CN112379365A - 一种用于无人船的雷达数据处理方法 - Google Patents

一种用于无人船的雷达数据处理方法 Download PDF

Info

Publication number
CN112379365A
CN112379365A CN202011205288.8A CN202011205288A CN112379365A CN 112379365 A CN112379365 A CN 112379365A CN 202011205288 A CN202011205288 A CN 202011205288A CN 112379365 A CN112379365 A CN 112379365A
Authority
CN
China
Prior art keywords
data
target
trace
data point
radar
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
Application number
CN202011205288.8A
Other languages
English (en)
Inventor
王晓原
夏媛媛
姜雨函
高杰
张守宾
孙正濮
王浪
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.)
Navigation Brilliance Qingdao Technology Co Ltd
Original Assignee
Navigation Brilliance Qingdao Technology Co Ltd
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 Navigation Brilliance Qingdao Technology Co Ltd filed Critical Navigation Brilliance Qingdao Technology Co Ltd
Priority to CN202011205288.8A priority Critical patent/CN112379365A/zh
Publication of CN112379365A publication Critical patent/CN112379365A/zh
Pending legal-status Critical Current

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
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种用于无人船的雷达数据处理方法，包括：按照预先设定的频率采集无人船的雷达数据，进行预处理、去噪除杂处理、目标聚类划分处理，获取跟踪目标类A、多个待跟踪目标类A*、多个待跟踪目标类B；基于跟踪目标类A确定跟踪目标的信息；基于跟踪目标信息和预先设定的航速范围确定α‑β滤波器；采用α‑β滤波器对跟踪目标的信息进行滤波处理获取处理结果；采用JPDA算法对处理结果和待跟踪目标类A*或待跟踪目标类B进行关联匹配处理，获取匹配结果；根据与所述处理结果相应的下一采集时刻的待跟踪目标类A*或待跟踪目标类B，确定新的跟踪目标的信息，并重复步骤S4‑S6直至所有的待跟踪目标类A*或所有的待跟踪目标类B完成匹配，获取目标航迹。

