CN111896932B - 一种掠飞弹载单线激光雷达对待攻击目标提取算法 - Google Patents

一种掠飞弹载单线激光雷达对待攻击目标提取算法 Download PDF

Info

Publication number
CN111896932B
CN111896932B CN202010658528.3A CN202010658528A CN111896932B CN 111896932 B CN111896932 B CN 111896932B CN 202010658528 A CN202010658528 A CN 202010658528A CN 111896932 B CN111896932 B CN 111896932B
Authority
CN
China
Prior art keywords
target
attacked
missile
value
point
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
Application number
CN202010658528.3A
Other languages
English (en)
Other versions
CN111896932A (zh
Inventor
郭锐
蒋罕寒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010658528.3A priority Critical patent/CN111896932B/zh
Publication of CN111896932A publication Critical patent/CN111896932A/zh
Application granted granted Critical
Publication of CN111896932B publication Critical patent/CN111896932B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种掠飞弹载单线激光雷达对待攻击目标提取算法，先基于距离和反射强度对经坐标转化后的实测一维点云数据进行预分割，基于改进kmeans算法对分割结果优化，最后通过模糊匹配的方法识别待攻击目标。本发明能够有效的将待攻击目标从实测的一维点云数据中分割出来并进行有效的识别判断，为掠飞弹的目标识别研究奠定理论研究基础。

