CN110780327B - 基于星载ais与红外相机的海上目标协同定位方法 - Google Patents

Abstract

本发明公开了一种基于星载AIS与红外相机的海上目标协同定位方法，该方法包括：S1，利用红外成像，获取每个海上目标的质心作为像方坐标。S2，根据红外相机的成像模型，得到像方坐标到物方坐标的转化关系，将每个海上目标的像方坐标转化为红外地理坐标。S3，根据红外成像的四角坐标，得到红外传感器的成像区域，筛选出有用的AIS信息，经过时序的线性插值处理，获取红外成像时刻每个AIS的坐标。S4，将红外地理坐标与AIS坐标进行关联。S5，根据关联上的若干对目标，解算出红外地理坐标与AIS坐标的变化关系，补偿红外图像的定位偏差。本发明的基于星载AIS与红外相机的海上目标协同定位方法，能够校正红外图像的定位误差，提高非合作目标的定位精度。

Description

基于星载AIS与红外相机的海上目标协同定位方法

技术领域

本发明涉及海上目标位置监测技术领域，尤其涉及一种基于星载AIS与红外相机的海上目标协同定位方法。

背景技术

天基海上监视相比于岸基等海上监视平台，作用距离远、覆盖范围广、没有国界限制与政治纠纷等，是各国卫星应用领域的重要发展方向。海上目标具有很强的红外辐射特性，利用红外相机很容易探测到海上目标，相比于可见光，红外成像传感器还可以在任何时段进行工作，因此在天基海洋监视中得到了很好的应用。自动识别系统(AIS)是一种基于GPS技术、甚高频技术和自组织时分多址技术的船舶自播报导航系统，具有识别跟踪船舶、避免碰撞、环境保护和搜索救援等功能。随着星载AIS技术的快速发展，极大拓展了传统岸基AIS有限的探测范围。星载AIS通过获取合作海上目标的发出的AIS消息，从而确定目标的身份、位置信息。由于星载AIS技术体制较为成熟，AIS载荷生产成本较低，体积较小，重量可控制到几千克内，可以很方便的搭载在其他卫星载荷上。将红外相机与AIS载荷结合，进行海上目标的同步探测，利用多源卫星传感器数据进行海上目标的协同定位，联合提高海上目标，特别是红外图像中非合作目标的定位精度。由于同时观测，对于AIS而言，其误差主要是GPS定位误差，目前的定位精度约为10m，差分GPS可以达到更高的精度，因此AIS位置可以被视为真实的目标位置。而由于红外相机受卫星平台稳定度等影响，红外图像的定位误差比AIS大很多。当星敏传感器精度不够或者存在系统误差却没有及时标校等情况下，图像的定位误差甚至比AIS大1～2个数量级，但图像中像素间的相对误差很小，绝对定位误差因此呈现一定的系统性。基于星载AIS与红外相机定位的特性，若能将两者得到的目标进行关联与协同定位，可以有效校正红外图像的定位误差，提高非合作目标的定位精度。目前全局最近邻(GNN)算法是多源传感器目标关联的最常用方法，但是在系统误差下目标关联效果不好，难以得到目标的精确位置。

