CN113376648B - 基于激光雷达探测的高速非合作目标轨迹提取方法 - Google Patents
基于激光雷达探测的高速非合作目标轨迹提取方法 Download PDFInfo
- Publication number
- CN113376648B CN113376648B CN202110455144.6A CN202110455144A CN113376648B CN 113376648 B CN113376648 B CN 113376648B CN 202110455144 A CN202110455144 A CN 202110455144A CN 113376648 B CN113376648 B CN 113376648B
- Authority
- CN
- China
- Prior art keywords
- target
- distance
- time
- point cloud
- instantaneous
- 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
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—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
- G01S7/48—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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于激光雷达探测的高速非合作目标轨迹提取方法,该方法通过霍夫变换将笛卡尔坐标系中的点云数据转换到参数空间中,通过参数空间最大值点坐标的检测结果,反演出短时间内点云数据中的目标瞬时距离和瞬时速度信息,设置后续跟踪阶段的距离门范围和时间门范围,同时重复上述霍夫变换和参数空间最大值检测过程,得到跟踪时刻的目标瞬时速度和瞬时距离。最后对算法进行迭代,重复跟踪过程的步骤,能够得到后续任意时刻的目标瞬时距离和瞬时速度。本发明可以不依赖于目标距离信息的实时预报,实现激光雷达探测距离门的自适应更新及非合作目标距离轨迹提取。
Description
技术领域
本发明属于基于光子计数的激光雷达探测系统技术领域,尤其涉及一种基于激光雷达探测的高速非合作目标轨迹提取方法。
背景技术
得益于单光子探测器的高探测灵敏度和高时间分辨率,基于单光子探测器的激光雷达能够充分利用激光回波信号,将回波信号响应提升到量子极限,从而实现远距离探测。但在实际测距过程中,单光子探测器无法区分目标的回波信号和噪声信号,为了从噪声中提取目标回波信号,必须要使用时间累积和时间相关单光子计数等技术。但是,使用这些技术处理运动目标回波信号时,会存在着巨大缺陷。当目标快速移动时,测量的光子来回飞行时间将会发生漂移,飘移量与目标的速度有关,同时也将会引起回波信号光子的时间相关曲线轮廓扩宽等问题。特别地对应非合作目标,待测目标的距离和速度信息无法预先知道,将导致基于单光子探测器的目标测距技术优势无法得到充分体现。
当前传统的目标测距激光雷达数据处理算法,主要是针对静止目标或者合作已知相对速度的目标测距,根据实时距离的预报,设置距离门开启时间和距离门宽度。再根据噪声随机分布的特点和目标回波信号分布固定在一定范围的特点,进行抑制噪声和提出目标回波信号。传统数据处理算法过于依赖于对目标距离信息精确预测。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提供了一种基于激光雷达探测的高速非合作目标轨迹提取方法,利用霍夫变换实现激光雷达目标轨迹信息提取算法,其基本思想是根据点—线对偶性,即在点云空间中共线的点对应于参数空间里相交的线;相反,在参数空间中相交于同一点的所有曲线在点云空间中都有共线的点与之对应。基于这种思想,利用霍夫变换把点云空间中目标瞬时距离与瞬时速度的检测问题转换到参数空间中来解决,根据参数空间的聚焦特性来完成目标瞬时距离与瞬时速度的检测任务。