Description

一种用于无人船的雷达数据处理方法
技术领域
本发明涉及雷达数据处理技术领域，尤其涉及一种用于无人船的雷达数据处理方法。
背景技术
无人船在水上自主航行成功的关键在于其高效快速的航线规划能力，以及对机动船舶和障碍物避碰的应变能力。而所有能力的基础在于船舶对周围环境的准确感知以及船舶系统对感知数据的快速处理及应对。船载雷达具有探测距离广、鲁棒性强、测量精度高、不易受天气、光线等环境因素影响等优点，广泛适用于船舶航行环境快速感知的应用场景，成为航海领域环境感知的重要设备之一。
近年来，随着雷达相关硬件和信号处理能力的提升，使得船舶环境感知能力得到很大发展；而雷达数据处理效率关乎船舶应对环境决策的效率。因此，雷达数据处理以实现航迹关联、多目标跟踪、机动目标跟踪等对无人船后续航行避让、航线规划等有着至关重要的作用。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足，本发明提供一种用于无人船的雷达数据处理方法，其解决了对较慢目标的识别效率低和跟踪精度小以及对机动目标的响应效率低技术问题。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
本发明实施例提供一种用于无人船的雷达数据处理方法，其特征在于，包括：
S1、按照预先设定的频率采集无人船的雷达数据，并对所采集的雷达数据进行预处理、去噪除杂处理、目标聚类划分处理，获取跟踪目标类A、多个待跟踪目标类A*、多个待跟踪目标类B；所述雷达数据包括多个数据点迹；
其中，所述跟踪目标类A由以预先设定的频率采集的无人船的雷达数据中第一次采集的雷达数据，依次进行所述预处理、去噪除杂处理和聚类划分处理得到；
每一所述待跟踪目标类A*由所述预先设定的频率所采集的无人船的雷达数据中第一次采集之后的任一采集时刻所采集的雷达数据，依次进行所述预处理、去噪除杂处理和聚类划分处理得到；
每一所述待跟踪目标B由所述预先设定的频率所采集的无人船的雷达数据中任一按照预设时刻间隔的采集时刻所采集的雷达数据，依次进行预处理、去噪除杂处理和聚类划分处理得到；
S2、基于所述跟踪目标类A确定跟踪目标的信息；
所述跟踪目标的信息包括目标的位置、航速、方向；
S3、基于所述跟踪目标的信息和预先设定的航速范围确定与所述跟踪目标的信息对应的α-β滤波器；
S4、采用所述α-β滤波器对所述跟踪目标的信息进行滤波处理获取处理结果；
S5、采用JPDA算法对所述处理结果和与所述处理结果相应的下一采集时刻的待跟踪目标类A*或待跟踪目标类B进行关联匹配处理，获取匹配结果；
S6、根据与所述处理结果相应的下一采集时刻的待跟踪目标类A*或待跟踪目标类B，确定新的跟踪目标的信息，并重复步骤S4-S6直至所有的待跟踪目标类A*或所有的待跟踪目标类B完成匹配，基于依次得到的匹配结果确定的目标获取目标航迹。
优选的，所述步骤S3包括：
S31、基于所述跟踪目标的信息和预先设定的航速范围确定所述目标的航速的级别；
S32、基于所述目标的航速的级别，确定与所述目标的航速的级别具有预先设定的对应参数的α-β滤波器。
优选的，所述步骤S31具体包括：
所述预先设定的航速范围包括：第一预设航速范围、第二预设航速范围、第三预设航速范围；
所述第一预设航速范围的最小航速值大于所述第二预设航速范围的最大航速值；
所述第二预设航速范围的最小航速值大于所述第三预设航速范围的最大航速值；
当所述目标的航速在第一预设航速范围内则确定所述目标的速度为快级别；
当所述目标的航速在第二预设航速范围内则确定所述目标的速度为中级别；
当所述目标的航速在第三预设航速范围内则确定所述目标的速度为慢级别。
优选的，所述步骤S1中对所采集的雷达数据进行预处理，获取预处理后的雷达数据，具体包括：
按照预先设定的频率进行采集雷达数据，并根据GPS设备获取所述雷达数据的绝对位置及真方向，并对所述雷达数据进行校正统一，然后利用电子海图过滤所述雷达数据中的非水域数据，获取预处理后的雷达数据；
其中，预处理后的雷达数据包括：数据点迹的相对距离d，数据点迹的北向方位角ψ，数据点迹的径向速度v，雷达散射截面sec。
优选的，所述步骤S1包括：
S11、针对所述以预先设定的频率采集的无人船的雷达数据中第一次采集的雷达数据，依次进行所述预处理、去噪除杂处理，获取第一雷达数据；和，
针对所述以预先设定的频率所采集的无人船的雷达数据中第一次采集之后的任一采集时刻所采集的雷达数据，依次进行所述预处理、去噪除杂处理，获取与所述采集的雷达数据的时刻相应的第二雷达数据；和，
针对所述以预先设定的频率所采集的无人船的雷达数据中预设时刻间隔的任一采集时刻所采集的雷达数据，依次进行预处理、去噪除杂处理，获取与所述采集的雷达数据的时刻相应的第三雷达数据；
其中，所述去噪除杂处理为：在预处理后的雷达数据中将不满足预先设定的相对距离的范围、角度范围以及径向速度范围的数据点迹删除；
S12、根据所述第一雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第一雷达数据中的数据点迹进行聚类划分处理，获取跟踪目标类A；
根据所述第二雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第二雷达数据进行聚类划分处理，得到与所述采集的雷达数据的时间相应的待跟踪目标类A*；
根据所述第三雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第三雷达数据进行聚类划分处理，得到待跟踪目标类B；
其中所述距离值公式为：
Figure BDA0002756826600000041
其中，雷达数据中任意数据点迹m和数据点迹n；
O(m，n)为任意数据点迹m和数据点迹n之间的距离值；
其中，任意数据点迹m的横坐标xm，纵坐标ym；
任意数据点迹n的横坐标xn，纵坐标yn；
vm为任意数据点迹m的航速；
vn为任意数据点迹n的航速；
Omax为距离的最大阈值；
Nmin为数据点迹数目的最小阈值。
优选的，
所述步骤S12中根据所述第一雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第一雷达数据中的数据点迹进行聚类划分处理，获取跟踪目标类A，具体包括：
步骤Q1、设定初始临时目标p1，将所述第一雷达数据中的任一数据点迹m1作为临时初始目标p1中的数据点迹；
步骤Q2、根据公式(1)获取数据点迹m1与所述第一雷达数据中除数据点迹m1之外的其他任一数据点迹n1的距离值；
步骤Q3、基于所述数据点迹m1与所述第一雷达数据中除数据点迹m1之外的其他任一数据点迹n1的距离值以及预先设定的阈值Omax，获取数据点迹簇，并将所述数据点迹簇放入目标p1中；
所述数据点迹簇中包括：第一雷达数据中与所述数据点迹m1的距离值小于预先设定的阈值Omax的所有的数据点迹；