发明内容

为解决上述现有技术中存在的技术问题，本发明针对AIS与红外图像的特点提供了一种基于星载AIS与红外相机的海上目标协同定位方法。具体技术方案如下：

一种基于星载AIS与红外相机的海上目标协同定位方法，所述方法包括：

S1，利用红外成像，获取每个海上目标的质心作为像方坐标；

S2，根据红外相机的成像模型，得到像方坐标到物方坐标的转化关系，将每个海上目标的像方坐标转化为红外地理坐标；

S3，根据红外成像的四角坐标，得到红外传感器的成像区域，筛选出有用的AIS信息，经过时序的线性插值处理，获取红外成像时刻每个AIS的坐标；

S4，将红外地理坐标与AIS坐标进行关联；

S5，根据关联上的若干对目标，解算出红外地理坐标与AIS坐标的变化关系，补偿红外图像的定位偏差。

可选地，步骤S1中，对于红外成像得到的图像，采用双参数恒虚警检测方法，并利用积分图进行求解，CFAR判定条件为：

μ_T＞μ_B+K_cfarσ_B

其中，μ_T为目标窗的均值，μ_B和σ_B分别为杂波窗的均值与方差，K_cfar为控制虚警率的阈值。

可选地，红外图像经CFAR检测后转化为二值图像，经过形态学处理对检测到的亮点区域进行8连通域标记，提取目标像素区域。

可选地，提取目标像素区域后，根据像素大小剔除部分目标像素区域，选取像素大小在预设范围内的目标像素区域，计算每个海上目标的质心作为像方坐标：

其中x_i,y_i分别为图像的列与行坐标，N_IR为红外目标的个数。

可选地，将红外成像的地理坐标与AIS坐标进行关联，包括：

红外地理坐标为：

其中，

λ_i分别表示沿纬度和经度方向的坐标；

AIS坐标为：

其中，N_AIS为AIS的个数；

S401，计算任意AIS坐标与红外地理坐标的点对距离：

其中，R_earth是地球平均半径；

S402，基于点对距离进行GNN关联，二维分配变量a_ij的取值需要使分配代价的加权和最小，即：

其中，a_ij＝{0,1}，a_ij为1表示点对能够匹配，否则不关联；

同时为了提高匹配正确率，需要设置最大关联距离ε₁，超过最大距离不进行关联，得到

个匹配点对；

S403，通过匹配点对进行经度与纬度方向误差的平均，估计出平移量，根据平移量对红外地理位置进行反向补偿；

S404，将补偿后新的红外地理位置代入S401中，重复S401～S403，直至满足一定的收敛条件，得到N_A个关联点对。

可选地，收敛条件为：

可选地，步骤S5中，通过二元N阶多项式建立红外地理坐标与AIS坐标之间的转换关系：

其中，a_mn,b_mn为多项式系数。

可选地，N阶多项式的阶数与关联点对的数量满足：N_A≥(N+1)(N+2)/2。

本发明技术方案的主要优点如下：

本发明的基于星载AIS与红外相机的海上目标协同定位方法，通过将红外地理坐标与AIS坐标进行关联配对，获悉两者的转换关系，能够校正红外图像的定位误差，对红外图像中的目标进行重新定位，提高非合作目标的定位精度。本发明具有原理简单、易于实现、实效性强等优点，可以用于星载红外相机近实时的目标定位校验。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明一个实施例提供的基于星载AIS与红外相机的海上目标协同定位方法的流程图；

图2为本发明一个实施例提供的基于星载AIS与红外相机的海上目标协同定位方法中红外地理坐标与AIS坐标的关联场景图；

图3-1为现有技术中GNN方法目标关联效果图；

图3-2为本发明实施例提供的基于星载AIS与红外相机的海上目标协同定位方法中的目标关联效果图。

图3-3为本发明实施例提供的基于星载AIS与红外相机的海上目标协同定位方法中的定位校正效果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

以下结合附图，详细说明本发明实施例提供的技术方案。

本发明实施例提供了一种基于星载AIS与红外相机的海上目标协同定位方法，如附图1所示，该方法包括：

S1，利用红外成像，获取每个海上目标的质心作为像方坐标。

S2，根据红外相机的成像模型，得到像方坐标到物方坐标的转化关系，将每个海上目标的像方坐标转化为红外地理坐标。

S3，根据红外成像的四角坐标，得到红外传感器的成像区域，筛选出有用的AIS信息，经过时序的线性插值处理，获取红外成像时刻每个AIS的坐标。

S4，将红外地理坐标与AIS坐标进行关联。

S5，根据关联上的若干对目标，解算出红外地理坐标与AIS坐标的变化关系，补偿红外图像的定位偏差。

以下对本发明实施例提供的基于星载AIS与红外相机的海上目标协同定位方法的有益效果进行说明：

使用时，星载AIS载荷与红外相机在目标海域同时开机探测，得到AIS数据与红外图像。根据红外图像区域的地理范围，筛选AIS数据，并将AIS数据内插到红外成像的时刻。通过对红外图像的海上目标检测，可以得到目标的像方坐标，进而获取地理坐标。通过将红外地理坐标与AIS坐标进行关联配对，获悉两者的转换关系，能够校正红外图像的定位误差，对红外图像中的目标进行重新定位，提高非合作目标的定位精度。本发明的基于星载AIS与红外相机的海上目标协同定位方法，原理简单、易于实现、实效性强等优点，可以用于星载红外相机近实时的目标定位校验。