本发明目的通过以下技术方案予以实现:一种基于激光雷达探测的高速非合作目标轨迹提取方法,所述方法包括如下步骤:步骤一:对初始阶段的笛卡尔坐标系中的点云数据通过霍夫变换得到初始阶段的参数空间中的点云数据;步骤二:对步骤一中的初始阶段的参数空间中的点云数据进行检测得到初始阶段的最大值点坐标,根据初始阶段的最大值点坐标得到起始时刻的目标瞬时距离和瞬时速度;步骤三:根据起始时刻的目标瞬时距离和瞬时速度,设置跟踪阶段的距离门范围和时间门范围;步骤四:对步骤三中的跟踪阶段的距离门范围和时间门范围内的点云数据进行霍夫变换得到跟踪阶段的参数空间中的点云数据;步骤五:对步骤四中的跟踪阶段的参数空间中的点云数据进行检测得到跟踪阶段的最大值点坐标,根据跟踪阶段的最大值点坐标得到跟踪时刻处的目标瞬时距离和瞬时速度;步骤六:重复步骤三至步骤五,得到后续任意时刻的目标瞬时距离和瞬时速度,根据任意时刻的目标瞬时距离得到目标的运动距离轨迹曲线。
上述基于激光雷达探测的高速非合作目标轨迹提取方法中,在步骤一中,对初始阶段的笛卡尔坐标系中的点云数据通过霍夫变换得到初始阶段的参数空间中的点云数据包括如下步骤:步骤1.1:选择时间门宽度k0Δt,在起始时刻t1处的距离门范围为t1~t1+k0Δt;其中,Δt为一个测量时间间隔的时间单位,k0为预设值;步骤1.2:对t1~t1+k0Δt时间门和整个距离门d1~dN的点云数据进行霍夫变换,使得点云数据中的任意一点(x,y)转换到参数空间后都会变成一条正弦曲线。
上述基于激光雷达探测的高速非合作目标轨迹提取方法中,在步骤一中,霍夫变换的公式如下:
其中,x为点云数据中的一点的横坐标,y为点云数据中的一点的纵坐标,θ为点云数据中的一点所在直线的法线与x轴的夹角,ρ为原点到直线的垂直距离。
上述基于激光雷达探测的高速非合作目标轨迹提取方法中,在步骤二中,初始阶段的最大值点坐标为(ρ1,θ1)。
上述基于激光雷达探测的高速非合作目标轨迹提取方法中,在步骤二中,起始时刻t1的目标瞬时距离和瞬时速度通过如下公式得到:
其中,s(t1)为目标在起始时刻t1的距离,v(t1)为目标在起始时刻t1的速度,Δd为激光雷达的测距分辨率,d1是霍夫变换处理数据的距离门起始距离,Δt为激光雷达测量时间间隔的时间单位。
上述基于激光雷达探测的高速非合作目标轨迹提取方法中,在步骤三中,跟踪阶段的距离门范围为t1~t1+k1Δt;其中,Δt为一个测量时间间隔的时间单位,k1为预设值;
如果90°<θ1<180°,跟踪阶段的距离门范围设置为s(t1)~s(t1)+k1Δt·v(t1);
如果0°<θ1<90°,跟踪阶段的距离门范围设置为s(t1)-k1Δt·v(t1)~s(t1)。
上述基于激光雷达探测的高速非合作目标轨迹提取方法中,在步骤五中,跟踪阶段的最大值点坐标为(ρ2,θ2)。
上述基于激光雷达探测的高速非合作目标轨迹提取方法中,在步骤五中,跟踪时刻处的目标瞬时距离和瞬时速度通过如下公式得到:
本发明与现有技术相比具有如下有益效果:
本发明在对非合作高速运动目标的跟踪过程中,不需要目标的距离信息预报,即可实现激光雷达距离门的自适应更新,实现目标运动轨迹的提取。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例提供的霍夫变换示意图;
图2是本发明实施例提供的点云数据处理示意图;
图3是本发明实施例提供的目标距离轨迹提取流程图;
图4是本发明实施例提供的激光雷达输出的点云仿真数据的示意图;
图5是本发明实施例提供的仿真得到的点云数据和本发明算法处理后的数据的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开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透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
霍夫变换可以实现笛卡尔坐标系与参数空间的转变。笛卡尔坐标系中具有共线关系的一系列点,在参数空间转变为一系列正弦曲线,并且所有的正弦曲线交汇于一点,该点具有最大值的特征。通过获取该最大值在参数空间的坐标,计算得出笛卡尔坐标系中共线线段的截距及斜率值。在激光雷达点云数据中,笛卡尔坐标系中共线线段的斜率代表着目标的瞬时速度,笛卡尔坐标系中共线线段的截距代表着目标的瞬时距离。基于霍夫变换的原理和目标在极短时间内近似直线运动的特点,因此,可以利用霍夫变换对目标点云图像进行处理,反演得到目标任意时刻的速度和距离。
根据霍夫变换原理,在(x,y)平面的直线方程可以转变为参数空间方程,即
其中,θ代表直线的法线与x轴的夹角,取值范围为0°~90°,ρ代表(0,0)原点到直线的垂直距离,如图1所示。