步骤Q4、基于数据点迹簇，根据公式(1)获取所述数据点迹簇中第一数据点迹与第一雷达数据中除目标p1之外的任一数据点迹的距离值；
所述第一数据点迹为所述数据点迹簇中任一数据点迹；
步骤Q5、基于数据点迹簇中第一数据点迹与第一雷达数据中除目标p1之外的任一数据点迹的距离值以及预先设定的阈值Omax，获取新的数据点迹簇；
所述新的数据点簇包括：第一雷达数据中除目标p1之外的数据点迹中的数据点迹与所述第一数据点迹的距离值小于预先设定的阈值Omax的所有数据点迹；
步骤Q6、将所述新的数据点簇放入目标p1中；
步骤Q7、重复步骤Q4-Q6，直至目标p1中不再新增数据点迹；
步骤Q8、获取当前的目标p1中数据点迹的数目，并判断所述当前的目标p1中数据点迹的数目是否大于预先设定的阈值Nmin；
若大于，则将当前目标p1加入跟踪目标类A；
若小于，将除去当前目标p1之外的第一雷达数据作为新的第一雷达数据，并返回步骤Q1，直到第一雷达数据中所有数据点迹都划分目标或第一雷达数据划分目标之后剩余的数据点迹数目少于阈值Nmin，则获取跟踪目标类A。
优选的，
所述步骤S12中根据所述第二雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第二雷达数据进行聚类划分处理，得到与所述采集的雷达数据的时间相应的待跟踪目标类A*，具体包括：
步骤E1、设定初始临时目标p2，将所述第二雷达数据中的任一数据点迹m2作为目标p2中的数据点迹；
步骤E2、根据公式(1)获取数据点迹m2与所述第二雷达数据中除数据点迹m2之外的其他任一数据点迹n2的距离值；
步骤E3、基于所述数据点迹m2与所述第二雷达数据中除数据点迹m2之外的其他任一数据点迹n2的距离值以及预先设定的阈值Omax，获取数据点迹簇，并将所述数据点迹簇放入目标p2中；
所述数据点迹簇中包括：第二雷达数据中与所述数据点迹m1的距离值小于预先设定的阈值Omax的所有的数据点迹；
步骤E4、基于数据点迹簇，根据公式(1)获取所述数据点迹簇中第二数据点迹与第二雷达数据中除目标p2之外的任一数据点迹的距离值；
所述第二数据点迹为所述数据点迹簇中任一数据点迹；
步骤E5、基于数据点迹簇中第二数据点迹与第二雷达数据中除目标p2之外的任一数据点迹的距离值以及预先设定的阈值Omax，获取新的数据点迹簇；
所述新的数据点簇包括：第二雷达数据中除目标p2之外的数据点迹中的数据点迹与所述第二数据点迹的距离值小于预先设定的阈值Omax的所有数据点迹；
步骤E6、并将所述新的数据点簇放入目标p2中；
步骤E7、重复步骤E4-E6，直至目标p2中不再新增数据点迹；
步骤E8、获取当前的目标p2中数据点迹的数目，并判断所述当前的目标p2中数据点迹的数目是否大于预先设定的阈值Nmin；
若大于，则将当前目标p2加入跟踪目标类A*；
若小于，将除去当前目标p2之外的第二雷达数据作为新的第二雷达数据，并返回步骤E1，直到第二雷达数据中所有数据点迹都划分目标或第二雷达数据划分目标之后所剩余的数据点迹数目少于阈值Nmin，则获取跟踪目标类A*。
优选的，
所述步骤S12中根据所述第三雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第三雷达数据进行聚类划分处理，得到待跟踪目标类B，具体包括：
步骤C1、设定初始临时目标p3，将所述第三雷达数据中的任一数据点迹m3作为目标p3中的数据点迹；
步骤C2、根据公式(1)获取数据点迹m3与所述第三雷达数据中除数据点迹m3之外的其他任一数据点迹n3的距离值；
步骤C3、基于所述数据点迹m3与所述第三雷达数据中除数据点迹m3之外的其他任一数据点迹n3的距离值以及预先设定的阈值Omax，获取数据点迹簇，并将所述数据点迹簇放入目标p3中；
所述数据点迹簇中包括：第三雷达数据中与所述数据点迹m3的距离值小于预先设定的阈值Omax的所有的数据点迹；
步骤C4、基于数据点迹簇，根据公式(1)获取所述数据点迹簇中第三数据点迹与第三雷达数据中除目标p3之外的任一数据点迹的距离值；
所述第三数据点迹为所述数据点迹簇中任一数据点迹；
步骤C5、基于数据点迹簇中第三数据点迹与第三雷达数据中除目标p3之外的任一数据点迹的距离值以及预先设定的阈值Omax，获取新的数据点迹簇；
所述新的数据点簇包括：第三雷达数据中除目标p3之外的数据点迹中的数据点迹与所述第三数据点迹的距离值小于预先设定的阈值Omax的所有数据点迹；
步骤C6、并将所述新的数据点簇放入目标p3中；
步骤C7、循环步骤C4-C6，直至目标p3中不再新增数据点迹；
步骤C8、获取当前的目标p3中数据点迹的数目，并判断所述当前的目标p3中数据点迹的数目是否大于预先设定的阈值Nmin；
若大于，则将当前目标p3加入跟踪目标类B；
若小于，将除去当前目标p3之外的第三雷达数据作为新的第三雷达数据，并返回步骤C1，直到第三雷达数据中所有数据点迹都划分目标或第三雷达数据划分目标之后剩余的数据点迹数目少于阈值Nmin，则获取跟踪目标类B。
优选的，所述步骤S5包括：
采用JPDA算法对所述处理结果和与所述处理结果相应的下一采集时刻的待跟踪目标类A*进行关联匹配处理，获取第一匹配结果；和，
采用JPDA算法对所述处理结果和与所述处理结果相应的下一采集时刻的待跟踪目标类B进行关联匹配处理，获取第二匹配结果。
优选的，所述步骤S6包括：
根据与所述处理结果相应的下一采集时刻的待跟踪目标类A*，确定新的跟踪目标的信息，并重复步骤S4-S6直至所有的待跟踪目标类A*完成匹配，则基于依次得到的匹配结果获取第一目标航迹；
其中，所述第一目标航迹为连续匹配成功的次数超过阈值L且连续匹配失败次数未超过阈值h的目标的航迹；和，
根据与所述处理结果相应的下一时刻的待跟踪目标类B，确定新的跟踪目标的信息，并重复步骤S4-S6直至所有的待跟踪目标类B完成匹配，则基于依次得到的匹配结果获取第二目标航迹；
其中，所述第二目标航迹为连续匹配成功的次数超过阈值L且连续匹配失败次数未超过阈值h的目标的航迹。
(三)有益效果
本发明的有益效果是：本发明的一种用于无人船的雷达数据处理方法，由于采用通过连接GPS、以及电子海图等设备，获取雷达数据的绝对位置以及真方向，划分获取水域数据，剔除无效和嘈杂的点迹数据，在保证雷达检测准确性基础上极大减小数据的运算量，增强了雷达数据处理的效率。
本发明的一种用于无人船的雷达数据处理方法根据目标速度的级别，选择相应参数的α-β滤波器，进而对目标的位置、速度和方向等信息进行滤波处理。既保证对快速机动目标的快速响应，又确保对较慢目标的识别效率和跟踪精度。自主适应不同速度目标的检测跟踪，提高雷达数据处理的效率。
附图说明
图1为本发明的一种用于无人船的雷达数据处理方法流程图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
参见图1，本实施例提供一种用于无人船的雷达数据处理方法，包括：