以下对本发明实施例提供的基于星载AIS与红外相机的海上目标协同定位方法的各步骤进行详细阐述：

步骤S1中，目前星载红外成像分辨率不高，海上目标一般为点目标，目标周围局部的海面背景可以近似看作高斯噪声。基于上述，本发明实施例采用双参数恒虚警(CFAR)检测方法，并利用积分图进行快速求解。其中，CFAR判定为目标的条件为：

μ_T＞μ_B+K_cfarσ_B

其中，μ_T为目标窗的均值，μ_B和σ_B分别为杂波窗的均值与方差，K_cfar为控制虚警率的阈值。经过CFAR检测后转化为二值图像，通过形态学处理对检测到亮点区域进行8连通域标记，将目标分别提取出来。为了进一步剔除虚警目标，可以通过像素大小去除过大以及过小的目标。目标像素区域提取完成后，计算每个海上目标的质心作为像方坐标

其中x_i,y_i分别为图像的列与行坐标，N_IR为红外目标的个数。其中，剔除虚警目标时的像素阈值可以根据实际工况进行确定，本发明实施例中不再赘述。

星载AIS传感器得到的是海上目标的地理坐标，即经纬度信息，而红外图像检测的位置为图像中坐标。为了实现坐标系的统一，本发明实施例在地理坐标系下进行信息处理，根据红外相机的成像模型，得到像方坐标到物方坐标的转化关系，将每个海上目标的图像坐标转化为地理坐标

其中，

λ_i分别表示沿纬度和经度方向的坐标。由于AIS传感器的探测范围比红外成像范围更大，根据图像的四角坐标，得到红外传感器大致的成像区域，筛选出有用的AIS信息，经过时序的线性插值处理后，在红外成像时刻每个AIS的坐标可以表示为

其中，N_AIS为AIS的个数

完成上述红外图像与AIS的时空对准后，将红外地理坐标与AIS坐标进行关联，本本发明利用位置信息进行关联。如图2所示的场景，为了解决红外系统与AIS系统的关联问题，本发明实施例采用迭代的全局最近邻(GNN)算法进行目标关联，并将目标关联转换为点模式匹配问题进行处理，通过迭代估计与补偿系统误差，使两个点集之间的总误差收敛到最小值，具体步骤如下：

S401，计算任意AIS坐标与红外地理坐标的点对距离：

其中，R_earth是地球平均半径。

S402，基于点对距离进行GNN关联，GNN是全局最优关联，本质是二维分配问题，需要考虑所有的关联组合，选出其中全局代价最小的组合。二维分配变量a_ij的取值需要使分配代价的加权和最小，即：

其中，a_ij＝{0,1}，a_ij为1表示点对能够匹配，否则不关联。同时为了提高匹配正确率，需要设置最大关联距离ε₁，超过最大距离不进行关联，即当d_ij≤ε₁时，a_ij＝0。a_ij可以通过经典的Munkres算法求解，最终得到

个匹配点对。

S403，通过匹配点对进行经度与纬度方向误差的平均，估计出平移量，根据平移量对红外地理位置进行反向补偿；

S404，将补偿后新的红外地理位置代入S401中，重复S401～S403，直至满足一定的收敛条件，得到N_A个关联点对。

其中，收敛条件为：

即，即在连续两次关联中，关联目标地理距离的平均值之差小于阈值，就结束迭代过程。

可以理解的是，在红外检测结果和AIS目标关联时，可能发生以下情况：两者代表同一目标；AIS目标在红外目标中没有对应物(主要是小目标，没有被红外检测出来)；在AIS中未显示红外目标(主要是非合作目标，无AIS应答信息)。

本发明实施例提供的方法的目标关联效果可以参见附图3-2，现有技术提供的GNN方法的目标关联效果可以参见附图3-1，图中的圆圈表示一些关联错误。由附图3-1和附图3-2的对比可以看出，本发明实施例提供的方法在进行目标关联时，可以精确估计出误差，关联效果更好，有利于后续目标的位置校正。