Description

一种掠飞弹载单线激光雷达对待攻击目标提取算法
技术领域
本发明属于激光探测识别，具体涉及一种掠飞弹载单线激光雷达对待攻击目标提取算法。
背景技术
掠飞弹载单线激光雷达对地面装甲目标的识别往往是对目标的高度信息进行判断，若采集的点信号符合待攻击目标的高度特征即时引爆。当存在障碍物的高度与装甲目标的高度特征相近时会错误识别，进而产生严重后果。且如今激光提取的算法如武军安《末敏弹线阵激光雷达对地面装甲目标的提取方法》及姜云《末敏弹线阵列激光雷达的距离像分割方法》等文中均仅探究了线阵列激光雷达对目标的提取，未考虑单线激光雷达对地面装甲目标的提取方法，缺少该领域的深入研究。
发明内容
本发明的目的在于提供一种掠飞弹载单线激光雷达对待攻击目标提取算法，解决了现有的目标提取方法识别率低，错误率高的问题。
实现本发明目的的技术解决方案为：一种掠飞弹载单线激光雷达对待攻击目标提取算法，其特征在于，步骤如下：
步骤1、载有地磁传感器的掠飞弹载激光雷达按照掠飞弹的运动轨迹扫描目标，获得目标的一条扫描线数据ρ(d,θ,p)及激光雷达斜置角ψ，掠飞弹旋转一周得到多条扫描线数据构成一维点云数据集ρA(d,θ,p)；其中d为反射点到单线激光雷达的距离；p为目标材质的反射强度信息；θ为单位采样时间内掠飞弹的转角；
Figure BDA0002577637920000011
所述目标包括待攻击目标和障碍物；
转入步骤2；
步骤2、将获取的一维点云数据集ρA(d,θ,p)中的每条扫描线数据ρ(di,θi,pi)分别转化到xoy平面直角坐标系中，获得ρ(di,θi,pi)在xoy平面直角坐标系中的位置(xi,yi)，其中i＝1～N，N为一维点云数据集ρA(d,θ,p)中扫描线的条数，转入步骤3；
步骤3、基于(xi,yi)及p对一维点云数据集ρA(d,θ,p)进行初分割，获取初始聚类中心c以及初始聚类数目count，转入步骤4；
步骤4、基于改进的kmeans算法对获取初始聚类中心c以及初始聚类数目count进行优化分割，提高分割准确率，进而获得优化待攻击目标数据，转入步骤5；
步骤5、基于提取的目标特征对待攻击目标进行识别，确定待攻击目标。
本发明与现有技术相比，其显著优点在于：
(1)本发明提出的基于距离和强度信息复合分割聚类的方法，比一般只基于距离聚类的分割算法精确度高。
(2)本发明提出kmeans改进方法能获得更准确的初始聚类数和聚类中心，还可以进一步自动缩小聚类数目，从而获取更准确的分割结果。
(3)本发明提出的特征匹配识别方法充分考虑了激光雷达采集的各种有效信息如高度、宽度、点数而不是像现有的仅依据高度信息对目标进行识别。
附图说明
图1为本发明掠飞弹载单线激光雷达对待攻击目标提取算法流程图。
图2为本发明的掠飞弹真实稳态扫描示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
结合图1和图2，一种掠飞弹载单线激光雷达对待攻击目标提取算法，步骤如下：
步骤1、载有地磁传感器的掠飞弹载激光雷达按照掠飞弹的运动轨迹扫描目标，获得目标的一条扫描线数据ρ(d,θ,p)及激光雷达斜置角ψ，掠飞弹旋转一周得到多条扫描线数据构成一维点云数据集ρA(d,θ,p)；其中d为反射点到单线激光雷达的距离；p为目标材质的反射强度信息；θ为单位采样时间内掠飞弹的转角。
单线激光雷达扫描一周不但会扫描到待攻击目标如装甲，还会扫描到树木、房屋及地面等障碍物，故所述目标包括待攻击目标和障碍物。
Figure BDA0002577637920000031
步骤2、将获取的一维点云数据集ρA(d,θ,p)内的每条扫描线数据ρ(di,θi,pi)分别转化到xoy平面直角坐标系中，获得ρ(di,θi,pi)在xoy平面直角坐标系中的位置(xi,yi)，其中i＝1～N，N为一维点云数据集ρA(d,θ,p)中扫描线的条数，具体如下：
所述xoy平面直角坐标系中，以掠飞弹的弹体质心为圆心o，铅垂线方向向下为y轴正方向，垂直于铅垂线向左的水平方向为x轴正方向。
Figure BDA0002577637920000032
其中，H为掠飞弹距离地面高度，ψ为激光斜置角。
步骤3、基于(xi,yi)及p对一维点云数据集ρA(d,θ,p)进行初分割，获取初始聚类中心c以及初始聚类数目count，具体如下：
步骤3-1、计算xoy平面直角坐标系中各点的距离梯度值fd及目标材质的反射强度梯度值fp：
Figure BDA0002577637920000033
步骤3-2、依据距离梯度值fd与发射强度梯度值fp，判断每个采集点是否为边缘采集点ρedge，若满足fd＞fdmax&&fp＞fpmax，则该采集点为边缘点。
其中fdmax、fpmax分别预先设定的距离梯度阈值和反射强度梯度阈值；&&表示同时满足时成立。以邻近的边缘双采集点的中心作为分隔断点brk并增加聚类数count
Figure BDA0002577637920000034
Figure BDA0002577637920000035
为第一边缘点横坐标值，
Figure BDA0002577637920000036
为第一边缘点纵坐标值；
Figure BDA0002577637920000037
为第二边缘点横坐标值，
Figure BDA0002577637920000041
为第二边缘点纵坐标值。
{c}＝{(brkprev+brkcur)/2}
其中brkcur为当前分割断点，brkprev为前一分割断点。
待攻击目标和障碍物边缘会存在较大的距离差，因此可以通过其梯度值来判断边缘点，然而在同一目标上也会有距离断点，如坦克炮管与坦克炮身就存在较大的高度差，因此通过发射强度的辅助判断可以提高分割的准确率。
步骤4、由于kmeans算法的初始聚类数难以确定，且对聚类结果存在较大的干扰性，故基于改进的kmeans算法对获取初始聚类中心以及初始聚类数目进行优化分割，进一步提高分割准确率，进而获得优化待攻击目标数据，具体如下：
kmeans算法不能自动调整聚类数目来获取更准确的簇，因此设定簇间最小距离度量
Figure BDA0002577637920000042
与簇间最小距离度量阈值λmin。
Figure BDA0002577637920000043
其中，
Figure BDA0002577637920000044
簇是分割后以ck为聚类中心的点集，
Figure BDA0002577637920000045
是分割后以cj为聚类中心的点集；ρ属于
Figure BDA0002577637920000046
簇中的点，ρ'属于
Figure BDA0002577637920000047
簇中的点。
若存在
Figure BDA0002577637920000048
则将此两类归于一类，并将count减一，继续判断，直至不存在
Figure BDA0002577637920000049
时，跳出循环。
步骤5、基于提取的目标特征对待攻击目标进行识别，确定待攻击目标。
上述优化分割得到优化待攻击目标数据包含以下特征：
1)聚类点云个数；2)反射点距地高度信息；3)反射点水平位置信息；为了有效识别目标，建立模糊匹配度量ζ。若ζ>75％，则表示该目标为待攻击目标，此时可以点火起爆：
ζ＝(σh+σw+σn)/3
其中，σh为分割出目标的高度与其真实值的相似比，σw为分割出目标的宽度与其真实值的相似比，σn为分割出目标的点数与其真实值的相似比。
Figure BDA0002577637920000051
其中hvir为计算出的高度值，nvir为计算出的点数，wvir为计算出的宽度值；hreal为真实高度值，nreal为真实点数，wreal为真实宽度值。
实施例1
探究不同高度与激光斜置角下掠飞弹对地面装甲目标(坦克)提取。装甲目标高度一般为2m，长度为10米，宽度为2米。将坦克缩比后得到真实宽度为10cm，高度为10cm，点数为10。计算得出初分割的分割准确率为79.64％，优化分割的分割准确率提升到90.27％。
表1模糊匹配度量值表
Figure BDA0002577637920000052
表1中的数据均大于75％，表明本发明所述的算法能有效的识别出分割出的待攻击目标。