S1、按照预先设定的频率采集无人船的雷达数据，并对所采集的雷达数据进行预处理、去噪除杂处理、目标聚类划分处理，获取跟踪目标类A、多个待跟踪目标类A*、多个待跟踪目标类B；所述雷达数据包括多个数据点迹。
其中，所述跟踪目标类A由以预先设定的频率采集的无人船的雷达数据中第一次采集的雷达数据，依次进行所述预处理、去噪除杂处理和聚类划分处理得到。
每一所述待跟踪目标类A*由所述预先设定的频率所采集的无人船的雷达数据中第一次采集之后的任一采集时刻所采集的雷达数据，依次进行所述预处理、去噪除杂处理和聚类划分处理得到。
每一所述待跟踪目标B由所述预先设定的频率所采集的无人船的雷达数据中任一按照预设时刻间隔的采集时刻所采集的雷达数据，依次进行预处理、去噪除杂处理和聚类划分处理得到。
S2、基于所述跟踪目标类A确定跟踪目标的信息。
所述跟踪目标的信息包括目标的位置、航速、方向。
S3、基于所述跟踪目标信息和预先设定的航速范围确定与所述跟踪目标的信息对应的α-β滤波器。
S4、采用所述α-β滤波器对所述跟踪目标的信息进行滤波处理获取处理结果。
本实施例中根据应用场景的实验分析将目标的速度划分为快、中、慢三个级别，并分别对应预先设定的三组固定的α-β滤波器的参数。然后，采用具有所述与目标速度级别对应的参数的α-β滤波器对所述跟踪目标的信息进行滤波处理获取处理结果。
S5、采用JPDA算法对所述处理结果和与所述处理结果相应的下一采集时刻的待跟踪目标类A*或待跟踪目标类B进行关联匹配处理，获取匹配结果。
S6、根据与所述处理结果相应的下一采集时刻的待跟踪目标类A*或待跟踪目标类B，确定新的跟踪目标的信息，并重复步骤S4-S6直至所有的待跟踪目标类A*或所有的待跟踪目标类B完成匹配，基于依次得到的匹配结果获取目标航迹。
本实施例中优选的，所述步骤S3包括：
S31、基于所述跟踪目标的信息和预先设定的航速范围确定所述目标的航速的级别。
S32、基于所述目标的航速的级别，确定与所述目标的航速的级别具有预先设定的对应参数的α-β滤波器。
本实施例中优选的，所述步骤S31具体包括：
所述预先设定的航速范围包括：第一预设航速范围、第二预设航速范围、第三预设航速范围。
所述第一预设航速范围的最小航速值大于所述第二预设航速范围的最大航速值。
所述第二预设航速范围的最小航速值大于所述第三预设航速范围的最大航速值。
当所述目标的航速在第一预设航速范围内则确定所述目标的速度为快级别。
当所述目标的航速在第二预设航速范围内则确定所述目标的速度为中级别。
当所述目标的航速在第三预设航速范围内则确定所述目标的速度为慢级别。
本实施例中优选的，所述步骤S1中对所采集的雷达数据进行预处理，获取预处理后的雷达数据，具体包括：
按照预先设定的频率进行采集雷达数据，并根据GPS设备获取所述雷达数据的绝对位置及真方向，同时对所述雷达数据进行校正统一，然后利用电子海图过滤所述雷达数据中的非水域数据，获取预处理后的雷达数据。
其中，预处理后的雷达数据包括：数据点迹的相对距离d，数据点迹的北向方位角ψ，数据点迹的径向速度v，雷达散射截面sec。
本实施例中的雷达数据预处理具体为连接GPS和罗经设备将雷达数据进行校正统一，获取雷达数据的绝对位置以及真方向，连接电子海图设备将雷达数据划分为水域数据和非水域数据。其中非水域数据用以检测沿岸障碍物距离，形状等；水域数据用于检测航行过程中所遇到的障碍物信息，本发明中雷达数据主要是指水域的雷达数据。
本实施例中优选的，所述步骤S1包括：
S11、针对所述以预先设定的频率采集的无人船的雷达数据中第一次采集的雷达数据，依次进行所述预处理、去噪除杂处理，获取第一雷达数据；和，针对所述以预先设定的频率所采集的无人船的雷达数据中第一次采集之后的任一次采集时刻所采集的雷达数据，依次进行所述预处理、去噪除杂处理，获取与所述采集的雷达数据的时刻相应的第二雷达数据；和，针对所述以预先设定的频率所采集的无人船的雷达数据中预设时刻间隔的任一采集时刻所采集的雷达数据，依次进行预处理、去噪除杂处理，获取与所述采集的雷达数据的时刻相应的第三雷达数据。
其中，所述去噪除杂处理为：在预处理后的雷达数据中将不满足预先设定的相对距离的范围、角度范围以及径向速度范围的数据点迹删除。
本实施例中去噪除杂处理具体为：根据数据密度统计剔除由环境因素造成的孤立点和噪声点；当点迹k的
Figure BDA0002756826600000134
不满足人为设定的阈值时，则被视为无效的点迹。即：
Figure BDA0002756826600000131
其中dmin、
Figure BDA0002756826600000132
vmin、dmax、
Figure BDA0002756826600000133
vmax分别为相对距离、角度、径向速度的最小和最大阈值，其数值根据雷达性能和应用场景的实验数据分析设定。
S12、根据所述第一雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第一雷达数据中的数据点迹进行聚类划分处理，获取跟踪目标类A。
根据所述第二雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第二雷达数据进行聚类划分处理，得到与所述采集的雷达数据的时间相应的待跟踪目标类A*。
根据所述第三雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第三雷达数据进行聚类划分处理，得到待跟踪目标类B。
其中所述距离值公式为：
Figure BDA0002756826600000141
其中，雷达数据中任意数据点迹m和数据点迹n。
O(m，n)为任意数据点迹m和数据点迹n之间的距离值。
其中，任意数据点迹m的横坐标xm，纵坐标ym。
任意数据点迹n的横坐标xn，纵坐标yn。
vm为任意数据点迹m的航速。
vn为任意数据点迹n的航速。
Omax为距离的最大阈值。
Nmin为数据点迹数目的最小阈值。
本实施例中优选的，所述步骤S12中根据所述第一雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第一雷达数据中的数据点迹进行聚类划分处理，获取跟踪目标类A，具体包括：
步骤Q1、设定初始临时目标p1，将所述第一雷达数据中的任一数据点迹m1作为目标p1中的数据点迹。
步骤Q2、根据公式(1)获取数据点迹m1与所述第一雷达数据中除数据点迹m1之外的其他任一数据点迹n1的距离值。
步骤Q3、基于所述数据点迹m1与所述第一雷达数据中除数据点迹m1之外的其他任一数据点迹n1的距离值以及预先设定的阈值Omax，获取数据点迹簇，并将所述数据点迹簇放入目标p1中。
所述数据点迹簇中包括：第一雷达数据中与所述数据点迹m1的距离值小于预先设定的阈值Omax的所有的数据点迹。
步骤Q4、基于数据点迹簇，根据公式(1)获取所述数据点迹簇中第一数据点迹与第一雷达数据中除目标p1之外的任一数据点迹的距离值。
所述第一数据点迹为所述数据点迹簇中任一数据点迹。