根据上述转换原理可知,在平面上的一点(x,y)对应着参数空间的一条正弦曲线,并且一系列共线的点在参数空间表示为所有正弦曲线交汇在一点,且该交汇点具有最大值的特征。本发明就是利用霍夫变换将激光雷达点云数据中所有点根据上述公式转换到参数空间,并在参数空间检测最大值的坐标,最后根据参数空间中最大值坐标反演得到目标的瞬时距离和瞬时速度。在知道目标的瞬时距离和瞬时速度后,激光雷达就可以自适应调整距离门大小,并在后续时刻重复上述的霍夫变换和最大值检测步骤,得到后续时刻的瞬时距离和瞬时速度信息。
本实施例提供了一种基于激光雷达探测的高速非合作目标轨迹提取方法,该方法包括如下步骤:
步骤1:对整个测距范围内和较大的测量时间范围内的点云数据,进行霍夫变换,完成点云数据在参数空间的表示。
为实现步骤1,需要分以下二个步骤来完成:
步骤1.1:选择较大的时间门宽度k0Δt,在起始时刻t1处的距离门范围为t1~t1+k0Δt。其中,Δt为一个测量时间间隔的时间单位,k0为预设值。
步骤1.2:对t1~t1+k0Δt时间门和整个距离门(d1~dN)的点云数据进行霍夫变换,使得点云数据中的任意一点(x,y)转换到参数空间后都会变成一条正弦曲线。霍夫变换的公式按照公式(1)来进行。参数空间是三维坐标系,其中横截面的坐标系分别为ρ和θ。纵向坐标是一个无量纲的累加数值,正弦曲线交汇的数量代表该累加数值的大小。
步骤2:通过对参数空间最大值坐标进行检测,即对包含许多正弦曲线的参数空间进行最大值检测,得到累加数值最大的坐标点为(ρ1,θ1)。
步骤3:根据最大值坐标点,得到起始时刻t1处的目标瞬时距离和瞬时速度。计算公式如下:
其中,s(t1)为目标在t1时刻的距离,v(t1)为目标在t1时刻的速度,Δd为激光雷达的测距分辨率,d1是霍夫变换处理数据的距离门起始距离,Δt为激光雷达测量时间间隔的时间单位。
通过以上三个步骤,可以理解为目标轨迹提取的初始阶段。初始阶段的目的,主要是用于获取目标在t1时刻的瞬时速度v(t1)和瞬时距离s(t1)信息。
步骤4:进入目标跟踪阶段,根据步骤3的结果,得到跟踪阶段的点云数据霍夫变换的参数设置。
基于初始阶段获取的目标在t1时刻的瞬时速度v(t1)和瞬时距离s(t1)信息,选择较小的时间门和距离门范围的点云数据进行霍夫变换。之所以缩小时间门和距离门范围,是因为通过小范围的霍夫变换可以提高整个算法的运行速度。
根据步骤3获得的目标在t1时刻的瞬时速度v(t1)和瞬时距离s(t1)信息,选择激光雷达探测的距离门宽和时间门宽。时间门宽度设置为k1Δt,k1为预设值,该时间门的范围为t1~t1+k1Δt。距离门宽度设置为k1·Δt·v(t1),k1为预设值,该距离门的范围需要根据θ1值来确定。
如果90°<θ1<180°,说明目标在远离激光雷达系统。此时距离门范围设置为
s(t1)~s(t1)+k1Δt·v(t1) (4)
如果0°<θ1<90°,说明目标在靠近激光雷达系统。此时距离门范围设置为
s(t1)-k1Δt·v(t1)~s(t1) (5)
步骤5:通过步骤4就可确定后续处理的数据的距离门范围和时间门范围内,对该范围内的点云数据进行霍夫变换,霍夫变换公式见公式(1),实现点云数据在参数空间转换。
步骤6:在步骤5霍夫变换得到的参数空间中,得到最大值坐标(ρ2,θ2)。
步骤7:根据步骤6得到的最大值坐标(ρ2,θ2),得到目标在t2时刻的瞬时距离s(t2)和瞬时速度v(t2)。
如果90°<θ2<180°,说明目标在远离雷达系统。如果0°<θ2<90°,说明目标在靠近激光雷达系统。根据的θ2值的大小,得到目标在t2时刻的瞬时距离s(t2)和瞬时速度v(t2)。计算公式为
步骤8:进行迭代。以步骤7获取的t2时刻的距离和速度信息为依据,沿着时间轴重复步骤4至步骤7,进行迭代操作,获取后续任意时刻tN目标的瞬时距离s(tN)和瞬时速度s(tN)。将一些列的瞬时距离s(tN)值连接成一条曲线,就可得到目标的距离轨迹。
对点云数据进行霍夫变换的时间门范围和距离门范围示意图如图2所示。其中步骤1至步骤3为目标轨迹提取的初始阶段,以获得目标在初始t1时刻的瞬时距离和瞬时速度。步骤4至步骤7是目标轨迹提取的跟踪阶段,以获得目标在后续t2时刻的瞬时距离和瞬时速度。图2中的跟踪阶段2和跟踪阶段3所对应的方框,为步骤8迭代过程的示意效果。
目标距离轨迹的提取流程如图3所示。通过计算目标真实迹和提取的目标轨迹的均方根差,来衡量本方法的鲁棒性。均方根差(Root Mean-Square Error,RMSE)的计算公式为
其中,s(ti)代表目标在ti时刻的真实瞬时距离,s′(ti)代表目标在ti时刻的算法提取得到的目标瞬时的距离。
对激光雷达回波点云信号进行仿真,仿真参数如下:
(1)在1s时间内进行1000次观测,每次观测间隔为0.001s。激光脉冲频率为1kHz。
(2)目标初始距离10km,目标逐渐靠近雷达系统,相对雷达的匀速运动速度5km/s。
(3)仿真时,背景噪声选择为105或者106counts/s;激光脉冲能量选择为0.15mJ或者1.5mJ,用于对比不同情况下仿真效果。(本次选择噪声105counts/s,激光脉冲能量1.5.mJ)。
(4)时间分辨率为33ns对应的距离长度为5m。
仿真的激光雷达输出的点云数据如图4所示,其中白色点代表激光雷达响应到了光信号。在图4的白色直线是断断续续的。远距离探测时,激光雷达的探测概率相对较低,白色直线间断次数较多。近距离探测时,激光雷达的探测概率相对较高,白色直线间断次数较少。这是因为在仿真激光雷达输出点云数据时考虑了激光雷达的探测概率因子,概率分布数值的大小根据平均回波光子数和泊松分布公式计算得到。从事激光雷达技术研究的业内技术人员理应知晓激光雷达的探测概率计算方法和过程。
步骤1:在初始阶段的t1时刻,取n=50个观测时刻进行霍夫变换,以此来验证初始时间的速度和距离是否与理论结果一直。经过霍夫变换后,得到参数空间的最大值坐标为(ρ=707,θ=45°)。根据公式(1)得到目标的初始距离s(t1)为9999.3m,速度v(t1)为5000m/s。该计算结果与目标初始距离和速度仿真数值符合一致。
步骤2:在跟踪阶段,以步骤1的结果s(t1)=9999.3m,v(t1)=5000m/s作为输入条件。在获取t1时刻的目标距离s(t1)和速度v(t1)后,进入跟踪阶段。跟踪阶段,不需要对大量点云数据进行处理。跟踪阶段的待处理点云数据观测时间取t2~t2+n×Δt,其中n取9。总共10个时间点的观测数据,即对时间范围为0.002s~0.011s,对应的点云数据列的序号为2~11。距离门宽选择为n·Δt·v(t1)=45m,距离门范围为
s(t1)-v(t1)Δt·n~s(t1)
=9954.3~9999.3 (9)
对该距离门及时间范围区间进行霍夫变换,找到参数空间的最大值的坐标为(ρ=5.66,θ=44.99°)。根据以下公式计算t2时刻的瞬时距离和瞬时速度:
根据上面两个公式,可以换算得到t2时刻的距离s(t2)为9995m,速度v(t2)为5001.7m/s。该数值与仿真参数设置值也是吻合较好。
步骤3:最后,对上述两个步骤进行迭代,通过不断更新目标的距离值得到目标的轨迹提取结果,如图5所示。其中图5中的左图是通过仿真得到的目标原始点云数据,图5中的右图是通过霍夫变换提取得到的目标运动轨迹。通过公式(8)计算目标距离轨迹误差,计算得到RMSE值为0.06m,说明该算法的轨迹提取误差较小。
为克服传统数据处理算法过于依赖于对目标距离信息精确预测的不足,针对高速运动激光雷达的特点,开展相应算法研究和仿真工作。由于目标在短时间范围内运动速度可近似为匀速,目标在点云图像中的轨迹呈现直线特点。因此本实施例可以通过霍夫变换,将笛卡尔坐标系转换到参数空间,通过参数空间最大值特征点的检测来反演出点云图像中的直线特征参数,包括直线的斜率和截距等。利用参数空间中提取的最大值特征点信息,可以得到目标的瞬时距离和瞬时速度信息。利用获取的瞬时距离和瞬时速度信息,通过算法迭代能够得到后续任意时刻目标的距离和速度信息。最后根据目标在任意时刻的距离信息和速度信息绘制出目标的运动距离轨迹。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (1)
1.一种基于激光雷达探测的高速非合作目标轨迹提取方法,其特征在于,所述方法包括如下步骤:
步骤一:对初始阶段的笛卡尔坐标系中的点云数据通过霍夫变换得到初始阶段的参数空间中的点云数据;
步骤二:对步骤一中的初始阶段的参数空间中的点云数据进行检测得到初始阶段的最大值点坐标,根据初始阶段的最大值点坐标得到起始时刻的目标瞬时距离和瞬时速度;
步骤三:根据起始时刻的目标瞬时距离和瞬时速度,设置跟踪阶段的距离门范围和时间门范围;
步骤四:对步骤三中的跟踪阶段的距离门范围和时间门范围内的点云数据进行霍夫变换得到跟踪阶段的参数空间中的点云数据;
步骤五:对步骤四中的跟踪阶段的参数空间中的点云数据进行检测得到跟踪阶段的最大值点坐标,根据跟踪阶段的最大值点坐标得到跟踪时刻处的目标瞬时距离和瞬时速度;
步骤六:重复步骤三至步骤五,得到后续任意时刻的目标瞬时距离和瞬时速度,根据任意时刻的目标瞬时距离得到目标的运动距离轨迹曲线;其中,
在步骤二中,起始时刻t1的目标瞬时距离和瞬时速度通过如下公式得到:
其中,s(t1)为目标在起始时刻t1的距离,v(t1)为目标在起始时刻t1的速度,Δd为激光雷达的测距分辨率,d1是霍夫变换处理数据的距离门起始距离,Δt为激光雷达测量时间间隔的时间单位;
在步骤三中,跟踪阶段的距离门范围为t1~t1+k1Δt;其中,Δt为一个测量时间间隔的时间单位,k1为预设值;
如果90°<θ1<180°,跟踪阶段的距离门范围设置为s(t1)~s(t1)+k1Δt·v(t1);
如果0°<θ1<90°,跟踪阶段的距离门范围设置为s(t1)-k1Δt·v(t1)~s(t1);
在步骤一中,对初始阶段的笛卡尔坐标系中的点云数据通过霍夫变换得到初始阶段的参数空间中的点云数据包括如下步骤:
步骤1.1:选择时间门宽度k0Δt,在起始时刻t1处的距离门范围为t1~t1+k0Δt;其中,Δt为一个测量时间间隔的时间单位,k0为预设值;
步骤1.2:对t1~t1+k0Δt时间门和整个距离门d1~dN的点云数据进行霍夫变换,使得点云数据中的任意一点(x,y)转换到参数空间后都会变成一条正弦曲线;
在步骤一中,霍夫变换的公式如下:
其中,x为点云数据中的一点的横坐标,y为点云数据中的一点的纵坐标,θ为点云数据中的一点所在直线的法线与x轴的夹角,ρ为原点到直线的垂直距离;
在步骤二中,初始阶段的最大值点坐标为(ρ1,θ1);
在步骤五中,跟踪阶段的最大值点坐标为(ρ2,θ2);
在步骤五中,跟踪时刻处的目标瞬时距离和瞬时速度通过如下公式得到:
通过计算目标真实迹和提取的目标轨迹的均方根差,来衡量鲁棒性,的计算公式为:
其中,s(ti)代表目标在ti时刻的真实瞬时距离,s′(ti)代表目标在ti时刻的算法提取得到的目标瞬时的距离;
对激光雷达回波点云信号进行仿真,仿真参数如下:
(1)在1s时间内进行1000次观测,每次观测间隔为0.001s,激光脉冲频率为1kHz;
(2)目标初始距离10km,目标逐渐靠近雷达系统,相对雷达的匀速运动速度5km/s;
(3)仿真时,背景噪声选择为105或者106counts/s;激光脉冲能量选择为0.15mJ或者1.5mJ,用于对比不同情况下仿真效果;
(4)时间分辨率为33ns对应的距离长度为5m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110455144.6A CN113376648B (zh) | 2021-04-26 | 2021-04-26 | 基于激光雷达探测的高速非合作目标轨迹提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110455144.6A CN113376648B (zh) | 2021-04-26 | 2021-04-26 | 基于激光雷达探测的高速非合作目标轨迹提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113376648A CN113376648A (zh) | 2021-09-10 |
CN113376648B true CN113376648B (zh) | 2023-02-03 |
Family
ID=77570098
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110455144.6A Active CN113376648B (zh) | 2021-04-26 | 2021-04-26 | 基于激光雷达探测的高速非合作目标轨迹提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376648B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116184427B (zh) * | 2022-12-21 | 2023-12-29 | 湖南迈克森伟电子科技有限公司 | 基于激光距离传感技术的距离探测系统 |
CN117741622B (zh) * | 2024-01-19 | 2024-06-04 | 哈尔滨集睿谱光电技术有限公司 | 一种Gm-APD激光雷达距离门自动调节方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216554A (zh) * | 2008-01-10 | 2008-07-09 | 电子科技大学 | 一种基于Hough变换的雷达目标检测方法 |