Claims (3)

1.一种掠飞弹载单线激光雷达对待攻击目标提取算法，其特征在于，步骤如下：
步骤1、载有地磁传感器的掠飞弹载激光雷达按照掠飞弹的运动轨迹扫描目标，获得目标的一条扫描线数据ρ(d,θ,p)及激光雷达斜置角ψ，掠飞弹旋转一周得到多条扫描线数据构成一维点云数据集ρA(d,θ,p)；其中d为反射点到单线激光雷达的距离；p为目标材质的反射强度信息；θ为单位采样时间内掠飞弹的转角；
Figure FDA0003691662230000011
所述目标包括待攻击目标和障碍物；
转入步骤2；
步骤2、将获取的一维点云数据集ρA(d,θ,p)中的每条扫描线数据ρ(di,θi,pi)分别转化到xoy平面直角坐标系中，获得ρ(di,θi,pi)在xoy平面直角坐标系中的位置(xi,yi)，其中i＝1～N，N为一维点云数据集ρA(d,θ,p)中扫描线的条数，转入步骤3；
步骤3、基于(xi,yi)及p对一维点云数据集ρA(d,θ,p)进行初分割，获取初始聚类中心c以及初始聚类数目count，转入步骤4；
步骤4、基于改进的kmeans算法对获取初始聚类中心c以及初始聚类数目count进行优化分割，提高分割准确率，进而获得优化待攻击目标数据，具体如下：
kmeans算法不能自动调整聚类数目来获取更准确的簇，因此设定簇间最小距离度量
Figure FDA0003691662230000012
与簇间最小距离度量阈值λmin：
Figure FDA0003691662230000013
其中，
Figure FDA0003691662230000014
簇是分割后以ck为聚类中心的点集，
Figure FDA0003691662230000015
是分割后以cj为聚类中心的点集；ρ属于
Figure FDA0003691662230000016
簇中的点，ρ'属于
Figure FDA0003691662230000017
簇中的点；
若存在
Figure FDA0003691662230000018
则将此两类归于一类，并将count减一，继续判断，直至不存在
Figure FDA0003691662230000019
时，跳出循环；
转入步骤5；
步骤5、基于提取的目标特征对待攻击目标进行识别，确定待攻击目标，具体如下：
上述优化分割得到优化待攻击目标数据包含以下特征：
1)聚类点云个数；2)反射点距地高度信息；3)反射点水平位置信息；为了有效识别目标，建立模糊匹配度量ζ，若ζ>75％，则表示该目标为待攻击目标，此时点火起爆：
ζ＝(σh+σw+σn)/3
其中，σh为分割出目标的高度与其真实值的相似比，σw为分割出目标的宽度与其真实值的相似比，σn为分割出目标的点数与其真实值的相似比；
Figure FDA0003691662230000021
其中，hvir为计算出的高度值，nvir为计算出的点数，wvir为计算出的宽度值；hreal为真实高度值，nreal为真实点数，wreal为真实宽度值。
2.根据权利要求1所述的掠飞弹载单线激光雷达对待攻击目标提取算法，其特征在于：步骤2中的xoy平面直角坐标系，以掠飞弹的弹体质心为圆心o，铅垂线方向为y轴，垂直于铅垂线水平方向为x轴；
Figure FDA0003691662230000022
其中，H为掠飞弹距离地面高度，ψ为激光斜置角。
3.根据权利要求1所述的掠飞弹载单线激光雷达对待攻击目标提取算法，其特征在于：上述步骤3中基于(xi,yi)及p对一维点云数据集ρA(d,θ,p)进行初分割，获取初始聚类中心c以及初始聚类数目count，具体如下：
步骤3-1、计算xoy平面直角坐标系中各点的距离梯度值fd及目标材质的反射强度梯度值fp：
Figure FDA0003691662230000031
步骤3-2、依据距离梯度值fd与发射强度梯度值fp，判断每个采集点是否为边缘采集点ρedge，若满足fd＞fdmax&&fp＞fpmax，则该采集点为边缘点；
其中fdmax、fpmax分别预先设定的距离梯度阈值和反射强度梯度阈值；&&表示同时满足时成立；以邻近的边缘双采集点的中心作为分隔断点brk并增加聚类数count
Figure FDA0003691662230000032
Figure FDA0003691662230000035
为第一边缘点横坐标值，
Figure FDA0003691662230000034
为第一边缘点纵坐标值；
Figure FDA0003691662230000033
为第二边缘点横坐标值，
Figure FDA0003691662230000036
为第二边缘点纵坐标值；
{c}＝{(brkprev+brkcur)/2}
其中brkcur为当前分割断点，brkprev为前一分割断点。
CN202010658528.3A 2020-07-09 2020-07-09 一种掠飞弹载单线激光雷达对待攻击目标提取算法 Active CN111896932B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010658528.3A CN111896932B (zh) 2020-07-09 2020-07-09 一种掠飞弹载单线激光雷达对待攻击目标提取算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010658528.3A CN111896932B (zh) 2020-07-09 2020-07-09 一种掠飞弹载单线激光雷达对待攻击目标提取算法