步骤Q5、基于数据点迹簇中第一数据点迹与第一雷达数据中除目标p1之外的任一数据点迹的距离值以及预先设定的阈值Omax，获取新的数据点迹簇。
所述新的数据点簇包括：第一雷达数据中除目标p1之外的数据点迹中的数据点迹与所述第一数据点迹的距离值小于预先设定的阈值Omax的所有数据点迹。
步骤Q6、将所述新的数据点簇放入目标p1中。
步骤Q7、重复步骤Q4-Q6，直至目标p1中不再新增数据点迹。
步骤Q8、获取当前的目标p1中数据点迹的数目，并判断所述当前的目标p1中数据点迹的数目是否大于预先设定的阈值Nmin。
若大于，则将当前目标p1加入跟踪目标类A。
若小于，将除去当前目标p1之外的第一雷达数据作为新的第一雷达数据，并返回步骤Q1，直到第一雷达数据中所有数据点迹都划分目标或第一雷达数据划分目标之后剩余的数据点迹数目少于阈值Nmin，则获取跟踪目标类A。
本实施例中优选的，所述步骤S12中根据所述第二雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第二雷达数据进行聚类划分处理，得到与所述采集的雷达数据的时间相应的待跟踪目标类A*，具体包括：
步骤E1、设定初始临时目标p2，将所述第二雷达数据中的任一数据点迹m2作为目标p2中的数据点迹。
步骤E2、根据公式(1)获取数据点迹m2与所述第二雷达数据中除数据点迹m2之外的其他任一数据点迹n2的距离值。
步骤E3、基于所述数据点迹m2与所述第二雷达数据中除数据点迹m2之外的其他任一数据点迹n2的距离值以及预先设定的阈值Omax，获取数据点迹簇，并将所述数据点迹簇放入目标p2中。
所述数据点迹簇中包括：第二雷达数据中与所述数据点迹m1的距离值小于预先设定的阈值Omax的所有的数据点迹。
步骤E4、基于数据点迹簇，根据公式(1)获取所述数据点迹簇中第二数据点迹与第二雷达数据中除目标p2之外的任一数据点迹的距离值。
所述第二数据点迹为所述数据点迹簇中任一数据点迹。
步骤E5、基于数据点迹簇中第二数据点迹与第二雷达数据中除目标p2之外的任一数据点迹的距离值以及预先设定的阈值Omax，获取新的数据点迹簇。
所述新的数据点簇包括：第二雷达数据中除目标p2之外的数据点迹中的数据点迹与所述第二数据点迹的距离值小于预先设定的阈值Omax的所有数据点迹。
步骤E6、并将所述新的数据点簇放入目标p2中。
步骤E7、重复步骤E4-E6，直至目标p2中不再新增数据点迹。
步骤E8、获取当前的目标p2中数据点迹的数目，并判断所述当前的目标p2中数据点迹的数目是否大于预先设定的阈值Nmin。
若大于，则将当前目标p2加入跟踪目标类A*。
若小于，将除去当前目标p2之外的第二雷达数据作为新的第二雷达数据，并返回步骤E1，直到第二雷达数据中所有数据点迹都划分目标或第二雷达数据划分目标之后所剩余的数据点迹数目少于阈值Nmin，则获取跟踪目标类A*。
本实施例中优选的，所述步骤S12中根据所述第三雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第三雷达数据进行聚类划分处理，得到待跟踪目标类B，具体包括：
步骤C1、设定初始临时目标p3，将所述第三雷达数据中的任一数据点迹m3作为目标p3中的数据点迹。
步骤C2、根据公式(1)获取数据点迹m3与所述第三雷达数据中除数据点迹m3之外的其他任一数据点迹n3的距离值。
步骤C3、基于所述数据点迹m3与所述第三雷达数据中除数据点迹m3之外的其他任一数据点迹n3的距离值以及预先设定的阈值Omax，获取数据点迹簇，并将所述数据点迹簇放入目标p3中。
所述数据点迹簇中包括：第三雷达数据中与所述数据点迹m3的距离值小于预先设定的阈值Omax的所有的数据点迹。
步骤C4、基于数据点迹簇，根据公式(1)获取所述数据点迹簇中第三数据点迹与第三雷达数据中除目标p3之外的任一数据点迹的距离值。
所述第三数据点迹为所述数据点迹簇中任一数据点迹。
步骤C5、基于数据点迹簇中第三数据点迹与第三雷达数据中除目标p3之外的任一数据点迹的距离值以及预先设定的阈值Omax，获取新的数据点迹簇。
所述新的数据点簇包括：第三雷达数据中除目标p3之外的数据点迹中的数据点迹与所述第三数据点迹的距离值小于预先设定的阈值Omax的所有数据点迹。
步骤C6、并将所述新的数据点簇放入目标p3中。
步骤C7、循环步骤C4-C6，直至目标p3中不再新增数据点迹。
步骤C8、获取当前的目标p3中数据点迹的数目，并判断所述当前的目标p3中数据点迹的数目是否大于预先设定的阈值Nmin。
若大于，则将当前目标p3加入跟踪目标类B。
若小于，将除去当前目标p3之外的第三雷达数据作为新的第三雷达数据，并返回步骤C1，直到第三雷达数据中所有数据点迹都划分目标或第三雷达数据划分目标之后剩余的数据点迹数目少于阈值Nmin，则获取跟踪目标类B。
本实施例中优选的，所述步骤S5包括：
采用JPDA算法对所述处理结果和与所述处理结果相应的下一采集时刻的待跟踪目标类A*进行关联匹配处理，获取第一匹配结果；和，
采用JPDA算法对所述处理结果和与所述处理结果相应的下一采集时刻的待跟踪目标类B进行关联匹配处理，获取第二匹配结果。
本实施例中优选的，所述步骤S6包括：
根据与所述处理结果相应的下一采集时刻的待跟踪目标类A*，确定新的跟踪目标的信息，并重复步骤S4-S6直至所有的待跟踪目标类A*完成匹配，则基于依次得到的匹配结果获取第一目标航迹。
其中，所述第一目标航迹为连续匹配成功的次数超过阈值L且连续匹配失败次数未超过阈值h的目标的航迹；和，
根据与所述处理结果相应的下一时刻的待跟踪目标类B，确定新的跟踪目标的信息，并重复步骤S4-S6直至所有的待跟踪目标类B完成匹配，则基于依次得到的匹配结果获取第二目标航迹。
其中，所述第二目标航迹为连续匹配成功的次数超过阈值L且连续匹配失败次数未超过阈值h的目标的航迹。
本实施例中的一种用于无人船的雷达数据处理方法，由于采用通过连接GPS、以及电子海图等设备，获取雷达数据的绝对位置以及真方向，划分获取水域数据，剔除无效和嘈杂的点迹数据，在保证雷达检测准确性基础上极大减小数据的运算量，增强了雷达数据处理的效率。
本实施例中的一种用于无人船的雷达数据处理方法根据目标速度的级别，选择相应参数的α-β滤波器，进而对目标的位置、速度和方向等信息进行滤波处理。既保证对快速机动目标的快速响应，又确保对较慢目标的识别效率和跟踪精度。自主适应不同速度目标的检测跟踪，提高雷达数据处理的效率。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明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，本发明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。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。

