连续出现，而海杂波具有随机性，这样就可以利用在多帧数据中具有稳定性特点进行真伪判断，通过联合应用这些约束条件，就可以实现对潜在目标的稳定判断。

2、技术方案

通过克服以上两个问题，可以有效解决水面漂浮小目标的激光雷达探测问题。具体地，本发明遵循了以下的技术方案：

1)激光雷达发射并接收水面回波数据；

2)对单帧激光雷达数据进行聚类；

3)对连续多帧数据进行积累，增加目标点云数量；

4)对多帧积累的数据进行水面漂浮小目标检测；

5)提取目标信息。

附图说明：

图1是基于激光雷达的水面漂浮物探测流程图

图2是第1帧数据

图3是第2帧数据

图4是两帧数据积累的结果

具体实施方式：

参照图1的流程，本发明基于激光雷达传感器所获取的水面回波数据，通过较长时间的积累，实现对水面漂浮物的稳定检测，主要的步骤如下：

1)激光雷达发射并接收水面回波数据

由于激光雷达本身具有回波强度门限，所得到的回波数据仅有强反射目标的数据和部分强水面杂波数据，因此所接收的点云是稀疏的，其中的水面回波与波浪的成因、雷达照射角度等因素有关，使得水面只在局部区域被探测到，并具有一定的随机性，而目标数据具有较长时间内稳定出现的特点。后续的处理需要将目标与水面区分开。

2)对单帧激光雷达数据进行聚类

激光雷达得到的是点云数据，每个目标表现为多个点，为了区分开不同的目标，需要对每帧接收数据进行聚类，聚类后可以得到各个类别的中心位置，该中心位置可以用于表示类的位置。在具体的聚类过程中，可以设置最小类内点云数和相邻点云的距离约束，以减少噪声及目标点云测量误差导致的虚警。聚类后每一个类都表示了一个潜在目标。具体的实现中，K-Means聚类方法、DBSCAN聚类方法等均可以采用。

3)对连续多帧数据进行积累

当激光雷达安装在船上时，由于船体本身的运动以及外界环境影响，激光雷达姿态是时变的。需要采用惯导设备对激光雷达的姿态进行测量，并进行姿态补偿。由于惯导系统的误差，以及目标的运动，来自同一目标的点云可能会在不同帧中出现在的相邻但不完全相同的位置上，需要采用目标关联策略对不同帧的目标进行积累，其中的一种方式为最近邻关联法。假定目标在相邻两帧中点云分别为{(x_i,y_i,z_i)}和{(x'_j,y'_j,z'_j)}，目标在两帧中的中心位置分别表示为(＜x_i＞,＜y_i＞,＜z_i＞)和(＜x'_j＞,＜y'_j＞,＜z'_j＞)，＜·＞为取均值。i,j为点云序号，均为整数值。将前帧数据进行平移，使其中心与后一帧数据的中心重合，前一帧点云坐标平移过程如下式(1)所示，然后将两帧数据的点云合并，合并后的点云作为当前帧点云集合，继续与后续采集数据积累。

{(x_i,y_i,z_i)}→{(x_i-＜x_i＞+＜x'_j＞,y_i-＜y_i＞+＜y'_j＞,z_i-＜z_i＞+＜z'_j＞)} (1)

4)对多帧积累的数据进行水面漂浮小目标检测

对积累后的结果利用点云数目对潜在目标进行检测，只保留点云数目大于设置的门限的类，即

Np＞th_N (2)

Np为潜在目标的点云数目，th_N为目标点云数目门限。考虑到实际场景中目标种类繁多，形状各异，为了能够得到稳定的检测效果，目标检测中引入了多条规则对目标进行约束，如下式：

上式中，h_l为目标高度值的最小值，M为在N帧积累中目标出现的帧数。th_h为目标最小高度门限，th_MN为目标出现次数的检测门限。th_N的取值与具体目标的尺寸及目标距离有关，th_h>0.3m，th_MN＞1/2。同时满足(2)式和(3)式中的约束的目标将被检测出来。最后一帧中目标点云的均值即为该目标的当前位置。

5)提取目标信息

根据第4)步检测的结果，可以提取检测目标的信息，这些信息包括了目标位置、几何尺寸、运动状态等。目标位置信息为以激光雷达为原点的空间三维坐标，几何尺寸为根据点云分布提取的最小面积外接矩形对应的长度和宽度，运动信息为目标相对于激光雷达的运动速度和运动方向等信息。

为了验证所给出的检测方法的有效性，以激光雷达对海实测数据的处理为例进行说明。数据采集的地点为山东潍坊滨海开发区的欢乐海海域。试验中，激光雷达固定在岸上，朝向海面照射。所得到的连续两帧数据分别如图2和图3所示，每帧数据的时间为0.5秒，可以看出，由于单帧数据积累时间较短，在两帧数据中的目标数目和表现出的形状存在差异，这是因为单帧数据对于目标信息的反映不够全面，反映了不同侧面的信息。两帧积累后的结果如图4所示。可以看出，经过积累后，目标的点云数量更多，更显著，并且目标数目也更准确。对积累后的结果进行目标检测，可以得到最终的检测结果，其中X方向和Y方向坐标为(118,39)和(108,0)附近的两个目标因最低点距离水面过高将被删除。进一步可以计算出各目标的中心位置。可以看出，经过多帧积累后，可以改善目标检测效果，另外，综合利用多个约束条件，可以有效去除海杂波和噪声干扰，得到可靠的水面漂浮物检测结果。

Claims

1.一种基于激光雷达的水面小目标探测方法，其步骤如下：

1)激光雷达发射并接收水面回波数据；

2)对单帧激光雷达数据进行聚类；

3)基于惯导数据对激光雷达位置和姿态进行补偿，然后对连续N帧数据进行积累；

4)对多帧积累的数据进行目标检测，得到水面目标；

5)根据检测结果，提取目标信息，包括空间坐标、几何尺寸、运动状态等。

2.如权利要求1的方法，步骤3)中的多帧积累中，由于惯导系统的误差，以及目标的运动，来自同一目标的信号可能会在不同帧中出现在的相邻但不完全相同的位置上，需要采用目标关联策略对不同帧的目标进行积累，其中的一种方式为最近邻关联法。假定目标在相邻两帧中的点云集合分别为{(x_i,y_i,z_i)}和{(x'_j,y'_j,z'_j)}，目标在两帧中的中心位置分别表示为(＜x_i＞,＜y_i＞,＜z_i＞)和(＜x'_j＞,＜y'_j＞,＜z'_j＞)，＜·＞为取均值。i,j为点云序号，均为整数值。将前帧数据进行平移，使其中心与后一帧数据的中心重合，前一帧点云坐标平移过程如下式(1)所示，然后将两帧数据的点云合并，合并后的点云作为当前帧点云集合，继续与后续采集数据积累。

{(x_i,y_i,z_i)}→{(x_i-＜x_i＞+＜x'_j＞,y_i-＜y_i＞+＜y'_j＞,z_i-＜z_i＞+＜z'_j＞)} (1)。

3.如权利要求1的方法，步骤4)中的目标检测过程是针对积累后的数据，对某个目标进行检测时，综合利用以下规则：

上式中Np为该类别所包含的点云数目，h_l为目标高度值的最小值，M为在N帧积累中有目标出现的帧数。th_N为目标点数门限，th_h为目标最小高度门限，th_MN为目标出现次数的检测门限。th_N的取值与具体目标的尺寸及目标距离有关，th_h>0.3m，th_MN＞1/2。同时满足(2)式中的约束的目标将被检测出来。