本发明实施例中，完成上述目标关联后，进行红外图像的位置校正，利用已经关联上的N_A对目标(相当于传统影像几何精校正中的同名点)，解算出变换关系从而补偿红外图像的定位偏差。红外系统与AIS系统之间的位置转换可以建模为二元N阶多项式变换(N≥0)，表达式如下：

其中，a_mn,b_mn为多项式系数。通过多项式对应关系，可以解算出红外图像中的非合作目标的精确位置。其中，多项式系数在数学上可以通过最小二乘法求解，N_A的最小数目应满足N_A≥(N+1)(N+2)/2。示例地，N可以取2阶，N_A的数目要大于6。本发明实施例提供的方法的定位校正效果可以参见附图3-3，可以看出，校正后的位置精度较高，AIS点迹与红外点迹基本重合。通过统计数据分析得到，目标的平均定位精度从校正前的3700m提高到90m，极大提高了非合作目标的定位精度。

需要说明的是，以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，如在中海上目标检测步骤中还可以采用显著性、深度学习等其他检测方法；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种基于星载AIS与红外相机的海上目标协同定位方法，其特征在于，所述方法包括：

S1，利用红外成像，获取每个海上目标的质心作为像方坐标；

S2，根据红外相机的成像模型，得到像方坐标到物方坐标的转化关系，将每个海上目标的像方坐标转化为红外地理坐标；

S3，根据红外成像的四角坐标，得到红外传感器的成像区域，筛选出有用的AIS信息，经过时序的线性插值处理，获取红外成像时刻每个AIS的坐标；

S4，将红外地理坐标与AIS坐标进行关联；

S5，根据关联上的若干对目标，解算出红外地理坐标与AIS坐标的变化关系，补偿红外图像的定位偏差；

其中，步骤S4中，所述将红外地理坐标与AIS坐标进行关联包括：

红外地理坐标为

其中，

λ_i分别表示沿纬度和经度方向的坐标

AIS坐标为：

其中，N_AIS为AIS的个数；

S401，计算任意AIS坐标与红外地理坐标的点对距离：

其中，R_earth是地球平均半径；

S402，基于点对距离进行GNN关联，二维分配变量a_ij的取值需要使分配代价的加权和最小，即：

其中，a_ij＝{0,1}，a_ij为1表示点对能够匹配，否则不关联，N_IR为红外目标的个数；

同时为了提高匹配正确率，需要设置最大关联距离ε₁，超过最大距离不进行关联，得到

个匹配点对；

S403，通过匹配点对进行经度与纬度方向误差的平均，估计出平移量，根据平移量对红外地理位置进行反向补偿；

S404，将补偿后新的红外地理位置代入S401中，重复S401～S403，直至满足一定的收敛条件，得到N_A个关联点对；

收敛条件为：

所述收敛条件表示在连续两次关联中，关联目标地理距离的平均值之差小于阈值，就结束迭代过程；

其中，步骤S5中，利用已经关联的N_A对目标，将红外地理坐标与AIS坐标之间的位置转换建模为以下公式所示的二元N阶多项式，通过多项式对应关系，解算出红外图像中的非合作目标的精确位置；

其中，a_mn,b_mn为多项式系数，N阶多项式的阶数与关联点对的数量满足：N_A≥(N+1)(N+2)/2。

2.根据权利要求1所述的基于星载AIS与红外相机的海上目标协同定位方法，其特征在于，步骤S1中，对于红外成像得到的图像，采用双参数恒虚警检测方法，并利用积分图进行求解，CFAR判定条件为：

μ_T＞μ_B+K_cfarσ_B

其中，μ_T为目标窗的均值，μ_B和σ_B分别为杂波窗的均值与方差，K_cfar为控制虚警率的阈值。

3.根据权利要求2所述的基于星载AIS与红外相机的海上目标协同定位方法，其特征在于，红外图像经CFAR检测后转化为二值图像，经过形态学处理对检测到的亮点区域进行8连通域标记，提取目标像素区域。

4.根据权利要求3所述的基于星载AIS与红外相机的海上目标协同定位方法，其特征在于，提取目标像素区域后，根据像素大小剔除部分目标像素区域，选取像素大小在预设范围内的目标像素区域，计算每个海上目标的质心作为像方坐标：

其中x_i,y_i分别为图像的列与行坐标，N_IR为红外目标的个数。

Images