Claims (10)

1.一种用于无人船的雷达数据处理方法，其特征在于，包括：
S1、按照预先设定的频率采集无人船的雷达数据，并对所采集的雷达数据进行预处理、去噪除杂处理、目标聚类划分处理，获取跟踪目标类A、多个待跟踪目标类A*、多个待跟踪目标类B；所述雷达数据包括多个数据点迹；
其中，所述跟踪目标类A由以预先设定的频率采集的无人船的雷达数据中第一次采集的雷达数据，依次进行所述预处理、去噪除杂处理和聚类划分处理得到；
每一所述待跟踪目标类A*由所述预先设定的频率所采集的无人船的雷达数据中第一次采集之后的任一采集时刻所采集的雷达数据，依次进行所述预处理、去噪除杂处理和聚类划分处理得到；
每一所述待跟踪目标B由所述预先设定的频率所采集的无人船的雷达数据中任一按照预设时刻间隔的采集时刻所采集的雷达数据，依次进行预处理、去噪除杂处理和聚类划分处理得到；
S2、基于所述跟踪目标类A确定跟踪目标的信息；
所述跟踪目标的信息包括目标的位置、航速、方向；
S3、基于所述跟踪目标的信息和预先设定的航速范围确定与所述跟踪目标的信息对应的α-β滤波器；
S4、采用所述α-β滤波器对所述跟踪目标的信息进行滤波处理获取处理结果；
S5、采用JPDA算法对所述处理结果和与所述处理结果相应的下一采集时刻的待跟踪目标类A*或待跟踪目标类B进行关联匹配处理，获取匹配结果；
S6、根据与所述处理结果相应的下一采集时刻的待跟踪目标类A*或待跟踪目标类B，确定新的跟踪目标的信息，并重复步骤S4-S6直至所有的待跟踪目标类A*或所有的待跟踪目标类B完成匹配，基于依次得到的匹配结果确定的目标获取目标航迹。
2.根据权利要求1所述的方法，其特征在于，所述步骤S3包括：
S31、基于所述跟踪目标的信息和预先设定的航速范围确定所述目标的航速的级别；
S32、基于所述目标的航速的级别，确定与所述目标的航速的级别具有预先设定的对应参数的α-β滤波器。
3.根据权利要求2所述的方法，其特征在于，所述步骤S31具体包括：
所述预先设定的航速范围包括：第一预设航速范围、第二预设航速范围、第三预设航速范围；
所述第一预设航速范围的最小航速值大于所述第二预设航速范围的最大航速值；
所述第二预设航速范围的最小航速值大于所述第三预设航速范围的最大航速值；
当所述目标的航速在第一预设航速范围内则确定所述目标的速度为快级别；
当所述目标的航速在第二预设航速范围内则确定所述目标的速度为中级别；
当所述目标的航速在第三预设航速范围内则确定所述目标的速度为慢级别。
4.根据权利要求1所述的方法，其特征在于，所述步骤S1中对所采集的雷达数据进行预处理，获取预处理后的雷达数据，具体包括：
按照预先设定的频率进行采集雷达数据，并根据GPS设备获取所述雷达数据的绝对位置及真方向，并对所述雷达数据进行校正统一，然后利用电子海图过滤所述雷达数据中的非水域数据，获取预处理后的雷达数据；
其中，预处理后的雷达数据包括：数据点迹的相对距离d，数据点迹的北向方位角ψ，数据点迹的径向速度v，雷达散射截面sec。
5.根据权利要求4所述的方法，其特征在于，所述步骤S1包括：
S11、针对所述以预先设定的频率采集的无人船的雷达数据中第一次采集的雷达数据，依次进行所述预处理、去噪除杂处理，获取第一雷达数据；和，
针对所述以预先设定的频率所采集的无人船的雷达数据中第一次采集之后的任一采集时刻所采集的雷达数据，依次进行所述预处理、去噪除杂处理，获取与所述采集的雷达数据的时刻相应的第二雷达数据；和，
针对所述以预先设定的频率所采集的无人船的雷达数据中预设时刻间隔的任一采集时刻所采集的雷达数据，依次进行预处理、去噪除杂处理，获取与所述采集的雷达数据的时刻相应的第三雷达数据；
其中，所述去噪除杂处理为：在预处理后的雷达数据中将不满足预先设定的相对距离的范围、角度范围以及径向速度范围的数据点迹删除；
S12、根据所述第一雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第一雷达数据中的数据点迹进行聚类划分处理，获取跟踪目标类A；
根据所述第二雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第二雷达数据进行聚类划分处理，得到与所述采集的雷达数据的时间相应的待跟踪目标类A*；
根据所述第三雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第三雷达数据进行聚类划分处理，得到待跟踪目标类B；
其中所述距离值公式为：
Figure FDA0002756826590000031
其中，雷达数据中任意数据点迹m和数据点迹n；
O(m，n)为任意数据点迹m和数据点迹n之间的距离值；
其中，任意数据点迹m的横坐标xm，纵坐标ym；
任意数据点迹n的横坐标xn，纵坐标yn；
vm为任意数据点迹m的航速；
vn为任意数据点迹n的航速；
Omax为距离的最大阈值；
Nmin为数据点迹数目的最小阈值。
6.根据权利要求5所述的方法，其特征在于，
所述步骤S12中根据所述第一雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第一雷达数据中的数据点迹进行聚类划分处理，获取跟踪目标类A，具体包括：
步骤Q1、设定初始临时目标p1，将所述第一雷达数据中的任一数据点迹m1作为临时初始目标p1中的数据点迹；
步骤Q2、根据公式(1)获取数据点迹m1与所述第一雷达数据中除数据点迹m1之外的其他任一数据点迹n1的距离值；
步骤Q3、基于所述数据点迹m1与所述第一雷达数据中除数据点迹m1之外的其他任一数据点迹n1的距离值以及预先设定的阈值Omax，获取数据点迹簇，并将所述数据点迹簇放入目标p1中；
所述数据点迹簇中包括：第一雷达数据中与所述数据点迹m1的距离值小于预先设定的阈值Omax的所有的数据点迹；
步骤Q4、基于数据点迹簇，根据公式(1)获取所述数据点迹簇中第一数据点迹与第一雷达数据中除目标p1之外的任一数据点迹的距离值；
所述第一数据点迹为所述数据点迹簇中任一数据点迹；
步骤Q5、基于数据点迹簇中第一数据点迹与第一雷达数据中除目标p1之外的任一数据点迹的距离值以及预先设定的阈值Omax，获取新的数据点迹簇；
所述新的数据点簇包括：第一雷达数据中除目标p1之外的数据点迹中的数据点迹与所述第一数据点迹的距离值小于预先设定的阈值Omax的所有数据点迹；