Publications (2)

Publication Number Publication Date
CN111896932A CN111896932A (zh) 2020-11-06
CN111896932B true CN111896932B (zh) 2022-08-16

Family

ID=73192185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010658528.3A Active CN111896932B (zh) 2020-07-09 2020-07-09 一种掠飞弹载单线激光雷达对待攻击目标提取算法

Country Status (1)

Country Link
CN (1) CN111896932B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113483661B (zh) * 2021-07-06 2023-06-30 广东南方数码科技股份有限公司 一种点云数据获取方法、装置、设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4437729C1 (de) * 1994-10-21 1996-04-25 Buck Chem Tech Werke Verfahren zum Schützen von eine IR-Strahlung abgebenden Objekten, insbesondere Schiffen, gegen Flugkörper
US6836320B2 (en) * 2002-10-23 2004-12-28 Ae Systems Information And Electronic Systems Integration Inc. Method and apparatus for active boresight correction
US8068214B1 (en) * 2008-01-07 2011-11-29 Bae Systems Information And Electronic Systems Integration Inc. Method for centroiding and tracking a distorted optical image
CN107831486B (zh) * 2017-09-28 2019-09-10 成都傅立叶电子科技有限公司 一种激光制导抗干扰处理方法
CN108596860A (zh) * 2018-05-10 2018-09-28 芜湖航飞科技股份有限公司 一种基于三维激光雷达的地面点云分割方法
CN109959932B (zh) * 2019-04-08 2023-06-30 西安电子科技大学 基于下降段曲线轨迹的雷达前视三维成像方法

Also Published As

Publication number Publication date
CN111896932A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN107561518B (zh) 基于二维滑窗局部极值的三坐标雷达点迹凝聚方法
CN113313005B (zh) 基于目标识别与重建的输电导线在线监测方法及系统
CN109188430B (zh) 一种基于地面监视雷达系统的目标提取方法
CN116295313B (zh) 掘进机的实时定位系统
CN111488683B (zh) 一种基于图像处理技术的破片飞散参数确定方法
CN114627151B (zh) 一种无人机集群对空中目标运动状态跟踪方法
CN113723192A (zh) 一种风机运行状态下叶片图像采集方法
CN111896932B (zh) 一种掠飞弹载单线激光雷达对待攻击目标提取算法
CN115598637B (zh) 一种隧道围岩形变监测方法及系统
CN109407086A (zh) 一种飞行器轨迹生成方法、系统及诱捕系统目标引导方法
CN106897730B (zh) 基于融合类别信息与局部保持投影的sar目标型号识别方法
CN115480240A (zh) 一种针对小型无人机的多传感器协同探测方法
CN113933912B (zh) 一种基于无人机平台的多目标高精度定位方法和系统
CN108983194B (zh) 一种基于地面监视雷达系统的目标提取及凝聚方法
CN111736156B (zh) 一种基于天气雷达的逆风区识别方法与装置
CN117710458A (zh) 一种基于双目视觉的舰载机着舰过程相对位置测量方法及系统
CN117008077A (zh) 一种目标检测方法和船用电子围栏系统
CN111127542A (zh) 一种基于图像的非合作目标对接环提取方法
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
CN115372962A (zh) 一种强干扰情况下基于参数筛选的雷达真假目标识别方法
CN112651278B (zh) 一种基于特征筛选的探测数据处理方法
CN108983214B (zh) 一种雷达导引头目标选择方法
CN112859006A (zh) 一种检测多通道探地雷达数据中金属类弯曲圆柱结构的方法
CN114396921A (zh) 一种基于无人机的钱塘江涌潮高度及传播速度测量方法
CN117689536B (zh) 激光雷达拼接配准方法、系统、装置及计算机存储介质

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