CN111896973A (zh) * | 2020-07-16 | 2020-11-06 | 武汉大学 | 基于主被动融合的超远距离目标三维运动轨迹预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105277930B (zh) * | 2015-11-20 | 2017-11-17 | 中国地质大学(武汉) | 一种基于Hough变换的弱目标运动轨迹提取方法 |
CN109613483B (zh) * | 2018-10-30 | 2021-07-20 | 上海无线电设备研究所 | 一种基于Hough变换的多目标航迹起始方法 |
-
2021
- 2021-04-26 CN CN202110455144.6A patent/CN113376648B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216554A (zh) * | 2008-01-10 | 2008-07-09 | 电子科技大学 | 一种基于Hough变换的雷达目标检测方法 |
CN111896973A (zh) * | 2020-07-16 | 2020-11-06 | 武汉大学 | 基于主被动融合的超远距离目标三维运动轨迹预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113376648A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113376648B (zh) | 基于激光雷达探测的高速非合作目标轨迹提取方法 | |
CN105093215A (zh) | 基于多普勒信息的雷达对低空慢速小目标的跟踪方法 | |
KR101628154B1 (ko) | 수신 신호 세기를 이용한 다중 표적 추적 방법 | |
CN104574439A (zh) | 一种融合卡尔曼滤波与tld算法的目标跟踪方法 | |
CN104156984A (zh) | 一种不均匀杂波环境下多目标跟踪的概率假设密度方法 | |
Lin et al. | Applications of image recognition for real-time water level and surface velocity | |
CN103727931A (zh) | 一种基于改进逻辑的航迹起始方法 | |
CN104569923B (zh) | 基于速度约束的Hough变换快速航迹起始方法 | |
CN103177584B (zh) | 一种基于枚举试探的车速检测方法 | |
CN104730537A (zh) | 基于多尺度模型的红外/激光雷达数据融合目标跟踪方法 | |
CN105445731B (zh) | 一种基于高精度测速的雷达全自动跟踪方法 | |
CN109143239B (zh) | 一种基于一维距离像的圆周合成孔径雷达的成像方法 | |
CN102063625B (zh) | 一种用于多视角下多目标追踪的改进型粒子滤波方法 | |
CN105354863A (zh) | 基于特征滤波和快速运动检测模板预测的自适应尺度图像序列目标跟踪方法 | |
CN103150908A (zh) | 一种基于视频的平均车速检测方法 | |
CN103985127A (zh) | 一种密集恒星背景的弱小目标检测方法及装置 | |
CN102129559B (zh) | 基于PrimalSketch算法的SAR图像目标检测方法 | |
CN107703503A (zh) | 一种基于gpu加速的点迹凝聚方法 | |
CN105137412A (zh) | 一种2d激光雷达距离图像中线段特征精确拟合方法 | |
CN111562570A (zh) | 基于毫米波雷达的面向自动驾驶的车辆感知方法 | |
CN115630569A (zh) | 一种应用于自动驾驶的毫米波雷达传感器建模方法 | |
CN106019253A (zh) | 基于箱粒子cphd的多扩展目标跟踪方法 | |
Sahba et al. | 3D Object Detection Based on LiDAR Data | |
CN110824478B (zh) | 基于多样化3d雷达回波特征的降水云类型自动分类方法及装置 | |
CN115220002B (zh) | 一种固定单站的多目标数据关联跟踪方法和相关装置 |
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 |