步骤Q6、将所述新的数据点簇放入目标p1中；
步骤Q7、重复步骤Q4-Q6，直至目标p1中不再新增数据点迹；
步骤Q8、获取当前的目标p1中数据点迹的数目，并判断所述当前的目标p1中数据点迹的数目是否大于预先设定的阈值Nmin；
若大于，则将当前目标p1加入跟踪目标类A；
若小于，将除去当前目标p1之外的第一雷达数据作为新的第一雷达数据，并返回步骤Q1，直到第一雷达数据中所有数据点迹都划分目标或第一雷达数据划分目标之后剩余的数据点迹数目少于阈值Nmin，则获取跟踪目标类A。
7.根据权利要求5所述的方法，其特征在于，
所述步骤S12中根据所述第二雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第二雷达数据进行聚类划分处理，得到与所述采集的雷达数据的时间相应的待跟踪目标类A*，具体包括：
步骤E1、设定初始临时目标p2，将所述第二雷达数据中的任一数据点迹m2作为目标p2中的数据点迹；
步骤E2、根据公式(1)获取数据点迹m2与所述第二雷达数据中除数据点迹m2之外的其他任一数据点迹n2的距离值；
步骤E3、基于所述数据点迹m2与所述第二雷达数据中除数据点迹m2之外的其他任一数据点迹n2的距离值以及预先设定的阈值Omax，获取数据点迹簇，并将所述数据点迹簇放入目标p2中；
所述数据点迹簇中包括：第二雷达数据中与所述数据点迹m1的距离值小于预先设定的阈值Omax的所有的数据点迹；
步骤E4、基于数据点迹簇，根据公式(1)获取所述数据点迹簇中第二数据点迹与第二雷达数据中除目标p2之外的任一数据点迹的距离值；
所述第二数据点迹为所述数据点迹簇中任一数据点迹；
步骤E5、基于数据点迹簇中第二数据点迹与第二雷达数据中除目标p2之外的任一数据点迹的距离值以及预先设定的阈值Omax，获取新的数据点迹簇；
所述新的数据点簇包括：第二雷达数据中除目标p2之外的数据点迹中的数据点迹与所述第二数据点迹的距离值小于预先设定的阈值Omax的所有数据点迹；
步骤E6、并将所述新的数据点簇放入目标p2中；
步骤E7、重复步骤E4-E6，直至目标p2中不再新增数据点迹；
步骤E8、获取当前的目标p2中数据点迹的数目，并判断所述当前的目标p2中数据点迹的数目是否大于预先设定的阈值Nmin；
若大于，则将当前目标p2加入跟踪目标类A*；
若小于，将除去当前目标p2之外的第二雷达数据作为新的第二雷达数据，并返回步骤E1，直到第二雷达数据中所有数据点迹都划分目标或第二雷达数据划分目标之后所剩余的数据点迹数目少于阈值Nmin，则获取跟踪目标类A*。
8.根据权利要求5所述的方法，其特征在于，
所述步骤S12中根据所述第三雷达数据中数据点迹之间的距离值、预先设定的阈值Omax和阈值Nmin，对所述第三雷达数据进行聚类划分处理，得到待跟踪目标类B，具体包括：
步骤C1、设定初始临时目标p3，将所述第三雷达数据中的任一数据点迹m3作为目标p3中的数据点迹；
步骤C2、根据公式(1)获取数据点迹m3与所述第三雷达数据中除数据点迹m3之外的其他任一数据点迹n3的距离值；
步骤C3、基于所述数据点迹m3与所述第三雷达数据中除数据点迹m3之外的其他任一数据点迹n3的距离值以及预先设定的阈值Omax，获取数据点迹簇，并将所述数据点迹簇放入目标p3中；
所述数据点迹簇中包括：第三雷达数据中与所述数据点迹m3的距离值小于预先设定的阈值Omax的所有的数据点迹；
步骤C4、基于数据点迹簇，根据公式(1)获取所述数据点迹簇中第三数据点迹与第三雷达数据中除目标p3之外的任一数据点迹的距离值；
所述第三数据点迹为所述数据点迹簇中任一数据点迹；
步骤C5、基于数据点迹簇中第三数据点迹与第三雷达数据中除目标p3之外的任一数据点迹的距离值以及预先设定的阈值Omax，获取新的数据点迹簇；
所述新的数据点簇包括：第三雷达数据中除目标p3之外的数据点迹中的数据点迹与所述第三数据点迹的距离值小于预先设定的阈值Omax的所有数据点迹；
步骤C6、并将所述新的数据点簇放入目标p3中；
步骤C7、循环步骤C4-C6，直至目标p3中不再新增数据点迹；
步骤C8、获取当前的目标p3中数据点迹的数目，并判断所述当前的目标p3中数据点迹的数目是否大于预先设定的阈值Nmin；
若大于，则将当前目标p3加入跟踪目标类B；
若小于，将除去当前目标p3之外的第三雷达数据作为新的第三雷达数据，并返回步骤C1，直到第三雷达数据中所有数据点迹都划分目标或第三雷达数据划分目标之后剩余的数据点迹数目少于阈值Nmin，则获取跟踪目标类B。
9.根据权利要求6-8中任一所述的方法，其特征在于，所述步骤S5包括：
采用JPDA算法对所述处理结果和与所述处理结果相应的下一采集时刻的待跟踪目标类A*进行关联匹配处理，获取第一匹配结果；和，
采用JPDA算法对所述处理结果和与所述处理结果相应的下一采集时刻的待跟踪目标类B进行关联匹配处理，获取第二匹配结果。
10.根据权利要求9所述的方法，其特征在于，所述步骤S6包括：
根据与所述处理结果相应的下一采集时刻的待跟踪目标类A*，确定新的跟踪目标的信息，并重复步骤S4-S6直至所有的待跟踪目标类A*完成匹配，则基于依次得到的匹配结果获取第一目标航迹；
其中，所述第一目标航迹为连续匹配成功的次数超过阈值L且连续匹配失败次数未超过阈值h的目标的航迹；和，
根据与所述处理结果相应的下一时刻的待跟踪目标类B，确定新的跟踪目标的信息，并重复步骤S4-S6直至所有的待跟踪目标类B完成匹配，则基于依次得到的匹配结果获取第二目标航迹；
其中，所述第二目标航迹为连续匹配成功的次数超过阈值L且连续匹配失败次数未超过阈值h的目标的航迹。
CN202011205288.8A 2020-11-02 2020-11-02 一种用于无人船的雷达数据处理方法 Pending CN112379365A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011205288.8A CN112379365A (zh) 2020-11-02 2020-11-02 一种用于无人船的雷达数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011205288.8A CN112379365A (zh) 2020-11-02 2020-11-02 一种用于无人船的雷达数据处理方法

Publications (1)

Publication Number Publication Date
CN112379365A true CN112379365A (zh) 2021-02-19

Family

ID=74576115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011205288.8A Pending CN112379365A (zh) 2020-11-02 2020-11-02 一种用于无人船的雷达数据处理方法

Country Status (1)

Country Link
CN (1) CN112379365A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4012247A1 (de) * 1990-04-14 1991-10-17 Telefunken Systemtechnik Komponentenfilter
KR20180080004A (ko) * 2017-01-03 2018-07-11 국방과학연구소 가림환경에서의 표적 형상정보를 활용한 표적 추적 방법
CN110361727A (zh) * 2019-07-22 2019-10-22 浙江大学 一种毫米波雷达多目标跟踪方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4012247A1 (de) * 1990-04-14 1991-10-17 Telefunken Systemtechnik Komponentenfilter
KR20180080004A (ko) * 2017-01-03 2018-07-11 국방과학연구소 가림환경에서의 표적 형상정보를 활용한 표적 추적 방법
CN110361727A (zh) * 2019-07-22 2019-10-22 浙江大学 一种毫米波雷达多目标跟踪方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
刘宇等: "一种一二次雷达航迹相关的算法", 《中国民航飞行学院学报》 *
张磊等: "无人船目标探测与跟踪系统", 《船舶工程》 *
李勇等: "《复杂情感分析方法及其应用》", 30 April 2020, 冶金工业出版社 *
许录平: "跟踪机动目标的自适应α-β滤波算法", 《西安电子科技大学学报》 *
邱丽原等: "α-β滤波器的基本问题分析及仿真研究", 《电讯技术》 *
陈福喜等: "船用雷达ARPA系统中α-β算法研究", 《电子设计工程》 *
韩晓峰: "雷达数据处理及其实时性的研究与应用", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN110275153B (zh) 一种基于激光雷达的水面目标检测与跟踪方法
CN112526513B (zh) 基于聚类算法的毫米波雷达环境地图构建方法及装置
CN111239766B (zh) 基于激光雷达的水面多目标快速识别跟踪方法
CN109001757B (zh) 一种基于2d激光雷达的车位智能检测方法
CN111781608B (zh) 一种基于fmcw激光雷达的运动目标检测方法及系统
CN106772435A (zh) 一种无人机避障方法和装置
CN109557532B (zh) 基于三维霍夫变换的检测前跟踪方法、雷达目标检测系统
CN113177593B (zh) 一种水上交通环境中雷达点云与影像数据的融合方法
CN113189975A (zh) 确定车辆的位置数据和/或运动数据的方法
CN112781599B (zh) 确定车辆的位置的方法
CN111308500B (zh) 基于单线激光雷达的障碍物感知方法、装置和计算机终端
CN110097498B (zh) 基于无人机航迹约束的多航带图像拼接与定位方法
CN113468922B (zh) 一种基于雷达点云的道路边界识别方法及装置
CN113281782A (zh) 一种基于无人驾驶车的激光雷达雪点滤除方法
CN113503871A (zh) 基于相关滤波的重力匹配方法
CN115908539A (zh) 一种目标体积自动测量方法和装置、存储介质
CN112362042B (zh) 一种基于智能船舶多传感设备的航迹关联判断方法
CN113985436A (zh) 基于slam的无人机三维地图构建与定位方法及装置
CN113554705A (zh) 一种变化场景下的激光雷达鲁棒定位方法
Nitsch et al. 3d ground point classification for automotive scenarios
CN116184357B (zh) 一种地面点云数据处理方法、装置、电子装置和存储介质
CN112379365A (zh) 一种用于无人船的雷达数据处理方法
CN117053779A (zh) 一种基于冗余关键帧去除的紧耦合激光slam方法及装置
CN112465867B (zh) 一种基于卷积神经网络的红外点目标实时检测跟踪方法
Palomer et al. Multi-beam terrain/object classification for underwater navigation correction

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: 20210219

RJ01 Rejection of invention patent application after publication